Impact of Water- and Land-Based Exercise Training on Risk Factors and Vascular Function in Middle-Aged and Older Men and Women
Notice bibliographique
Résumé
INTRODUCTION: Exercise improves vascular function, but it is unclear whether benefits are mediated by traditional cardiovascular risk factors or whether sex differences in training effects exist in older adults. We hypothesized that exercise would improve cardiovascular risk factors, that males and females would benefit similarly, and that improvements in risk factors would correlate with changes in vascular function. METHODS: Seventy-two healthy middle-aged/older adults (age, 62 ± 7 yr; 26%♂) were randomized to a land-walking ( n = 23), water-walking ( n = 25), or a nonexercise control group (C; n = 23). The exercise groups undertook supervised and monitored training three times a week for 50 min per session, across 24 wk. Blood pressure, body composition (dual x-ray absorptiometry), blood lipids and glucose, and flow-mediated brachial artery dilation were assessed in all participants at weeks 0 and 24. To maximize power for sex differences and correlation analyses, we pooled the training groups (land-walking + water-walking). RESULTS: Training prevented increases in LDL and total cholesterol/HDL ratio observed in the nonexercise control group. No group by time interactions were observed for other risk factors. Sex differences in training effects existed for visceral fat (-187 ± 189 g♂ vs -15 ± 161 g♀; P = 0.006) and lean mass (-352 ± 1045 g♂ vs 601 ± 1178 g♀; P = 0.008). Improvement in flow-mediated brachial artery dilation was correlated with decreased waist girth ( r = -0.450, P = 0.036), but not with other risk factors. CONCLUSIONS: Exercise training prevented deterioration in lipid levels, whereas sex differences existed for body composition changes with training. Improvement in vascular function was not dependent on changes in risk factors in middle-aged/older adults, suggesting that artery health may be dependent on other exercise-related stimuli.
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 | 0,001 |
| 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) | 0,002 | 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 ».