Relationship Between Age and Weight Loss in Noom: Quasi-Experimental Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The prevalence of obesity and diabetes among middle-aged and older adults is on the rise, and with an increase in the world population of adults aged 60 years and older, the demand for health interventions across age groups is growing. Noom is an mHealth behavior change lifestyle intervention that provides users with tracking features for food and exercise logging and weighing-in as well as access to a virtual 1:1 behavior change coach, support group, and daily curriculum that includes diet-, exercise-, and psychology-based content. Limited research has observed the effect of age on a mobile health (mHealth) lifestyle intervention. OBJECTIVE: The goal of the research was to analyze engagement of middle-aged and older adults using a mobile lifestyle or diabetes prevention intervention. METHODS: A total of 14,767 adults (aged 35 to 85 years) received one of two curricula via an mHealth intervention in a quasi-experimental study: the Healthy Weight program (HW) by Noom (84%) or the Noom-developed Diabetes Prevention Program (DPP), recognized by the US Centers for Disease Control and Prevention (CDC). The main outcome measure was weight over time, observed at baseline and weeks 16 and 52. RESULTS: =6.70; P=.01) such that engagement was more strongly associated with weight for younger versus older adults (age × engagement: β=.02, 95% CI 0.01 to 0.04). HW users lost 6.24 (SD 6.73) kg or 5.2% of their body weight and DPP users lost 5.66 (SD 7.16) kg or 8.1% of their body weight at week 52, meeting the CDC standards for weight loss effects on health. CONCLUSIONS: Age and engagement are significant predictors of weight. Older adults lost more weight using an mHealth evidence-based lifestyle intervention compared with younger adults, despite their engagement. These preliminary findings suggest further clinical implications for adapting the program to older adults' needs.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle