High-intensity Interval Training Improves Lipocalin-2 and Omentin-1 Levels in Men with Obesity
Notice bibliographique
Résumé
Abstract We investigated the effects of 12 weeks of high-intensity interval training (HIIT) on selected circulating adipokines and other cardiovascular diseases risks factors in men with obesity. Thirty men with obesity (age: 24.96±3.11 year, BMI: 30.92±1.04 kg/m2) were randomly assigned to HIIT and control groups. The HIIT group participated in a 12-week HIIT program (5×2 min interval bout at an intensity of 85–95% HRmax interspersed by 1 min passive recovery, three times per week), while the control group maintained their usual lifestyles. Blood lipids, insulin resistance, and select serum adipokines were assessed before and after 12 weeks of the intervention period. HIIT improved body composition and lipid profiles (p<0.05) and also decreased fasting insulin levels (p=0.001) and HOMA-IR (p=0.002) levels. Furthermore, HIIT increased levels of lipocalin-2 (p=0.002) while decreasing omentin-1 levels (p=0.001) in men with obesity. Changes in lcn2 and omentin-1 concentrations correlated with the changes in risk factors in the HIIT group (p<0.05). The results indicate that 12 weeks of supervised HIIT significantly improves both circulating concentrations of lcn2 and omentin-1, two recently described adipokines, and risk markers of cardiovascular diseases in men with obesity. Further research is necessary to understand the molecular mechanisms involved with these changes.
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 | 0,001 | 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 | 0,000 |
| 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 ».