Remotely Delivered Behavioral Weight Loss Intervention Using an Ad Libitum Plant-Based Diet: Pilot Acceptability, Feasibility, and Preliminary Results
Notice bibliographique
Résumé
BACKGROUND: Many traditional lifestyle interventions use calorie prescriptions, but most individuals have difficulty sustaining calorie tracking and thus weight loss. In contrast, whole food plant-based diets (WFPBDs) have previously shown significant weight loss without this issue. However, most WFPBD interventions are face-to-face and time-intensive, and do not leverage gold standard behavioral strategies for health behavior change. OBJECTIVE: This open pilot trial was the first to evaluate the feasibility of a fully featured, remotely delivered behavioral weight loss intervention using an ad libitum WFPBD. METHODS: Over 12 weeks, participants (N=15) with overweight or obesity received a newly designed program that integrated behavioral weight loss and a WFPBD prescription via weekly web-based modules and brief phone coaching calls. Assessments were performed at baseline, midtreatment (6 weeks), and after treatment (12 weeks). RESULTS: The intervention was rated as highly acceptable (mean 4.40 out of 5, SE 0.18), and attrition was low (6.7%). In all, intention-to-treat analyses revealed that 69% (10.4/15) of the participants lost 5% of their weight (mean -5.89, SE 0.68 kg). Predefined benchmarks for quality of life were met. CONCLUSIONS: A pilot digital behavioral weight loss intervention with a non-energy-restricted WFPBD was feasible, and the mean acceptability was high. Minimal contact time (80-150 minutes of study interventionist time per participant over 12 weeks) led to clinically relevant weight loss and dietary adherence for most participants (10.4/15, 69% and 11.8/15, 79%, respectively), and quality of life improvements (reliable change indices >1.53). We hope that this work will serve as a springboard for future larger scale randomized controlled studies evaluating the efficacy of such programs for weight loss, dietary change, and quality of life. TRIAL REGISTRATION: ClinicalTrials.gov NCT04892030; https://clinicaltrials.gov/ct2/show/NCT04892030.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».