<i>How</i> does different types of exercise promote cognitive function? What do we know?
Notice bibliographique
Résumé
Abstract Our current understanding of how exercise promotes cognitive function largely stems from animal studies and is restricted to aerobic exercise training (AT). It is widely hypothesized that AT induces neurotrophic factor cascades (i.e., BDNF, IGF‐1, and VEGF), a central mechanism mediating exercise‐dependent benefits in cognitive performance. However, evidence regarding the effect of AT on neurotrophic factors in humans is equivocal. Notably, whether AT‐induced changes in neurotrophic factors are associated with AT‐induced changes in cognitive function is largely unknown. The dearth of mechanistic evidence is even more pronounced for resistance training (RT). Both AT and RT may also promote cognitive function by reducing peripheral cardiometabolic risk factors for neurodegeneration (e.g., hypertension, type 2 diabetes, hypercholesterolemia), as well as systemic inflammation associated with these risk factors. Specifically, cardiovascular disease and type 2 diabetes are associated with chronic low‐grade systemic inflammation reflected by elevated levels of C reactive protein and cytokines. Systemic inflammation can impair neurotrophic factor signaling, exacerbate the metabolic syndrome, and accelerate cognitive decline. Similar to neurotrophic factors, the roles of cardiometabolic risk and systemic inflammation in exercise‐induced improvements in human cognitive performance are not well established. A better understanding of the underlying biological mechanisms of different types of exercise training will greatly advance our ability to refine and develop novel exercise (and other) strategies for dementia prevention. In this session, we will discuss/debate the selection and measurement of biomarkers in randomized controlled trials of exercise in individuals with or without cognitive impairment.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».