Conjugated Linoleic Acid Combined with Creatine Monohydrate and Whey Protein Supplementation during Strength Training
Notice bibliographique
Résumé
PURPOSE: The authors examined the combined effects of conjugated linoleic acid (CLA), creatine (C), and whey protein (P) supplementation during strength training. METHODS: Sixty-nine participants (52 men, 17 women; M +/- SD age 22.5 +/-2.5 yr) were randomly assigned (double-blind) to 1 of 3 groups: CCP (6 g/d CLA + 9 g/d C + 36 g/d P; n = 22), CP (C + P + placebo oil; n = 25), or P (P + placebo oil; n = 22) during 5 wk of strength training (4-5 sets, 6-12 repetitions, 6 d/wk). Measurements were taken for body composition (air-displacement plethysmography), muscle thickness (ultrasound) of the flexors and extensors of the elbow and knee, 1-repetition-maximum (1-RM) strength (leg press and bench press), urinary markers of bone resorption (N-telopeptides, NTx), myofibrillar protein catabolism (3-methylhistidine; 3-MH), oxidative stress (8-isoprostanes), and kidney function (microalbumin) before and after training. RESULTS: Contrast analyses indicated that the CCP group had a greater increase in bench-press (16.2% +/- 11.3% vs. 9.7% +/- 17.0%; p < .05) and leg-press (13.1% +/- 9.9% vs. 7.7% +/-14.2%; p < .05) strength and lean-tissue mass (2.4% +/- 2.8% vs. 1.3% +/-4.1%; p < .05) than the other groups combined. All groups increased muscle thickness over time (p < .05). The relative change in 3-MH (CCP -4.7% +/- 70.2%, CP -0.4% +/- 81.4%, P 20.3% +/- 75.2%) was less in the groups receiving creatine (p < .05), with the difference for NTx also close to significance (p = .055; CCP -3.4% +/- 66.6%, CP -3.9% +/- 64.9%, P 26.0% +/- 63.8%). There were no changes in oxidative stress or kidney function. CONCLUSION: Combining C, CLA, and P was beneficial for increasing strength and lean-tissue mass during heavy 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 | 0,000 | 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 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 ».