Ethnic differences in weight loss during a clinical obesity management program
Notice bibliographique
Résumé
Summary To examine ethnic differences in how individuals respond to obesity management therapies, a retrospective chart review of the Wharton Medical Weight Management Clinic electronic medical records was used ( n = 21 709; 14 695 patients with weight loss data). South and East Asian, Middle Eastern and Other ethnicities had a significantly lower body mass index (BMI) at enrollment than White adults (39.7 vs. 35.4–38.7 kg/m 2 ), with higher or similar BMIs in Indigenous and Black adults (39.9–42.2 kg/m 2 ). Whites, East Asians and Other Ethnicities had the greatest weight loss (4.3–4.9 kg), while Blacks (3.3 kg), Latin (3.0 kg), Middle Eastern (2.7 kg), and South Asians (3.5 kg) lost significantly less weight as compared to Whites (4.9 kg) ( p < .05). There were also weight loss differences between Black sub‐groups. African American females lost the least weight (1.4 kg), while West Indian Black females lost much more weight (4.3 kg, p = .01). African American males also lost the least amount of weight (0.9 kg), while African Black males lost the most (7.4 kg, p = 0.01). There are differences in the weight loss achieved during a clinical obesity management program between individuals of various ethnicities.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».