Effect of Resistance Exercise Orders on Health Parameters in Trained Older Women: A Randomized Crossover Trial
Notice bibliographique
Résumé
PURPOSE: This study aimed to compare the effects of four resistance exercise orders on muscular strength, body composition, functional fitness, cardiovascular risk factors, and mental health parameters in trained older women. METHODS: The intervention lasted 63 wk. Sixty-one physically independent women (>60 yr) after completing a 12-wk resistance training (RT) preconditioning phase were randomized into four different exercise orders groups to perform 12 wk of RT: multijoint to single-joint and upper- to lower-body, single-joint to multijoint and upper- to lower-body, multijoint to single-joint and lower- to upper-body, and single-joint to multijoint and lower- to upper-body. This was followed by a 12-wk detraining period and another 12-wk RT in which exercise orders were crossed over between MJ-SJ and SJ-MJ conditions. Body composition (dual-energy x-ray absorptiometry), muscular strength (one-repetition maximum tests), functional fitness (gait speed, walking agility, 30-s chair stand, and 6-min walk tests), cardiovascular risk factors (glucose, triglycerides, total cholesterol, low-density lipoprotein cholesterol, high-density lipoprotein cholesterol, C-reactive protein, advanced oxidation protein product, total radical-trapping antioxidant parameter, and nitric oxide), depressive (Geriatric Depression Scale) and anxiety symptoms (Beck Anxiety Inventory), and cognitive performance (Montreal Cognitive Assessment, Trail Making, verbal fluency, and Stroop test) were analyzed. RESULTS: After the final training period, all groups presented significant improvements ( P < 0.05) in almost all analyzed variables (muscular strength, body composition, functional tests, blood biomarkers, and mental health parameters), without significant difference among exercise orders. CONCLUSIONS: Our results suggest that RT exercise orders in which MJ, SJ, upper, or lower-body exercises are performed first have similar effects on health parameters in trained older women.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».