Differences in Exercise-Linked Biomarkers between Premenopausal and Postmenopausal Middle-Aged Females
Notice bibliographique
Résumé
While the exercise-induced responses of circulated biomarkers related to inflammation and brain health are well documented in humans, little is known about the effect of menopausal status on these responses. This study compared the responses of inflammatory cytokines and brain-derived neurotrophic factor (BDNF) to high-intensity exercise between pre- and postmenopausal middle-aged females. Eight premenopausal (44 ± 3 years) and seven postmenopausal (57 ± 2 years) females performed a high-intensity interval training (HIIT) session consisting of 10 × 1 min running intervals (90% maximum heart rate) separated by 1 min passive recovery intervals. Blood samples were collected at baseline (fasted), pre-exercise (postprandial), and at 0, 30, and 90 min post-HIIT and analyzed for interleukin (IL-6) and 10 (IL-10), tumour necrosis factor-alpha (TNF-α), and BDNF. IL-6 significantly increased from pre-exercise to 0 min post-HIIT in postmenopausal (+40%, p = 0.01) and to 30 min post-HIIT in premenopausal females (+60%, p = 0.02). IL-6 remained elevated at 90 min post-HIIT in premenopausal (+104%, p = 0.05) and to a higher degree in postmenopausal females (+385%, p < 0.001). IL-10 showed no response. TNF-α increased from pre- to 0 min post-HIIT (+10%, p = 0.05), then decreased to below pre-exercise at 30 min (−10%, p = 0.02) and 90 min (−5%, p = 0.04) in both groups. BDNF increased immediately post-HIIT in premenopausal (+60%, p < 0.001) but not postmenopausal females. The differences in IL-6 and BDNF responses to HIIT between pre- and postmenopausal females provide evidence of the role of female reproductive hormones in the regulation of these exercise-induced responses.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».