MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413306264 · doi:10.2196/81912

Semaglutide and Tirzepatide in a Remote Weight Management Program: 12-Month Retrospective Observational Study

2025· article· en· W4413306264 sur OpenAlexvenueno aff
Rebecca Richards, Will Lunt, Michael Whitman, Giulia Spaltro, R. Hall

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintPsychologyMedicineComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Obesity affects >890 million adults worldwide, and traditional lifestyle interventions often lack long-term success. While glucagonlike peptide-1 receptor agonists (GLP-1RAs) have shown strong weight loss outcomes, access to specialist care is limited by cost and capacity. OBJECTIVE: This study evaluated the effectiveness, feasibility, acceptability, and potential cost-effectiveness of a 12-month remote GLP-1RA-supported weight management program, comparing outcomes between tirzepatide and semaglutide. METHODS: This retrospective analysis included 339 participants (n=278, 82% women) who completed a 12-month remote weight management program using either tirzepatide (n=209, 61.7%) or semaglutide (n=130, 38.3%) between February and June 2024. The program combined medication, app-based behavioral support, coaching from registered dietitians and nutritionists, and clinical oversight. It featured 5 phases with evidence-based behavior change techniques, monthly monitoring, and safety protocols. Primary outcomes were mean weight change and proportions achieving ≥10% and ≥15% weight loss. Secondary outcomes included behavior changes, side effects, acceptability, feasibility, and estimated cost-effectiveness compared to National Health Service care. RESULTS: Mean weight change at 12 months was -22.9 kg (-22.1% of baseline weight, SD 8%; P<.001) in the tirzepatide cohort and -18.1 kg (-17.1% of baseline weight, SD 8.1%; P<.001) in the semaglutide cohort. Achievement of ≥10% weight loss occurred in 95.2% (199/209) of participants using tirzepatide and 83.1% (108/130) of participants using semaglutide, whereas ≥15% weight loss was achieved by 83.7% (175/209) and 56.2% (73/130) of the participants, respectively. The proportion of inactive participants (no weekly exercise) decreased substantially in both cohorts (tirzepatide: 31/209, 14.8% to 14/209, 6.7%; semaglutide: 29/130, 22.3% to 7/130, 5.4%; P<.001). Side effects decreased significantly over the 12-month period, with participants who reported no side effects increasing from 41.6% (87/209) to 60.3% (126/209; P<.001) in the tirzepatide cohort and from 53.8% (70/130) to 67.7% (88/130) in the semaglutide cohort (P=.02), whereas common initial side effects, including constipation, nausea, and fatigue, showed significant reductions (P<.001). Economic modeling suggested a 60% to 70% cost saving compared to specialist weight management services and a 10% to 60% cost saving compared to primary care in the National Health Service. CONCLUSIONS: This real-world evaluation demonstrates that remotely delivered, GLP-1RA-supported weight management programs can achieve weight loss outcomes that align closely with clinical trial results while potentially reducing health care costs by 10% to 70% compared to traditional UK services. Both the tirzepatide and semaglutide cohorts exceeded clinically significant weight loss thresholds with acceptable safety profiles and positive behavior changes. These findings support the feasibility and effectiveness of digital delivery models for expanding access to specialist obesity treatment within resource-constrained health care systems, with outcomes that compare favorably to pharmacological intervention alone.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,070
Tête enseignante GPT0,423
Écart entre enseignants0,353 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetDiabetes Treatment and Management→Travaux en français237 207→