Effects of High-Intensity Interval Training Protocols on Liver Enzymes and Wellness in Women
Notice bibliographique
Résumé
Background. Single-modality, high-intensity interval training (HIIT) using traditional cardiorespiratory exercise selection has been found to provide similar and sometimes superior cardiometabolic effects compared with moderate-intensity continuous training. However, little is known regarding the cardiometabolic and psychosocial effects of HIIT using resistance training modalities. Therefore, this study aims to compare the effects of HIIT using rowing (R-HIIT) and multimodal HIIT (MM-HIIT) using resistance training on liver enzymes, cardiometabolic risk factors, and psychosocial outcomes. Method. Recreationally active females with a body mass index <30 kg/m2 (N = 16, 23.0 ± 5.9 years) were randomized into a MM-HIIT or R-HIIT group and completed a 12-week HIIT intervention (ClinicalTrials.gov registration number: https://clinicaltrials.gov/ct2/show/NCT03093441) using principles of social cognitive theory (SCT). Participants completed pre- and postintervention measurements on anthropometrics, resting heart rate, blood pressure, blood measures (lipids, liver enzymes, and glucose), exercise self-efficacy, and perceived wellness. Analysis of covariance was used to examine differences in postintervention measures between groups after controlling for baseline values, waist circumference, and waist-to-height ratio. Results. R-HIIT group had significantly decreased alanine aminotransferase (mean difference = 13.16, P = 0.013 , effect size (ES) = 0.44, confidence interval (CI) = 3.40 to 22.92) and aspartate aminotransferase (mean difference = 10.79, P = 0.024 , ES = 0.38, CI = 1.67 to 19.90) levels compared with the M-HIIT group, and the whole group had improved wellness scores (14.72 ± 2.6 to 16.89 ± 2.76, P = 0.002 ). Conclusion. R-HIIT may be an effective preventative method for improving liver health in females without obesity. When using principles of SCT, HIIT may enhance overall well-being.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,003 | 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 ».