MétaCan
Menu
Retour à la cohorte
Enregistrement W2211353617 · doi:10.1123/pes.2015-0053

Effects of Short-Term Exercise Training With and Without Milk Intake on Cardiometabolic and Inflammatory Adaptations in Obese Adolescents

2015· article· en· W2211353617 sur OpenAlexaff
Maple Liu, Linda Gillis, Nicholas Persadie, Stephanie A. Atkinson, Stuart M. Phillips, Brian W. Timmons

Notice bibliographique

RevuePediatric Exercise Science · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipokines, Inflammation, and Metabolic Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineInsulinEndocrinologyInflammationBlood pressurePhysical therapy

Résumé

récupéré en direct d'OpenAlex

There is some evidence that a combination of factors can reduce inflammation and associated metabolic risk factors. We studied the early cardiometabolic and inflammatory adaptations to a short-term exercise intervention with and without milk in obese adolescents. Fifty-four adolescents were randomized to consume milk post exercise (MILK) or a carbohydrate beverage (CONT) during one-week of daily exercise. Insulin levels were not different between the groups post training. Glucose was reduced over time in both groups (-9 ± 13 mg/ dl MILK and -6 ± 14 mg/dl CONT, p < .05) but not different between groups. There was a greater decrease in mean arterial pressure (MAP) in the MILK group (-3 ± 6 mmHg MILK vs. 2 ± 7 mmHg CONT, p < .04). Milk provided postexercise did not affect C-reactive protein (CRP), tumor necrosis factor-α (TNF-α) or interleukin-6 (IL-6). The exercise intervention led to an increase in TNF-α in both groups (0.27 ± 0.7 pg/ml MILK and 0.48 ± 0.6 pg/ml CONT, p < .001). The early adaptations to a short-term exercise intervention in obese adolescents include a reduction in MAP and an increase in some inflammatory markers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,267
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric Exercise ScienceMême sujetAdipokines, Inflammation, and Metabolic DiseasesTravaux en français237 207