Eccentric Training Improves Body Composition by Inducing Mechanical and Metabolic Adaptations: A Promising Approach for Overweight and Obese Individuals
Notice bibliographique
Résumé
Skeletal muscle generates force by either shortening (concentrically) or lengthening (eccentrically). Eccentric (ECC) exercise is characterized by a lower metabolic demand and requires less muscle activity than concentric (CON) exercise at the same level of exerted force. However, the specific effect of ECC training vs. CON training on lean and fat mass remains underexplored. The first aim of this paper was to review the available evidence regarding the effects of ECC training on whole body and segmental lean and fat mass and, when possible, compare these with the effects of CON training. The second aim was to provide some insights into the main mechanical, physiological, and metabolic adaptations of ECC training that contribute to its effects on body composition. The third aim was to determine the beneficial effects of ECC exercise on health-related parameters in overweight and obese patients. ECC training is an effective modality to improve lean mass, but when matched for load or work, the difference between ECC and CON trainings seems unclear. A few studies reported that ECC training is also efficient at reducing fat mass. By increasing post-exercise resting energy expenditure, modifying metabolic substrate, and improving both blood lipid profile and insulin resistance, ECC training is a potential exercise modality for individuals with chronic conditions such as those who are overweight and obese. Further investigations using standardized experimental conditions, examining not only segmental but also whole body composition, are required to compare ECC and CON trainings.
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) | 0,002 | 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 ».