The effect of exercise on blood concentrations of angiogenesis markers in older adults: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Physical exercise has positive impacts on health and can improve angiogenesis, which is impaired during aging, but the underlying mechanisms of benefit are unclear. This meta-analysis and systematic review investigated the effects of exercise on several peripheral angiogenesis markers in older adults to better understand the relationship between exercise and angiogenesis. Methods MEDLINE, Embase, and Cochrane CENTRAL were searched for original, peer-reviewed reports of peripheral concentrations of angiogenesis markers before and after exercise interventions in older adults (> 50 years). The risk of bias was assessed with standardized criteria. Standardized mean differences (SMD) with 95% confidence intervals (CIs) were calculated from random-effects models. Publication bias was assessed with Egger’s test, funnel plots, and trim-and-fill. A priori subgroup analyses and meta-regressions were performed to investigate heterogeneity where possible. Results Of the 44 articles included in the review, 38 were included in meta-analyses for five proteins. Vascular endothelial growth factor (VEGF) was found to be higher after exercise (SMD[95%CI] = 0.18[0.03, 0.34], p = 0.02), and e-selectin (CD62E) was found to be lower after exercise (SMD[95%CI]= -0.72[-1.42, -0.03], p = 0.04). Endostatin (SMD[95%CI] = 0.28[-0.56, 1.11], p = 0.5), fibroblast growth factor 2 (SMD[95%CI] = 0.03[-0.18, 0.23], p = 0.8), and matrix metallopeptidase-9 (SMD[95%CI] = -0.26[-0.97, 0.45], p = 0.5) levels did not change after exercise. Conclusions Of the five angiogenesis blood markers evaluated in this meta-analysis, only VEGF and CD62E changed with exercise. Although more studies are needed, changes in angiogenesis markers may explain the beneficial effects of exercise on angiogenesis and health in older adults.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,035 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».