Twelve weeks’ progressive resistance training combined with protein supplementation beyond habitual intakes increases upper leg lean tissue mass, muscle strength and extended gait speed in healthy older women
Notice bibliographique
Résumé
Abstract The age-related decline in functional capability is preceded by a reduction in muscle quality. The purpose of this study was to assess the combined effects of progressive resistance training (PRT) and protein supplementation beyond habitual intakes on upper leg lean tissue mass (LTM), muscle quality and functional capability in healthy 50–70 years women. In a single-blinded, randomized, controlled design, 57 healthy older women (age 61.1 ± 5.1 years, 1.61 ± 0.65 m, 65.3 ± 15.3 kg) consumed 0.33 g/kg body mass of a milk-based protein matrix (PRO) for 12 weeks. Of the 57 women, 29 also engaged in a PRT intervention (PRO + PRT). In comparison to the PRO group (n = 28), those in the PRO + PRT group had an increase in upper leg LTM [0.04 (95% CI −0.07 to 0.01) kg vs. 0.13 (95% CI 0.08–0.18) kg, P = 0.027], as measured by Dual-energy X-ray absorptiometry; an increase in knee extensor (KE) torque [−1.6 (95% CI −7.3 to 4.4 N m) vs. 10.2 (95% CI 4.3–15.8 N m), P = 0.007], as measured from a maximal voluntary isometric contraction (Con-Trex MJ; CMV AG); and an increase in extended gait speed [-0.01 (95% CI −0.52–0.04) m s −1 vs. 0.10 (95% CI 0.05–0.22) m s −1 , P = 0.001] as measured from a maximal 900 m effort. There was no difference between groups in the time taken to complete 5 chair rises or the number of chair rises performed in 30 s ( P > 0.05). PRT in healthy older women ingesting a dietary protein supplement is an effective strategy to improve upper leg LTM, KE torque and extended gait speed in healthy older women.
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 ».