Lower limb conduit artery endothelial responses to acute upper limb exercise in spinal cord injured and able-bodied men
Notice bibliographique
Résumé
Vascular improvements in the nonactive regions during exercise are likely primarily mediated by increased shear rate (SR). Individuals with spinal cord injury (SCI) experience sublesional vascular deconditioning and could potentially benefit from upper body exercise-induced increases in lower body SR. The present study utilized a single bout of incremental arm-crank exercise to generate exercise-induced SR changes in the superficial femoral artery in an effort to evaluate the acute postexercise impact on superficial femoral artery endothelial function via flow-mediated dilation (FMD), and determine regulatory factors in the nonactive legs of individuals with and without SCI. Eight individuals with SCI and eight age, sex, and waist-circumference-matched able-bodied (AB) controls participated. Nine minutes of incremental arm-crank exercise increased superficial femoral artery anterograde SR (P = 0.02 and P < 0.01), retrograde SR (P < 0.01 and P < 0.01), and oscillatory shear index (OSI) (P < 0.001 and P < 0.001) in both SCI and AB, respectively. However, these SR alterations resulted in acute postexercise increases in FMD in the AB group only (SCI 6.0 ± 1.2% to 6.3 ± 2.7%, P = 0.74; AB 7.5 ± 1.4% to 11.2 ± 1.4%, P = 0.03). While arm exercise has many cardiovascular benefits and results in changes in SR patterns in the nonactive legs, these changes are not sufficient to induce acute changes in FMD among individuals with SCI, and therefore are less likely to stimulate exercise training-associated improvements in nonactive limb endothelial function. Understanding the role of SR patterns on FMD brings us closer to designing effective strategies to combat impaired vascular function in both healthy and clinical populations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».