Sitting knee-flexion angle does not influence endothelial-dependent vasodilation in laboratory or free-living conditions
Notice bibliographique
Résumé
Introduction: Single bouts of prolonged bent-legged sitting attenuate popliteal endothelial-dependent vasodilation (as assessed via flow-mediated dilation [FMD]), which is partially attributed to arterial ‘kinking’. However, the impact of knee-flexion angle on sitting-induced popliteal FMD is unknown. The objective of this study was to perform separate laboratory and free-living studies to test the hypotheses that: (1) popliteal FMD impairments would be graded between knee flexions at 90° (bent-legged sitting) > 45° > 0° (straight-legged sitting) following a 3-hour bout of sitting; and (2) more habitual time spent bent-legged sitting (< 45°) would be associated with lower FMD. Methods: The laboratory study included eight young, healthy adults (24 ± 2 years; four women) who underwent two sitting bouts over 2 days with one leg positioned at a knee-flexion angle of 0° or 90° and the opposite leg at 45° knee flexion. Popliteal FMD was assessed at pre- and postsitting timepoints. Results: Sitting-induced reductions in FMD were similar between all knee-flexion angles (all, p > 0.674). The free-living study included 35 young, healthy adults (23 ± 3 years; 16 women) who wore three activPAL monitors (torso, thigh, shin) to determine detailed sedentary postures. Time spent sedentary (624 ± 127 min/day), straight-legged sitting (112 ± 98 min/day), and bent-legged sitting (442 ± 106 min/day) were not related to relative FMD (5.3 ± 1.8%; all, p > 0.240). Conclusion: These findings suggest that knee-flexion angle-mediated arterial ‘kinking’ during sitting is not a major contributor toward sitting-induced popliteal endothelial-dependent vasodilatory dysfunction.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».