Застосування машинного навчання для прогнозування дієтичних падінь під час схуднення - PubMed

Приналежності

  • 1 1 Центр науки про вагу, харчування та спосіб життя та кафедра психології, Університет Дрекселя, Філадельфія, Пенсільванія, США.
  • 2 2 Відділ психології Коледжу мистецтв і наук Університету Дрекселя, Філадельфія, Пенсільванія, США.
  • 3 3 Відділ психіатрії та поведінки людей, Медична школа Уоррена Алперта, Університет Брауна, Центр контролю ваги та діабету в лікарні Міріам, Провіденс, РІ, США.
  • 4 4 Кабінет Президента, Університет Нової Англії, Біддефорд, Міннесота, США.
  • PMID: 29792067
  • PMCID: PMC6134608
  • DOI: 10.1177/1932296818775757
Безкоштовна стаття PMC

Автори

Приналежності

  • 1 1 Центр науки про вагу, харчування та спосіб життя та кафедра психології, Університет Дрекселя, Філадельфія, Пенсільванія, США.
  • 2 2 Відділ психології Коледжу мистецтв і наук Університету Дрекселя, Філадельфія, Пенсільванія, США.
  • 3 3 Відділ психіатрії та поведінки людей, Медична школа Уоррена Алперта, Університет Брауна, Центр контролю ваги та діабету в лікарні Міріам, Провіденс, РІ, США.
  • 4 4 Кабінет Президента, Університет Нової Англії, Біддефорд, Міннесота, США.

Анотація

Передумови: Особи, які дотримуються дієтичних правил, передбачених під час втручань для схуднення, як правило, мають більший успіх у контролі ваги. Будь-яке відхилення від дієтичних настанов можна назвати "відхиленням". Зростає кількість досліджень, які показують, що прогалини передбачувані за допомогою різноманітних фізіологічних, екологічних та психологічних показників. З огляду на останні технологічні досягнення, можливо, можна буде оцінити ці тригери та передбачити дієтичні недоліки в режимі реального часу. Поточне дослідження намагалося використовувати методи машинного навчання для прогнозування провалів та оцінки корисності комбінування даних як на груповому, так і на індивідуальному рівні для покращення прогнозування провалів.