Changes in Fat Mass Following Creatine Supplementation and Resistance Training in Adults ≥50 Years of Age: A Meta-Analysis
Notice bibliographique
Résumé
Aging is associated with an increase in fat mass which increases the risk for disease, morbidity and premature mortality. Creatine supplementation in combination with resistance training has been shown to increase lean tissue mass in adults ≥50 years of age; however, the synergetic effects of creatine and resistance training on fat mass in this population are unclear. Creatine metabolism plays an important role in adipose tissue bioenergetics and energy expenditure. Thus, the combination of creatine supplementation and resistance training may decrease fat mass more than resistance training alone. The purpose of this review is two-fold: (1) to perform meta-analyses on studies involving creatine supplementation during resistance training on fat mass in adults ≥50 years of age, and (2) to discuss possible mechanistic actions of creatine on reducing fat mass. Nineteen studies were included in our meta-analysis with 609 participants. Results from the meta-analyses showed that adults ≥50 years of age who supplemented with creatine during resistance training experienced a greater reduction in body fat percentage (0.55%, p = 0.04) compared to those on placebo during resistance training. Despite no statistical difference (p = 0.13), adults supplementing with creatine lost ~0.5 kg more fat mass compared to those on placebo. Interestingly, there are studies which have linked mechanism(s) explaining how creatine may influence fat mass, and these data are also discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 ».