.
Acompanhar tudo o que você come e bebe em um dia é uma tarefa tediosa e difícil de acompanhar ao longo do tempo. Infelizmente, o rastreamento obediente é um componente vital para uma perda de peso bem-sucedida, no entanto, um novo estudo em Obesidade descobre que o rastreamento perfeito não é necessário para alcançar uma perda de peso significativa.
Pesquisadores da UConn, da Universidade da Flórida e da Universidade da Pensilvânia acompanharam 153 participantes do programa de perda de peso por seis meses, onde os usuários relataram sua ingestão de alimentos usando um programa comercial de perda de peso digital. Os pesquisadores queriam ver quais eram os limites ideais para o rastreamento da dieta para prever 3%, 5% e 10% de perda de peso após seis meses.
“Fizemos uma parceria com WeightWatchers, que estava planejando lançar um novo programa de Pontos Pessoais, e eles queriam obter dados empíricos por meio de nosso ensaio clínico”, disse a coautora e professora do Departamento de Ciências da Saúde Allied Sherry Pagoto.
Pagoto explica que o novo programa adota uma abordagem personalizada para atribuir pontos, incluindo uma lista de alimentos com ponto zero para eliminar a necessidade de calcular calorias para tudo,
“O rastreamento dietético é a pedra angular de todas as intervenções para perda de peso e tende a ser o maior preditor de resultados. Este programa reduz o fardo dessa tarefa, permitindo alimentos de ponto zero, que não precisam ser rastreados”.
Pesquisadores e desenvolvedores estão buscando maneiras de tornar o processo de rastreamento menos oneroso, porque, como diz Pagoto, para muitos programas, os usuários podem sentir que precisam contar calorias pelo resto de suas vidas: “Isso não é sustentável. Os usuários precisam acompanhar tudo todos os dias ou não necessariamente?”
Com seis meses de dados, o professor assistente do Departamento de Ciências da Saúde Aliadas, Ran Xu, estava interessado em ver se havia uma maneira de prever os resultados com base em quanto os participantes do rastreamento de dieta faziam. Ran Xu e Allied Health Sciences Ph.D. O estudante Richard Bannor analisou os dados para ver se havia padrões associados ao sucesso na perda de peso do ponto de vista da ciência de dados. Usando um método chamado análise da curva de características operacionais do receptor (ROC), eles descobriram quantos dias as pessoas precisam para rastrear sua alimentação para atingir uma perda de peso clinicamente significativa.
“Acontece que você não precisa rastrear 100% todos os dias para ter sucesso”, diz Xu. “Especificamente neste estudo, descobrimos que as pessoas só precisam acompanhar cerca de 30% dos dias para perder mais de 3% do peso e 40% dos dias para perder mais de 5% do peso, ou quase 70% dos dias para perder mais mais de 10% do peso. O ponto principal aqui é que você não precisa rastrear todos os dias para perder uma quantidade clinicamente significativa de peso.
Isso é promissor, pois Pagoto aponta que a meta para um programa de perda de peso de seis meses é tipicamente de 5% a 10%, uma faixa em que os benefícios à saúde foram observados em ensaios clínicos.
“Muitas vezes as pessoas sentem que precisam perder 50 quilos para ficarem mais saudáveis, mas na verdade começamos a ver mudanças em coisas como pressão arterial, lipídios, risco de doença cardiovascular e risco de diabetes quando as pessoas perdem cerca de 5 a 10% de seu peso”, diz Pagoto. “Isso pode ser feito se os participantes perderem cerca de um a dois quilos por semana, o que é considerado um ritmo saudável de perda de peso”.
Xu então analisou as trajetórias de rastreamento de dieta ao longo dos seis meses do programa.
Os pesquisadores encontraram três trajetórias distintas. Eles chamam de high trackers, ou superusuários, que rastreiam comida na maioria dos dias da semana ao longo de seis meses e, em média, perdem cerca de 10% do peso.
No entanto, muitos participantes pertenciam a um segundo grupo que começou a rastrear regularmente, antes que seu rastreamento diminuísse gradualmente ao longo do tempo para, na marca de quatro meses, apenas cerca de um dia por semana. Eles ainda perderam cerca de 5% de seu peso.
Um terceiro grupo, chamado de rastreadores baixos, começou a rastrear apenas três dias por semana e caiu para zero em três meses, onde permaneceram pelo resto da intervenção. Em média, esse grupo perdeu apenas 2% do peso.
“Uma coisa interessante sobre esses dados é que, muitas vezes na literatura, os pesquisadores apenas analisam se há uma correlação entre o rastreamento e os resultados gerais de perda de peso. Ran adotou uma abordagem de ciência de dados para os dados e descobriu que há mais na história ”, diz Pagoto. “Agora estamos vendo diferentes padrões de rastreamento. Isso nos ajudará a identificar quando fornecer assistência extra e quem precisará mais dela.”
Os padrões podem ajudar a informar programas futuros que podem ser adaptados para ajudar a melhorar o rastreamento do usuário com base em qual grupo eles se enquadram. Estudos futuros aprofundarão esses padrões para entender por que eles surgem e, com sorte, desenvolver intervenções para melhorar os resultados.
“Para mim, o que é empolgante nesses programas digitais é que temos uma pegada digital do comportamento dos participantes”, diz Xu. “Podemos detalhar o que as pessoas fazem durante esses programas. Os dados podem informar abordagens de medicina de precisão, onde podemos adotar essa perspectiva de ciência de dados, identificar padrões de comportamento e projetar uma abordagem direcionada”.
Os programas de saúde entregues digitalmente fornecem aos pesquisadores uma infinidade de dados que eles nunca tiveram antes, o que pode gerar novos insights, mas essa ciência requer uma abordagem multidisciplinar.
“Antes, parecia que estávamos voando no escuro ou apenas seguindo anedotas ou medidas auto-relatadas, mas é diferente agora que temos tantos dados do usuário. Precisamos da ciência de dados para entender todos esses dados. É aqui que A ciência da equipe é muito importante porque os cientistas clínicos e de dados pensam sobre o problema de perspectivas muito diferentes, mas juntos podemos produzir insights que nenhum de nós poderia fazer sozinho. Esse deve ser o futuro deste trabalho”, diz Pagoto.
Xu concorda: “Do ponto de vista da ciência de dados, o aprendizado de máquina é empolgante, mas se tivermos apenas aprendizado de máquina, saberemos apenas o que as pessoas fazem, mas não sabemos por que ou o que fazer com essas informações. É aí que precisamos de cientistas clínicos como Sherry para entender esses resultados. É por isso que a ciência da equipe é tão importante.”
Não mais voando no escuro, essas equipes multidisciplinares de pesquisadores agora têm as ferramentas necessárias para começar a adaptar ainda mais os programas para ajudar as pessoas a alcançar os resultados desejados. Por enquanto, os usuários desses aplicativos podem ter certeza de que ainda podem obter resultados significativos, mesmo que percam algumas entradas.
.
