Śledzenie wszystkiego, co jesz i pijesz w ciągu dnia, to żmudne zadanie, za którym trudno nadążyć z upływem czasu. Niestety, skrupulatne śledzenie jest istotnym elementem udanej utraty wagi, jednak nowe badanie w Obesity pokazuje, że doskonałe śledzenie nie jest potrzebne do osiągnięcia znacznej utraty wagi.
Naukowcy z UConn, University of Florida i University of Pennsylvania śledzili 153 uczestników programu odchudzania przez sześć miesięcy, podczas których użytkownicy sami zgłaszali swoje spożycie żywności za pomocą komercyjnego cyfrowego programu odchudzania. Naukowcy chcieli zobaczyć, jakie są optymalne progi śledzenia diety, aby przewidzieć 3%, 5% i 10% utratę wagi po sześciu miesiącach.
„Nawiązaliśmy współpracę z WeightWatchers, który planował wypuścić nowy program Punktów Osobistych i chciał uzyskać dane empiryczne w ramach naszego badania klinicznego” – mówi współautorka i profesor Sherry Pagoto z Wydziału Pokrewnych Nauk o Zdrowiu.
Pagoto wyjaśnia, że nowy program ma spersonalizowane podejście do przydzielania punktów, w tym listę produktów spożywczych z punktem zerowym, aby wyeliminować potrzebę obliczania kalorii dla wszystkiego,
„Śledzenie diety jest podstawą wszystkich interwencji odchudzających i wydaje się być największym predyktorem wyników. Ten program zmniejsza ciężar tego zadania, umożliwiając jedzenie punktu zerowego, którego nie trzeba śledzić”.
Badacze i programiści szukają sposobów, aby proces śledzenia był mniej uciążliwy, ponieważ, jak mówi Pagoto, w przypadku wielu programów użytkownicy mogą odczuwać potrzebę liczenia kalorii przez resztę życia: „To po prostu nie jest zrównoważone. Czy użytkownicy potrzebują śledzić wszystko każdego dnia czy niekoniecznie?”
Dysponując sześciomiesięcznymi danymi, adiunkt w Departamencie Pokrewnych Nauk o Zdrowiu Ran Xu był zainteresowany sprawdzeniem, czy istnieje sposób przewidywania wyników na podstawie tego, ile osób śledzących dietę wykonało. Doktor Ran Xu i pokrewnych nauk o zdrowiu student Richard Bannor przeanalizował dane, aby zobaczyć, czy istnieją wzorce związane z sukcesem utraty wagi z perspektywy nauki o danych. Za pomocą metody zwanej analizą krzywej charakterystyki działania odbiornika (ROC) ustalili, ile dni ludzie muszą śledzić swoje jedzenie, aby osiągnąć klinicznie istotną utratę wagi.
„Okazuje się, że nie musisz śledzić 100% każdego dnia, aby odnieść sukces” – mówi Xu. „Szczególnie w tym badaniu stwierdziliśmy, że ludzie potrzebują tylko około 30% dni, aby stracić więcej niż 3% wagi i 40% dni, aby schudnąć więcej niż 5% lub prawie 70% dni, aby stracić więcej niż 10% wagi. Kluczową kwestią jest to, że nie trzeba codziennie śledzić, aby schudnąć w klinicznie istotnym stopniu”.
Jest to obiecujące, ponieważ Pagoto wskazuje, że celem sześciomiesięcznego programu odchudzania jest zazwyczaj 5% do 10%, zakres, w którym korzyści zdrowotne zaobserwowano w badaniach klinicznych.
„Wiele razy ludzie czują, że muszą stracić 50 funtów, aby stać się zdrowszymi, ale tak naprawdę zaczynamy dostrzegać zmiany w takich rzeczach, jak ciśnienie krwi, lipidy, ryzyko chorób sercowo-naczyniowych i ryzyko cukrzycy, gdy ludzie tracą około 5 do 10% ich wagi”, mówi Pagoto. „Można to osiągnąć, jeśli uczestnicy tracą około jednego do dwóch funtów tygodniowo, co jest uważane za zdrowe tempo utraty wagi”.
