Habitual sedentary time and stationary time are inversely related to aerobic fitness
Notice bibliographique
Résumé
A one metabolic-equivalent-of-task increase in peak aerobic fitness (peak MET) is associated with a clinically relevant improvement in survival risk and all-cause mortality. The co-dependent impact of free-living physical behaviours on aerobic fitness are poorly understood. The purpose of this study was to investigate the impact of theoretically re-allocating time spent in physical behaviours on aerobic fitness. We hypothesized that substituting sedentary time with any physical activity (at any intensity) would be associated with a predicted improvement in aerobic fitness. Peak volume rate of oxygen uptake (V˙O2peak) was assessed via indirect calorimetry during a progressive, maximal cycle ergometer protocol in 103 adults (52 females; [38 ± 21] years; [25.0 ± 3.8] kg/m2; V˙O2peak: [35.4 ± 11.5] ml·kg−1·min−1). Habitual sedentary time, standing time, light- (LPA), moderate- (MPA), and vigorous-physical activity (VPA) were assessed 24-h/day via thigh-worn inclinometry for up to one week (average: [6.3 ± 0.9] days). Isotemporal substitution modelling examined the impact of replacing one physical behaviour with another. Sedentary time (β = −0.8, 95% CI: [-1.3, −0.2]) and standing time (β = −0.9, 95%CI: [−1.6, −0.2]) were negatively associated with V˙O2peak, whereas VPA was positively associated with relative V˙O2peak (β = 9.2, 95%CI: [0.9, 17.6]). Substituting 30-min/day of VPA with any other behaviour was associated with a 2.4–3.4 higher peak MET. Higher standing time was associated with a lower aerobic fitness. As little as 10-min/day of VPA predicted a clinically relevant 0.8–1.1 peak MET increase. Theoretically, replacing any time with relatively small amounts of VPA is associated with improvements in aerobic fitness.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 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 ».