The Healthy Weights Initiative: a community-based obesity reduction program with positive impact on depressed mood scores
Notice bibliographique
Résumé
OBJECTIVES: The risk for many chronic diseases increases with obesity. In addition to these, the risk for depression also increases. Exercise interventions for weight loss among those who are not overweight or obese have shown a moderate effect on depression, but few studies have looked at those with obesity. The objectives of this study were to determine 1) the prevalence of depressed mood in obese participants as determined by the Beck Depression Inventory II at baseline and follow-up; 2) the change in depressed mood between those who completed the program and those who did not; and 3) the differences between those whose depressed mood was alleviated after the program and those who continued to have depressed mood. METHODS: Depressed mood scores were calculated at baseline and follow-up for those who completed the program and for those who quit. Among those who completed the program, chi-squares were used to determine the differences between those who no longer had depressed mood and those who still had depressed mood at the end of the program, and regression analysis was used to determine the independent risk factors for still having depressed mood at program completion. RESULTS: Depressed mood prevalence decreased from 45.7% to 11.7% (P<0.000) from baseline to follow-up among those who completed the program and increased from 44.8% to 55.6% (P<0.000) among those who quit. After logistic regression, a score of <40 in general health increased the risk of still having depressed mood upon program completion (odds ratio [OR] 3.39; 95% CI 1.18-9.72; P=0.023). CONCLUSION: Treating depressed mood among obese adults through a community-based, weight-loss program based on evidence may be an adjunct to medical treatment. More research is needed.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».