Metabolic Perturbations from Step Reduction in Older Persons at Risk for Sarcopenia: Plasma Biomarkers of Abrupt Changes in Physical Activity
Notice bibliographique
Résumé
Sarcopenia is the age-related loss of skeletal muscle mass, strength and function, which may be accelerated during periods of physical inactivity. Declines in skeletal muscle and functionality not only impacts mobility but also increases chronic disease risk, such as type 2 diabetes. The aim of this study was to measure adaptive metabolic responses to acute changes in habitual activity in a cohort of overweight, pre-diabetic older adults (age = 69 ± 4 years; BMI = 27 ± 4 kg/m2, n = 17) when using non-targeted metabolite profiling by multisegment injection-capillary electrophoresis-mass spectrometry. Participants completed two weeks of step reduction (<1000 steps/day) followed by a two week recovery period, where fasting plasma samples were collected at three time intervals at baseline, after step reduction and following recovery. Two weeks of step reduction elicited increases in circulatory metabolites associated with a decline in muscle energy metabolism and protein degradation, including glutamine, carnitine and creatine (q < 0.05; effect size > 0.30), as well as methionine and deoxycarnitine (p < 0.05; effect size ≈ 0.20) as compared to baseline. Similarly, decreases in uremic toxins in plasma that promote muscle inflammation, indoxyl sulfate and hippuric acid, as well as oxoproline, a precursor used for intramuscular glutathione recycling, were also associated with physical inactivity (p < 0.05; effect size > 0.20). Our results indicate that older persons are susceptible to metabolic perturbations due to short-term step reduction that were not fully reversible with resumption of normal ambulatory activity over the same time period. These plasma biomarkers may enable early detection of inactivity-induced metabolic dysregulation in older persons at risk for sarcopenia not readily measured by current imaging techniques or muscle function tests, which is required for the design of therapeutic interventions to counter these deleterious changes in support of healthy ageing.
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 | 0,000 |
| 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) | 0,001 | 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 ».