Objectively measured physical activity and plasma metabolomics in the Shanghai Physical Activity Study
Notice bibliographique
Résumé
BACKGROUND: Physical activity is associated with a variety of health benefits, but the biological mechanisms that explain these associations remain unclear. Metabolomics is a powerful tool to comprehensively evaluate global metabolic signature associated with physical activity and helps to pinpoint the pathways that mediate the health effects of physical activity. There has been limited research on metabolomics and habitual physical activity, and no metabolomics study has examined sedentary behaviour and physical activity of different intensities. METHODS: In a group of Chinese adults (N = 277), we used an untargeted approach to examine 328 plasma metabolites in relation to accelerometer-measured physical activity, including overall volume of physical activity (physical activity energy expenditure (PAEE) and duration of physically active time) and sedentary time, and measures related to different intensities of physical activity (moderate-to-vigorous activity (MVPA), light activity, average physical activity intensity). RESULTS: We identified 11 metabolites that were associated with total activity, with a false discovery rate of 0.2 or lower. Notably, we observed generally lower levels of amino acids in the valine, leucine and isoleucine metabolism pathway and of carbohydrates in sugar metabolism among participants with higher activity levels. Moreover, we found that PAEE, time spent in light activity and duration of physically active time were associated with a similar metabolic pattern, whereas the metabolic signature associated with sedentary time mirrored this pattern. In contrast, average activity intensity and time spent in MVPA appeared to be associated with somewhat different metabolic patterns. CONCLUSIONS: Overall, the metabolomics patterns support a beneficial role of higher volume of physical activity in cardiometabolic health. Our findings identified candidate pathways and provide insight into the mechanisms underlying the health effects of physical activity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».