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[ 27]及订阅期分别为12周及52周的组别[ 28之前已经发表过。

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[ 29］．参与者设定了一个目标体重，并被鼓励在“小目标”(如5公斤或5%)中朝着这个目标努力。参与者被鼓励通过网站或短信服务(SMS)报告自己的体重或其他身体测量数据来进行自我监测，并可以查看详细记录他们随时间变化的图表(如体重和腰围变化)。在最初的12周项目中，参与者被鼓励每周称重一次，并每周收到通过电子邮件或短信的提醒。根据参与者的性别、体重、身高和身体活动水平设定每日能量摄入目标，以促进每周减重0.5至1公斤或维持当前体重。参与者被鼓励通过在线日记来自我监控自己的饮食摄入和锻炼，计算每天的能量摄入和消耗。在最初的12周项目中，提供了每周辅导、情况说明、膳食、锻炼计划和每周挑战等形式的在线信息。12周后，参与者继续每周接受基于网络的教程。参与者还被要求通过每周的电子邮件访问在线信息。社会支持可以通过讨论板与其他成员交流。

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[ 30.］．报告的邮编被分配了一个相对社会经济优势和劣势指数(IRSAD)(从1 =劣势到10 =优势)[ 31]作为社会经济地位的指标，以及澳大利亚的可达性/偏远性指数(ARIA) [ 32，以划分住宅的偏远程度。

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 P小于0.01的数值被认为有统计学意义。描述统计描述为正态分布连续变量的均值和标准差(SDs)，非正态连续数据的中位数和四分位区间(IQR)，分类变量的百分比。

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[ 33, 34］．在分析中，基线年龄、BMI、社会经济地位和偏远程度被作为潜在的混杂因素加以控制。

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 图1．从2007年8月15日到2008年5月31日，共有11341名参与者订阅了该项目。这项研究包括9599名参与者;6943人订阅了12周，2656人订阅了52周。参与者登记时的特征已在其他地方详细描述[ 27］．总之，参与者的平均(SD)年龄为35.7(9.5)岁，主要为女性(86%或8279/9599)，肥胖(61%或5866/9599)，中等至高的社会经济地位(85%或8022/9455的IRSAD得分在5至10之间)，来自澳大利亚的主要城市(75%或7125/9456)。与订阅了52周的参与者相比，订阅了12周的参与者明显更年轻(35.3岁vs 36.7岁)，BMI较低(31.8 vs 35.8)，社会经济地位较高(39.1% vs 32.8% IRSAD 9-10)，更有可能居住在澳大利亚的主要城市(76.4% vs 72.7%)。此外，有3%(238/6943)的12周订阅用户和23%(605/2656)的52周订阅用户在订阅期间因特殊情况取消了订阅。

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( 图2)．因此，丢失权重数据的数量增加了。在12周和52周的订阅者中，第2周自我报告体重的比例最高(72%和73%)。在12周的订阅用户中，只有11%(792/6943)在项目的最后一周自我报告了自己的体重(也就是说，89%的参与者的体重数据缺失)。对于52周的订阅者来说，从第2周(73%)到第32周(12%)，自我报告体重的参与者数量持续下降。然而，在第32周之后，参与者自我报告体重的比例达到了一个平台期，但在52周之前一直稳定在9% - 11%。因此，在第52周，91%(2412 /2656)参与者的体重数据缺失。

12周和52周订阅者的体重变化结果显示在 表1．GLMM为12周的参与者提供了5.6 kg(95%置信区间[CI] - 5.8 kg到- 5.5 kg)或- 6.2%的平均自我报告体重减轻记录，其中包括每位参与者平均5.2周自我报告体重记录。52周订阅用户自我报告的平均体重变化为−8.4 kg (95% CI−9.0 kg至−7.8 kg)， GLMM为−6.9%。该分析包括每个参与者每周平均11.8次自我报告的体重记录。

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( 表1)．使用LOCF进行的敏感性分析显示，从基线到52周，自我报告的平均体重变化为−3.6 kg (95% CI−3.8 kg到−3.3 kg)或−3.5%，29%(777/2656)的参与者在入组到52周期间实现了大于或等于5%的体重减轻( 表1)．

