Effect of Elliptical High Intensity Interval Training on Metabolic Risk Factor in Pre- and Type 2 Diabetes Patients: A Pilot Study
Notice bibliographique
Résumé
OBJECTIVE: The purpose of the current study was to examine the impact of 12 weeks of elliptical high intensity interval training (HIIT) on metabolic risk factors and body composition in pre- and type 2 diabetes patients. METHODS: Sixteen pre- (n = 8) and type 2 diabetes (n = 8) participants completed this study. Fasting blood glucose, HbA1c, anthropometric measurements, body composition (DXA), blood pressure, resting heart rate, VO2max, and dietary factors, as well as total and physical activity energy expenditure, were measured. The HIIT program on the elliptical was performed 3 times a week for 12 weeks. RESULTS: After the intervention, we observed a significant improvement for fasting blood glucose, waist and hip circumference, appendicular fat mass, leg lean body mass and appendicular lean body mass, systolic blood pressure, resting heart rate, and VO2max (P < .05). In addition, we noted a lower tendency for leg fat mass (P = .06) and diastolic blood pressure (P = .05) as well as a higher tendency for total energy expenditure (P = .06) after the intervention. CONCLUSION: The current study indicates that elliptical HIIT seems to improve metabolic risk factors and body composition in pre- and type 2 diabetes patients.
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) | 0,001 | 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 | 0,001 |
| 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 ».