The Impact of Sex, Body Mass Index, Age, Exercise Type and Exercise Duration on Interstitial Glucose Levels during Exercise
Notice bibliographique
Résumé
The impact of age, sex and body mass index on interstitial glucose levels as measured via continuous glucose monitoring (CGM) during exercise in the healthy population is largely unexplored. We conducted a multivariable generalized estimating equation (GEE) analysis on CGM data (Dexcom G6, 10 days) collected from 119 healthy exercising individuals using CGM with the following specified covariates: age; sex; BMI; exercise type and duration. Females had lower postexercise glycemia as compared with males (92 ± 18 vs. 100 ± 20 mg/dL, p = 0.04) and a greater change in glycemia during exercise from pre- to postexercise (p = 0.001) or from pre-exercise to glucose nadir during exercise (p = 0.009). Younger individuals (i.e., <20 yrs) had higher glucose during exercise as compared with all other age groups (all p < 0.05) and less CGM data in the hypoglycemic range (<70 mg/dL) as compared with those aged 20–39 yrs (p < 0.05). Those who were underweight, based on body mass index (BMI: <18.5 kg/m2), had higher pre-exercise glycemia than the healthy BMI group (104 ± 20 vs. 97 ± 17 mg/dL, p = 0.02) but similar glucose levels after exercise. Resistance exercise was associated with less of a drop in glycemia as compared with aerobic or mixed forms of exercise (p = 0.008) and resulted in a lower percent of time in the hypoglycemic (p = 0.04) or hyperglycemic (glucose > 140 mg/dL) (p = 0.03) ranges. In summary, various factors such as age, sex and exercise type appear to have subtle but potentially important influence on CGM measurements during exercise in healthy individuals.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».