MétaCan
Menu
Retour à la cohorte
Enregistrement W2159352552 · doi:10.1146/annurev-nutr-071714-034434

Health Benefits of Long-Term Weight-Loss Maintenance

2015· review· en· W2159352552 sur OpenAlexaff
Christian F. Rueda‐Clausen, Ayodele A. Ogunleye, Arya M. Sharma

Notice bibliographique

RevueAnnual Review of Nutrition · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueBariatric Surgery and Outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWeight lossMedicineObesityQuality of life (healthcare)Intensive care medicinePsychological interventionComorbidityGerontologyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Obesity is a chronic and complex medical condition associated with a large number of complications affecting most organs and systems through multiple pathways. Strategies for weight management include behavioral, pharmacological, and surgical interventions, all of which can result in a reduction in obesity-related comorbidities and improvements in quality of life. However, subsequent weight regain often reduces the durability of these improvements. The objective of this article is to review evidence supporting the long-term effects of intentional weight loss on morbidity, mortality, quality of life, and health-care cost. Overall, considerable evidence suggests that intentional weight loss is associated with clinically relevant benefits for the majority of obesity-related comorbidities. However, the degree of weight loss that must be achieved and sustained to reap these benefits varies widely between comorbidities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,376
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of NutritionMême sujetBariatric Surgery and OutcomesTravaux en français237 207