High-Intensity Interval Cycling and Running Yield a Similar Myokine and Osteokine Response in Young Adult Females
Notice bibliographique
Résumé
Background: The differential responses of the myokine irisin, in combination with changes in markers and regulators of bone remodeling to high-intensity interval exercise of high and low impact, were examined in 18 young adult females (22.5 ± 2.7 years). Methods: Participants performed two high-intensity interval exercise trials in random order: running on a treadmill and cycling on a cycle ergometer. Trials consisted of eight 1 min running or cycling intervals at ≥ 90% of maximal heart rate, separated by 1 min passive recovery intervals. Blood samples were collected at rest (pre-exercise) and 5 min, 1 h, and 24 h following each exercise trial. Irisin, osteocalcin, sclerostin, osteoprotegerin (OPG), receptor activator nuclear factor kappa-β ligand (RANKL), and parathyroid hormone (PTH) were analyzed in serum, with post-exercise concentrations being corrected for exercise-induced changes in plasma volume. Results: Irisin was elevated 24 h post-exercise compared to its resting values in both trials (20%, p < 0.05) and was higher after cycling compared to running (exercise mode effect, p < 0.05) with no interaction. Osteocalcin, sclerostin, PTH, and RANKL increased from pre- to 5 min post-exercise (18%, 37%, 83%, and 33%, respectively, p < 0.05), returning to baseline levels in 1 h, with no trial or interaction effects. OPG showed a time effect (p < 0.05), reflecting an overall increase at 5 min and 1 h post-exercise, which was not significant after the Bonferroni adjustment. Conclusions: In young adult females, high-intensity interval exercise induced an immediate response in markers and regulators of bone remodeling and a later response in irisin concentrations, which was independent of the gravitational impact.
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 | 0,001 |
| 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) | 0,000 | 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 ».