Individual participant data meta-analysis of eating behaviour traits as effect modifiers in acceptance and commitment therapy-based weight management interventions
Notice bibliographique
Résumé
BACKGROUND: Obesity care may benefit from precision approaches, matching patients to treatment types based on their individual characteristics, including eating behaviour traits (EBTs) like emotional eating, uncontrolled eating, external eating, internal disinhibition and restraint. Initial evidence suggests that Acceptance and Commitment Therapy (ACT)-based interventions might address dysregulated EBTs more effectively than standard behavioural treatments. However, it is unclear if ACT is more effective for certain EBT levels. METHODS AND ANALYSIS: . Unlike traditional meta-analyses, IPD meta-analyses re-analyse existing data to answer novel research questions. We identified 16 eligible trials through a systematic search of eight databases until June 20, 2022. We obtained, checked, and harmonised data from 15 trials (N = 2535). We used mixed regression models to investigate both continuous and categorical interaction effects. RESULTS: We found no evidence of interactions between ACT vs. control and baseline EBTs as continuous variables on percentage weight change. However, we found evidence to suggest an added difference in weight change of -4.47% (95%CI -1.15, -7.73) from baseline to 12-months after intervention end in participants with medium levels of internal disinhibition compared to those with high levels. Sensitivity analyses similarly indicated a greater intervention benefit for participants with medium, rather than high, emotional eating levels (in trials that reduced experiential avoidance and in trials using the three-factor eating questionnaire) and internal disinhibition (in analyses of participants with at least 60% attendance). Given the exploratory nature of analyses, results should be interpreted with caution. CONCLUSION: Findings suggest potential non-linear interaction effects of ACT with internal disinhibition but require replication in confirmatory trials. These results may help guide further research on precision approaches based on EBTs.
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 | 0,031 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,061 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».