Exercise and circulating BDNF: Mechanisms of release and implications for the design of exercise interventions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Engagement in regular bouts of exercise confers numerous positive effects on brain health across the lifespan. Acute bouts of exercise transiently improve cognitive function, while long-term exercise training stimulates brain plasticity, improves brain function, and helps to stave off neurological disease. The action of brain-derived neurotrophic factor (BDNF) is a candidate mechanism underlying these exercise-induced benefits and is the subject of considerable attention in the exercise-brain health literature. It is well established that acute exercise increases circulating levels of BDNF and numerous studies have sought to characterize this response for the purpose of improving brain health. Despite the interest in BDNF responses to exercise, little focus has been given to understanding the sources and mechanisms that underlie this response for the purpose of deliberately increasing circulating levels of BDNF. Here we review evidence to support that exploiting these mechanisms of BDNF release can help to optimize brain plasticity outcomes via exercise interventions, which could be especially relevant in the context of multimodal training (i.e., exercise and cognitive stimulation). Therefore, the purpose of this paper is to review the candidate sources of BDNF during exercise and the mechanisms of release. As well, we discuss strategies for maximizing BDNF responses to exercise, and propose novel research directions for advancing our understanding of these mechanisms.
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.
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 découle