High Intensity Exercise: Can It Protect You from A Fast Food Diet?
Notice bibliographique
Résumé
The purpose of this study was to assess the ability of high intensity exercise to counteract the deleterious effects of a fast food diet on the cardiometabolic profile of young healthy men. Fifteen men were subjected to an exclusive fast food diet from a popular fast food restaurant chain (three extra value meals/day + optional snack) for 14 consecutive days. Simultaneously, participants were asked to perform each day high intensity interval training (HIIT) (15 × 60 sec sprint intervals (~90% of maximal heart rate)) on a treadmill. Fast food diet and energy expenditure profiles of the participants during the intervention were assessed as well as body composition (DXA), cardiometabolic profile (lipid, hepatic enzymes, glycated hemoglobin, glucose, insulin, hsC-reactive protein (hsCRP) and blood pressure) and estimated maximal oxygen consumption (VO2 max) pre- and post-experiment. We found significant improvements for fat mass, lean body mass, estimated VO2 max, fasting glucose, serum lipoprotein(a) and hsCRP after the intervention (p < 0.05). HDL-cholesterol significantly decreased (p < 0.002), but the triglycerides/HDL-cholesterol ratio did not change. All other cardiometabolic variables measured remained stable, which includes the primary outcome: the HOMA index (pre: 1.83 ± 1.2 vs. post: 1.54 ± 0.7 values; p = 0.35). In conclusion, in large part, insulin resistance and the cardiometabolic profile of young healthy individuals seems to be protected by HIIT from a fast food diet.
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 ».