Nutritional Challenges of Incretin-Based Obesity Management Medications: Implications for Clinical Practice
Notice bibliographique
Résumé
Several novel incretin-based obesity management medications (OMMs) have recently been approved for chronic weight management in adults with obesity or overweight. These agents have demonstrated substantial weight reduction effects alongside glucoregulatory and cardioprotective benefits. However, the use of incretin-based OMMs presents nutritional challenges that remain insufficiently addressed. These include side effects such as gastrointestinal disturbances and loss of lean body mass, which may compromise nutritional status, reduce energy expenditure, and heighten risk of rebound weight gain, sarcopenia, and frailty. Moreover, although these medications effectively suppress energy intake and reduce food quantity, they may also have unintended effects on diet quality, potentially influencing macronutrient distribution, ultraprocessed food consumption, risk of vitamin and mineral deficiencies, and disordered eating behaviors, which could undermine long-term weight maintenance and the cardiometabolic benefits achieved through these pharmacotherapy agents. Emerging evidence suggests that specific dietary and behavioral strategies, such as higher protein intake, resistance training, nutrient-dense eating patterns, and fostering adaptive eating behaviors, may help mitigate nutritional challenges and physiologic deterioration during significant weight reduction while also supporting cardiometabolic health maintenance. However, the application of these strategies as adjunct treatments alongside the new OMMs remains unclear. This narrative review summarizes the current literature on these issues and proposes dietary interventions and behavioral modification strategies aimed at mitigating the adverse effects that can be associated with incretin-based OMMs. These considerations are increasingly important given the expanding use of these medications, the degree of weight reduction they induce, and the implications for specific at-risk groups, including aging populations prone to muscle and functional decline and individuals with pre-existing conditions of nutritional deficiencies, chronic diseases, and disordered eating patterns.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».