Short-term green tea extract supplementation attenuates the postprandial blood glucose and insulin response following exercise in overweight men
Notice bibliographique
Résumé
Green tea extract (GTE) ingestion improves glucose homeostasis in healthy and diabetic humans, but the interactive effect of GTE and exercise is unknown. The present study examined the effect of short-term GTE supplementation on the glycemic response to an oral glucose load at rest and following an acute bout of exercise, as well as substrate oxidation during exercise. Eleven sedentary, overweight men with fasting plasma glucose (FPG) ≥5.6 mmol·L −1 (age, 34 ± 13 years; body mass index = 32 ± 5 kg·m −2 ; FPG = 6.8 ± 1.0; mean ± SD) ingested GTE (3× per day, 1050 mg·day –1 total) or placebo (PLA) for 7 days in a double-blind, crossover design. The effects of a 75-g glucose drink were assessed on 4 occasions during both GTE and PLA treatments: On days 1 and 5 at rest, and again following an acute bout of exercise on days 3 and 8. The glycemic response was assessed via an indwelling continuous glucose monitor (CGM) and venous blood draws. At rest, 1-h CGM glucose area under the curve was not different (P > 0.05), but the postexercise response was lower after GTE versus PLA (330 ± 53 and 393 ± 65 mmol·L −1 ·min −1 , main effect of treatment, P < 0.05). The 1-h postprandial peaks in venous blood glucose (8.6 ± 1.6 and 9.8 ± 2.2 mmol·L −1 ) and insulin (96 ± 59 and 124 ± 68 μIU·ml −1 ) were also lower postexercise with GTE versus PLA (time × treatment interactions, P < 0.05). In conclusion, short-term GTE supplementation did not affect postprandial glucose at rest; however, GTE was associated with an attenuated glycemic response following a postexercise oral glucose load. These data suggest that GTE might alter skeletal muscle glucose uptake in humans.
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 | 0,000 | 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 ».