Heart rate variability after bariatric surgery: The add‐on value of exercise
Notice bibliographique
Résumé
ABSTRACT Purpose To assess the impact of bariatric surgery and an added supervised exercise training programme on heart rate variability (HRV) in patients with severe obesity. Methods Fifty‐nine patients who underwent bariatric surgery were randomised in the post‐operative period to a 12‐week supervised exercise training programme (moderate intensity combination aerobic/resistance exercise training programme) or a control group. Indices of HRV including time‐domain, spectral‐domain, and nonlinear parameters were measured preoperatively, and at 3, 6, and 12 months. Results After the surgical procedure, both groups improved anthropometric parameters. Type 2 diabetes, hypertension, and dyslipidemia resolutions were similar between groups. Total body weight loss at 6 and 12 months were also comparable between groups (6 months: 28 ± 6 vs. 30 ± 6%; 12 months: 38 ± 9 vs. 38 ± 10%; control vs. intervention group respectively). Bariatric surgery improved HRV parameters at 12 months compared to the pre‐operative values in the intervention group: standard deviation of R‐R interval (SDNN) (156.0 ± 46.4 vs. 122.6 ± 33.1 ms), low frequency (LF) (6.3 ± 0.8 vs. 5.8 ± 0.7 ms 2 ), and high frequency (HF) (5.1 ± 0.8 vs. 4.7 ± 0.9 ms 2 ) (all p <0.001). For the control patients, similar improvements in SDNN (150.0 ± 39.4 vs. 118.8 ± 20.1 ms), LF (6.1 ± 0.9 vs. 5.7 ± 0.8 ms 2 ), and HF (5.0 ± 0.9 vs. 4.7 ± 0.9 ms 2 ) were obtained (all p <0.001). However, there was no add‐on impact of the supervised exercise training programme on HRV after 12 months ( p >0.05 for all HRV parameters). Conclusion Bariatric surgery is associated with an improvement in HRV. A supervised exercise training programme in the post‐operative period did not modulate further the benefits of bariatric surgery regarding HRV parameters.
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 | 0,019 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».