Interactions between exercise and nutrition to prevent muscle waste during ageing
Notice bibliographique
Résumé
The underlying cause of sarcopenia and dynapenia (age-related strength loss) are not fully elucidated, but may be the result, or combination, of alterations in lifestyle or inflammatory and endocrine profiles. What is clear is that functional ability is limited and mortality risk is elevated. Mechanistically, muscle atrophy is the result of the prolonged periods of net negative muscle protein balance, brought about by the imbalance between muscle protein synthesis (MPS) and muscle protein breakdown (MPB). Contractile loading of skeletal muscle, through resistive-type exercise and amino acid ingestion both act as a strong stimulus for MPS and, when combined, can induce a net positive protein balance and muscle hypertrophy. Given that MPS in older muscles displays a blunted response to anabolic stimuli compared with the young, the combined effect and manipulation of contractile and nutrient interventions to optimize muscle anabolism could be extremely important for counteracting sarcopenia. Specifically, the dose, absorption kinetics, leucine content, but less-so the timing of ingestion, are important determinants of the mRNA translational signalling response regulating MPS. In addition, resistance exercise-induced rates of MPS and hypertrophy appear to be dependent on exercise volume (to achieve maximal muscle fibre recruitment), as opposed to the absolute load that is lifted. A number of recent studies in young adults lend weight to this notion by showing that contraction can be manipulated; allowing low load weight lifting to effectively stimulate rates of MPS to a level comparable with traditional high loads, a finding with important implications for older adults interested in undertaking resistance exercise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».