Early treatment response as a predictor of ongoing weight loss in obesity treatment
Notice bibliographique
Résumé
OBJECTIVES: This study examined early treatment response in obesity treatment, defined as early change in body mass index (BMI) and early change in eating behaviour, as a predictor of ongoing weight loss in obese patients. METHODS: We conducted a repeated measures analysis of eating behaviour, emotional factors (depression, stress, perfectionism) and BMI, over a 9 month period. Subjects were 344 females, aged 18-65 (mean = 41.8), with a BMI of at least 25 (mean BMI = 33.7), engaged in very-low calorie (VLCD) or low-calorie (LCD) diets. RESULTS: Multi-level modelling identified four significant predictors of ongoing weight loss (weight loss occurring between 5 weeks and 9 months after the start of treatment). These included: type of diet, early BMI change (start to 5 weeks), number of weigh-ins and the early change in uncontrolled eating (start to 5 weeks). Estimates based on multi-level modelling indicate that patients with strong versus weak early treatment responses would be expected to show large differences in ongoing weight loss. CONCLUSIONS: Early improvements in eating behaviour and weight appear to have additive effects in the prediction of ongoing weight change. Future research is required to identify the optimal rate of weight loss, whether there are critical periods for behaviour change, and factors which influence the likelihood of early behaviour change.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».