Concentric and eccentric exercise, glycemic responses to a postexercise meal, and inflammation in women with high versus low waist circumference
Notice bibliographique
Résumé
Carbohydrate ingestion and level of concentric versus eccentric muscle activity may alter exercise-induced health benefits for individuals who have high waist circumference as a metabolic risk factor. The purpose of this study was to determine whether metabolic and inflammation responses to an exercise recovery meal differ between women with lower (Lo-WC, <80 cm) compared with higher (Hi-WC) waist circumference when the exercise is primarily concentric (uphill walking; UPHILL) versus primarily eccentric (downhill walking; DOWNHILL). Recreationally active women (age, 18–39 years; body mass index, 19–35.4 m·kg −2 ; Lo-WC, n = 13; Hi-WC, n = 10) completed UPHILL, DOWNHILL, and resting (CONTROL) conditions followed 30 min later by a mixed meal tolerance test (MMTT) with carbohydrates to protein ratio of 4:1, and blood glucose, insulin, and inflammation markers were compared across conditions. Compared with Lo-WC, the Hi-WC group had higher (p < 0.05) (i) insulin during the MMTT in CONTROL (mean ± SE; 48.5 ± 8.2 vs 22.9 ± 2.8 pmol·L −1 ), (ii) baseline (0.7 ± 0.4 vs 2.0 ± 1.7 pg·mL −1 ) interleukin-6 (IL-6), and (iii) IL-6 responses 8 h after UPHILL and CONTROL. Both groups had (i) increases in IL-6 at 0 h after UPHILL and at 8 h after DOWNHILL, and (ii) lower glycemic responses in UPHILL. Women with Hi-WC had higher IL-6 at rest and delayed increases in IL-6 after a high-carbohydrate meal in all conditions. This is consistent with an inflammation response to the meal and or uphill walking exercise. However, both concentrically and eccentrically biased exercises offered benefits to insulin responses to a high carbohydrate meal for Hi-WC.
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 ».