这是一篇开放获取的文章,根据创作共用署名许可协议(http://creativecommons.org/licenses/by/2.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。
在科学文献中,关于商业减肥项目(包括基于网络的项目)的有效性的信息非常匮乏。基于网络的减肥计划的潜力已被承认,但其实现显著减肥的能力尚未得到证实。
研究的目的是评估在一大批参加了12周或52周的基于网络的商业减肥计划的个体中实现的体重变化,并描述参与者的计划使用与体重变化的关系。
参与者从2007年8月15日到2008年5月31日参加了一个澳大利亚的基于网络的商业减肥项目。使用每周自我报告的体重记录来确定12周和52周订阅后的体重变化。初步分析使用广义线性混合模型(glmm)估计了所有订阅了12周和订阅了52周的参与者的体重变化。采用最后一次观测结转(LOCF)方法进行敏感性分析。网站使用(即参与者登录的天数,在基于网络的日记中进行食物或运动记录,或发布到讨论论坛)描述了从项目注册到12周和52周,并使用Kruskal-Wallis检验人群平等的百分比体重变化类别测试网站使用的差异。
参与者(n = 9599)的平均(标准差[SD])年龄为35.7(9.5)岁,主要为女性(86%或8279/9599)和肥胖(61%或5866/9599)。主要的GLMM分析包括所有登记者,结果发现12周订阅者的平均权重变化百分比为- 6.2% (n = 6943), 52周订阅者的平均权重变化百分比为- 6.9% (n = 2656)。使用LOCF的敏感性分析显示,在12周和52周后,平均体重变化分别为- 3.0%和- 3.5%。网站所有功能的使用率均显著增加(
商业网络减肥计划的12周和52周订阅者所取得的减肥效果很可能在初步和敏感性分析结果的范围内。虽然这表明,平均而言,临床重要的减肥可能会实现,但需要进一步的研究来评估这种基于商业网络的减肥计划的疗效,并使用客观的测量方法。更多地使用网站和增加减肥之间的潜在联系也需要进一步的评估,因为可能需要改进参与者使用基于网络的项目功能的策略。
随着全球成年人超重和肥胖的流行率持续上升,[
最近对主要商业减肥计划的系统性审查得出结论,没有足够的证据推荐使用它们[
商业减肥项目提供商通常提供基于网络的项目版本。最近对基于网络的减肥干预措施的系统性综述强调了这些项目在实现显著减肥方面的潜力[
2010年一项关于基于网络的减肥干预措施的系统综述发现,更大的减肥效果可能与更多地使用基于网络的项目功能有关[
因此,这项研究的主要目的是描述一个基于网络的商业减肥计划的注册队列所实现的体重减轻,参与者订阅了该计划12或52周。第二个目的是描述参与者对基于网络的项目的总体使用情况,并按减重百分比分类,并确定网站使用情况是否按减重百分比分类有所不同。
如果参与者在2007年8月15日至2008年5月31日期间订阅了该项目,他们就有资格参与这项研究。要加入该项目,参与者必须年满18至75岁,身体质量指数(BMI)大于或等于22公斤/米2根据自我报告的身高和体重。当参与者注册时,他们购买了为期4周、12周、16周或52周的订阅计划。2007-2008年期间,根据订阅月数的不同,每月订阅费用为16.50澳元至79.95澳元。除非有特殊情况(如怀孕或经济困难)阻止参与者完成订阅,否则在订阅时限过去之前,他们不能取消订阅所选的计划。这项研究包括了最受欢迎的12周或52周的参与者。与免费或非连续订阅(间隔≥7天)相关的数据也被排除在外。
完整队列的特征[
2007-2008年,SP健康有限公司(悉尼,澳大利亚)提供了一个基于网络的减肥平台,在澳大利亚商业化,称为“最大的输家俱乐部”(www.biggestloserclub.com.au)。它被宣传为一个为期12周的项目,但参与者可以选择订阅更长时间,以帮助进一步减肥和/或保持体重。自我指导的项目纳入了基于证据的体重管理策略,并与社会认知理论的关键要素相一致[
所有数据由SP健康公司收集,并以识别的形式提供给研究人员,包括登记调查回复(人体测量数据,即体重和身高,人口统计数据,即年龄、性别和邮政编码),订阅数据(登记日期、会员终止日期和订阅计划举行日期),网站使用情况(登录日期、在线饮食和锻炼日记、论坛发帖),以及自我报告的体重记录(记录日期和体重记录)。该研究获得了纽卡斯尔大学人类研究伦理委员会的伦理批准。
参与者的特征是从入学调查中获取的。自我报告的身高和体重被用来计算BMI(体重kg/身高m)2),根据世界卫生组织(世卫组织)的BMI分类,将其分为健康、超重或肥胖[
参与者所持有的订阅计划相关数据被用来确定参与者是参加了12周还是52周。登记日期和会员资格终止日期被用来计算每个参与者作为计划成员的天数,从而计算有多少参与者取消了他们的订阅。自我报告的体重记录被用来描述每周称重的人数。自我报告的重量(以公斤为单位)被用来确定所达到的体重变化。每周每项网站功能(登录、食物日记、锻炼日记和论坛帖子)使用的总天数被计算出来,以描述网站的总体使用情况。
