The Relationship Between Weight Loss Outcomes and Engagement in a Mobile Behavioral Change Intervention: Retrospective Analysis
Notice bibliographique
Résumé
BACKGROUND: There is large variance in weight loss outcomes of digital behavior change interventions (DBCIs). It has been suggested that different patterns of engagement in the program could be responsible for this variance in outcomes. Previous studies have found that the amount of engagement on DBCIs, such as the number of meals logged or articles read, is positively associated with weight loss. OBJECTIVE: This retrospective study extends previous research by observing how important weight loss outcomes (high weight loss: 10% or greater body weight loss; moderate weight loss: between 5% to 10%; stable weight: 0 plus or minus 1%) are associated with engagement on a publicly available mobile DBCI (Noom) from 9 to 52 weeks. METHODS: Engagement and weight data for eligible participants (N=11,252) were extracted from the Noom database. Engagement measures included the number of articles read, meals logged, steps recorded, messages to coach, exercise logged, weigh-ins, and days with 1 meal logged per week. Weight was self-reported on the program. Multiple linear regressions examined how weight loss outcome (moderate and high vs stable) was associated with each engagement measure across 3 study time periods: 9-16 weeks, 17-32 weeks, and 33-52 weeks. RESULTS: At 9-16 weeks, among the 11,252 participants, 2594 (23.05%) had stable weight, 6440 (57.23%) had moderate weight loss, and 2218 (19.71%) had high weight loss. By 33-52 weeks, 525 (18.21%) had stable weight, 1214 (42.11%) had moderate weight loss, and 1144 (39.68%) had high weight loss. Regression results showed that moderate weight loss and high weight loss outcomes were associated with all engagement measures to a significantly greater degree than was stable weight (all P values <.001). These differences held across all time periods with the exception of exercise for the moderate weight loss category at 1 time period of 33-52 weeks. Exercise logging increased from 9 to 52 weeks regardless of the weight loss group. CONCLUSIONS: Our results suggest that these clinically important weight loss outcomes are related to the number of articles read, meals logged, steps recorded, messages to coach, exercise logged, weigh-ins, and days with 1 meal logged per week both in the short-term and long-term (ie, 1 year) on Noom. This provides valuable data on engagement patterns over time on a self-directed mobile DBCI, can help inform how interventions tailor recommendations for engagement depending on how much weight individuals have lost, and raises important questions for future research on engagement in DBCIs.
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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».