Effect of exercise intensity on postprandial lipemia, markers of oxidative stress, and endothelial function after a high-fat meal
Notice bibliographique
Résumé
The aim of this study was to compare the effects of 2 different exercise intensities on postprandial lipemia, oxidative stress markers, and endothelial function after a high-fat meal (HFM). Eleven young men completed 2-day trials in 3 conditions: rest, moderate-intensity exercise (MI-Exercise) and heavy-intensity exercise (HI-Exercise). Subjects performed an exercise bout or no exercise (Rest) on the evening of day 1. On the morning of day 2, an HFM was provided. Blood was sampled at fasting (0 h) and every hour from 1 to 5 h during the postprandial period for triacylglycerol (TAG), thiobarbituric acid reactive substance (TBARS), and nitrite/nitrate (NOx) concentrations. Flow-mediated dilatation (FMD) was also analyzed. TAG concentrations were reduced in exercise conditions compared with Rest during the postprandial period (P < 0.004). TAG incremental area under the curve (iAUC) was smaller after HI-Exercise compared with Rest (P = 0.012). TBARS concentrations were reduced in MI-Exercise compared with Rest (P < 0.041). FMD was higher in exercise conditions than Rest at 0 h (P < 0.02) and NOx concentrations were enhanced in MI-Exercise compared with Rest at 0 h (P < 0.01). These results suggest that acute exercise can reduce lipemia after an HFM. However, HI-Exercise showed to be more effective in reducing iAUC TAG, which might suggest higher protection against postprandial TAG enhancement. Conversely, MI-Exercise can be beneficial to attenuate the susceptibility of oxidative damage induced by an HFM and to increase endothelial function in the fasted state compared with Rest.
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) | 0,001 | 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) | 0,000 | 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 ».