The effects of high intensity interval training on indices of health in type 2 diabetics
Notice bibliographique
Résumé
Traditional steady state aerobic exercise training is a proven method to treat metabolic disorders, in particular diabetes. Short duration high intensity interval training (HIIT) induces similar metabolic adaptations and improvements. To date, most HIIT studies have utilized “all out” efforts; however, lower intensity HIIT has recently been demonstrated to produce similar effects to all out efforts in healthy adults. It is unknown whether a lower intensity HIIT has the capacity to improve insulin resistance in a diseased population. Nine untrained type 2 diabetics [age=40.2 ± 9.1 yr; BMI = 33.9 ± 5.31 kg/m2; VO2max = 1.95 ± .21 L/min (mean ± SD)] performed 6 training sessions of HIIT over 2 weeks. Anthropometric measures, homeostatic model assessment of insulin resistance (HOMA-IR), fasting triglycerides, and cholesterol were unchanged with training (p<0.05); however, most measures trended towards improvement, especially among those with the highest HOMA-IR values at the start of the intervention. Moreover, this short duration exercise was able to significantly reduce blood glucose after each interval bout (9.7±3.9mmol pre versus 8.3±3.4mmol post, p<0.05). These data provide novel information for future studies and give evidence that interval training programs longer than 2 weeks may be able to garner significant improvements in glucose control in a diabetic population.
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) | 0,001 | 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 ».