MétaCan
Menu
Retour à la cohorte
Enregistrement W4304811938 · doi:10.21926/rpn.2204021

The Effects of Creatine Supplementation on Markers of Muscle Damage and Inflammation Following Exercise in Older Adults: A Brief Narrative Review

2022· article· en· W4304811938 sur OpenAlexaff
Dean M. Cordingley, Stephen M. Cornish

Notice bibliographique

RevueRecent Progress in Nutrition · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueExercise and Physiological Responses
Établissements canadiensUniversity of ManitobaPan Am Clinic
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaInflammationMedicineSkeletal muscleMuscle damageCreatineNarrative reviewPopulationMuscle massInternal medicinePhysical therapyBioinformaticsPhysical medicine and rehabilitationPhysiologyIntensive care medicineBiology

Résumé

récupéré en direct d'OpenAlex

Exercise induced muscle damage occurs following strenuous and unfamiliar exercise and results in biomarkers of muscle damage and inflammation in the circulation. Creatine (Cr) is a commonly utilized nutritional supplement which has been proposed to enhance post-exercise recovery and has been suggested to decrease exercise induced inflammation. Exercise is well recognized to be beneficial for older adults to maintain skeletal muscle mass and strength as well as promote health for other biological systems. However, older adults can experience chronic low-grade inflammation, sometimes referred to as ‘inflammaging’. Therefore, it may be prudent to limit post-exercise induced skeletal muscle damage and inflammation for the older adult population who may already be in a pro-inflammatory state and at risk of age-related muscle loss (sarcopenia). The purpose of this brief narrative review is to outline the current research on Cr and its effects on biomarkers of muscle damage and inflammation in older adults. Further, the review will suggest areas of research that are required to fully understand how Cr supplementation may affect muscle damage and inflammatory biomarkers in older adults who exercise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,306
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecent Progress in NutritionMême sujetExercise and Physiological ResponsesTravaux en français237 207