High intensity exercise preconditioning influences on steroid hormones following the experimental autoimmune encephalomyelitis model
Notice bibliographique
Résumé
Abstract Steroid hormones improve clinical and pathological symptoms using the experimental autoimmune encephalomyelitis (EAE) model of multiple sclerosis (MS). In addition, exercise seems to play an important role in increasing hormones such as 17beta-estradiol and estrogen receptor beta (ERβ). In the present study, we evaluated whether 6 weeks of high-intensity interval training (HIIT) prior to induction of EAE increased 17beta-estradiol and ERβ and attenuate the severity of symptoms and/or disease progression in the EAE model. Female C57BL/6 mice were randomly divided into exercise (EX) and control (Con) groups. After 4 weeks of training, EAE was induced in half of the Con and the EX groups. The EAE-EX group after EAE induction trained for two more weeks. The EX group trained for 6 weeks. Six weeks of HIIT increased 17beta-estradiol and ERβ in the EX group compared to the control group (P ≤ 0.05). The EAE-EX group had a significant increase in 17beta-estradiol and ERβ and a significant decrease in clinical symptoms compared to the EAE group (P ≤ 0.05). In addition, the EAE group had a significant decrease in ERβ (P ≤ 0.05) compared to the control group. Our data demonstrate that 6 week of HIIT increased 17beta-estradiol and ERβ in the cerebellum tissue. These hormones are associated with decrease clinical outcomes and further research is required to examine potential clinical relevance.
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 | 0,001 |
| 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 ».