The Impact of Acute and Chronic Exercise on Immunoglobulins and Cytokines in Elderly: Insights From a Critical Review of the Literature
Notice bibliographique
Résumé
The level of immunoglobulins and cytokines changes with an ageing immune system. This review summarizes findings from studies that have examined the impact of acute and chronic exercise on immunoglobulins and cytokines in the elderly. Our literature analysis revealed that acute endurance exercise resulted in increased secretory salivary immunoglobulin A (SIgA), while acute bouts of muscle strengthening exercise (i.e., isokinetic, eccentric, knee extensor exercise) increased plasma/muscle interleukin (IL)-6, IL-8 and tumor necrosis factor alpha (TNF-α) levels. Chronic exercise in the form of short-term endurance training (i.e., 12-16 weeks) and long-term combined endurance and resistance training (i.e., 6-12 months) induced increases in salivary SIgA concentration. We additionally identified that short-term endurance training at moderate intensities and the combination of endurance, strength, balance, and flexibility training increase plasma IL-10 and reduce plasma IL-6 and TNF-α in healthy elderly adults and male patients with chronic heart failure. Strength training for 6-12 weeks did not alter plasma IL-1β, IL-2, IL-6 and TNF-α concentration in healthy elderly adults and patients with chronic-degenerative diseases, while 12 weeks of resistance training decreased muscle TNF-α mRNA in frail elderly individuals. Short-term (i.e., 10-24 weeks) moderate- to high-intensity strength training reduced LPS-IL-6, LPS, IL-1β, LPS-TNF-α and circulating concentrations of TNF-α and increased IL-10 in healthy elderly women and older people with cognitive impairment, respectively. In conclusion, it appears that acute bouts of endurance exercise and short-term chronic exercise training exercise are appropriate methods to enhance mucosal immune function, reduce systemic markers of inflammation, and promote anti-inflammatory processes in elderly individuals.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».