Consumption of a High-Protein Meal Replacement Leads to Higher Fat Oxidation, Suppression of Hunger, and Improved Metabolic Profile After an Exercise Session
Notice bibliographique
Résumé
The aim of this study was to compare the impact of a high-protein meal replacement (HP-MR) versus a control (CON) breakfast on exercise metabolism. In this acute, randomized controlled, cross-over study, participants were allocated into two isocaloric arms: (a) HP-MR: 30% carbohydrate, 43% protein, and 27% fat; (b) CON: 55% carbohydrate, 15% protein, and 30% fat. Following breakfast, participants performed a moderate-intensity aerobic exercise while inside a whole-body calorimetry unit. Energy expenditure, macronutrient oxidation, appetite sensations, and metabolic blood markers were assessed. Forty-three healthy, normal-weight adults (24 males) participated. Compared to the CON breakfast, the HP-MR produced higher fat oxidation (1.07 ± 0.33 g/session; p = 0.003) and lower carbohydrate oxidation (−2.32 ± 0.98 g/session; p = 0.023) and respiratory exchange ratio (−0.01 ± 0.00; p = 0.003) during exercise. After exercise, increases in hunger were lower during the HP-MR condition. Changes in blood markers from the fasting state to post-exercise during the HP-MR condition were greater for insulin, low-density lipoprotein cholesterol, peptide tyrosine-tyrosine, and gluca-gon-like peptide 1, and lower for triglyceride and glycerol. Our primary findings were that a HP-MR produced higher fat oxidation during the exercise session, suppression of hunger, and improved metabolic profile after it.
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 | 0,001 | 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 | 0,001 |
| 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 ».