L’effet d’un entraînement par intervalles à haute intensité de faible volume comparativement à un entraînement aérobie continu d’intensité modérée sur le profil inflammatoire de la femme âgée ayant un diabète de type 2
Notice bibliographique
Résumé
Introduction : L’inflammation chronique de bas grade, aussi appelée méta-inflammation, a récemment été identifiée comme un contributeur majeur dans la pathogenèse du diabète de type 2 (DT2). Différentes modalités d’entraînement aérobie ont été proposées comme avenue thérapeutique, non seulement pour le DT2, mais aussi pour contrer la méta-inflammation. Les effets d’un entraînement par intervalles à haute intensité (EIHI) de faible volume sur le profil inflammatoire de la femme âgée ayant un DT2 n’ont cependant pas encore été étudiés, malgré leur risque accru de complications comparativement aux hommes ayant un DT2. Par ailleurs, ces effets n’ont pas été comparés à ceux engendrés par un programme d’entraînement aérobie continu d’intensité modérée (ECIM). Objectifs : L’objectif de cette étude est de comparer les effets de 12 semaines d’EIHI à faible volume à ceux d’un ECIM sur les concentrations plasmatiques d’adipocytokines proet anti-inflammatoires impliquées dans le développement du DT2 et des complications associées chez des femmes âgées ayant un DT2. Méthodologie : Protocole et participantes : À la suite d’un premier contact téléphonique, les femmes admissibles et souhaitant participer au projet ont été invitées au Centre de Recherche sur le Vieillissement (CdRV) pour les trois premières rencontres d’évaluation préintervention (V1, V2 et V3). Les tests effectués lors de ces trois premières visites ont été répétés après les 12 semaines d’intervention lors des évaluations post-intervention (V4, V5 et V6). Au total, les données de 19 femmes âgées (69,6 ans [66,3 ; 70,4]) ayant un diagnostic de DT2, non-fumeuses, avec une consommation d’alcool faible ou nulle (≤ 15 g éthanol/jour ou 1 consommation/jour) et physiquement inactives (≤ 75 minutes d’activité physique/semaine) ont été incluses dans les analyses. Les participantes ont été randomisées soit dans le groupe 1) EIHI de faible volume (n=10) ou dans le groupe 2) ECIM (n=9). Intervention : L’entraînement était d’une durée totale de 12 semaines à raison de 3 séances supervisées par semaine. Les séances d’EIHI de faible volume étaient d’une durée de 25 min (total de 75 min/semaine) et se déroulaient ainsi : échauffement de 3 min, suivi de 6 intervalles d’1 min à 90 % de la fréquence cardiaque de réserve (FCRÉSERVE) entrecoupés de 2 min de repos actif à 45 % de la FCRÉSERVE. Deux minutes de repos supplémentaires étaient allouées entre les 3ième et 4ième intervalles. L’entraînement se terminait par un retour au calme de 2 min à 40 % de la FCRÉSERVE. Les séances d’ECIM, d’une durée de 50 min (total de 150 min/semaine), comprenaient un échauffement de 2 min suivi de 45 min d’exercice à 60 % de la FCRÉSERVE et d’un retour au calme de 3 min à 40 % de la FCRÉSERVE. Variables d’intérêt et méthodes de mesure : Un prélèvement sanguin a été réalisé à jeun (12 h) lors de la 1ère et de la 4ème visite (minimum 72 heures après la dernière séance d’entrainement pour éviter les effets aigus de l’exercice). Une partie du sang collecté a été envoyé au CIUSSS de l’Estrie-CHUS pour l’analyse du profil métabolique (glucose à jeun, HbA1c). Huit millilitres de sang furent prélevés dans des tubes EDTA pour l’analyse du profil inflammatoire (IL-8, IL-15, MCP-1, TNF-α, IL-10, IL-1ra, IL-1β, IL-6). Le sang a été centrifugé (10 min à 4°C à 1000 x g), transféré dans des tubes de micro-centrifugation puis placé dans un congélateur à -80 °C jusqu’aux analyses. Les analyses ont été réalisées au laboratoire du CdRV (Luminex 200, Millipore Sigma, Massachussetts, É-U.) en utilisant des kits pour plasma humain spécifiquement dédiés aux cibles d’intérêt (Milliplex MAP Human Cytokine, Millipore Sigma, Massachussetts, É-U.). Le poids et la taille ont été mesurés avec une balance électronique et un stadiomètre mural. La composition corporelle (masse grasse et masse maigre) a été mesurée par absorptiométrie biphotonique à rayons X et les résultats obtenus ont été analysés avec le logiciel enCORE (iDXA, GE Healthcare, Chicago, États-Unis). Variables de contrôle et méthodes de mesure : Les habitudes alimentaires ont été évaluées grâce à un journal alimentaire de 3 jours non-consécutifs, analysé avec le logiciel Nutrific (Université Laval, Québec, Canada). Le niveau d’activité physique a été estimé avec le questionnaire auto-rapporté Physical Activity Scale for the Elderly (PASE). Résultats : Douze semaines d’EIHI à faible volume ou d’ECIM n’ont pas eu d’effets significatifs sur les concentrations plasmatiques d’adipocytokines pro- et anti-inflammatoires chez des femmes âgées ayant un DT2. On observe cependant une tendance à l’augmentation pour l’IL-6 (p = 0,09) dans le groupe ECIM et le MCP-1 (p = 0,09) dans le groupe EIHI de faible volume, sans qu’il n’y ait de différences entre les groupes pour l’une ou l’autre des variables (tous les p ≥ 0,25). Suite à l’intervention, le poids (p = 0,02), l’IMC (p = 0,04), l’HbA1c (p = 0.03) et le niveau plasmatique de glucose à jeun (p = 0,01) ont diminué significativement dans le groupe ECIM seulement (groupe EIHI : tous les p ≥ 0,14). La comparaison des deltas a révélé une différence significative entre les groupes seulement pour le changement de glycémie à jeun (p = 0,05), mais pas pour les autres variables (tous les p ≥ 0,19). Aucune différence entre les groupes en pré-intervention, ni aucun effet de l’intervention n’a été rapporté pour les variables de contrôle (apport énergétique et niveau d’activité physique; tous les p ≥ 0,61). Conclusion : Bien que l’hypothèse selon laquelle les deux modalités d’entraînement auraient des effets comparables n’ait pu être confirmée, les résultats de ce mémoire soulèvent une multitude de questions pertinentes quant à l’effet de l’entraînement sur le profil inflammatoire des femmes âgées ayant un DT2. Davantage d’études devront être menées afin de mieux saisir les mécanismes physiologiques sous-jacents ainsi que pour préciser la prescription en matière d’entraînement pour contrer la méta-inflammation chez notre population d’intérêt.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».