A systematic review of inequalities in the uptake of, adherence to, and effectiveness of behavioral weight management interventions in adults
Notice bibliographique
Résumé
The extent to which behavioral weight management interventions affect health inequalities is uncertain, as is whether trials of these interventions directly consider inequalities. We conducted a systematic review, synthesizing evidence on how different aspects of inequality impact uptake, adherence, and effectiveness in trials of behavioral weight management interventions. We included (cluster-) randomized controlled trials of primary care-applicable behavioral weight management interventions in adults with overweight or obesity published prior to March 2020. Data about trial uptake, intervention adherence, attrition, and weight change by PROGRESS-Plus criteria (place of residence, race/ethnicity, occupation, gender, religion, education, socioeconomic status, social capital, plus other discriminating factors) were extracted. Data were synthesized narratively and summarized in harvest plots. We identified 91 behavioral weight loss interventions and 12 behavioral weight loss maintenance interventions. Fifty-six of the 103 trials considered inequalities in relation to at least one of intervention or trial uptake (n = 15), intervention adherence (n = 15), trial attrition (n = 32), or weight outcome (n = 34). Most trials found no inequalities gradient. If a gradient was observed for trial uptake, intervention adherence, and trial attrition, those considered "more advantaged" did best. Alternative methods of data synthesis that enable data to be pooled and increase statistical power may enhance understanding of inequalities in behavioral weight management interventions.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».