Наблюдательное исследование

Выявление ключевых факторов эффективности снижения массы тела с помощью машинного обучения

Uncovering key factors in weight loss effectiveness through machine learning

International Journal of Obesity (2005)
10.1038/s41366-025-01766-w
Открыть в журнале PubMed
FWCI: 0.00FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Ссылки: 50 · Лицензия: Закрытая

Введение: Одной из основных проблем при снижении массы тела является выраженная межиндивидуальная вариабельность ответа на лечение. Целью работы было систематически определить факторы, связанные с эффективностью снижения массы тела, с помощью машинного обучения (ML).

Методы: В исследование были включены 1810 участников программы ONTIME, основанной на когнитивно-поведенческой терапии ожирения (КПТ-О). Было оценено 138 переменных, характеризующих особенности участников, клинический анамнез, метаболический статус, пищевой рацион, физическую активность, режим сна, хронотип, эмоциональное питание, а также социальные и экологические барьеры для снижения массы тела. Для прогнозирования ответа на лечение использовали XGBoost (экстремальный градиентный бустинг), а для выявления наиболее значимых факторов эффективности снижения массы тела — SHAP (SHapley Additive exPlanations).

Результаты: Общее снижение массы тела составило 8,45% от исходной массы, скорость снижения массы тела — 543 г/нед, частота выбывания из исследования — 33%. Длительность лечения (среднее ± SD: 14,33 ± 8,61 недели) и исходный ИМТ (28,9 ± 3,33) были ключевыми факторами для всех трех исходов. Отсутствие мотивации оказалось наиболее значимым барьером для общего снижения массы тела и также влияло на скорость снижения массы тела и выбывание из исследования. Участники, сохранявшие мотивацию, теряли на 1,4% больше исходной массы тела, чем те, у кого мотивация снижалась в ходе лечения (P < 0,0001). Вторым и третьим по значимости факторами, связанными с меньшим общим снижением массы тела, были более низкий уровень самоконтроля и особенности пищевого поведения во время лечения, особенно более частые перекусы. Более высокая физическая активность была ключевой переменной, связанной с большей скоростью снижения массы тела.

Выводы: Анализ с использованием машинного обучения выявил ключевые модифицируемые факторы образа жизни во время лечения, указывающие на направления целевых вмешательств в будущих программах снижения массы тела. В частности, вмешательства должны быть направлены на поддержание мотивации, коррекцию привычки к перекусам и усиление методов самоконтроля. Для оценки эффективности этих стратегий в улучшении результатов снижения массы тела необходимы дальнейшие исследования.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем краткий конспект, красивую инфографику и завернем в PDF.

Попробовать бесплатно →

А также еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день