Acute and Chronic Effects of Low-Volume High-Intensity Interval Training Compared to Moderate-Intensity Continuous Training on Glycemic Control and Body Composition in Older Women with Type 2 Diabetes
Notice bibliographique
Résumé
Objective: To compare the acute and chronic effects of low-volume high-intensity interval training (HIIT) to moderate-intensity continuous training (MICT) on glycemic control, body composition and continuous glucose monitoring (CGM) in older women with type 2 diabetes (T2D). Methods: Thirty older women (68 ± 5 years) with T2D were randomized in two groups—HIIT (75 min/week) or MICT (150 min/week). Glucose homeostasis (A1c, glucose, insulin, HOMA-IR2) and body composition (iDXA) were measured before and after the 12-week exercise intervention. During the first and last week of training (24-h before and 48-h after exercise), the following CGM-derived data were measured: 24-h and peak glucose levels, glucose variability and time spent in hypoglycemia as well as severe and mild hyperglycemia. Results: While lean body mass increased (p = 0.035), total and trunk fat mass decreased (p ≤ 0.007), without any difference between groups (p ≥ 0.81). Fasting glucose levels (p = 0.001) and A1c (p = 0.014) significantly improved in MICT only, with a significant difference between groups for fasting glucose (p = 0.02). Neither HIIT nor MICT impacted CGM-derived data at week 1 (p ≥ 0.25). However, 24-h and peak glucose levels, as well as time spent in mild hyperglycemia, decreased in HIIT at week 12 (p ≤ 0.03). Conclusion: These results suggest that 12 weeks of low-volume HIIT is enough to provide similar benefit to MICT for body composition and improve the acute effect of exercise when measured with CGM.
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 | 0,000 |
| 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 ».