Body Composition and Strength Changes in Women with Milk and Resistance Exercise
Notice bibliographique
Résumé
PURPOSE: We aimed to determine whether women consuming fat-free milk versus isoenergetic carbohydrate after resistance exercise would see augmented gains in lean mass and reductions in fat mass similar to what we observed in young men. METHODS: Young women were randomized to drink either fat-free milk (MILK: n = 10; age (mean +/- SD) = 23.2 +/- 2.8 yr; BMI = 26.2 +/- 4.2 kg x m(-2)) or isoenergetic carbohydrate (CON: n = 10; age = 22.4 +/- 2.4 yr; BMI = 25.2 +/- 3.8 kg x m(-2)) immediately after and 1 h after exercise (2 x 500 mL). Subjects exercised 5 d x wk(-1) for 12 wk. Body composition changes were measured by dual-energy x-ray absorptiometry, and subjects' strength and fasting blood were measured before and after training. RESULTS: CON gained weight after training (CON: +0.86 +/- 0.4 kg, P < 0.05; MILK: +0.50 +/- 0.4 kg, P = 0.29). Lean mass increased with training in both groups (P < 0.01), with a greater net gain in MILK versus CON (1.9 +/- 0.2 vs 1.1 +/- 0.2 kg, respectively, P < 0.01). Fat mass decreased with training in MILK only (-1.6 +/- 0.4 kg, P < 0.01; CON: -0.3 +/- 0.3 kg, P = 0.41). Isotonic strength increased more in MILK than CON (P < 0.05) for some exercises. Serum 25-hydroxyvitamin D increased in both groups but to a greater extent in MILK than CON (+6.5 +/- 1.1 vs +2.8 +/- 1.3 nM, respectively, P < 0.05), and parathyroid hormone decreased only in MILK (-1.2 +/- 0.2 pM, P < 0.01). CONCLUSIONS: Heavy, whole-body resistance exercise with the consumption of milk versus carbohydrate in the early postexercise period resulted in greater muscle mass accretion, strength gains, fat mass loss, and a possible reduction in bone turnover in women after 12 wk. Our results, similar to those in men, highlight that milk is an effective drink to support favorable body composition changes in women with resistance 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 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 | 0,001 |
| 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 ».