Circulating hematopoietic progenitor cells in runners
Notice bibliographique
Résumé
Because endurance exercise causes release of mediators and growth factors active on the bone marrow, we asked whether it might affect circulating hematopoietic progenitor cells (HPCs) in amateur runners [n = 16, age: 41.8 +/- 13.5 (SD) yr, training: 93.8 +/- 31.8 km/wk] compared with sedentary controls (n = 9, age: 39.4 +/- 10.2 yr). HPCs, plasma cortisol, interleukin (IL)-6, granulocyte colony-stimulating factor (G-CSF), and the growth factor fms-like tyrosine kinase-3 (flt3)-ligand were measured at rest and after a marathon (M; n = 8) or half-marathon (HM; n = 8). Circulating HPC counts (i.e., CD34(+) cells and their subpopulations) were three- to fourfold higher in runners than in controls at baseline. They were unaffected by HM or M acutely but decreased the morning postrace. Baseline cortisol, flt3-ligand, IL-6, and G-CSF levels were similar in runners and controls. IL-6 and G-CSF increased to higher levels after M compared with HM, whereas cortisol and flt3-ligand increased similarly postrace. Our data suggest that increased HPCs reflect an adaptation response to recurrent, exercise-associated release of neutrophils and stress and inflammatory mediators, indicating modulation of bone marrow activity by habitual running.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».