MétaCan
Menu
Retour à la cohorte
Enregistrement W4388485124 · doi:10.1139/apnm-2023-0329

Is low-volume high-intensity interval training a time-efficient strategy to improve cardiometabolic health and body composition? A meta-analysis

2023· review· en· W4388485124 sur OpenAlexaffvenue
Mingyue Yin, Hansen Li, Mingyang Bai, Hengxian Liu, Zhili Chen, Jianfeng Deng, Shengji Deng, Meng Chuan, Niels Vollaard, Jonathan P. Little, Yongming Li

Notice bibliographique

RevueApplied Physiology Nutrition and Metabolism · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensOkanagan University CollegeUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHigh-intensity interval trainingMedicineCardiorespiratory fitnessInterval trainingSprintBlood pressureWaistInternal medicineCardiologyPhysical therapyObesity

Résumé

récupéré en direct d'OpenAlex

The present meta-analysis aimed to assess the effects of low-volume high-intensity interval training (LV-HIIT; i.e., ≤5 min high-intensity exercise within a ≤15 min session) on cardiometabolic health and body composition. A systematic search was performed in accordance with PRISMA guidelines to assess the effect of LV-HIIT on cardiometabolic health and body composition. Twenty-one studies (moderate to high quality) with a total of 849 participants were included in this meta-analysis. LV-HIIT increased cardiorespiratory fitness (CRF, SMD = 1.19 [0.87, 1.50]) while lowering systolic blood pressure (SMD = −1.44 [−1.68, −1.20]), diastolic blood pressure (SMD = −1.51 [−1.75, −1.27]), mean arterial pressure (SMD = −1.55 [−1.80, −1.30]), MetS z-score (SMD = −0.76 [−1.02, −0.49]), fat mass (kg) (SMD = −0.22 [−0.44, 0.00]), fat mass (%) (SMD = −0.22 [−0.41, −0.02]), and waist circumference (SMD = −0.53 [−0.75, −0.31]) compared to untrained control (CONTROL). Despite a total time-commitment of LV-HIIT of only 14%–47% and 45%–94% compared to moderate-intensity continuous training and HV-HIIT, respectively, there were no statistically significant differences observed for any outcomes in comparisons between LV-HIIT and moderate-intensity continuous training (MICT) or high-volume HIIT. Significant inverse dose–responses were observed between the change in CRF with LV-HIIT and sprint repetitions ( β = −0.52 [−0.76, −0.28]), high-intensity duration ( β = −0.21 [−0.39, −0.02]), and total duration ( β = −0.19 [−0.36, −0.02]), while higher intensity significantly improved CRF gains. LV-HIIT can improve cardiometabolic health and body composition and represent a time-efficient alternative to MICT and HV-HIIT. Performing LV-HIIT at a higher intensity drives higher CRF gains. More repetitions, longer time at high intensity, and total session duration did not augment gains in CRF.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0150,004
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,336
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
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

Citations65
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physiology Nutrition and MetabolismMême sujetCardiovascular and exercise physiologyTravaux en français237 207