首页 资讯 12周高强度间歇训练对青年肥胖女性腹部脂肪的影响

12周高强度间歇训练对青年肥胖女性腹部脂肪的影响

来源:泰然健康网 时间:2024年11月24日 07:39

【摘要】: 目前,肥胖及其相关代谢性疾病的发病率呈逐年上升趋势,成为危害人们身体健康和生活质量的重要因素,而且,人们越来越认识到这些疾病的发生、发展与脂肪的分布密切相关。腹部脂肪尤其是腹部内脏脂肪的堆积,更能反应肥胖的程度,并且严重影响着人类健康。传统的运动减肥常采用中低强度持续运动进行训练。这种运动方案可以有效提高脂肪消耗、改善体内糖脂水平、提高有氧适能等健康相关的参数。但其同时存在着运动时间较长、运动节奏单调等不足,因此,大多数人群尤其是肥胖人群难以坚持。近年来,越来越多的学者围绕高强度间歇训练(High Intensity Interval Training,HIIT)对人类健康的影响进行研究,研究结果证明HIIT具有安全性和可接受性,而且由于其运动时间较短,相对来说更容易坚持。另外,HIIT对提高有氧能力、提高胰岛素敏感性、降低血糖、减脂、改善血管内皮功能的效果也可以得到初步证实。然而,关于HIIT的运动减肥处方的研究相对较少,人体实验研究也多见于国外的研究。尽管有些关于HIIT对肥胖人群的研究,也仅限于该运动对全身脂肪百分比(Fat%)和BMI的效果研究。缺少HIIT对肥胖人群腹部脂肪尤其是内脏脂肪影响的研究。研究目的:比较高强度间歇训练(HIIT)与相同耗氧量的中强度有氧持续训练(Aerobic Continuous Training,ACT)对青年肥胖女性的腹部内脏脂肪和皮下脂肪含量的影响,以及对体重、体脂百分比、腰围和有氧能力等健康相关指标的影响。研究方法:24名青年肥胖女性(Fat%:31.7±3.0)随机分为两组,分别进行12周(4天/周)的HIIT和ACT干预。HIIT组在跑台上以85~95%最大心率(HRpeak)运动4分钟接50~60%HRpeak运动3分钟后休息7分钟,重复4组;ACT组以60~70%HRpeak持续运动33分钟。两组均以50~60%HRpeak强度热身10分钟、整理活动5分钟。干预期间,受试者保持惯有的饮食和活动习惯。干预前后分别用计算机X线断层扫描测量腹部内脏和皮下脂肪面积、生物电阻抗法测试体脂百分比(Fat%),以及体重、腰围、臀围和VO2max等的测定。研究结果:训练干预前两组的所有指标均无统计学差异。(1)HIIT使腹部内脏脂肪面积下降18%(64.86±17.46vs53.12±14.51cm2,p﹤0.01),但ACT干预前后无统计学差异(60.41±15.45vs55.55±14.94cm2,p﹥0.05);(2)与之相对应的腰臀比在HIIT训练后显著性下降1.26%(p=0.039),但ACT组训练前后下降并无统计学差异(p=0.305);(3)两组腹部皮下脂肪面积均显著减少(HIIT:255.29±77.38vs205.57±68.25cm2;ACT:229.44±57.36vs204.02±55.74cm2,p﹤0.01),但高强度间歇训练比有氧持续训练的效果更加显著(19.5%vs11.1%,p=0.038);(4)12周后两组的体重(HIIT:66.37±9.34vs61.23±8.39kg;ACT:64.81±6.10vs60.28±5.78kg,p﹤0.01)和Fat%(HIIT:31.30±3.63vs28.18±3.93%;ACT:32.01±2.41vs29.21±2.43%,p﹤0.01)均显著下降,且两组下降幅度无统计学差异;(5)两种训练分别使受试者的VO2max显著提高14%和14.5%,且两组变化值间并无统计学差异(p=0.828)。结论:(1)12周高强度间歇训练可以降低青年肥胖女性的腹部内脏脂肪含量及腰臀比,但相同耗氧量的有氧持续训练却无此效果;(2)12周高强度间歇训练与有氧持续训练均可减少青年肥胖女性的腹部皮下脂肪,但前者效果更明显;(3)12周高强度间歇训练与有氧持续训练均可降低青年肥胖女性的全身脂肪含量,且效果相同;(4)12周高强度间歇训练与有氧持续训练均可提高青年肥胖女性的有氧能力。

【学位授予单位】:河北师范大学
【学位级别】:硕士
【学位授予年份】:2013


相关知识

HIIT减脂健身间歇训练计划
剖腹产妈咪的产后塑身训练
代谢训练(MT)=代谢阻力训练(MRT) 有氧间歇训练(CRT)
减脂训练中强度18个合集~我不训练只想吃
提高跑步速度训练从三方面入手
HIIT训练计划 五分钟快速减脂健身
减脂一周训练计划
减肥训练营里的年轻人
健身减脂训练计划范文
腹部脂肪危害大 4个动作帮你燃脂瘦肚子

网址: 12周高强度间歇训练对青年肥胖女性腹部脂肪的影响 https://www.trfsz.com/newsview50103.html

推荐资讯