MétaCan
Menu
Retour à la cohorte
Enregistrement W4396869962 · doi:10.1177/08445621241253876

Temporal Aspects of Psychosocial Mediators of the Exercise-Weight Loss Maintenance Relationship Within Scalable Behavior-Change Treatments

2024· article· en· W4396869962 sur OpenAlexvenueno aff
James J. Annesi, Sara M. Powell

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychosocialPhysical activityWeight lossBehavior changePsychologyApplied psychologyComputer sciencePhysical therapyMedicinePsychotherapistSocial psychologyObesity

Résumé

récupéré en direct d'OpenAlex

STUDY BACKGROUND: Limited knowledge of psychological correlates of weight loss is associated with continuing failures of behavioral obesity treatments beyond the short term. PURPOSE: This study aimed to inform health professionals' obesity interventions via an increased knowledge of mediators of the exercise-weight loss maintenance relationship. METHODS: = 54) means. Changes in mood, self-regulating eating, and weight over 6, 12, and 24 months were assessed. A moderated mediation model was tested using the PROCESS macro instruction. RESULTS: Improvements in mood, self-regulating eating, and weight were significantly greater in the in-person group. The relationship between a dichotomous measure of completing at least 3 sessions of exercise per week (or not) and change in weight over 6 months was no longer significant when the mediators of changes in negative mood and self-regulation of eating were sequentially entered. Paths of exercise→negative mood reduction→eating self-regulation increase→weight loss over 6, 12 and 24 months were significant. Exercise self-regulation at Month 3 significantly moderated the mood change→eating self-regulation change relationship. CONCLUSIONS: Based on the identified paths, scalable obesity-treatment content and emphases were informed. This could help guide health professionals' actions concerning the management of 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,420
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetEating Disorders and BehaviorsTravaux en français237 207