Does Change Predict Change in the CHANGE Intervention Study?
Notice bibliographique
Résumé
Abstract Does change in one lifestyle factor (e.g., exercise/fitness) help explain change in another factor or process (i.e., dietary behavior or cardiovascular risk)? The current modeling was a secondary analysis of a primary care feasibility study of individualized lifestyle (diet and exercise) treatment of metabolic syndrome (n=293; mean age = 59yrs) that achieved 19% reversal over one year. Diet quality was assessed by the Healthy Eating Index (HEI) (2005 Canada); while fitness was assessed by several measures (VO2max, flexibility, curl-ups, push-ups). Three occasions (i.e., baseline, 3-, and 12-month) were examined using latent change score and latent growth curve models (in AMOS) to assess whether changes in one domain predicted changes in the remaining domains: (1) diet (measured by HEI or latent construct); (2) fitness (measured by VO2max percentiles or latent construct); and, (3) 10-year risk of cardiovascular disease (by Procam Risk score). Results showed significant improvement in all three domains separately during the intervention, with greater change between baseline and 3-month assessment and continued change between 3- and 12-months. Initial status variables on observed constructs were moderately positively correlated and change in dietary behavior was significantly related to change in fitness levels, but neither were significantly related to change in the 10-year risk of cardiovascular disease. In addition, the associations between change in diet and changes in fitness were inconsistent baseline to 3 months, and 3-12 months. These results offered new insight on relationships among interventions in a behavioural counselling program which can inform future programming.
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 | 0,011 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».