Circuit resistance training in sedentary women: body composition and serum cytokine levels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Exercise can generate alterations in body composition and modulate the immune system. The objective of this study was to verify whether a circuit resistance training (CRT) protocol can increase lean body mass (LM), and reduce fat body mass (FM) and the percent of FM (%FM) of sedentary women, without inducing inflammatory responses, indicated by serum cytokine levels. The initial hypothesis was that CRT would improve body composition, without changing serum cytokine levels. The study consisted of 14 healthy, sedentary women, aged 33-45 years (mean +/- SD, 40.23 +/- 3.98 years), with a normal body mass index. They participated in 3 sessions per week of CRT, which included 2 rounds in 9 stations with 1 set of 8-12 repetition maximum at each station, for 10 weeks. During the 10-week CRT period, participants maintained their pretraining nutritional standard. Body composition was analysed with dual-energy X-ray absorptiometry both pre- and post-training. Blood samples were collected after 96 h of rest pre- and post-training, and 5 min, 24 h, and 48 h after the second and last training sessions to measure serum cytokine levels by flow cytometry. The nutritional standard was accompanied throughout the study period with 24-h dietary recall. Increases in LM (35.937 +/- 4.926 to 39.130 +/- 4.950 kg) and decreases in FM (21.911 +/- 8.150 to 17.824 +/- 4.235 kg) and %FM (37.10 +/- 10.84 to 31.19 +/- 6.06), without concurrent changes in serum cytokine levels, and in the nutritional standard (alpha = 0.05). The proposed CRT improved body composition and did not induce any changes in serum cytokine levels characteristic of the inflammatory response in women.
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.
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 | 0,000 | 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) | 0,000 | 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 découle