New obesity treatment: Fasting, exercise and low carb diet - The NOT-FED study
Notice bibliographique
Résumé
INTRODUCTION: Due to high rates of obesity in Canada, weight loss is an important primary care challenge. Recent innovations in strategies include intermittent fasting and low-carbohydrate diets, with limited research in a rural setting. METHODS: This prospective 1-year observational study provided patients in Sioux Lookout, Northwestern Ontario with information on fasting and low-carbohydrate diets. Patients were recommended to attend every 3 months for measurements of weight, waist circumference, body mass index (BMI) and blood pressure. Initial and 6-month bloodwork included A1c and Lipids. A survey of health status and diet was administered at 6 months. RESULTS: Of the 94 initial registrants, 36 participants completed 1 year and achieved a 9% weight loss and an 8.6% decrease in BMI and waist circumference. Most participants were female with an average age of 60 years. Clinically insignificant changes in blood pressure and serology were observed. Participants reported few side effects and good compliance with intermittent fasting, averaging 15 h/day, 6 days/week. As in other dietary studies, the dropout rate was high at 62%. CONCLUSION: This low-resource initiative was successful in assisting self-selected patients at a rural primary care clinic to achieve significant weight loss at 1-year. This approach is practical and is fertile ground for ongoing research.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».