MétaCan
Menu
← Retour à la cohorte
Enregistrement W2333011067 · doi:10.1139/apnm-2013-0242

Discussion of “Influence of netball-based exercise on energy intake, subjective appetite and plasma acylated ghrelin in adolescent girls”

2013· article· en· W2333011067 sur OpenAlexaffvenue
David Thivel, Jean‐Philippe Chaput

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2013
Typearticle
Langueen
DomaineNeuroscience
ThématiqueRegulation of Appetite and Obesity
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGhrelinAppetitePsychologyPhysical therapyMedicineEndocrinologyHormone

Résumé

récupéré en direct d'OpenAlex

Rumbold and colleagues recently published an innovative and interesting paper addressing the energy intake, subjective appetite, and acylated ghrelin response to a netball-based exercise session in lean adolescent girls (Rumbold et al. 2013). This paper deals with one of their previous publications (Rumbold et al. 2011) and adds some interesting results to the current literature in the field. However, some issues warrant discussion. Rumbold et al. (2013) showed that energy intake of the adolescents at the test meal following the exercise session (lunch time) was not affected compared with the control, sedentary session (Rumbold et al. 2013). First, it needs to be noticed that the authors offered a test meal that was composed only of white pasta in a tomato andherb saucewith gratedmild cheddar cheese. Although this is in line with their previous work, the adolescents were not offered to choose among several items (e.g., buffet-style meal), which limits the ability of the authors to quantitatively analyze energy intake in this sample (Thivel et al. 2012a). Moreover, the authors indicated that the adolescents participated in sedentary activities during the control session and were free to engage in sedentary activities such as reading, watching TV, or completing school work for an hour between the netball-based exercise session and the test meal. Regarding the current literature on the impact of daily activities on subsequent energy intake, it can be argued that the assessed energy intake at lunch time was more affected by those sedentary activities than by the netball session itself. Previous studies have effectively emphasized the stimulating influence of screen-based sedentary activities such as watching television or playing video games on subsequent food intake in children and adolescents (Thivel et al. 2012c). For instance, Nemet and collaborators have observed a higher food consumption after 45 min of TV viewing compared with 45 min of physical activity (swimming or resistance training) in prepubertal kids (Nemet et al. 2010). Similarly, a 1-h passive video game session has been shown to favor increased energy intake in lean adolescent boys without altering appetite sensations comparedwith 1 h of rest (Chaput et al. 2011). Along the same lines, cognitiveworking such as reading andwritinghas been shown to increase foodconsumption in students (Chaput et al. 2008;Chaput and Tremblay 2007). Finally, recent data point out that imposed sedentary behaviors (e.g., prolonged sitting or bed rest) have the opposite effect on energy intake compared with exercise in adolescents (Thivel et al. 2012b); bed rest has been shown to have an orexigenic effect,whereas acute exercise favors reduced energy consumption in adolescents (Thivel et al. 2012b). Collectively, the paper by Rumbold et al. provides interesting new results to the field but also highlights the need for rigorous methodologies (controlling for the influence of screen-based sedentary behaviors on food intake) to ensure valid conclusions. The use of sedentary or imposed sedentary activities as control sessions is an important issue and (or) problem to consider in future studies if we want to avoid the confounding effect of these activities on eating behavior.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and Metabolism→Même sujetRegulation of Appetite and Obesity→Travaux en français237 207→