MétaCan
Menu
Retour à la cohorte
Enregistrement W4317938379 · doi:10.1016/j.smhs.2023.01.002

Skeletal muscle mechanisms contributing to improved glycemic control following intense interval exercise and training

2023· review· en· W4317938379 sur OpenAlexafffund
Hashim Islam, Jenna B. Gillen

Notice bibliographique

RevueSports Medicine and Health Science · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of TorontoOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaShanghai Institute of TechnologyHelsinki Institute for Information Technology
Mots-clésGlycemicSkeletal muscleInterval trainingMedicineHigh-intensity interval trainingInternal medicineEndocrinologyInsulin sensitivityInsulinInsulin resistancePhysical medicine and rehabilitationPhysical therapy

Résumé

récupéré en direct d'OpenAlex

High-intensity and sprint interval training (HIIT and SIT, respectively) enhance insulin sensitivity and glycemic control in both healthy adults and those with cardiometabolic diseases. The beneficial effects of intense interval training on glycemic control include both improvements seen in the hours to days following a single session of HIIT/SIT and those which accrue with chronic training. Skeletal muscle is the largest site of insulin-stimulated glucose uptake and plays an integral role in the beneficial effects of exercise on glycemic control. Here we summarize the skeletal muscle responses that contribute to improved glycemic control during and following a single session of interval exercise and evaluate the relationship between skeletal muscle remodelling and improved insulin sensitivity following HIIT/SIT training interventions. Recent evidence suggests that targeting skeletal muscle mechanisms via nutritional interventions around exercise, particularly with carbohydrate manipulation, can enhance the acute glycemic benefits of HIIT. There is also some evidence of sex-based differences in the glycemic benefits of intense interval exercise, with blunted responses observed after training in females relative to males. Differences in skeletal muscle metabolism between males and females may contribute to sex differences in insulin sensitivity following HIIT/SIT, but well-controlled studies evaluating purported muscle mechanisms alongside measurement of insulin sensitivity are needed. Given the greater representation of males in muscle physiology literature, there is also a need for more research involving female-only cohorts to enhance our basic understanding of how intense interval training influences muscle insulin sensitivity in females across the lifespan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,390
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSports Medicine and Health ScienceMême sujetCardiovascular and exercise physiologyTravaux en français237 207