High-intensity interval training in overweight and obese children and adolescents: systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: While High Intensity Interval Training is praised in many populations for its beneficial effects on body composition and cardiometabolic health, its use among obese youth remain uncertain. This study aimed at determining whether HIIT is effective to improve aerobic fitness and reduce cardiometabolic risk factors in overweight and obese youth. EVIDENCE ACQUISITION: A systematic search was conducted and articles reporting studies that investigated the effects of HIIT in 6 to 18-year-old youth were eligible. Meta-analyses were performed when appropriate. EVIDENCE SYNTHESIS: Fifteen studies were included for the systematic review and meta-analyses. HIIT significantly improves maximal oxygen uptake (1.117 [95% CI: 0.528 to 1.706], P<0.001), and reduces body mass (-0.295 [95% CI: -0.525 to -0.066], P<0.05), body fat (-0.786 [95% CI: -1.452 to -0.120], P<0.05), systolic and diastolic blood pressure (-1.026 [95% CI: -1.370 to -0.683], P<0.001; -0.966 [95% CI: -1.628 to -0.304], P<0.01 respectively), and the HOMA-IR (-1.589 [95% CI: -2.528 to -0.650], P<0.01). However, there is significant heterogeneity, and low to high inconsistency for most cardiometabolic risk factors and aerobic fitness. CONCLUSIONS: Although few studies have reported cardiometabolic risks, HIIT may also be as effective as traditional endurance continuous training to decrease blood pressure and insulin resistance. HIIT is effective to improve aerobic fitness, body composition, and cardiometabolic risk factors in obese youth, but data are insufficient to determine whether it is more effective than traditional continuous submaximal intensity exercise training.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| 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) | 0,000 | 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 ».