Blood flow restriction impairs the inflammatory adaptations of strength training in overweight men: a clinical randomized trial
Notice bibliographique
Résumé
The aim of this study was to evaluate the impact of high-intensity strength training (ST) or low-intensity strength training with blood flow restriction (ST-BFR) on monocyte subsets, the expression of C-C chemokine receptor 5 (CCR5), and CD16 on monocytes, and tumor necrosis factor alpha (TNF-α) production of overweight men. Thirty overweight men were randomly assigned to conventional ST or ST-BFR. Both groups performed exercises of knee extension and biceps curl with equal volume (3 sessions/week) over 8 weeks, and the peripheral frequency of monocytes (CD14+CD16−, classical monocytes; CD14+CD16+, intermediate monocytes; CD14−CD16+, nonclassical monocytes), the mean fluorescence intensity (MFI) of CCR5 and CD16 on CD14+ monocytes; and the production of TNF-α by lipopolysaccharide (LPS)-stimulated cells were quantified. Eight weeks of ST increased the frequency of CD14+CD16− monocytes (p = 0.04) and reduced the percentage of CD14−CD16+ (p = 0.02) and the production of TNF-α by LPS-stimulated cells (p = 0.03). The MFI of CD16 on CD14+ monocytes decreased after the ST intervention (p = 0.02). No difference in monocyte subsets, CCR5 or CD16 expression, and TNF-α production were identified after ST-BFR intervention (p > 0.05). The adoption of ST promotes anti-inflammatory effects on monocyte subsets of overweight men, but this effect was lost when BFR was adopted. Novelty High-intensity strength training reduces the production of TNF-α and the peripheral frequency of CD16+ monocytes in overweight men. Blood flow restriction method blunts the strength training adaptations on monocyte subsets and pro-inflammatory TNF-α production in overweight men.
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) | 0,001 | 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 | 0,000 | 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 ».