MétaCan
Menu
Retour à la cohorte
Enregistrement W2129796994 · doi:10.1017/s002966511000399x

The science of muscle hypertrophy: making dietary protein count

2010· review· en· W2129796994 sur OpenAlexafffund
Stuart M. Phillips

Notice bibliographique

RevueProceedings of The Nutrition Society · 2010
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMuscle hypertrophyAnabolismWhey proteinProtein biosynthesisInternal medicineEndocrinologyMuscle proteinCarbohydrateSarcopeniaHigh proteinBiologyFood scienceChemistryBiochemistryMedicineSkeletal muscle

Résumé

récupéré en direct d'OpenAlex

Growing evidence supports the conclusion that consumption of protein in close temporal proximity to the performance of resistance exercise promotes greater muscular hypertrophy. We can also state with good certainty that merely consuming energy, as carbohydrate for example, is also not sufficient to maximise muscle protein synthesis leading to anabolism and net new muscle protein accretion. Recent work also indicates that certain types of proteins, particular those that are rapidly digested and high in leucine content (i.e. whey protein), appear to be more efficient at stimulating muscle protein synthesis. Continued practice of consumption of these types or proteins after exercise should lead to greater hypertrophy. Reviews of numerous training studies indicate that studies in which milk proteins and principally whey protein show an advantage of these proteins over and above isoenergetic carbohydrate and soya protein in promoting hypertrophy. Thus, the combined evidence suggests a strategic advantage of practising early post-exercise consumption of whey protein or dairy-based protein to promote muscle protein synthesis, net muscle protein accretion and ultimately hypertrophy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,290
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of The Nutrition SocietyMême sujetMuscle metabolism and nutritionTravaux en français237 207