The effect of a pre-meal snack and/or postprandial exercise on breakfast glycemic excursion in adults with cystic fibrosis: A pilot study
Notice bibliographique
Résumé
BACKGROUND & AIMS: Cystic fibrosis (CF)-related diabetes (CFRD), a common comorbidity in CF, is often preceded and characterized with elevated postprandial glycemic (PPG) excursions. In the general population, the consumption of a pre-meal protein snack and/or physical activity (PA) hinder the elevation of PPG levels. Our objective is to evaluate the effect of a pre-meal snack and/or post-meal PA on PPG excursions in CF. METHODS: This is a double-blinded randomized controlled crossover interventional study in 14 adults with CF, with 4 interventions: placebo pre-meal snack + no PA (control: CTL), pre-meal soy snack + no PA (SK), placebo pre-meal snack + PA (PA), and pre-meal soy snack + PA (SK + PA). The pre-meal soy snack or placebo beverage (vanilla flavoured water) is served at 8 AM, followed by a standardized breakfast at 9 AM and, postprandially, 5 repeated bouts of 3-min walk every 30 min or sedentary activity. Blood glucose and insulin were measured every 15-30 min during the interventions. RESULTS: Plasma glucose (PG) was higher 30 min after snack consumption compared to placebo beverage. One-hour post-breakfast, PG levels were lower during both PA interventions than with sedentary behavior. However, the overall 3 h post-breakfast glucose area under the curve (AUC) was similar between interventions. Post-breakfast 3 h insulin AUC was significantly lower during the SK + PA intervention compared to the sedentary behavior interventions. CONCLUSION: Repeated short bouts of post-meal physical activity may positively impact PPG control in adults with CF, with or without the addition of a pre-meal soy snack. A pre-meal snack alone does not improve PPG.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».