Comparison of exercise training modalities and change in peak oxygen consumption in heart failure with preserved ejection fraction: a secondary analysis of the OptimEx-Clin trial
Notice bibliographique
Résumé
AIMS: Exercise training (ET) is an effective therapy in heart failure with preserved ejection fraction (HFpEF), but the influence of different ET characteristics is unclear. We aimed to evaluate the associations between ET frequency, duration, intensity [% heart rate reserve (%HRR)] and estimated energy expenditure (EEE) with the change in peak oxygen consumption (V̇O2) over 3 months of moderate continuous training (MCT, 5×/week) or high-intensity interval training (HIIT, 3×/week) in HFpEF. METHODS AND RESULTS: ET duration and heart rate (HR) were recorded with a smartphone application. EEE was calculated using the HR data during ET and the individual HR-V̇O2 relationships during cardiopulmonary exercise testing. Differences between groups and associations between ET characteristics and peak V̇O2 change were assessed with linear regression analyses. Peak V̇O2 improved by 9.2 ± 13.2% after MCT and 8.7 ± 15.9% after HIIT (P = 0.67). The average EEE of 1 HIIT session was equivalent to ∼1.42 MCT sessions and when adjusted for EEE, the mean difference between MCT and HIIT was -0.1% (P = 0.98). For both MCT and HIIT, peak V̇O2 change was positively associated with ET frequency (MCT: R2 = 0.103; HIIT: R2 = 0.149) and duration/week (MCT: R2 = 0.120; HIIT: R2 = 0.125; all P < 0.05). Average %HRR was negatively associated with peak V̇O2 change in MCT (R2 = 0.101; P = 0.034), whereas no significant association was found in HIIT (P = 0.234). Multiple regression analyses explained ∼1/3 of the variance in peak V̇O2 change. CONCLUSION: In HFpEF, isocaloric HIIT and MCT seem to be equally effective over 3 months. Within each mode, increasing ET frequency or duration/week may be more effective to improve peak V̇O2 than increasing ET intensity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 ».