Changes in the prevalence of U.S. adults using diet, exercise, pharmaceuticals and diet products for weight loss over time: Analysis of NHANES 1999–2018
Notice bibliographique
Résumé
To examine changes in the use of diet, exercise, and pharmacological/diet product weight loss (WL) practices over time, and differences in these trends by sex and obesity status, data from the National Health and Examination Survey (NHANES Continuous 1999-2018) was used. The prevalence of diet, exercise and use of WL drugs and products over time were examined in men and women with and without obesity in a series of cross-sectional nationally representative samples (n = 43,020). Women and those with obesity were more likely to engage in WL practices over the past year, with an increased prevalence of WL efforts over time (38.4 to 43.2%). Amongst those who engaged in WL attempts, diet-related WL was most common (87-93%), followed by exercise-related WL (47-68%), whereas use of WL drugs and products was the least common (5-21%). There were modest differences in the prevalence of diet or exercise WL over time, with some differences by sex and obesity status. Most notable was the increase in the prevalence of exercise WL practices in women with obesity, with no differences among men or women without obesity. When examining specific types of diets, there were more clear differences in the adoption of diets over time, with the use of more traditional calorie/portion/fat restriction diets becoming less prevalent, and sugar/carbohydrate restriction becoming more prevalent over time (P<0.005). Changes over time in the use of diets were, were however, similar in men and women with and without obesity. Use of pharmacotherapy/diet products tended to decline in prevalence over time but was consistently highest in women with obesity. Thus, there are differences in the types of WL strategies individuals have employed over time, with variations in their popularity of use by sex and obesity status. However, the pattern of changes over time were quite similar in men and women with and without obesity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».