Tart cherry consumption with or without prior exercise increases antioxidant capacity and decreases triglyceride levels following a high-fat meal
Notice bibliographique
Résumé
Exercise and high-phytonutrient foods may lower oxidative stress and increase antioxidant levels, which could combat the negative effects associated with a high-fat (HF) meal. The objective of this study is to test the effects of Montmorency tart cherry (Prunus cerasus L.) consumption, with or without aerobic exercise, on antioxidant responses to an HF meal. Twelve normal-weight men (aged 22 ± 3 years), participated in a randomized crossover design comprising 4 trials: (i) HF meal with Montmorency tart cherry consumption (MC), (ii) HF meal with placebo (P), (iii) exercise prior to HF meal with MC (E+MC), and (iv) exercise prior to HF meal with P (E+P). The HF meal contained 60 g of fat and was consumed with MC or P. For exercise trials, a 30-min bout of submaximal treadmill exercise was performed the afternoon prior to HF meal consumption. Antioxidant capacity and triglycerides (TG) levels were measured at baseline and at 1, 2, and 3 h postprandially. Postprandial antioxidant capacity as assessed by oxygen radical absorbance capacity was significantly higher after MC and E+MC compared with E+P (incremental area under the curve (iAUC): 2.95 ± 2.19 and 4.87 ± 1.45 vs. −1.02 ± 1.72 mmol Trolox equivalents/L for MC and E+MC vs. E+P, respectively; p < 0.01). Postprandial TG levels were significantly lower after E+MC compared with P (iAUC: 58.99 ± 19.46 vs. 107.46 ± 22.66 mmol Trolox equivalents/L for E+MC vs. P, respectively; p < 0.05). These results indicate that MC consumption alone, and in combination with prior exercise, leads to greater antioxidant capacity following an HF meal compared with prior exercise with placebo. Further, MC consumption with prior exercise led to more favorable postprandial TG levels compared with placebo.
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 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».