Can Adoption of Regular Exercise Later in Life Prevent Metabolic Risk for Cardiovascular Disease?
Notice bibliographique
Résumé
OBJECTIVE: To determine the impact of chronic exercise training initiated later in life upon development of metabolic markers of cardiovascular disease risk. RESEARCH DESIGN AND METHODS: Two inception cohorts of previously sedentary healthy adults aged 55-75 years at baseline (1989), one initiating regular supervised physical exercise training and the other a geographical similar sedentary control, were assessed for anthropometric, biochemical, and clinical markers of the metabolic syndrome and comorbidity over 10 years. RESULTS: At baseline, active individuals aged 68 years compared with sedentary individuals aged 67 years had similar fitness levels (5.7 vs. 5.8 metabolic equivalents). At follow-up, complete data were obtained for 161 active and 136 sedentary subjects. Drop out occurred primarily because of failure to adhere to the exercise regimen and poor physical health for active and sedentary individuals, respectively. More metabolic abnormalities were seen in the sedentary group than in the active group for one or two (64 vs. 36%, P < 0.001) and three or more (35 vs. 22%, P < 0.003) abnormalities, respectively. In those assessed at follow-up, the sedentary group compared with the active group had lower fitness levels (5.0 [13.8% decrease] vs. 5.9 [3.5% increase] metabolic equivalents), had a greater likelihood of a positive exercise electrocardiogram or symptom (32 vs. 10%, P < 0.001), and had more comorbid conditions (Charlson Comorbidity Index score 0.9 vs. 0.4, P < 0.01). CONCLUSIONS: Higher fitness achieved over 10 years of regular exercise training in older adults was associated with reduced development of metabolic risk factors for cardiovascular disease, fewer exercise-induced cardiac abnormalities, and reduced comorbidity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 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 ».