Similar body composition, muscle size, and strength adaptations to resistance training in lacto-ovo-vegetarians and non-vegetarians
Notice bibliographique
Résumé
There is a popular belief that meat consumption is necessary to optimize adaptations to strength training (ST), but evidence to support this hypothesis is scarce. Therefore, this study aimed to compare ST adaptations in lacto-ovo-vegetarians (LOV) and non-vegetarians (NV) with adjusted protein intake per meal. Sixty-four LOV and NV performed 12 weeks of ST and were instructed to ingest at least 20 g of protein in each main meal during the experimental period. Quadriceps femoris muscle thickness (QFMT), knee extension one-repetition maximum (1RM), and isometric peak torque (PT), as well as participants’ body composition were assessed before and after the intervention. Dietary intake was assessed throughout the study. After 12 weeks, similar increases in QFMT (LOV: 9.2 ± 5.4; NV: 5.5 ± 8.1 mm), knee extension 1RM (LOV: 24.7 ± 11.1; NV: 21.6 ± 9.8 kg), and PT (LOV: 29.8 ± 33.4; NV: 17.5 ± 19.4 N m) and lean body mass (LOV: 1.3 ± 0.9; NV: 1.4 ± 1.4 kg), alongside a decrease in body fat mass (LOV: −0.5 ± 1.6; NV −0.8 ± 1.6 kg) were observed in both groups at the end of the training period ( p < 0.05). LOV had lower protein consumption than NV throughout the study ( p < 0.05), but participants reached intake of at least 1.2 g of protein/kg/day during the experimental period. In conclusion, LOV and NV displayed similar improvements in muscle mass, strength, and in body composition after 12 weeks of ST, suggesting that meat consumption and higher protein intake in NV did not bring about further benefits to early adaptations to ST. This study was registered in Clinical Trials (NCT03785002) on 24 December 2018.
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) | 0,000 | 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 ».