Use of an Interactive Obesity Treatment Approach in Individuals With Severe Mental Illness: Feasibility, Acceptability, and Proposed Engagement Criteria
Notice bibliographique
Résumé
Background Digital and mobile health interventions are increasingly being used to support healthy lifestyle change, including in certain high-risk populations such as those with severe mental illnesses (SMIs). Life expectancy in this population lags 15 years behind counterparts in the general population, primarily due to obesity-related health conditions. Objective We tested the feasibility and usability of a 12-week interactive obesity treatment approach (iOTA) to adults with chronic SMIs (depression, bipolar disorder and schizophrenia spectrum disorder) receiving treatment in community settings. The iOTA incorporates short message service (SMS) text messages to supplement monthly in-person health coaching. Methods Factors hypothesized to be associated with weight change were illness severity and treatment engagement. Severe psychiatric symptoms were defined as baseline Clinical Global Impression severity score of >5. Criterion engagement was defined as a text messaging response rate >80% during the first 4 weeks of treatment. Disordered eating, assessed with the Loss of Control Over Eating Scores, was also evaluated. Participants provided qualitative data, further informing assessment of intervention feasibility, usability, and acceptability. Results A total of 26 participants were enrolled. The mean age was 48.5 (SD 15.67) years; 40% (10/26) were Black and 60% (15/26) female. Participants with lower symptom severity and adequate engagement demonstrated significantly decreased weight (F1,16=22.54, P<.001). Conversely, high symptom severity and lower text message response rates were associated with trend-level increases in weight (F1,7=4.33, P=.08). Loss-of-control eating was not observed to impact treatment outcome. Participants voiced preference for combination of live health coaching and text messaging, expressing desire for personalized message content. Conclusions These results demonstrate the feasibility of delivering an adapted iOTA to SMI patients receiving care in community settings and suggest testable criteria for defining sufficient treatment engagement and psychiatric symptom severity, two factors known to impact weight loss outcomes. These important findings suggest specific adaptations may be needed for optimal treatment outcomes in individuals with SMI.
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 | 0,021 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».