A Mobile-Based Comprehensive Weight Reduction Program for the Workplace (Health-On): Development and Pilot Study
Notice bibliographique
Résumé
BACKGROUND: There is a growing interest in mobile technology for obesity management. Despite the known effectiveness of workplace-based weight loss programs, there are few studies on mobile phone-delivered interventions. OBJECTIVE: This study aimed to develop and verify an integrated and personalized mobile technology-based weight control program, named Health-On, optimized for workplaces. METHODS: ) participated in the 12-week Health-On pilot program. The primary outcome was weight reduction, and secondary outcomes were improved anthropometric measures, metabolic profiles, and fat computed tomography measures, all assessed pre- and postintervention. RESULTS: Health-On incorporated proprietary algorithms and several strategies intended to maximize adherence, using compatible online and offline interventions. The mean weight of 30 participants decreased by 5.8%, and median weight also decreased from 81.3 kg (interquartile range [IQR] 77.1-87.8) before intervention to 76.6 kg (IQR 70.8-79.5) after the 12-week intervention period (P<.001). The metabolic profiles and fat measures (blood pressure, glycosylated hemoglobin, total cholesterol, triglyceride, high-density lipoprotein, low-density lipoprotein, alanine aminotransferase, and visceral and subcutaneous adipose tissue; P<.05) also improved significantly. CONCLUSIONS: In this single-group evaluation of 30 participants before and after the Health-On program, body weight decreased and metabolic profiles and fat measures improved. Follow-up studies are needed to assess effectiveness and long-term adherence.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».