Effects of green tea extracts on non-shivering thermogenesis during mild cold exposure in young men
Notice bibliographique
Résumé
The effects of epigallocatechin-3-gallate (EGCG) and caffeine on non-shivering thermogenesis (NST) during cold exposure is unknown. The purpose of the present study was to quantify the effects of co-ingesting EGCG and caffeine on the thermogenic responses of a 3 h cold exposure. A total of eight healthy males were exposed to mild cold, using a liquid-conditioned suit perfused with 158C water, on two occasions and consumed a placebo or an extract of 1600 mg of EGCG and 600 mg of caffeine (Green tea). Thermic, metabolic and electromyographic measurements were monitored at baseline and during the cold exposure. Results showed that the AUC of shivering intensity over the cold exposure period was reduced by approximately 20% in the Green tea (266 (SEM 6)% maximal voluntary contraction (MVC) x min) compared with the Placebo (332 (SEM 69)%MVC x min) (P=0·01) treatments. In contrast, the total AUC for energy expenditure (EE) was approximately 10% higher in the Green tea (23·5 (SEM 1·4) kJ/kg x 180 min) compared with the Placebo (327 (SEM 74) kJ/kg 180 min) (P=0·007) treatments. The decrease in shivering activity combined with an increase in EE, following the ingestion of EGCG and caffeine during the cold exposure, indicates that NST pathways can be significantly stimulated in adult human subjects. The present study provides an experimental approach for human investigations into the potential role of diet and bioactive food ingredients in modulating NST during cold exposure. Stimulating NST pathways in such a manner may also provide important targets in the search of targets for the management of obesity and diabetes.
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 ».