使用Stata 11.0 (StataCorp, College Station, Texas, USA)进行数据分析
对于订阅了12周的参与者,计算了从注册到12周的绝对权重变化和百分比权重变化,对于订阅了52周的参与者,计算了从注册到52周的权重变化。为了确定所有项目参与者的体重变化,我们使用了包含所有参与者自报体重记录的广义线性混合模型(glmm)进行了初步分析。之所以使用GLMM,是因为这是处理缺失值的纵向数据的首选方法[
为了确定GLMM方法的结果的鲁棒性,进行了二次敏感性分析。这一分析是必要的,因为GLMM是基于缺失的数据是随机缺失的假设,而作为减肥计划的一部分报告的数据可能不是这样。因此,采用最后一次观测结转(LOCF)方法对缺失数据进行权重计算,进行敏感性分析。
斯皮尔曼的排名相关性被计算出来,以探索权重变化与网站使用的关系。这包括来自LOCF分析的权重变化百分比结果。根据LOCF分析结果,参与者被分为四种减重百分比类别(体重增加、0%至< 5%体重减轻、5%至< 10%体重减轻和≥10%体重减轻)。中位数和IQR网站使用百分比减肥组和组间差异调查使用Kruskal-Wallis检验的人口平等。
中报告参与者流程
参与者通过试验流程。
随着时间的推移,每周自我报告体重的参与者比例显著下降(
在订阅12周和52周的参与者中,每周称重的百分比。
12周和52周订阅者的体重变化结果显示在
使用LOCF的敏感性分析给出了平均自我报告体重减轻- 2.6 kg (95% CI - 2.7 kg到- 2.5 kg)或- 3.0%,21%(1479/6943)在12周后实现了大于或等于5%的体重减轻(
使用GLMM和LOCF分析,订阅商业网络减肥计划12周或52周的队列参与者的平均(95% CI)体重变化
队列和体重变化测量 | GLMM分析a、b | LOCF分析a、b | ||
|
||||
绝对重量变化(95% CI) | −5.6 kg (5.8 kg ~ 5.5 kg) | −2.6 kg(−2.7 kg ~−2.5 kg) | ||
权重变化百分比(95% CI) | −6.2%(−6.3% ~−6.1%) | −3.0%(−3.0% ~−2.9%) | ||
|
||||
体重增加,n (%) | 423例(6.1%) | |||
0%至< 5%,n (%) | 5041例(72.6%) | |||
5%至< 10%,n (%) | 1206例(17.4%) | |||
10%或以上,n (%) | 273例(3.9%) | |||
|
||||
绝对重量变化(95% CI) | −8.4 kg(−9.0 kg ~−7.8 kg) | −3.6 kg(−3.8 kg ~−3.3 kg) | ||
权重变化百分比(95% CI) | −6.9%(−7.3% ~−6.5%) | −3.5%(−3.8% ~−3.3%) | ||
|
||||
体重增加,n (%) | 424例(16.0%) | |||
0%至< 5%,n (%) | 1455例(54.8%) | |||
5%至< 10%,n (%) | 475例(17.9%) | |||
10%或以上,n (%) | 302例(11.4%) |
一个所有分析从基线到12周和52周的差异有统计学意义(
b对照了基线年龄、BMI、社会经济地位和距离
12周和52周订阅者的网站使用介绍在
描述12周和52周订阅用户使用网站功能的情况
12周订阅用户(n = 6943) | 52周订阅用户(n = 2656) | |||
使用该功能的参与者,n (%) | 中位数(差) | 使用该功能的参与者,n (%) | 中位数(差) | |
登录 | 6682例(96.2%) | 13 (6-26) | 2576例(97.0%) | 21 (7-56) |
食物日记 | 5244例(75.5%) | 7 (1) | 1993例(75.0%) | 8(猴) |
运动日记 | 4686例(67.5%) | 3 (0 - 9) | 1801例(67.8%) | 3 (0-15) |
张贴到讨论论坛 | 860例(12.4%) | 0 (0 - 0) | 1055例(39.7%) | 0 (0 - 0) |
对于12周和52周的订阅用户,权重变化百分比与每个网站功能的使用天数显著正相关(P < .001) (
网站使用与12周和52周订阅用户体重变化百分比(kg)之间的斯皮尔曼相关性
12周订阅用户(n = 6943) |
52周订阅用户(n = 2656) |
|
登录 | −0.55 | −0.43 |
食物日记 | −0.39 | −0.33 |
运动日记 | −0.38 | −0.33 |
论坛的帖子 | −0.12 | −0.18 |
一个所有数据都具有统计学意义(
参与者使用每个网站功能的平均天数显著增加(
按权重变化百分比分类,12周和52周订阅用户使用每个网站功能的中位数(IQR)天数。
