Evaluation of a web‐based weight loss intervention in overweight cancer survivors aged 50 years and younger
Notice bibliographique
Résumé
Summary Purpose Half of adult cancer survivors under age 50 years are obese. Excess body weight is associated with cancer recurrence, and effective weight loss interventions for younger cancer survivors are needed. Commercially available, online weight loss programmes are readily accessible, but few have been studied in this population. This study employed a single‐arm, pre‐post intervention (baseline‐6 month/baseline‐12 month comparisons) to preliminarily explore feasibility, efficacy and safety of an online, commercially available weight loss programme in breast ( n = 30) and testicular ( n = 16) cancer survivors under age 50 years. Methods The intervention included three daily components: exercise, nutritional/behavioural modification strategies and health lessons. Intention‐to‐treat and completers analyses were conducted. Feasibility was measured by participation (number of participants enrolled/number screened), retention (number of participants attending 6/12 month study visit/number of enrolled) and self‐reported adherence rates (average of mean percent adherence to each of the three intervention components). Efficacy was assessed by changes in initial weight (percent weight loss). Safety was assessed by adverse events. Results The mean participation rate was 42%. The retention rate was 59% at 6 and 49% at 12 months. The adherence rate for all participants (completers/dropouts/lost‐to‐follow‐up) was 50.1% at 6 and 44% at 12 months. Completers reported adherence rates of 68% at 12 months. Study participants lost 5.3% body weight at 12 months; completers lost 9%. Only three unexpected adverse events (unrelated to the intervention) were reported. Conclusion Clinically significant weight loss was observed, although retention rates were low. Findings generally support preliminary feasibility, efficacy and safety of this online weight loss programme, and future randomized control trials should be explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».