Interactive effect of exercise training with ω-3 supplementation on resting levels of TNF-α and IL-10 in Karat Men
Notice bibliographique
Résumé
: Introduction: Perform heavy exercise training, causing a variety of changes including a reduction in performance. Few human studies have been examined of supplemental ω-3 and exercise, then the aim of this study was to study the interactive effect of exercise and ω-3 on resting levels of TNF-α and IL-10 in elite Karate and compared with untrained. Methods: In this quasi-experimental study 42 healthy young male elite karate and non-athletes, were randomly divided into study groups. Athletes: 1- ω -3 and exercise, 2- placebo and exercise,3- exercise and non-athletes: 1- ω -3, 2- placebo,3- control. Athletes groups performed pre-season practice in 65% to 80% VO2 max. Consumption of ω -3 was 1800mg/day for 4 weeks. Blood sampling done 48 hours before, 12 hours fasting after protocol. TNF-α and IL-10 were measured by ELISA and LDL, HDL Enzymatic methods. Results: Exercise training with ω-3 for 4 weeks do not have a significant effect on resting levels of IL-10، TNF- α ،HDL و LDL (P>0.05). Then ω-3 do not have a significant effect in non-athletes (P>0.05). Conclusion: The results showed that Although the consumption of ω-3 do not have significant changes in TNF-α and IL-10, but can slightly reduced TNF-α and increase in the IL-10, that confirm its positive effects on inflammatory factors. However, more research seems necessary in this context.
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) | 0,001 | 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) | 0,004 | 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 ».