Predictors of early attrition and successful weight loss in patients attending an obesity management program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Our objective was to identify factors that are independently associated with early attrition and successful weight loss (WL) in an obesity-management program. METHODS: Participants were 9,498 patients enrolled in treatment at the Wharton Weight Management Clinic for at least 6 months. Predictors of early attrition (<6 months) and successful WL (≥5 %) were analyzed using relative risk (RR) in men and women separately. Pearson's correlation was used to determine the relationship between WL and treatment time Weight loss and attrition analysis was restricted to patients who had more than two visits (n = 5415). RESULTS: Older individuals had lower early attrition (RR Range:0.74-0.92, P < 0.05) and greater WL success (RR Range:1.40-1.65, P < 0.05) than younger individuals. Males with hypertension and females with depression had greater early attrition (RR Range:1.09-1.20, P < 0.05) and lower WL success (RR Range:0.48-0.57, P < 0.05) than those without these health conditions. Males with lower education had greater early attrition (RR = 1.11[1.03-1.19]) than males with higher education, but did not differ in WL. Females who smoked had greater early attrition (RR = 1.06[1.01-1.11]) than females who did not smoke, but did not differ in WL. Ethnicity was not related to early attrition, however, females of Black and Other ethnicities had lower WL success compared to White females (RR Range:0.58-0.74, P < 0.05). After adjusting for treatment time, all above associations were no longer significant and treatment time remained as the only independent predictor of WL success (P < 0.0001). CONCLUSION: As WL is positively and independently related with treatment time, individuals at risk for early attrition may need alternative treatment options, in order to improve patient retention and improve WL success.
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.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle