MétaCan
Menu
Retour à la cohorte
Enregistrement W3162875091 · doi:10.2196/25043

Exploring the Potential of Personalized Dietary Advice for Health Improvement in Motivated Individuals With Premetabolic Syndrome: Pretest-Posttest Study

2021· article· en· W3162875091 sur OpenAlexvenueno aff
Sandra van der Haar, Femke P. M. Hoevenaars, W van den Brink, Tim van den Broek, Mariëlle Timmer, André Boorsma, Esmée L. Doets

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNutrition, Genetics, and Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineWaistMetabolic syndromeLikert scaleDietary managementBody mass indexGerontologyPhysical therapyInternal medicineObesityPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Dietary quality plays an essential role in the prevention and management of metabolic syndrome (MetS). OBJECTIVE: The aim of this pilot study is to organize personalized dietary advice in a real-life setting and to explore the effects on dietary intake, metabolic health, and perceived health. METHODS: We followed a one-group pretest-posttest design and included 37 individuals at risk of MetS, who indicated motivation to change dietary behavior. For a period of 16 weeks, participants received personalized advice (t=0 and t=8) and feedback (t=0, t=4, t=8, t=12 and t=16) on dietary quality and metabolic health (ie, waist circumference, BMI, blood pressure, lipid profile, fasting glucose levels, and C-peptide). Personalized advice was generated in a two-stage process. In stage 1, an automated algorithm generated advice per food group, integrating data on individual dietary quality (Dutch Healthy Diet Index; total score 8-80) and metabolic health parameters. Stage 2 included a telephone consultation with a trained dietitian to define a personal dietary behavior change strategy and to discuss individual preferences. Dietary quality and metabolic health markers were assessed at t=0, t=8, and t=16. Self-perceived health was evaluated on 7-point Likert scales at t=0 and t=16. RESULTS: At the end of the study period, dietary quality was significantly improved compared with the baseline (Dutch Healthy Diet Index +4.3; P<.001). In addition, lipid profile (triglycerides, P=.02; total cholesterol, P=.01; high-density lipoprotein, P<.001; and low-density lipoprotein, P<.001), BMI (P<.001), waist circumference (P=.01), and C-peptide (P=.01) were all significantly improved, whereas plasma glucose increased by 0.23 nmol/L (P=.04). In line with these results, self-perceived health scores were higher at t=16 weeks than at baseline (+0.67; P=.005). CONCLUSIONS: This exploratory study showed that personalized dietary advice resulted in positive effects on dietary behavior, metabolic health, and self-perceived health in motivated pre-MetS adults. The study was performed in a do-it-yourself setting, highlighting the potential of at-home health improvement through dietary changes. TRIAL REGISTRATION: ClinicalTrials.gov NCT04595669; https://clinicaltrials.gov/ct2/show/NCT04595669.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,415

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,370
Écart entre enseignants0,307 · 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 tête enseignante, pas un consensus.

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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetNutrition, Genetics, and DiseaseTravaux en français237 207