Effects of endurance exercise and dietary protein intake on osteokine, bone turnover, and inflammatory markers in endurance runners: A narrative review
Notice bibliographique
Résumé
Bone stress injuries are pervasive among endurance runners due to repetitive sport-specific mechanical loading and a higher prevalence of low energy availability (i.e., inadequate dietary energy intake relative to exercise energy expenditure). Chronic endurance exercise promotes bone formation, thus, runners typically have higher bone mineral density (BMD) than non-weightbearing athletes and sedentary individuals. However, runners may experience increased bone resorption for hours to days following an endurance exercise bout. If recovery is insufficient, uncoupled bone turnover can pose a significant risk to their bone health. While skeletal-immune system crosstalk has been studied, the interaction during and after exercise in athletes is an emerging area of research. Nutritional interventions have been investigated for their effects on bone metabolism surrounding exercise. However, limited research has examined dietary protein intake in endurance athletes, particularly concerning its effects on bone metabolism and osteoimmunology. This narrative review provides an overview of the evidence on the effects of endurance exercise and dietary protein intake on osteokines, bone turnover, and inflammatory markers in endurance athletes. Acute bouts of high-intensity running increase osteokines and bone turnover markers that promote bone resoprtion which parallels increases in pro-inflammatory markers in endurance athletes, suggesting crosstalk between these systems during and after exercise. Chronic endurance exercise promotes increased resting levels of bone formation, while reducing resting pro-inflammatory markers. Adequate dietary protein ingestion habitually and pre-, during, and post-exercise may attenuate bone resportion and pro-inflammatory markers in endurance athletes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 ».