Short‐term exercise training reduces glycaemic variability and lowers circulating endothelial microparticles in overweight and obese women at elevated risk of type 2 diabetes
Notice bibliographique
Résumé
Abstract Exercise is recognized as a frontline therapy for the prevention and treatment of type 2 diabetes (T2D) but the optimal type of exercise is not yet determined. We compared the effects of high‐intensity interval training (HIIT) with moderate‐intensity continuous training (MICT) for improvement of continuous glucose monitoring (CGM)‐derived markers of glycaemic variability, and biomarkers of endothelial cell damage (CD31+ and CD62+ endothelial microparticles (EMPs)) within a population at elevated risk of developing T2D. Fifteen inactive overweight or obese women were randomized to 2 weeks (10‐sessions) of progressive HIIT ( n = 8, 4–10X 1‐min @ ∼ 90% peak heart rate, 1‐min rest periods) or MICT ( n = 7, 20–50 min of continuous activity at ∼65% peak heart rate). Prior and three days post‐training, fasting blood samples were collected. Both HIIT and MICT improved glycaemic variability as measured by CGM standard deviation (HIIT: 0.82 ± 0.39 vs. 0.72 ± 0.33 mmol/L; MICT: 0.82 ± 0.19 vs. 0.62 ± 0.16 mmol/L, pre vs. post) and mean amplitude of glycaemic excursions (MAGE; HIIT: 1.98 ± 0.81 vs. 1.41 ± 0.90; MICT; 1.98 ± 0.43 vs. 1.65 ± 0.48, pre vs. post) with no difference between groups. CD62+ EMPs were lower following HIIT (187.7 ± 65 vs. 174.9 ± 55, pre vs. post) and MICT (170 ± 60 vs. 160.3 ± 59, pre vs. post) with no difference between groups. There was no change in 24‐h mean glucose or CD31+ EMPs. Two weeks of both HIIT or MICT similarly decreased glycaemic variability and CD62+ EMPs in overweight/obese women at elevated risk of T2D.
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 | 0,004 | 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 | 0,000 |
| 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 ».