The impact of high intensity training and sports on recipients of solid organ transplants: a narrative review
Notice bibliographique
Résumé
Objectives: High intensity exercise in individuals post solid organ transplant (SOT) remains a largely understudied phenomenon, with potential risks and benefits. Additionally, the optimal training protocols are still unclear. This narrative review aimed to explore the impact of high-intensity exercise training and strenuous sports on solid organ transplant recipients (SOTRs). Methods: We conducted a narrative review of intervention studies of any design that included high-intensity exercise training and cross-sectional studies of strenuous sports and activities. Additionally, we reviewed individual reports documenting post-SOT performance at highly competitive or physiological levels. We used MEDLINE to search for relevant articles followed by a manual search for additional articles. Data were extracted and results were summarized. Results: High-intensity and strenuous exercise appears to be safe among stable SOTRs. High-intensity protocols consistently demonstrated improvements in VO2peak and a reduction in coronary artery disease prevalence, though findings related to body composition, health-related quality of life outcomes, and cardiovascular exercise variables were inconsistent. Pre-transplant athletes showcase notable achievements and physiological adaptations post-transplantation, highlighting the capacity for athletic performance among this population. However, caution is warranted in interpreting the findings from these studies due to limitations in generalizability and other methodological limitations. Conclusion: As evidenced by current literature, high intensity exercise emerges as a promising exercise method for safely improving various physiological parameters, and reducing the prevalence of coronary heart disease in SOTRs. It can induce similar or greater effects to moderate intensity exercise, however follow-up studies indicate low retention. Further research of higher methodological rigor is warranted in this field to advance understanding, and to guide evidence-based practice.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».