Technology-enhanced weight-loss program in multiple-cat households: a randomized controlled trial
Notice bibliographique
Résumé
Objectives The objectives of this study were to determine whether a technology-enhanced weight-loss program, using a home pet health technology ecosystem, is an effective tool in feline weight-loss management in multiple-cat households and to evaluate its impact on cat behavior. Methods The study was a prospective parallel unmasked block-randomized controlled trial comparing two weight loss intervention groups: (1) traditional group with dietary restriction alone (n = 9); (2) technology group that used dietary restriction, digital scales, smart feeders, activity monitors and pet treat cameras (n = 6). A 12-week weight-loss program of client-owned indoor-only two- or three-cat households with at least one overweight cat was conducted in Canada and the USA. Owner impressions of the technology, weight loss rates, smart feeder data, activity monitor data and health-related quality of life (HRQoL) were assessed. Results The study was completed by 9/15 traditional group and 6/10 technology group cats. Dropouts were mainly due to owner issues unrelated to the study. The pet health technology ecosystem received favorable reviews (six responders). Smart feeders and home scales were perceived as valuable additions, while activity monitors and pet treat cameras were valued lower. The average weekly weight-loss rate (percent loss of initial body weight) was higher ( P = 0.036) in the technology group (0.694%) than in the traditional group (0.175%). Although not associated with weight-loss rates, technology group cats trended toward grazing feeding patterns and decreased daily activity counts, while HRQoL increased, on average, for all cats. Conclusions and relevance This introductory investigation suggests that a technology-enhanced weight-loss program would be accepted by cat owners and may deliver advantageous outcomes in multiple-cat households, providing an effective and practical tool in feline weight-loss strategies that will continue to evolve as new technologies become available. It also illustrates the potential value of data gathered from home monitoring devices and digital diaries, providing deeper insights into pet behavior.
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 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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».