Diagnosis and Treatment of Obesity in Adults: An Applied Evidence-Based Review
Notice bibliographique
Résumé
BACKGROUND: Obesity is epidemic and leads to substantial morbidity/mortality. Effective strategies exist for managing obesity yet are rarely used by physicians. This applied evidence-based review provides a rationale for the diagnosis and treatment of obesity in adults by providing test characteristics for the body mass index (BMI) and number needed to treat (NNT) for relevant treatments. METHODS: We integrated evidence supporting recommendations from scientific bodies addressing obesity in adults, including: the National Heart, Lung, and Blood Institute, the World Health Organization, the Canadian Task Force on Preventive Health Care, and the US Preventive Task Force. In addition, pertinent studies were identified from MEDLINE, Database of Abstracts of Reviews of Effectiveness, and the Cochrane Database. RESULTS: (1) manage obesity as a chronic relapsing disease; (2) use BMI as a vital sign to screen for overweight/obese patients and to decide treatment (positive predictive value of 97%); (3) modest weight loss (10%) positively affects prevention/treatment of hypertension (NNT = 3), diabetes (NNT = 9), and hyperlipidemia; (4) effective treatments exist for overweight/obese patients and a combination of diet and exercise provides the best results (NNT = 7); (5) counsel patients to achieve a goal of 10% reduction in weight (500 to 800 kcal/day decrease to affect 1- to 2-pound loss/week); (6) counsel patients to exercise to achieve a goal of any increased energy expenditure. CONCLUSIONS: Weight loss has an impact on important disease states and risk factors. Effective strategies exist for the management of obesity when viewed as a chronic relapsing disease.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».