Acute long-distance trail running increases serum IL-6, IL-15, and Hsp72 levels
Notice bibliographique
Résumé
Interleukin-6 (IL-6), IL-15, and heat shock protein 72 (Hsp72) are molecules that have significant metabolic effects on glucose and fat metabolism and a cell’s stress response. The aim of this study is to determine serum levels of these molecules in runners after a long-distance trail run. Serum IL-15 levels after such endurance events have not been investigated yet. Blood samples were collected from 37 athletes (11 female, 26 male) before and after a 35-km trail run, with a total climb of 940 m. Serum was obtained from the samples, and IL-6, IL-15, and Hsp72 levels were measured from using the sandwich ELISA method. The athletes completed the race in 308.3 ± 37.4 min on average. After the race, the mean serum IL-6, IL-15, and Hsp72 concentrations increased 13.2-fold, 2.22-fold, and 1.6-fold, respectively (p < 0.001, p < 0.001, and p = 0.039, respectively). This is the first study to demonstrate the increase in serum IL-15 levels following an acute endurance exercise. In addition to IL-15, we report that IL-6 and soluble Hsp72 levels also increased significantly following a 35-km trail run. Since these molecules are involved in regulating glucose and fat metabolism, significant increases of IL-6, IL-15, and soluble Hsp72 may have health benefits that may be associated with long-distance trail runs, which are becoming more popular worldwide.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».