Effect of creatine supplementation during resistance training on lean tissue mass and muscular strength in older adults: a meta-analysis
Notice bibliographique
Résumé
Philip D Chilibeck,1 Mojtaba Kaviani,2 Darren G Candow,3 Gordon A Zello4 1College of Kinesiology, University of Saskatchewan, Saskatoon, SK, 2School of Nutrition and Dietetics, Acadia University, Wolfville, NS, 3Faculty of Kinesiology and Health Studies, University of Regina, Regina, 4College of Pharmacy and Nutrition, University of Saskatchewan, Saskatoon, SK, Canada Abstract: The loss of muscle mass and strength with aging results in significant functional impairment. Creatine supplementation has been used in combination with resistance training as a strategy for increasing lean tissue mass and muscle strength in older adults, but results across studies are equivocal. We conducted a systematic review and meta-analysis of randomized controlled trials of creatine supplementation during resistance training in older adults with lean tissue mass, chest press strength, and leg press strength as outcomes by searching PubMed and SPORTDiscus databases. Twenty-two studies were included in our meta-analysis with 721 participants (both men and women; with a mean age of 57–70 years across studies) randomized to creatine supplementation or placebo during resistance training 2–3 days/week for 7–52 weeks. Creatine supplementation resulted in greater increases in lean tissue mass (mean difference =1.37 kg [95% CI =0.97–1.76]; p<0.00001), chest press strength (standardized mean difference [SMD] =0.35 [0.16–0.53]; p=0.0002), and leg press strength (SMD =0.24 [0.05–0.43]; p=0.01). A number of mechanisms exist by which creatine may increase lean tissue mass and muscular strength. These are included in a narrative review in the discussion section of this article. In summary, creatine supplementation increases lean tissue mass and upper and lower body muscular strength during resistance training of older adults, but potential mechanisms by which creatine exerts these positive effects have yet to be evaluated extensively. Keywords: muscle, age, sarcopenia, exercise, nutrition, bench press, leg press
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,039 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».