High-Intensity Exercise Training Improves Basal Platelet Prostacyclin Sensitivity and Potentiates the Response to Dual Anti-Platelet Therapy in Postmenopausal Women
Notice bibliographique
Résumé
The risk of thrombotic events dramatically increases with age and may be accelerated in women by the cessation of endogenous estrogen production at menopause. Patients at risk of thrombosis are prescribed dual anti-platelet therapy (DAPT; aspirin and a P2Y12 antagonist) and are encouraged to participate in regular physical activity, as these modalities improve nitric oxide and prostacyclin-mediated inhibition of platelet aggregation. Methods: We assessed prostacyclin sensitivity as well as basal platelet reactivity with and without in vitro DAPT before and after an 8-week high-intensity exercise training program in 13 healthy, sedentary postmenopausal women. The training intervention consisted of three 1 h sessions per week. Isolated platelets were analyzed for thromboxane A2 receptor, thromboxane A2 synthase, cyclooxygenase-1, and prostacyclin receptor protein expression. Additionally, plasma 6-keto prostaglandin F1α and thromboxane B2 levels were determined. Results: Exercise training made platelets more sensitive to the inhibitory effects of prostacyclin on thromboxane-, collagen-, and adenosine 5′-diphosphate (ADP)-induced aggregation, as well as thrombin-receptor activator peptide 6- and ADP-induced aggregation with DAPT. However, there was no change in protein expression from isolated platelets or plasma thromboxane B2 and prostacyclin levels following training. Conclusion: Together, these findings emphasize the importance of promoting physical activity as a tool for reducing thrombotic risk in postmenopausal women and suggest that training status should be considered when prescribing DAPT in this cohort.
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) | 0,001 | 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) | 0,000 | 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 ».