MétaCan
Menu
Retour à la cohorte
Enregistrement W2737212161 · doi:10.1186/s13063-017-2094-1

Behavioral weight-loss treatment plus motivational interviewing versus attention control: lessons learned from a randomized controlled trial

2017· article· en· W2737212161 sur OpenAlexafffund
Erin L. Moss, Leah N. Tobin, Tavis S. Campbell, Kristin M. von Ranson

Notice bibliographique

RevueTrials · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of CalgaryKillam TrustsCanadian Psychological AssociationFondation pour la Recherche MédicaleCalifornia Psychological Association Foundation
Mots-clésMotivational interviewingMedicineRandomized controlled trialWeight lossOverweightConfidence intervalPhysical therapyBehavior changeWeight changeSession (web analytics)ObesityClinical psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Studies evaluating the benefit of adding motivational interviewing (MI) to behavioral weight-loss programs (BWLPs) have yielded mixed findings. METHODS: ) enrolled in a 12-week BWLP and (2) explore levels of importance, confidence, and readiness for change ratings. RESULTS: Participants, who were randomized to receive two MI sessions or two attention control sessions, were assessed at baseline, the end of the BWLP, and 6 months post BWLP. Both groups decreased their weight from baseline to the end of the BWLP; however, there was no weight change in either group when measured between baseline and 6 months post BWLP. We observed no group differences in importance, confidence, and readiness for change after each session. CONCLUSIONS: We highlight some important lessons learned from the present trial that can be applied to MI + BWLP research. Participants may not have benefited from MI because they were already highly motivated to change, which highlights the importance of pretreatment assessment. Findings also suggest that treatment monitoring may help to enhance MI + BWLP efficacy by guiding a stepped-care approach that identifies individuals for whom additional MI sessions are needed, and when. A focus on refining elements of treatment remains an important direction. TRIAL REGISTRATION: ClinicalTrials.gov, Identifier: NCT02649634 . Retrospectively registered on 5 January 2016.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,139
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,470
Tête enseignante GPT0,567
Écart entre enseignants0,097 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTrialsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207