Eur Heart J:有氧、阻力或联合训练与超重或肥胖成人心血管风险的关系

2024-01-18 MedSci原创 MedSci原创

在超重或肥胖的成年人中,与对照组相比,单独进行有氧运动或阻力运动联合有氧运动可改善复合CVD风险,而单独进行阻力运动则不然。

血管疾病(CVD)是导致死亡的主要原因,约占美国和全球所有死亡人数的三分之一。体育活动,特别是有氧运动,已被证实可以预防CVD。然而,很少有临床试验直接评估阻力或联合阻力加有氧运动与单独有氧运动相比是否能提供相似或更强的心血管益处。

近日,心血管领域权威杂志Eur Heart J上发表了一篇研究文章,该研究旨在明确阻力、有氧运动和阻力加有氧联合运动对CVD风险的比较效果。

这项随机对照试验招募了406名年龄在35-70岁之间的超重或肥胖和血压升高的成年人。参与者被随机分配到阻力组(n=102)、有氧组(n=101)、阻力加有氧运动联合组(n=101)或无运动对照组(n=102)。所有运动参与者都被规定每周三次进行1小时的时间匹配的监督运动(联合组各30分钟的阻力和有氧运动),持续1年。该研究的主要结局是四种已知的CVD危险因素(收缩压、低密度脂蛋白(LDL)胆固醇、空腹血糖和体脂百分比)的标准化复合z评分从基线到1年的变化。

在406名参与者中(53%为女性),381名(94%)完成了1年的随访。与对照组相比,复合z评分在1年后下降,这表明有氧组{平均差异为-0.15[95%可信区间(CI)为-0.27至-0.04];P=0.01}和组合[平均差异为-0.16(95%CI为-0.27至-0.04);P=0.009]组的CVD风险状况有所改善,但阻力组无差异[平均差异为-0.02(95%CI为-0.14至0.09);P=0.69]。与阻力组相比,有氧组和联合组的综合z分数下降幅度更大(P=0.03),有氧组和联合组之间无差异(P=0.96)。关于四个单独的CVD危险因素,在所有三个运动组中只有体脂在一年内下降,但与对照组相比,收缩压、低密度脂蛋白胆固醇和空腹血糖在任何运动组中都没有下降。

由此可见,在超重或肥胖的成年人中,与对照组相比,单独进行有氧运动或阻力运动联合有氧运动可改善复合CVD风险,而单独进行阻力运动则不然。

原始出处:

Duck-chul Lee,et alAerobic, resistance, or combined exercise training and cardiovascular risk profile in overweight or obese adults: the CardioRACE trial.European Heart Journal.2024.https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehad827/7513891



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

相关资讯

ESH 2023丨中国之声:心血管风险因素相关的最新进展

本期POCKETIN聚焦中国专家围绕“心血管风险因素分析”方向的重磅研究成果进行报道,请随小编一起一探究竟吧!

ESC 2023:SCORE2-ASIA风险预测算法预测亚洲人群10年心血管风险

在2023年欧洲心脏病学会(ESC)的现场会议上,Sofian Johar教授在LBS2专场上公布了一项最新的科学研究。这项研究针对亚洲人群,旨在探索改良的SCORE2-ASIA模型在预测非糖尿病或心

Eur J Prev Cardiol:贝特类药物对降低低密度脂蛋白胆固醇和降低心血管风险的作用

贝特类药物治疗与主要心血管不良事件风险降低相关。贝特类药物治疗导致的主要心血管不良事件风险降低似乎是由于LDL-C的降低而不是甘油三酯水平降低所致。

JAMA Pediatr:儿童早期教育与中年心血管健康

本研究结果支持早期教育与中年心血管健康之间关联的普遍适用性,并采用了更广泛的积极指标;提高教育成功率的系统性努力可能更广泛地促进健康。

J Clin Med: α-1抗胰蛋白酶缺乏症(A1AD或AATD)相关的心血管风险:荟萃回归分析

AATD患者可能表现出较低的缺血性心脏病风险,即使在存在轻度抗丝氨酸蛋白酶缺乏的情况下。尽管数据是观察性的,但未来的药物治疗和康复策略也应考虑这种有争议的关系。

SVN|复旦大学团队:开发基于机器学习的心血管疾病 10 年风险预测模型

研究基于 ML 的分类模型可以从潜在的心血管疾病高危人群中学习到表达性的表征,这些人群可能会受益于更早的临床决策。