Psychological factor (PF) changes during a randomized trial of legume consumption during weight loss
Notice bibliographique
Résumé
Weight loss attempts often fail. Legumes are high in satiety factors and may aid weight loss, but PFs may also influence weight loss and vice‐versa. In a 6wk study, subjects (n= 42; BMI 25–35 kg/m 2 ) were randomized to consume LOW (1T), medium (MED; 0.5c) or HIGH (1.8–2.7c) legumes 6d/wk while reducing energy intake (EI) by 30%. ~50% of the target EI was provided and the remainder was self‐selected. All groups lost weight (2.7±2.3kg; p=0.023), with MED losing more than LOW (p=0.032) but not HIGH (p=0.12). PFs changed over time in all groups: dietary disinhibition, its two subscales (situational susceptibility, uncontrolled eating) and hunger decreased, whereas self‐efficacy, dietary restraint and several restraint subscales (strategic dieting, avoiding fattening foods (AFF), flexible control, rigorous control) increased (p≤0.005). There were significant group by time interaction effects on external hunger (p=0.046) and habitual disinhibition (p=0.003); external hunger increased more in MED compared to LOW (p=0.015) and habitual disinhibition increased more in MED compared to HIGH (p=0.063). Predictors of greater weight loss were a more mindful eating style at baseline (p=0.023) and a decrease in AFF score (p=0.051), independent of baseline AFF, baseline weight and legume treatment. These data suggest that PFs may have helped explain differences in weight loss among legume groups. [Funding: Pulse Canada PIP]
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».