The effect of low-volume high-intensity interval training on cardiometabolic health and psychological responses in overweight/obese middle-aged men
Notice bibliographique
Résumé
High-intensity interval training (HIIT) has been proposed as a time-efficient exercise protocol to improve metabolic health, but direct comparisons with higher-volume moderate-intensity continuous training (MICT) under unsupervised settings are limited. This study compared low-volume HIIT and higher-volume MICT interventions on cardiometabolic and psychological responses in overweight/obese middle-aged men. Twenty-four participants (age: 48.1±5.2yr; BMI: 25.8±2.3kg·m−2) were randomly assigned to undertake either HIIT (10 X 1-min bouts of running at 80–90% HRmax separated by 1-min active recovery) or MICT (50-min continuous jogging/brisk walking at 65–70% HRmax) for 3 sessions/week for 8 weeks (2-week supervised + 6-week unsupervised training). Both groups showed similar cardiovascular fitness (VO2max) improvement (HIIT: 32.5±5.6 to 36.0±6.2; MICT: 34.3±6.0 to 38.2±5.1mL kg−1 min−1, p < 0.05) and %fat loss (HIIT: 24.5±3.4 to 23.2±3.5%; MICT: 23.0±4.3 to 21.5±4.1%, p< 0.05) over the 8-week intervention. Compared to baseline, MICT significantly decreased weight and waist circumference. No significant group differences were observed for blood pressure and cardiometabolic blood markers such as lipid profiles, fasting glucose and glycated haemoglobin. Both groups showed similar enjoyment levels and high unsupervised adherence rates (>90%). Our findings suggest that low-volume HIIT can elicit a similar improvement of cardiovascular fitness as traditional higher-volume MICT in overweight/obese middle-aged 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 | 0,003 | 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 | 0,000 | 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 ».