Eating behavior traits and sleep as determinants of weight loss in overweight and obese adults
Notice bibliographique
Résumé
OBJECTIVE: To examine the associations between eating behavior traits and weight loss according to sleep quality and duration in adults enrolled in common weight-loss interventions. METHODS: Participants included overweight and obese men and women (n=150) (mean±s.d. age, 38.8±8.6 years; mean±s.d. body mass index (BMI), 33.3±3.5 kg m(-2)) who were subjected to a dietary intervention over a period of 12-16 weeks. Anthropometric measurements, eating behavior traits (Three-Factor Eating Questionnaire), sleep quality (total Pittsburgh Sleep Quality Index (PSQI) score) and sleep duration (hours per night, self-reported from the PSQI) were assessed at both baseline and post intervention. Linear regression analysis was used to quantify the relationships between eating behavior traits and changes in anthropometric markers for all subjects and by sleep categories (short sleep: <7 h per night vs recommended sleep: ⩾7 h per night; poor sleep quality: ⩾5 PSQI score vs good sleep quality: <5 PSQI score). We adjusted for age, sex and baseline BMI in analyses. RESULTS: Baseline eating behavior traits were modest predictors of weight-loss success, but they were all significantly associated with their changes over the weight-loss intervention (P<0.01). The diet intervention induced significant changes in eating behavior traits and even more for those having a non-favorable eating behavior profile at baseline. We observed that changes in flexible control and strategic dieting behavior were constantly negatively associated with changes in body weight and fat mass (P<0.05) for recommended duration sleepers. The change in situational susceptibility to disinhibition was positively associated with the change in fat mass and body weight for those having healthy sleeping habits (P<0.05). For poor quality sleepers, the change in avoidance of fattening foods was negatively associated with changes in adiposity (P<0.05). CONCLUSION: Eating behavior traits and sleep may act together to influence the outcome of weight-loss programs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».