Astaxanthin Supplemented with High-Intensity Functional Training Decreases Adipokines Levels and Cardiovascular Risk Factors in Men with Obesity
Notice bibliographique
Résumé
The aim of this study was to investigate the effects of 12 weeks of high-intensity training with astaxanthin supplementation on adipokine levels, insulin resistance and lipid profiles in males with obesity. Sixty-eight males with obesity were randomly stratified into four groups of seventeen subjects each: control group (CG), supplement group (SG), training group (TG), and training plus supplement group (TSG). Participants underwent 12 weeks of treatment with astaxanthin or placebo (20 mg/d capsule daily). The training protocol consisted of 36 sessions of high-intensity functional training (HIFT), 60 min/sessions, and three sessions/week. Metabolic profiles, body composition, anthropometrical measurements, cardio-respiratory indices and adipokine [Cq1/TNF-related protein 9 and 2 (CTRP9 and CTRP2) levels, and growth differentiation factors 8 and 15 (GDF8 and GDF15)] were measured. There were significant differences for all indicators between the groups (p < 0.05). Post-hoc analysis indicated that the levels of CTRP9, CTRP2, and GDF8 were different from CG (p < 0.05), although levels of GDF15 were similar to CG (p > 0.05). Levels of GDF8 were similar in the SG and TG groups (p > 0.05), with reductions of GDF15 levels in both training groups (p < 0.05). A total of 12 weeks of astaxanthin supplementation and exercise training decreased adipokines levels, body composition (weight, %fat), anthropometrical factors (BMI), and improved lipid and metabolic profiles. These benefits were greater for men with obesity in the TSG group.
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 | 0,000 | 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 | 0,000 | 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 ».