Combien est-ce suffisant pour perdre du poids ? “Vous n’avez pas besoin d’avoir un suivi parfait tous les jours pour perdre une quantité de poids cliniquement significative” —

Des chercheurs d’UConn, de l’Université de Floride et de l’Université de Pennsylvanie ont suivi 153 participants à un programme de perte de poids pendant six mois, où les utilisateurs ont auto-déclaré leur consommation alimentaire à l’aide d’un programme commercial de perte de poids numérique. Les chercheurs voulaient voir quels étaient les seuils optimaux pour le suivi de l’alimentation afin de prédire 3 %, 5 % et 10 % de perte de poids après six mois.

“Nous nous sommes associés à WeightWatchers, qui prévoyait de lancer un nouveau programme de points personnels, et ils voulaient obtenir des données empiriques via notre essai clinique”, déclare Sherry Pagoto, co-auteur et professeure au Département des sciences de la santé alliées.

Pagoto explique que le nouveau programme adopte une approche personnalisée pour attribuer des points, y compris une liste d’aliments à point zéro pour éliminer le besoin de calculer les calories pour tout,

“Le suivi alimentaire est la pierre angulaire de toutes les interventions de perte de poids, et il a tendance à être le plus grand prédicteur des résultats. Ce programme réduit le fardeau de cette tâche en autorisant les aliments à point zéro, qui n’ont pas besoin d’être suivis.”

Les chercheurs et les développeurs cherchent des moyens de rendre le processus de suivi moins lourd, car comme le dit Pagoto, pour de nombreux programmes, les utilisateurs peuvent avoir l’impression qu’ils doivent compter les calories pour le reste de leur vie : “Ce n’est tout simplement pas durable. Les utilisateurs ont-ils besoin pour tout suivre chaque jour ou pas nécessairement ? »

Avec six mois de données, le professeur adjoint du Département des sciences de la santé alliées Ran Xu était intéressé de voir s’il existait un moyen de prédire les résultats en fonction de la quantité de suivi de l’alimentation des participants. Ran Xu et doctorat en sciences de la santé alliées. L’étudiant Richard Bannor a analysé les données pour voir s’il y avait des modèles associés au succès de la perte de poids du point de vue de la science des données. À l’aide d’une méthode appelée analyse de la courbe des caractéristiques de fonctionnement du récepteur (ROC), ils ont trouvé le nombre de jours dont les gens ont besoin pour suivre leur alimentation pour atteindre une perte de poids cliniquement significative.

“Il s’avère que vous n’avez pas besoin d’effectuer un suivi à 100 % chaque jour pour réussir”, déclare Xu. “Plus précisément dans cet essai, nous constatons que les gens n’ont besoin de suivre qu’environ 30 % des jours pour perdre plus de 3 % de poids et 40 % des jours pour perdre plus de 5 % de poids, ou près de 70 % des jours pour perdre plus. plus de 10% de poids. Le point clé ici est que vous n’avez pas besoin de suivre tous les jours pour perdre une quantité de poids cliniquement significative.

C’est prometteur puisque Pagoto souligne que l’objectif d’un programme de perte de poids de six mois est généralement de 5% à 10%, une fourchette où des avantages pour la santé ont été observés dans les essais cliniques.

“Souvent, les gens ont l’impression qu’ils doivent perdre 50 livres pour être en meilleure santé, mais en fait, nous commençons à voir des changements dans des choses comme la tension artérielle, les lipides, le risque de maladie cardiovasculaire et le risque de diabète lorsque les gens perdent environ 5 à 10 % de leur poids », dit Pagoto. “Cela peut être accompli si les participants perdent environ un à deux livres par semaine, ce qui est considéré comme un rythme sain de perte de poids.”

Xu a ensuite examiné les trajectoires de suivi de l’alimentation au cours des six mois du programme.

Les chercheurs ont trouvé trois trajectoires distinctes. Celui qu’ils appellent les grands trackers, ou super utilisateurs, qui ont suivi les aliments la plupart des jours de la semaine pendant six mois et ont perdu en moyenne environ 10% de leur poids.

Cependant, de nombreux participants appartenaient à un deuxième groupe qui a commencé à suivre régulièrement, avant que leur suivi ne diminue progressivement au fil du temps pour atteindre, au bout de quatre mois, environ un jour par semaine seulement. Ils ont tout de même perdu environ 5 % de leur poids.

Un troisième groupe, appelé les suiveurs bas, a commencé à suivre seulement trois jours par semaine et est tombé à zéro en trois mois, où ils sont restés pour le reste de l’intervention. En moyenne, ce groupe n’a perdu que 2 % de son poids.

“Une chose intéressante à propos de ces données est que, souvent dans la littérature, les chercheurs examinent simplement s’il existe une corrélation entre le suivi et les résultats globaux de perte de poids. Ran a adopté une approche scientifique des données pour les données et a découvert qu’il y avait plus à l’histoire. “, dit Pagoto. “Nous observons maintenant différents modèles de suivi. Cela nous aidera à identifier quand fournir une assistance supplémentaire et qui en aura le plus besoin.”

Les modèles pourraient aider à informer les futurs programmes qui pourraient être adaptés pour aider à améliorer le suivi des utilisateurs en fonction du groupe auquel ils appartiennent. Les études futures approfondiront ces schémas pour comprendre pourquoi ils surviennent et, espérons-le, développeront des interventions pour améliorer les résultats.

“Pour moi, ce qui est excitant dans ces programmes numériques, c’est que nous avons une empreinte numérique du comportement des participants”, déclare Xu. “Nous pouvons approfondir ce que les gens font pendant ces programmes. Les données peuvent éclairer les approches de médecine de précision, où nous pouvons adopter cette perspective de science des données, identifier les modèles de comportement et concevoir une approche ciblée.”

Les programmes de santé fournis par voie numérique fournissent aux chercheurs une multitude de données qu’ils n’avaient jamais eues auparavant et qui peuvent donner de nouvelles perspectives, mais cette science nécessite une approche multidisciplinaire.

“Avant, nous avions l’impression de voler dans le noir ou de nous contenter d’anecdotes ou de mesures autodéclarées, mais c’est différent maintenant que nous avons tant de données sur les utilisateurs. Nous avons besoin de la science des données pour donner un sens à toutes ces données. C’est là que la science d’équipe est si importante parce que les cliniciens et les scientifiques des données envisagent le problème sous des angles très différents, mais ensemble, nous pouvons produire des idées qu’aucun de nous ne pourrait faire par nous-mêmes. Cela doit être l’avenir de ce travail », déclare Pagoto.

Xu est d’accord : « Du point de vue de la science des données, l’apprentissage automatique est passionnant, mais si nous n’avons que l’apprentissage automatique, nous ne savons que ce que font les gens, mais nous ne savons pas pourquoi ni quoi faire de ces informations. C’est là que nous avons besoin de scientifiques cliniciens. comme Sherry pour donner un sens à ces résultats. C’est pourquoi la science d’équipe est si importante.

Ne volant plus dans l’obscurité, ces équipes multidisciplinaires de chercheurs disposent désormais des outils nécessaires pour commencer à personnaliser encore plus les programmes afin d’aider les gens à atteindre les résultats souhaités. Pour l’instant, les utilisateurs de ces applications peuvent être assurés qu’ils peuvent toujours obtenir des résultats significatifs, même s’ils manquent certaines entrées.