The Impact of Different High-Intensity Interval Training Protocols on Body Composition and Physical Fitness in Healthy Young Adult Females
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
Although traditional high-intensity interval training (HIIT) has been effective in improving body composition and physical fitness, it is unclear how multimodal HIIT affects these variables. This study compared the differences between these two training programs on body composition and physical fitness in apparently healthy, nonobese young adult females. A total of 16 participants (mean age = 23 ± 5.08 years) completed a 12-week HIIT intervention with two treatment groups: rowing and multimodal. Immediately before and after the intervention, the following measures were assessed: body mass index (BMI), total body mass, waist circumference, waist-to-height ratio, total body fat %, visceral adipose tissue, lean mass, bone mineral outcomes, cardiovascular fitness, and muscular fitness. A general linear model with repeated measures was used to assess changes over time for the group as a whole, as well as between-group differences. For the group as a whole, there were significant decrease in total body fat % (p = 0.04) and significant increases in BMI (p = 0.015), total body mass (p = 0.003), lean mass (p < 0.001), bone mineral content (BMC) (p < 0.001), VO2max (p = 0.01), broad jump (p = 0.001), squat endurance (p = 0.006), press (p < 0.001), back squat (p < 0.001), and deadlift (p < 0.001) one repetition maximum (1RM). The multimodal group (p < 0.001) increased deadlift 1RM significantly more than the rowing group (p = 0.002). HIIT can be an effective means for improving cardiovascular and muscular fitness, increasing lean mass and BMC, and thereby improving cardiometabolic as well as musculoskeletal health in nonobese females. Using a multimodal approach may give the added benefit of superior muscular strength increases.
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 | 0,001 | 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 | 0,001 |
| 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