MétaCan
Menu
Retour à la cohorte
Enregistrement W2594017190 · doi:10.3389/fphys.2017.00114

Eccentric Ergometer Training Promotes Locomotor Muscle Strength but Not Mitochondrial Adaptation in Patients with Severe Chronic Obstructive Pulmonary Disease

2017· article· en· W2594017190 sur OpenAlexafffund
Norah J. MacMillan, Sophia Kapchinsky, Yana Konokhova, Gilles Gouspillou, Riany de Sousa Sena, R. Thomas Jagoe, Jacinthe Baril, Tamara E. Carver, Ross E. Andersen, Ruddy Richard, Hélène Perrault, Jean Bourbeau, Russell T. Hepple, Tanja Taivassalo

Notice bibliographique

RevueFrontiers in Physiology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueChronic Obstructive Pulmonary Disease (COPD) Research
Établissements canadiensJewish General HospitalUniversité du Québec à MontréalMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University Health CentreNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésMedicinePulmonary diseaseEccentricAdaptation (eye)Eccentric exercisePhysical therapyBicycle ergometerCardiologyInternal medicineCardiorespiratory fitnessPhysical medicine and rehabilitationDiseaseStrength trainingBiologyMuscle damageHeart rateNeuroscience

Résumé

récupéré en direct d'OpenAlex

Eccentric ergometer training (EET) is increasingly being proposed as a therapeutic strategy to improve skeletal muscle strength in various cardiorespiratory diseases, due to the principle that lengthening muscle actions lead to high force-generating capacity at low cardiopulmonary load. One clinical population that may particularly benefit from this strategy is chronic obstructive pulmonary disease (COPD), as ventilatory constraints and locomotor muscle dysfunction often limit efficacy of conventional exercise rehabilitation in patients with severe disease. While the feasibility of EET for COPD has been established, the nature and extent of adaptation within COPD muscle is unknown. The aim of this study was therefore to characterize the locomotor muscle adaptations to EET in patients with severe COPD, and compare them with adaptations gained through conventional concentric ergometer training (CET). Male patients were randomized to either EET (n=8) or CET (n=7) for 10 weeks and matched for heart rate intensity. EET patients trained on average at a workload that was three times that of CET, at a lower perception of leg fatigue and dyspnea. EET led to increases in isometric peak strength and relative thigh mass (p<0.01) whereas CET had no such effect. However EET did not result in fiber hypertrophy, as morphometric analysis of muscle biopsies showed no increase in mean fiber cross-sectional area (p=0.82), with variability in the direction and magnitude of fiber-type responses (20% increase in Type 1, p=0.18; 4% decrease in Type 2a, p=0.37) compared to CET (26% increase in Type 1, p=0.04; 15% increase in Type 2a, p=0.09). EET had no impact on mitochondrial adaptation, as revealed by lack of change in markers of mitochondrial biogenesis, content and respiration, which contrasted to improvements (p<0.05) within CET muscle. While future study is needed to more definitively determine the effects of EET on fiber hypertrophy and associated underlying molecular signaling pathways in COPD locomotor muscle, our findings promote the implementation of this strategy to improve muscle strength. Furthermore, contrasting mitochondrial adaptations suggest evaluation of a sequential paradigm of eccentric followed by concentric cycling as a means of augmenting the training response and attenuating skeletal muscle dysfunction in patients with advanced COPD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,251
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations63
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetChronic Obstructive Pulmonary Disease (COPD) ResearchTravaux en français237 207