12周和52周订阅者的网站使用介绍在 表2．总之，12周的用户登录网站的平均时间为13天。他们在基于网络的日记中记录食物的时间平均为7天，记录运动的时间平均为3天。12周订阅用户在论坛上发帖的天数中值为零。在52周的用户中，登录天数的中位数是21天。他们使用基于网络的日记记录食物，平均8天，运动记录平均3天，论坛上的帖子平均为零。

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) ( 表3)．在12周和52周的订阅用户中，登录天数和体重变化之间的相关性最强。在两个订阅组中，论坛发帖和权重变化之间的相关性最弱。除了论坛帖子，所有网站功能的相关性最强的是12周订阅组，论坛帖子和权重变化之间的相关性在52周订阅组中更强。

参与者使用每个网站功能的平均天数显著增加( P< .001)按减重百分比较高的类别划分( 图3)，适用于12周及52周订户。在12周的订阅用户中，体重下降10%或更多的人平均坚持34天，在网络日志中记录食物25天，运动记录12天，而体重增加的人平均坚持12天，在网络日志中记录食物6天，运动记录3天。对于52周的注册用户来说，体重下降10%或以上的用户登录的平均时间为81天，在网络日志中记录食物的平均时间为52天，运动记录24天，而体重增加的用户登录的平均时间为25天，使用网络饮食日志记录食物的平均时间为12天，运动记录的平均时间为5天。

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[ 35, 36］．此外，根据LOCF分析的结果，21%的12周订阅者和29%的52周订阅者实现了大于或等于5%的体重减轻。

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。 28］．此外，也有可能是，在计划的最初几周的减重率高于计划的后期阶段;因此，GLMM的轨迹也可能偏向于较高的自我报告体重减轻。因此，所有参与者在每个时间点实现的真正减重可能在GLMM和LOCF结果之间(即，12周时为- 3.0%至- 6.2%，52周时为- 3.5%至- 6.9%)。因此，需要进一步的研究，以前瞻性和客观的临床研究试验来证实或反驳这些发现。

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% [ 12和−1.1% [ 1112个月后。在本研究中评估的eDiets和商业基于web的项目都包含许多被认为是成功的基于web的体重管理项目的关键元素的组件[ 37, 38，例如自我监控、反馈和社会支持。然而，eDiets还包含了当前研究中评估的项目所没有的其他功能，如在线会议、同伴指导[ 11, 12]，以及与心理学家面对面交流[ 11］．预计这些额外的程序组件将导致更大的权重变化。然而，在目前的研究中实现的平均体重变化更大。这可能是由于自第一项研究开始以来互联网的能力增强和/或研究设计的差异。因此，尽管两个程序提供了相似的功能，但当前研究中的那些程序可能更吸引人、更容易和/或更快地让参与者使用，减少了坚持的负担。

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[ 9这表明持续参与基于网络的减肥计划可能会促进长期的减肥效果。鉴于这种关联，需要有策略鼓励参与者坚持使用基于网络的减肥计划，以确保大多数参与者都有机会实现临床重要的减肥。

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[ 39］．

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[ 40］．然而，一个网络减肥项目的参与者记录的自我报告体重与测量的体重相比是准确的。 41］．其次，由于体重数据是参与者自愿输入的，作为他们参与项目的一部分，许多参与者没有这样做，因此，大量的每周体重记录丢失了。为了解决这个问题，使用GLMM进行统计分析。glmm是现有的最稳健的统计方法之一，因为这些模型较少受到由于数据缺失而引入的偏差的影响。此外，每个分析(31,228和36,339)都包含了大量的个人每周体重记录，使分析具有强大的动力。因此，来自统计分析的结果为我们提供了一个基于web的商业减肥计划的注册队列所实现的体重减轻的指示。然而，由于网站使用率较低，因此，在订阅期结束时仍有极少数参与者自我报告自己的体重，需要进一步的研究来证实或反驳这些发现，并找出增加参与者参与计划的方法

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。