Genetic and Behavioral Predictors of Long-Term Weight Loss Maintenance: A Systematic Review of Evidence From Observational and Genetic Studies
Notice bibliographique
Résumé
BACKGROUND: Long-term weight loss maintenance remains a significant challenge in obesity management, despite advances in behavioral, dietary, and medical interventions. The objective of this study is to identify consistent genetic and behavioral predictors associated with sustained weight loss in adults with overweight or obesity. METHODS: We searched PubMed, Embase, PsycINFO, Web of Science, and Google Scholar for peer-reviewed studies published from January 2010 to April 2025. Eligible studies included observational and genetic investigations involving adults who maintained at least 10% weight loss for one year or more. Quality was assessed using the Newcastle-Ottawa Scale (NOS) and genetic validity criteria. A thematic synthesis categorized predictors as behavioral or genetic. RESULTS: 24 studies met the inclusion criteria (15 observational, nine genetic). Consistent behavioral predictors included increased physical activity, dietary restraint, low disinhibition, and improved psychological health. Genetically, FTO risk alleles and higher polygenic risk scores were associated with weight regain; however, structured behavioral interventions mitigated this effect. Specific gene variants (e.g., PPARγ, TIMP4) were linked to enhanced weight loss outcomes in response to multidisciplinary interventions. CONCLUSION: Both genetic and behavioral factors independently and interactively influence long-term weight loss maintenance. Integrating genetic risk profiling with personalized behavioral strategies may improve obesity treatment outcomes.
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 | 0,010 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».