MétaCan
Menu
Back to cohort
Record W3156055153 · doi:10.71781/27159

Strategies and challenges associated with long-term weight loss maintenance among overweight and obese women in Quebec

2019· dissertation· en· W3156055153 on OpenAlexaboutno aff
Karine Séguin

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2019
Typedissertation
Languageen
FieldHealth Professions
TopicObesity and Health Practices
Canadian institutionsnot available
Fundersnot available
KeywordsOverweightWeight lossTerm (time)ObesityMedicineGerontologyEndocrinologyPhysics

Abstract

fetched live from OpenAlex

Contexte / Objectif: Le maintien de la perte de poids est essentiel pour la gestion de l'obésité et des maladies chroniques associées. Cette étude vise à identifier les stratégies et les barrières associées à la perte de poids à long terme chez les femmes en surpoids et obèses au Québec. Méthode: Une étude transversale utilisant un modèle de triangulation simultanée entre les méthodes quantitatives et qualitatives a été utilisée. Pour colliger les données quantitatives et qualitatives, un questionnaire a été administré aux participantes par téléphone par la chercheuse de l’étude et une série de questions ont été envoyées par courriel afin de compléter l’analyse qualitative. Un total de 29 femmes en surpoids ou obèses ayant suivi une intervention de perte de poids avec la diététiste (également la chercheuse de cette étude) ont été incluses. Une perte de poids de 5% maintenue pendant au moins un an a été considérée comme un maintien de perte de poids réussi (n = 15). Sinon, elles étaient classées comme une non-réussite (n = 14) du maintien de la perte de poids. Résultats: Les participantes ayant maintenues leur poids avaient plus de probabilités d’avoir complété un niveau de scolarité plus élevé et d’avoir perdu plus de poids après le premier mois d’intervention nutritionnelle que les participantes qui avaient repris leur poids. Les stratégies individuelles significativement plus utilisées chez les réussites du maintien de perte de poids comparé aux non-réussites étaient; augmenter la consommation d'aliments non transformés ou peu transformés, limiter la consommation d'aliments ultra-transformés, réduire la taille des portions et faire de l’activité physique (AP) (≥ 40 minutes / jour). Les stratégies environnementales telles que; avoir le soutien d’un réseau social et créer un environnement alimentaire plus sain à la maison étaient légèrement plus rapportées par les réussites de perte de poids. La barrière principale au maintien de la perte de poids était la tentation des aliments pour les personnes qui avaient maintenues leur poids, tandis que pour les participantes classées comme «non-réussite», la pratique de l'AP était leur principale barrière. Conclusion: Le succès de la perte de poids est complexe, multifactorielle et dépend du contexte. Il n'y a pas de «stratégie unique» pour le succès du maintien de la perte de poids. Une perte de poids à long terme est possible, mais elle nécessite de suivre des principes de bases telles que de limiter la consommation d’aliments ultra-transformés, augmenter la consommation d’aliments non ou minimalement transformés, cuisiner et réduire les portions, et ces principes doivent être durables. Pour augmenter les chances de réussite du maintien de la perte de poids, les individus et les professionnels de la santé devraient cibler des stratégies en fonction de la compréhension de l’interaction entre les choix individuels et plusieurs dimensions de l’environnement alimentaire qui les déterminent, ainsi que du contexte particulier dans lequel les individus évoluent.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.074
Threshold uncertainty score0.148

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0040.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.013
GPT teacher head0.252
Teacher spread0.239 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicObesity and Health PracticesFrench-language works237,207