MétaCan
Menu
Retour à la cohorte
Enregistrement W2726605557 · doi:10.3389/fphys.2017.00528

Combined Interval Training and Post-exercise Nutrition in Type 2 Diabetes: A Randomized Control Trial

2017· article· en· W2726605557 sur OpenAlexafffund
Monique E. François, Cody Durrer, Kevin J. Pistawka, Frank Halperin, Courtney R. Chang, Jonathan P. Little

Notice bibliographique

RevueFrontiers in Physiology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensKelowna General HospitalOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesDairy Farmers of Canada
Mots-clésHigh-intensity interval trainingMedicineCardiorespiratory fitnessInterval trainingType 2 diabetesInternal medicinePlaceboDiabetes mellitusPhysical therapyCardiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: High-intensity interval training (HIIT) can improve several aspects of cardiometabolic health. Previous studies have suggested that adaptations to exercise training can be augmented with post-exercise milk or protein consumption, but whether this nutritional strategy can impact the cardiometabolic adaptations to HIIT in type 2 diabetes is unknown. Objective: To determine if the addition of a post-exercise milk or protein beverage to a high-intensity interval training (HIIT) intervention improves cardiometabolic health in individuals with type 2 diabetes. Design: In a proof-of-concept, double-blind clinical trial 53 adults with uncomplicated type 2 diabetes were randomized to one of three nutritional beverages (500 mL skim-milk, macronutrient control or flavored water placebo) consumed after exercise (3 days/wk) during a 12 week low-volume HIIT intervention. HIIT involved 10 X 1-min high-intensity intervals separated by 1-min low-intensity recovery periods. Two sessions per week were cardio-based (at ~90% of heart rate max) and one session involved resistance-based exercises (at RPE of 5-6; CR-10 scale) in the same interval pattern. Continuous glucose monitoring (CGM), glycosylated hemoglobin (HbA1c), body composition (dual-energy X-ray absorptiometry), cardiorespiratory fitness (V̇O2peak), blood pressure and endothelial function (%FMD) were measured before and after the intervention. Results: There were significant main effects of time (all p0.71) for CGM 24-h mean glucose (-0.5 ± 1.1 mmol/L), HbA1c (-0.2 ± 0.4%), percent body fat (-0.8 ± 1.6%), and lean mass (+1.1 ± 2.8 kg). Similarly, V̇O2peak (+2.5 ± 1.6 mL/kg/min) and %FMD (+1.4 ± 1.9%) were increased, and mean arterial blood pressure reduced (-6 ± 7 mmHg), after 12 weeks of HIIT (all p0.11). Conclusion: High-intensity interval training is a potent stimulus for improving several important metabolic and cardiovascular risk factors in type 2 diabetes. The benefits of HIIT are not augmented by the addition of post-exercise protein.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,245 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations44
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetCardiovascular and exercise physiologyTravaux en français237 207