Cardiometabolic risk factors in type 2 diabetes with high fat and low muscle mass: At baseline and in response to exercise
Notice bibliographique
Résumé
Objective To examine the interplay between high fat and low muscle mass on cardiometabolic risk factors at baseline and in response to exercise in type 2 diabetes. Methods Using baseline percent body fat and skeletal muscle mass index, 248 participants were divided into high fat versus low fat and low muscle versus high muscle. Linear mixed models were used to examine the main effects of fat mass and muscle mass and their interaction on baseline cardiometabolic risk factors and changes in risk factors in response to 6‐month exercise training. Results At baseline, there was a fat mass by muscle mass interaction effect on hemoglobin A 1c (HbA 1c ; P = 0.009), suggesting that low muscle was associated with elevated HbA 1c in those with high fat but not low fat. Significant interactions between baseline fat mass and muscle mass on the exercise‐induced changes in visceral adipose tissue, insulin resistance, and triglyceride concentration indicated that low muscle attenuated the exercise responses in participants with high fat at baseline (all P < 0.05). Conclusions High fat and low muscle may be synergistically associated with higher HbA 1c in type 2 diabetes. In participants with high fat mass, low muscle mass may attenuate exercise‐induced improvements in some cardiometabolic risk factors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».