Individual exercise sessions alter circulating hormones and cytokines in HIV-infected men
Notice bibliographique
Résumé
Exercise has the potential to impact disease by altering circulating anabolic and catabolic factors. It was the goal of this study to determine how different regimens of low-intensity and moderate-intensity exercise affected circulating levels of these anabolic and catabolic factors in HIV-infected men. Exercise-naive, HIV-infected men, medically cleared for study participation, were randomized into one of the following groups: a moderate-intensity group (MOD, who completed 30 min of moderate-intensity aerobic training followed by 30 min of moderate-intensity resistance training; a low-intensity group (LOW), who completed 60 min of treadmill walking; or a control group (CON), who attended the clinic but participated in no activity. Blood and saliva samples were collected at selected time points before, during, and after each of the 3 required sessions. Compared with baseline, the MOD group (n=14) had a 135% increase in growth hormone (GH) (p<0.05) and a 34% decrease in cortisol (CORT) (p<0.05) at the post time point, a 31% increase in interleukin-6 (IL-6) (p<0.05) at 30-min post exercise, and a 23% increase in IL-6 (p<0.05) and a 13% decrease in soluble tumor necrosis factor receptor 2 (sTNFrII) (p<0.05) at 60-min post exercise. The LOW (n=11) group had a 3.5% decrease in sTNFrII (<0.05) at 30-min post exercise compared with baseline and a 49% decrease (p<0.05) in GH at 60-min post exercise. The CON group (n=13) had a decrease in GH at 30-min (62%, p<0.05) and 60-min (61%, p<0.05) post exercise compared with baseline. The increase in GH from baseline to post was greater in the MOD group (p<0.05) and the decrease in CORT from pre to post was greater in the MOD group (p<0.05) than in the other groups. These data suggest that individual sessions of both low-intensity and moderate-intensity exercise can alter circulating anabolic and catabolic factors in HIV-infected men. The changes in the MOD group present potential mechanisms for the increases in lean tissue mass seen with resistance exercise training.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».