Metabolic Differences During Submaximal, Steady-State Aerobic Exercise between Sarcopenic and Non-Sarcopenic Older Adults
Notice bibliographique
Résumé
To examine differences in metabolic flexibility during submaximal aerobic exercise in sarcopenic (S) and non-sarcopenic (NS) older adults. Twenty-two older adults (mean age ± SE = 77 ± 2) were categorized as NS (n = 11) and S (n = 11) based on grip strength and muscle mass. Participants completed an aerobic, steady-state 10-min walk on a treadmill at 50 – 60% of their estimated V̇O2 max. Indirect calorimetry was assessed at baseline (fasted) and during the treadmill test to analyze respiratory quotient (RQ), carbohydrate (CHO) oxidation and fat oxidation, and % contributions of CHO and fat oxidation to energy expenditure (%CHO and %FAT, respectively). Two-way mixed factorial ANOVAS (time x group) and follow up t-tests were used to examine between group differences. At baseline, RQ was higher (0.76 ± 0.01 vs. 0.72 ± 0.01, p = 0.025) and fat oxidation was lower (0.08 ± 0.01 vs. 0.11 ± 0.01 g · min−1, p = 0.003) in S than NS individuals. The S group had significantly greater %CHO versus %FAT from 6 – 10 min of exercise (p = 0.005–0.014), whereas NS individuals maintained an approximately equal distribution of %CHO and %FAT until 8 – 10 min (p = 0.034–0.047). RQ (0.90 ± 0.06 vs. 0.86 ± 0.01, p = 0.039) and %CHO (70% vs. 57%, p = 0.046) were greater in S compared to NS at 8 min of exercise. Fat oxidation was consistently higher in NS than S individuals from 4 - 10 of min exercise (p = 0.016–0.045). Since skeletal muscle utilizes a large amount of energy during exercise, metabolic flexibility is key to efficiently utilize both CHO and fat sources to generate energy to match metabolic demands. Our data reveals that NS individuals were able to rely on both fuel sources during submaximal exercise indicating metabolic flexibility. Typically, exercising at 50 – 60% V̇O2 max utilizes 50% CHO and 50% fat contributions to energy expenditure, as observed in NS individuals. On the other hand, in S individuals, CHO composed a much larger proportion of total energy usage during exercise. These findings suggest that S individuals have low metabolic flexibility with higher dependence on CHO for energy during low-moderate aerobic activity. This study was funded by Abbott Nutrition.
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 | 0,001 |
| 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 ».