Exploring interindividual differences in fasting and postprandial insulin sensitivity adaptations in response to sprint interval exercise training
Notice bibliographique
Résumé
ABSTRACT Previous studies have concluded that wide variance in changes in insulin sensitivity markers following exercise training demonstrates heterogeneity in individual trainability. However, these studies frequently don't account for technical, biological, and random within‐subject measurement error. We used the standard deviation of individual responses (SDIR) to determine whether interindividual variability in trainability exists for fasting and postprandial insulin sensitivity outcomes following low‐volume sprint interval training (SIT). We pooled data from 63 untrained participants who completed 6 weeks of SIT (n = 49; VO2max: 35 (7) mL⋅kg−1⋅min−1) or acted as no‐intervention controls (n = 14; VO2max: 34 (6) mL⋅kg−1⋅min−1). Fasting and oral glucose tolerance test (OGTT)‐derived measures of insulin sensitivity were measured pre‐ and post‐intervention. SDIR values were positive and exceeded a small effect size threshold for changes in fasting glucose (SDIR = 0.27 [95%CI 0.07,0.38] mmol⋅L−1), 2‐h OGTT glucose (SDIR = 0.89 [0.22,1.23] mmol⋅L−1), glucose area‐under‐the‐curve (SDIR = 66.4 [−81.5,124.3] mmol⋅L−1⋅120min−1) and The Cederholm Index (SDIR = 7.2 [−16.0,19.0] mg⋅l2⋅mmol−1⋅mU−1⋅min−1), suggesting meaningful individual responses to SIT, whilst SDIR values were negative for fasting insulin, fasting insulin resistance and insulin AUC. For all variables, the 95% CIs were wide and/or crossed zero, highlighting uncertainty about the existence of true interindividual differences in exercise trainability. Only 2–22% of participants could be classified as responders or non‐responders with more than 95% certainty. Our findings demonstrate it cannot be assumed that variation in changes in insulin sensitivity following SIT is attributable to inherent differences in trainability, and reiterate the importance of accounting for technical, biological, and random error when examining heterogeneity in health‐related training adaptations.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».