Changes in Body Fat Distribution and Fitness Are Associated With Changes in Hemoglobin A1c After 9 Months of Exercise Training
Notice bibliographique
Résumé
OBJECTIVE: To investigate the associations between changes in body composition and fitness after exercise training and changes in hemoglobin A1c (HbA1c) in individuals with type 2 diabetes. RESEARCH DESIGN AND METHODS: Participants (n = 201) were randomized to aerobic, resistance, or combined training for 9 months. HbA1c, waist circumference, total and trunk fat mass, appendicular fat mass, lean body mass, isokinetic leg muscle strength, peak O2 uptake, and estimated METs were assessed at baseline and follow-up. Change in HbA1c was evaluated across quartiles of change in body composition and fitness. RESULTS: Change in HbA1c was associated with changes in body weight (r = 0.13, P = 0.052), waist circumference (r = 0.17, P = 0.013), trunk fat mass (r = 0.19, P = 0.005), and estimated METs (r = -0.16, P = 0.023). There was a trend in change in HbA1c across quartiles of waist circumference (P = 0.011), trunk fat mass (P = 0.020), and estimated METs (P = 0.011). Participants with increased estimated METs and reduced trunk fat mass had greater odds of having reduced HbA1c after training (3.48, 1.46-8.31). Finally, participants with increased estimated METs and reduced waist circumference were 2.81 (1.13-6.98) times more likely to have reduced HbA1c and type 2 diabetes medication use than those without improved fitness and central adiposity. CONCLUSIONS: In patients with type 2 diabetes, a reduction in central adiposity and increase in fitness were the most prominent predictors of the change in HbA1c in response to exercise 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) | 0,001 | 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 | 0,000 |
| 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 ».