Nutrient-rich, high-quality, protein-containing dairy foods in combination with exercise in aging persons to mitigate sarcopenia
Notice bibliographique
Résumé
Sarcopenic declines in muscle mass and function contribute to the risk of falls, reduced mobility, and progression to frailty in older persons. Mitigation of sarcopenia can be achieved by consumption of higher quality protein in sufficient quantities, which current research suggests are greater than the recommended intakes of approximately 0.8 g/kg bodyweight/d. In addition, higher levels of physical activity and participation in exercise to support cardiovascular fitness and musculoskeletal function work additively with protein in attenuating sarcopenia. This narrative review provides evidence to support a recommendation for per-meal protein targets in older persons that are underpinned by knowledge of muscle protein turnover. Based on work examining acute dose-responses of muscle protein synthesis (MPS) to protein, a proposed per-meal target for protein intakes is set at approximately 0.4-0.6 g protein/kg bodyweight/meal for older persons. Habitual patterns of dietary protein intake tend to emphasize a skewed protein distribution, which would not maximize muscle anabolism. Observational studies show that more even patterns of protein intake are associated with increased muscle mass and improved muscle function. A food-based approach to achieving these protein targets would be advantageous, and the nutrient density of the protein-containing foods would be particularly important for older persons. Dairy foods provide high-quality protein and contain several nutrients of concern for older persons. This brief review provides an overview of the science underpinning why dairy foods should be a point of nutritional emphasis for older persons. Practical suggestions are provided for implementation of dairy foods into dietary patterns to meet the protein and other nutrient targets for older persons.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».