Missing the Target: A Scoping Review of the Use of Percent Weight Loss for Obesity Management
Notice bibliographique
Résumé
INTRODUCTION: To co-create comprehensive targets for obesity management, we need to understand the genesis and current use of percent weight loss targets in research. The goals of our scoping review are to (1) synthesize the literature on percent weight loss targets for adults with obesity and (2) discuss the percent weight loss targets in context with their health benefits. METHODS: We searched Cochrane, MEDLINE, and EMBASE for English language, pharmaceutical, and/or behavioral intervention studies in adults with obesity where the explicit aim of the study was weight reduction defined as a percent of body weight. Reviewers screened citations and extracted data including study characteristics. RESULTS: From 16,164 abstracts, we included 30 citations which were mostly randomized controlled trials (RCTs) (n = 17) or quasi-experimental studies (n = 12) published between 1992 and 2024. Most of the studies had target weight loss goals between 3% and 10% of body weight (n = 28), while n = 2 had body weight loss goals of 15% or 30%. The proportion of participants who met the percent weight loss target ranged from 5.9% (nutrition only study) to 85% (pharmaceutical study). The studies reported different reasons for targeting a percentage of weight loss such as disease-specific outcomes, reduced risk of disease, or patient-reported outcomes. CONCLUSION: Percent weight loss targets were based on similar research and were often not feasible nor sustainable for most participants. The design of these interventions and evaluation of obesity management would benefit from more patient-focused parameters which could help to co-design comprehensive targets for research and practice.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».