Consumption of High-Leucine-Containing Protein Bar Following Breakfast Impacts Aminoacidemia and Subjective Appetite in Older Persons
Notice bibliographique
Résumé
BACKGROUND: Limited data are available examining dietary interventions for optimizing protein and leucine intake to stimulate muscle protein synthesis (MPS) in older humans. OBJECTIVES: We aimed to investigate the aminoacidemia and appetite responses of older adults after consuming breakfast, a meal frequently consumed with high-carbohydrate and below-par amounts of protein and leucine for stimulating MPS. METHODS: , fat- and bone-free mass: 63 ± 7 kg) took part in this experiment in which they consumed breakfasts with low-protein (LP = 13 ± 2 g), high-protein (HP = 32 ± 5 g), and LP followed by a protein- and leucine-enriched bar formulation 2 h later (LP + Bar = 29 ± 2 g). The LP, HP, and LP + Bar breakfast conditions contained 519 ± 86 kcal, 535 ± 83 kcal, and 739 ± 86 kcal, respectively. Blood samples were drawn for 6 h and analyzed for amino acid, insulin, and glucose concentrations. Visual analog scales were assessed for hunger, fullness, and desire to eat. RESULTS: The net AUC for essential amino acid (EAA) exposure was similar between the LP + Bar and HP conditions but greater in the HP condition compared with the LP condition. Peak leucinemia was higher in the LP + Bar condition compared with the HP, and both were greater than the LP condition. Net leucine exposure was similar between HP and LP + Bar, and both were greater than LP. Hunger was similarly reduced in LP + Bar and HP, and LP + Bar resulted in a greater hunger reduction than LP. Both LP + Bar and HP resulted in greater net fullness scores than LP. CONCLUSIONS: Consuming our bar formulation increased blood leucine availability and net exposure to EAAs to a similar degree as consuming a high-protein meal. High-protein at breakfast results in a greater net exposure to EAAs and leucine, which could support MPS in older persons. This study was registered at clinicaltrials.gov as NCT03712761.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».