MétaCan
Menu
Retour à la cohorte
Enregistrement W3015354753 · doi:10.2196/14802

Lifestyle Intervention Enabled by Mobile Technology on Weight Loss in Patients With Nonalcoholic Fatty Liver Disease: Randomized Controlled Trial

2020· article· en· W3015354753 sur OpenAlexvenueno aff
Su Lin Lim, Jolyn Johal, Kai Wen Ong, Chad Yixian Han, Yiong Huak Chan, Yin Mei Lee, Wai Mun Loo

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNonalcoholic fatty liver diseaseWeight lossBody mass indexInternal medicineWaistRandomized controlled trialPopulationFatty liverPhysical therapyObesityDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The prevalence of nonalcoholic fatty liver disease (NAFLD) reaches up to 30% in the Asian adult population, with a higher prevalence in obese patients. Weight reduction is typically recommended for patients at high risk or diagnosed with NAFLD, but is a challenge to achieve. OBJECTIVE: We aimed to evaluate the effect of a lifestyle intervention with a mobile app on weight loss in NAFLD patients. METHODS: who were recruited from a fatty liver outpatient clinic. The patients were randomly allocated to either a control group (n=53) receiving standard care, consisting of dietary and lifestyle advice by a trained nurse, or an intervention group (n=55) utilizing the Nutritionist Buddy (nBuddy) mobile app in addition to receiving dietary and lifestyle advice by a dietitian. Body weight, alanine aminotransferase (ALT), aspartate aminotransferase (AST), waist circumference, and blood pressure were measured at baseline, and then at 3 and 6 months. Intention-to-treat and per-protocol analyses were used for statistical comparisons. RESULTS: The intervention group had a 5-fold higher likelihood (relative risk 5.2, P=.003, 95% CI 1.8-15.4) of achieving ≥5% weight loss compared to the control group at 6 months. The intervention group also showed greater reductions in weight (mean 3.2, SD 4.1 kg vs mean 0.5, SD 2.9 kg; P<.001), waist circumference (mean 2.9, SD 5.0 cm vs mean -0.7, SD 4.4 cm; P<.001), systolic blood pressure (mean 12.4, SD 14.8 mmHg vs mean 2.4, SD 12.4 mmHg; P=.003), diastolic blood pressure (mean 6.8, SD 8.9 mmHg vs mean -0.9, SD 10.0 mmHg; P=.001), ALT (mean 33.5, SD 40.4 IU/L vs mean 11.5, SD 35.2 IU/L; P=.004), and AST (mean 17.4, SD 27.5 U/L vs mean 7.4, SD 17.6 IU/L, P=.03) at 6 months. CONCLUSIONS: Lifestyle intervention enabled by a mobile app can be effective in improving anthropometric indices and liver enzymes in patients with NAFLD. This treatment modality has the potential to be extended to a larger population scale. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry ACTRN12617001001381; https://tinyurl.com/w9xnfmp.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,013
Tête enseignante GPT0,304
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations81
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetLiver Disease Diagnosis and TreatmentTravaux en français237 207