Następnie Xu przyjrzał się trajektoriom śledzenia diety w ciągu sześciu miesięcy trwania programu.
Naukowcy odkryli trzy różne trajektorie. Jeden, którego nazywają high trackerami lub superużytkownikami, który śledził jedzenie przez większość dni tygodnia przez sześć miesięcy i średnio stracił około 10% swojej wagi.
Jednak wielu uczestników należało do drugiej grupy, która zaczęła regularnie śledzić, zanim ich śledzenie stopniowo spadało z czasem, do około czterech miesięcy, tylko około jednego dnia w tygodniu. Nadal traciły około 5% swojej wagi.
Trzecia grupa, zwana low trackerami, zaczęła śledzić tylko trzy dni w tygodniu i spadła do zera po trzech miesiącach, gdzie pozostała do końca interwencji. Średnio ta grupa straciła tylko 2% swojej wagi.
„Jedną z interesujących rzeczy w tych danych jest to, że w literaturze badacze często patrzą tylko na to, czy istnieje korelacja między śledzeniem a ogólnymi wynikami utraty wagi. Ran zastosował podejście do danych i odkrył, że jest coś więcej w tej historii – mówi Pagoto. „Teraz obserwujemy różne wzorce śledzenia. Pomoże nam to określić, kiedy udzielić dodatkowej pomocy i kto będzie jej najbardziej potrzebował”.
Wzorce mogą pomóc w informowaniu przyszłych programów, które można dostosować, aby pomóc w ulepszeniu śledzenia użytkowników na podstawie grupy, do której należą. Przyszłe badania będą zagłębiać się w te wzorce, aby zrozumieć, dlaczego się pojawiają i, miejmy nadzieję, opracować interwencje poprawiające wyniki.
„Dla mnie ekscytujące w tych programach cyfrowych jest to, że mamy cyfrowy ślad zachowań uczestników” — mówi Xu. „Możemy przeniknąć do najdrobniejszych szczegółów tego, co ludzie robią podczas tych programów. Dane mogą stanowić podstawę dla podejść medycyny precyzyjnej, w których możemy przyjąć tę perspektywę nauki o danych, zidentyfikować wzorce zachowań i zaprojektować ukierunkowane podejście”.
Cyfrowo dostarczane programy zdrowotne dostarczają naukowcom mnóstwa danych, których nigdy wcześniej nie mieli, co może przynieść nowe spostrzeżenia, ale ta nauka wymaga multidyscyplinarnego podejścia.
„Wcześniej wydawało się, że latamy w ciemności lub po prostu kierujemy się anegdotami lub samoopisowymi pomiarami, ale teraz, gdy mamy tak dużo danych użytkowników, jest inaczej. Potrzebujemy nauki o danych, aby nadać sens wszystkim tym danym. To jest miejsce, w którym nauka zespołowa jest tak ważna, ponieważ analitycy kliniczni i zajmujący się danymi myślą o problemie z bardzo różnych perspektyw, ale razem możemy uzyskać wgląd, którego żadne z nas nie byłoby w stanie zrobić samodzielnie. To musi być przyszłość tej pracy “, mówi Pagoto.
Xu zgadza się: „Z perspektywy nauki o danych uczenie maszynowe jest ekscytujące, ale jeśli mamy tylko uczenie maszynowe, wiemy tylko, co ludzie robią, ale nie wiemy, dlaczego ani co zrobić z tymi informacjami. Właśnie tam potrzebni są naukowcy kliniczni jak Sherry, aby zrozumieć te wyniki. Dlatego nauka zespołowa jest tak ważna”.
Nie latając już w ciemności, te multidyscyplinarne zespoły naukowców dysponują teraz narzędziami potrzebnymi do dalszego dostosowywania programów, aby pomóc ludziom osiągnąć pożądane wyniki. Na razie użytkownicy tych aplikacji mogą być pewni, że nadal mogą uzyskać znaczące wyniki, nawet jeśli przegapią niektóre wpisy.