Predictors of attrition in a multidisciplinary adult weight management clinic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Worldwide, more than 1.7 billion individuals may be classified as overweight and are in need of appropriate medical and surgical treatments. The primary goal of a comprehensive weight management program is to produce sustainable weight loss. However, for such a program to be effective, the patient must complete it. We analyzed attrition rates and predictors of attrition within a publicly funded, multidisciplinary adult weight management program. METHODS: We retrospectively reviewed charts from an urban multidisciplinary adult weight management clinic program database. Patients received medical or surgical treatment with appropriate follow-up. We collected information on demographics and comorbidities. Patients in the surgical clinics received either laparoscopic gastric band insertion or gastric bypass. We conducted univariate analysis and multivariate analyses on predictors of attrition. RESULTS: A total of 1205 patients were treated in the weight management program: 887 in the medical clinic and 318 with surgery and follow-up in a surgical clinic. Overall, 516 patients left the program or were lost to follow-up (attrition rate 42.8%). The attrition rate was 53.9% in the medical clinic and 11.9% in the surgical clinic. Multivariate analyses identified participation in the medical clinic, younger patient age and lower body mass index as predictors of attrition. CONCLUSION: We found lower attrition rates among surgically than medically treated patients in a multidisciplinary weight management clinic. Further research is needed to understand those variables that lead to improved attrition rates.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle