Counselling overweight and obese patients in primary care: a prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Primary care physicians are well positioned to provide counselling for overweight and obese patients, but no prospective study has assessed the effectiveness of this counselling in primary care. We aimed to evaluate weight reduction counselling by primary care physicians, and its relationship with weight change and patients' behaviour to control weight. DESIGN: A prospective cohort study. METHODS: We enrolled 523 consecutive overweight and obese patients from two Swiss academic primary care clinics. Physicians and patients were blinded to the study aims. We assessed the use of 10 predefined counselling strategies for weight reduction, and weight change and behaviour to control weight after 1 year. RESULTS: Sixty-five per cent of patients received some form of weight reduction counselling whereas 35% received no counselling. A total of 407 patients completed the 1-year follow-up. Those who received counselling lost on average (SD) 1.0 (5.0) kg after 1 year, whereas those who were not advised gained 0.3 (5.0) kg (P = 0.02). In multivariate analysis, each additional counselling strategy was associated with a mean weight loss of 0.2 kg (95% confidence interval 0.03-0.4, P = 0.02). Patients counselled by their physician had more favourable behaviour to control weight than those not counselled, such as setting a target weight (56 versus 36%) or visiting a dietician (23 versus 10%, both P < 0.001). CONCLUSIONS: Weight reduction counselling by primary care physicians is associated with a modest weight loss and favourable behaviour to control weight. However, many obese and overweight patients receive no advice on weight loss during primary care visits.
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 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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».