High-Intensity Interval Training Improves Lipocalin-2 and Omentin-1 Levels in Men with Obesity
Notice bibliographique
Résumé
Abstract Objectives: We investigated the effects of 12 weeks of high-intensity interval training (HIIT) on selected circulating adipokines and other cardiovascular diseases (CVD) risks factors in males with obesity. Methods: Thirty males with obesity were randomly assigned to HIIT and control groups. The HIIT group participated in a prescribed exercise program for 12 weeks, three times per week. Blood lipids, insulin resistance, and select serum adipokines were assessed before and after 12 weeks of the intervention period. Results: HIIT improved body composition and lipid profiles (p<0.05) as well as decreased fasting insulin levels (p=0.001) and HOMA-IR (p=0.002) levels. Furthermore, HIIT increased levels of lipocalin-2 (lcn2) (p=0.002) while decreasing omentin-1 levels (p=0.001) in males with obesity. Changes in lcn2 and omentin-1 concentrations correlated with the changes in risk factors in the HIIT group (p<0.05). Conclusions: The results indicate that 12 weeks of supervised HIIT exercise significantly improves both circulating concentrations of lcn2 and omentin-1, two recently described adipokines, and markers of CVD risk in males 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 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 | 0,000 | 0,000 |
| 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 ».