这篇论文的主要目的是描述一大批参与者在12周或52周内订阅了基于网络的商业减肥计划后所取得的减肥效果。该研究解决了文献中存在的一个空白[
我们使用GLMM的初步分析表明,12周和52周的订阅者都取得了统计上显著的体重减轻。平均体重减轻也超过了临床重要体重减轻和体重相关发病率改善的基准(≥5%),特别是2型糖尿病的发病率[
然而,在两个时间点的灵敏度分析表明,与GLMM相比,体重减少较少。GLMM假设模型中缺失的任何数据都遵循与包含的数据相同的轨迹(在本例中为每周权重变化)。由于每周体重记录的平均数量很低,而且大多数人只在项目开始的最初几周内自我报告了他们的每周体重,GLMM的结果可能偏向于那些自我报告每周体重更多的人。没有输入自己体重的参与者很可能是不太成功的参与者。我们之前的研究结果也支持了这一点,即饮食和活动习惯不佳的参与者更有可能停止使用该项目。
使用另一个基于web的商业减肥项目eDiets进行的仅有两项随机对照试验的结果显示,体重变化的平均百分比为−2.8% [
论文的第二个目的是描述参与者对基于网络的项目及其功能的使用情况,并确定使用网站是否与减肥程度有关。
研究表明,每个网站功能的使用次数与权重变化之间存在显著的正相关关系。因此,研究结果支持了之前的研究[
然而,在组级别上,商业基于web的体重管理程序功能的平均使用量似乎很低,而且不一致。大多数订阅用户登录并至少尝试一次基于网络的日记;然而,用户粘性下降得非常快。这一点可以从12周和52周用户每周自我报告的体重记录随时间推移的最初下降中得到证明,而且与通过互联网提供的其他公共卫生干预措施一致,后者的使用量在干预的最初几周后下降[
由于这个基于网络的商业减肥计划是自我指导的,所以使用网站的强度和频率没有规定。因此,这项研究提供了有价值的数据和见解,以了解什么样的网站使用水平可能是可行的,更重要的是,需要什么样的水平才能有效地实现商业设置中的权重变化。有趣的是,取得显著减肥效果的参与者并没有不切实际或过度使用网站。例如,那些从基线到12周体重减轻超过或等于10%的人记录了大约40%的可能天数(84天中的34天),使用基于网络的日记记录了30%的可能天数(84天中的25天)。这些发现表明,为每周或每月的网站使用和特定的项目功能制定项目目标可以增加使用和促进减肥,从而促进参与者的减肥目标的实现。然而,为了确定对网站整体和个别网站功能的最佳曝光率,需要进一步调查在项目不同阶段的使用差异及其与减肥的关系。例如,这项研究表明,从基线到12周,体重下降超过或等于10%的参与者约有40%的可能天数(84天中的34天),而那些从基线到52周体重变化相同百分比的参与者约有22%的天数(81/365天)。因此,需要进一步的研究来调查长期使用网站的模式与在不同时间点实现的减肥之间的关系。
在解释权重变化结果时,有几个重要的考虑因素。首先,体重变化结果是基于自我报告,体重通常被低估[
网站使用的数据和报告的与体重变化的关系也有一些局限性需要注意。首先,该研究没有考虑到所有网站功能的使用,因为这些数据在研究时还没有得到。关于使用所有功能的额外数据(例如,每周教程),以及关于报告功能的更详细数据(例如,参与者是否阅读论坛帖子),将有助于更好地理解参与者对网站的参与度,以及减肥和网站使用之间的关系。其次,基于LOCF分析的结果来确定更多的网站使用是否与减肥效果有关。如前所述,所有参与者实现的真正减重可能在GLMM和LOCF结果之间的某个地方。第三,虽然网站使用和减肥之间的关联已经被证实,但大量其他因素可能影响了参与者的网站使用和/或减肥(如自我激励、改变的意愿和其他减肥策略),这些因素在本研究中没有被评估。因此,使用网站和减肥之间的关系也必须以客观的方式进行前瞻性的确认。
总之,本研究提供了一个被低估的减肥方案媒体在大量商业方案用户的重要数据。商业网络减肥计划的12周和52周订阅者所取得的减肥效果很可能在初步和敏感性分析结果的范围内。这表明,平均而言,临床上重要的体重减轻是可以实现的。研究结果支持了进一步研究的需要,以评估基于网络的减肥项目的效果,并协助制定策略,以增加参与者持续使用基于网络的项目功能。
我们感谢Ben Noblet在检索数据方面的工作,感谢SP Health的Anna Crook和Penelope Jones在管理数据集方面的协助,感谢Patrick McElduff在设计和实施统计分析方面的协助。MJ Neve由澳大利亚研究生奖奖学金和SP健康有限公司奖学金资助。CE Collins获得澳大利亚国家卫生和医学研究委员会职业发展奖研究奖学金的支持。
MJ Neve获得了SP健康公司的研究生奖学金。CE Collins一直是SP健康公司的营养师顾问。PJ Morgan和CE Collins拥有澳大利亚研究委员会(ARC)的联系项目拨款,该项目正在与SP健康公司评估一个减肥计划。
澳大利亚的可达性/偏远性指数
身体质量指数
置信区间
广义线性混合模型
相对社会经济优势和劣势指数
四分位范围
最后一次观察结转