Team characteristics associated with weight loss in a First Nations community intervention: An observational study
Notice bibliographique
Résumé
ISSUE ADDRESSED: Group-based weight-loss programs can be effective in addressing high rates of overweight and obesity among Aboriginal and Torres Strait Islander Peoples. The purpose was to determine associations between demographic and baseline weight-related variables and team weight loss in a community-based intervention as no previous studies have analysed this at a team level. METHODS: Binomial models tested associations between team-level age, proportion female and baseline weight and classification as higher weight-loss team (HWT) (>50% persons losing 2.5% of initial weight) vs lower weight-loss team (LWT). Linear regressions compared HWT and LWT on diet and physical activity (PA) outcomes adjusted for age and gender. RESULTS: For each 1 kg increment in mean baseline weight, a team's likelihood of higher weight loss was increased by 4% (APR: 1.04, 95%CI: 1.00, 1.08). HWTs increased vigorous PA by 0.32 sessions more than LWTs (P = .02). Fruit and vegetable intakes were not associated with team weight loss classification. CONCLUSIONS: Only baseline weight and vigorous PA distinguished HWT and LWT. Promoting PA components in team-based weight-loss approaches may be beneficial as these lend themselves to group participation. SO WHAT?: Demographic and baseline weight-related variables are largely not predictive of weight loss success in group programs. Identifying other characteristics shared by HWT may help teams achieve weight loss.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».