MétaCan
Menu
Retour à la cohorte
Enregistrement W4399123948 · doi:10.1186/s13102-024-00904-7

Effects of HIIT training and HIIT combined with circuit resistance training on measures of physical fitness, miRNA expression, and metabolic risk factors in overweight/obese middle-aged women

2024· article· en· W4399123948 sur OpenAlexaff
Zhaleh Pashaei, Abbas Malandish, Shahriar Alipour, Afshar Jafari, Ismail Laher, Anthony C. Hackney, Katsuhiko Suzuki, Urs Granacher, Ayoub Saeidi, Hassane Zouhal

Notice bibliographique

RevueBMC Sports Science Medicine and Rehabilitation · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular and exercise physiology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOverweightMedicineHigh-intensity interval trainingAnthropometryInternal medicineVO2 maxInsulin resistanceBody mass indexPhysical fitnessEndocrinologyPhysical therapyInterval trainingObesityBlood pressureHeart rate

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to examine the effects of 10 weeks of high-intensity interval training (HIIT) and HIIT combined with circuit resistance training (HCRT) on selected measures of physical fitness, the expression of miR-9, -15a, -34a, -145, and - 155 as well as metabolic risk factors including lipid profiles and insulin resistance in middle-aged overweight/obese women. METHODS: Twenty-seven overweight/obese women aged 35-50 yrs. were randomized to HIIT (n = 14) or HCRT (n = 13) groups. The HIIT group performed running exercises (5 reps x 4 min per session) with active recovery between repetitions for 10 weeks with 5 weekly sessions. The HCRT group performed 10 weeks of HIIT and resistance training with 3 weekly HIIT sessions and 2 weekly HCRT sessions. Anthropometric measures (e.g., body mass), selected components of physical fitness (cardiovascular fitness, muscle strength), levels of miRNAs (miR-9, -15a, -34a, -145, and - 155), lipid profiles (total cholesterol; TC, Triglycerides; TG, low-density lipoprotein cholesterol; LDL-C and high-density lipoprotein cholesterol; HDL-C), and insulin resistance; HOMA-IR index, were measured at baseline and week 10. RESULTS: ). A significant group by time interaction, however, was found for the one-repetition maximum (IRM; p < 0.001, ES= 0.751 , moderate). A post-hoc test indicated an increase in the pre-to-post mean 1RM for HCRT (p = 0.001, ES = 1.83, large). There was a significant group by time interaction for miR-155 (p = 0.05, ES = 0.014, trivial). Levels for miR-155 underwent pre-to-post HIIT increases (p = 0.045, ES = 1.232, large). Moreover, there were also significant group by time interactions for TC (p = 0.035, ES = 0.187, trivial), TG (p < 0.001, ES = 0.586, small), LDL-C (p = 0.029, ES = 0.200, small) and HDL-C (p = 0.009, ES = 0.273, small). Post-hoc tests indicated pre-post HCRT decreases for TC (p = 0.001, ES = 1.44, large) and HDL-C (p = 0.001, ES = 1.407, large). HIIT caused pre-to-post decreases in TG (p = 0.001, ES = 0.599, small), and LDL-C (p = 0.001, ES = 0.926, moderate). CONCLUSIONS: Both training regimes did not improve cardiovascular fitness. But, HCRT improved lower/upper limb muscle strength, and HIIT resulted in an increase in miR-155 expression in peripheral blood mononuclear cells. Furthermore, HIIT and HCRT each improved selected metabolic risk factors including lipid profiles and glucose and insulin metabolism in overweight/obese middle-aged women. TRIAL REGISTRATION: OSF, October, 4th 2023. Registration DOI: https://doi.org/10.17605/OSF.IO/UZ92E . osf.io/tc5ky . "Retrospectively registered".

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Sports Science Medicine and RehabilitationMême sujetCardiovascular and exercise physiologyTravaux en français237 207