Acute high-intensity interval running increases markers of gastrointestinal damage and permeability but not gastrointestinal symptoms
Notice bibliographique
Résumé
The purpose of this study was to investigate the effects of high-intensity interval running on markers of gastrointestinal (GI) damage and permeability alongside subjective symptoms of GI discomfort. Eleven male runners completed an acute bout of high-intensity interval training (HIIT) (eighteen 400-m runs at 120% maximal oxygen uptake) where markers of GI permeability, intestinal damage, and GI discomfort symptoms were assessed and compared with resting conditions. Compared with rest, HIIT significantly increased serum lactulose/rhamnose ratio (0.051 ± 0.016 vs. 0.031 ± 0.021, p = 0.0047; 95% confidence interval (CI) = 0.006 to 0.036) and sucrose concentrations (0.388 ± 0.217 vs. 0.137 ± 0.148 mg·L −1 ; p < 0.001; 95% CI = 0.152 to 0.350). In contrast, urinary lactulose/rhamnose (0.032 ± 0.005 vs. 0.030 ± 0.005; p = 0.3; 95% CI = −0.012 to 0.009) or sucrose concentrations (0.169% ± 0.168% vs. 0.123% ± 0.120%; p = 0.54; 95% CI = −0.199 to 0.108) did not differ between HIIT and resting conditions. Plasma intestinal-fatty acid binding protein (I-FABP) was significantly increased (p < 0.001) during and in the recovery period from HIIT whereas no changes were observed during rest. Mild symptoms of GI discomfort were reported immediately and at 24 h post-HIIT, although these symptoms did not correlate to GI permeability or I-FABP. In conclusion, acute HIIT increased GI permeability and intestinal I-FABP release, although these do not correlate with symptoms of GI discomfort. Furthermore, by using serum sampling, we provide data showing that it is possible to detect changes in intestinal permeability that is not observed using urinary sampling over a shorter time-period.
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 | 0,001 |
| 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 ».