The Effect of Resistance Training and Different Sources of Postexercise Protein Supplementation on Muscle Mass and Physical Capacity in Sarcopenic Elderly Men
Notice bibliographique
Résumé
The loss of muscle mass (sarcopenia) with aging is related to a progressive loss of muscle strength and physical capacity. Resistance exercise and milk-based protein supplementation have been demonstrated as significant countermeasures for sarcopenia and the loss of muscle strength. However, using high doses of proteins can act as a meal replacement in the elderly. Therefore, we sought to determine whether a standard supplementation (12 g per serving) of protein and resistance training could be an efficient strategy to promote muscle strength and physical capacity in sarcopenic men. Twenty-six participants were randomized in 3 groups in a double-blind control study. All the groups performed exercise and consumed a protein-rich supplement 12 g of protein, 7 g of essential amino acids from milk (n = 8), soy (n = 8), or rice milk (nonprotein control, n = 10). Body composition was measured using dual-energy x-ray absorptiometry. Strength was measured by 1 repetition maximum with different exercises. Different physical capacity measurements were assessed (timed up and go test, chair stand, and walking speed). The results indicated a significant increase in fat-free mass in all groups and changes in muscle strength, with no differences between groups. This study indicates that resistance training is an effective way to increase muscle mass and strength, regardless of protein supplementation. Higher doses of protein-rich foods may have to be recommended to promote muscle mass gains when executing resistance exercise in elderly sarcopenic individuals.
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 | 0,001 | 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 ».