Aerobic Exercise Training Modalities and Prediabetes Risk Reduction
Notice bibliographique
Résumé
PURPOSE: Prediabetes is linked to several modifiable risk factors, in particular, physical activity participation. The optimal prescription for physical activity remains uncertain. This pilot study aimed to investigate the effectiveness of continuous moderate intensity (CON) versus high-intensity interval training (HIIT) in persons with prediabetes. Outcome measures included glycated hemoglobin (A1C), body composition, musculoskeletal and aerobic fitness. METHODS: Participants (n = 35) were recruited and screened using a questionnaire plus capillary blood point-of-care A1C analysis. After baseline screening/exclusions, 21 participants were randomly assigned to either HIIT or CON training three times per week for 12 wk. All participants also undertook resistance training two times per week. A1C, an oral glucose tolerance test, select measures of physical and physiological fitness were assessed at baseline and follow-up. RESULTS: There were no significant differences in improvements in select metabolic indicators to training between CON and HIT groups. Pooled participant data showed a mean reduction in A1C of 0.5% (95% confidence interval [CI] = 0.3%-0.7%), whereas β-cell function (%β) improved by 28.9% (95% CI = 16.5%-39.2%) and insulin sensitivity (%S) decreased by 34.8 (95% CI = 57.8%-11.8), as assessed by the Homeostatic Model Assessment. Significant reductions in waist circumference of 4.5 cm (P < 0.001) and a 20% (P < 0.001) improvement in aerobic fitness were also observed in both training groups. CONCLUSION: The completion of a 12-wk exercise program involving both resistance training and either HIIT or CON training results in improved glycemic control, visceral adiposity, and aerobic fitness in persons with prediabetes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| 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 ».