The Acute Effects of Milk Consumption on Systemic Inflammation after Combined Resistance and Plyometric Exercise in Young Adult Females
Notice bibliographique
Résumé
High-intensity/impact exercise elicits a transient increase in inflammatory biomarkers. Consuming nutrient-dense wholefoods, like milk, following exercise may modulate post-exercise inflammation and aid recovery. We examined the effect of post-exercise skim milk consumption (versus an isoenergetic, isovolumetric carbohydrate [CHO] drink) on acute exercise-induced inflammation in untrained females. Using a randomized crossover design, 13 healthy females (age = 20 ± 2.3 y; BMI = 21.0 ± 1.1 kg/m2) completed two bouts of combined resistance/plyometric exercise followed by either skim milk (MILK) or CHO at 5-min and 1 h post-exercise. Serum interleukin [IL]-1β, IL-6, IL-10, and tumor necrosis factor-alpha (TNF-α) concentrations were measured at pre-exercise, 15-min, 75-min, 24 h, and 48 h post-exercise. IL-6 increased 15-min post-exercise vs. all other timepoints (time effect, p = 0.017). Between 24 and 48 h, IL-10 decreased and increased in the MILK and CHO conditions, respectively (interaction, p = 0.018). There were no significant effects for IL-1β or TNF-α. Relative concentrations of IL-1β (p = 0.049) and IL-10 (p = 0.028) at 48 h post-exercise were lower in MILK vs. CHO. Milk post-exercise did not influence the absolute concentration of pro-inflammatory cytokines; however, there were divergent responses for the anti-inflammatory cytokine, IL-10, and milk reduced the relative inflammatory response at 48 h (vs. CHO) for IL-1β and IL-10. This demonstrates the potential for milk to modulate inflammation post-exercise in this sample.
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 | 0,000 | 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) | 0,001 | 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 ».