Aerobic exercise improves postprandial inflammatory and hemostatic markers after a high-fat meal: a randomized crossover study
Notice bibliographique
Résumé
Exercise intensity modulates postprandial lipemia. However, its effect on hemostatic and pro- and anti-inflammatory markers in the postprandial state is still unknown. Eleven young males performed a 2-day trial on different conditions: (i) REST: rest for 45 min; (ii) MIE: moderate-intensity exercise; and (iii) HIE: heavy-intensity exercise. Experimental conditions were performed in the evening. On the following morning, blood samples were taken in the fasted state (0 h) and at 1, 3, and 5 h after the consumption of a high-fat meal (HFM). Interleukin-10 (IL-10) levels were higher in the HIE vs. MIE trial at 0 and 1 h (p < 0.033) and IL-10 incremental area under the curve (iAUC) was greater in the MIE (p = 0.027) and HIE (p = 0.045) trials vs. REST. Lower levels of anti-coagulation factor VII (FVII) were observed at 1 h in the MIE condition vs. REST (p = 0.043). In comparison with REST, MIE improved hemostatic (FVII) and anti-inflammatory markers (IL-10 iAUC) whereas HIE enhanced IL-10 in the postprandial state. Regardless of the exercise intensity, aerobic exercise mitigates the deleterious consequences of an HFM. Novelty: Prior aerobic exercise at moderate-intensity attenuates next day’s postprandial FVII and IL-10 levels whereas exercise performed at heavy-intensity increases IL-10 levels. Moderate-intensity exercise may be more beneficial to improve hemostatic (FVII) and anti-inflammatory (IL-10) responses while heavy-intensity exercise may improve anti-inflammatory (IL-10) levels only.
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 | 0,000 | 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 ».