肥胖集群：直觉饮食和心理健康是个性化的关键

肥胖是全球范围内迅速升级的公共卫生问题，影响着超过 6.5 亿成年人。 它会导致严重的健康后果，例如心血管疾病、肝脂肪变性、癌症和阻塞性睡眠呼吸暂停综合征（OSA）。 肥胖还会产生一些影响生活质量的社会影响。 这些多方面的健康问题是由生物、环境和心理因素错综复杂的相互作用产生的。

在初级保健机构中管理肥胖个体既困难又耗时。 它需要解决相关问题，例如感知压力、睡眠障碍以及焦虑和抑郁等心理健康问题。 所有这些情况都会影响患者减肥和长期维持减肥的能力。 此外，饮食习惯、强迫性饮食和体力活动水平等因素也发挥着关键作用。

为了应对这些挑战，研究人员开发了一个在线平台（Avittam®），这是一个数字化、以人为本的在线平台，不仅针对肥胖症，还针对各种慢性病，包括2型糖尿病、睡眠障碍、儿童肥胖症、减肥手术途径，甚至结节性硬化症等罕见疾病。 该在线平台 (Aviitam®) 通过提供自填问卷库简化了医疗咨询，涵盖营养、体力活动、睡眠、心理健康、生活质量和药物依从性等一系列因素（补充数据表 1）。 该平台自 2014 年开始运营，为法国各地近 3000 名医疗保健专业人员和约 18,000 名患者提供服务。

这项研究专门针对那些参与在线平台肥胖管理途径的人。 它的目的是确定寻求减肥的个体中不同的心理和行为集群，从而提供更加个性化、心理支持的治疗策略。

方法 研究设计 本研究是对使用在线平台从患者收集的数据进行探索性、观察性和横断面分析。 主要目的是根据各种自我报告和临床验证的变量来识别患者群。 该研究得到了法国蒙彼利埃大学医院机构审查委员会（IRB）的批准（识别号：IRB-MTP_2023_02_202301328）。 本研究的所有参与者都通过接受在线平台的一般使用条款和条件 (GTCU) 来提供知情同意，其中明确规定他们的数据可用于研究目的。 该在线平台已获得法国数据保护机构“国家信息与自由委员会”(CNIL) 的批准，确保遵守 GDPR 以及参与者权利的机密性和保护。 为了保护隐私，本研究中使用的所有数据都是匿名的。 患者或公众不参与研究的设计、实施、报告或传播计划。

设置 本研究使用在线平台 (my.aviitam.com) 它使患者能够提供个人信息，回答健康调查问卷（经过验证或特定于平台）并接收有关其病理学的教育内容。 平台自动生成摘要，以方便医生护理患者。 该平台可在法国各地使用，并且对医疗保健提供者和患者都是免费的。 此外，在线平台是患者随访工具，患者和医疗保健专业人员可以访问该平台进行患者管理。

研究人员的参与者包括体重指数 (BMI) ≥ 25 kg/m² 的成年参与者（年龄 ≥ 18），他们同意将其数据纳入研究的使用条款。 排除标准是未完成强制性问卷以及体重测量和问卷完成之间延迟超过 90 天。

变量 该研究的主要结果是个人的心理健康、身体健康和饮食行为，通过各种问卷的分数进行评估。 其中包括医院焦虑和抑郁量表 (HADS)、感知压力量表 (PSS)、Epworth 嗜睡量表、莫林失眠量表、直觉饮食量表-2 (IES-2)、暴食量表 (BES) 和身体活动调查问卷。 次要结果是生活质量，使用 EQ-5D 问卷进行评估，该问卷是在在线平台首次推出肥胖途径九个月后添加的。

该研究考虑了年龄和自我报告的体重指数，随后由医疗保健提供者进行了验证。

该研究的预测因素是心理、饮食行为、身体健康和生活质量问卷的得分。

分析中考虑了以下潜在的混杂因素：年龄、性别以及体重测量和问卷完成之间的时间间隔。

本研究中没有明确研究效果调节剂。 参与研究的纳入标准包括：(i) 年龄，(ii) BMI≥25 kg/m²，(iii) 完成所有研究问卷（EQ-5D 除外），以及 (iv) 同意将其数据用于以下目的：通过接受平台的使用条款来达到研究目的。

数据源/测量所有数据最初都是通过在线平台自行报告，随后由医疗保健提供者在临床咨询期间进行验证。 数据收集历时 67 个月。

偏差 数据最初是自我报告的，但随后由医疗保健提供者在就诊期间进行验证，以减少自我报告的偏差。

研究规模 所有符合资格标准并具有有效数据的用户都包含在我们的分析中。 由于该研究的探索性和大量患者群体的可用性，研究人员没有预先计算样本量。

定量变量年龄和体重指数被视为连续变量。 问卷提供的分数被视为连续变量进行分析。

数据源和变量 我们分析中包含的变量是年龄、BMI 和所有问卷的总分。 问卷用于评估参与者的心理和身体健康状况、饮食行为、身体活动和生活质量。

为了确保数据完整，研究人员仅纳入了填写了所有调查问卷的参与者，以及他们的年龄、性别、体重和身高。 结果，没有丢失数据。

统计分析统计分析是在数据收集之前计划的，目的是使用聚类方法识别肥胖患者的表型。 该分析主要使用非参数方法（例如 Kruskal-Wallis 和卡方检验）进行数据解释。

研究人员根据世界卫生组织的分类对BMI进行分类：体重不足、体重正常、超重和不同程度的肥胖。

最初的重点是完成除 EQ-5D 之外的所有必要调查问卷并提供体重、身高和性别数据的患者。 计划对也完成 EQ-5D 的一部分患者进行后续敏感性分析。

还进行了效应量分析，以突出所确定的患者组之间的主要差异。

所有统计检验均在两侧 p 值小于 0.05 时被视为显着。 使用 Bonferroni 校正对多次测试进行了调整。