• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 45
  • 11
  • Tagged with
  • 56
  • 56
  • 20
  • 14
  • 14
  • 7
  • 6
  • 6
  • 6
  • 6
  • 6
  • 6
  • 6
  • 5
  • 5
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
51

Déterminants physiologiques et comportementaux du poids corporel chez la femme

Duval, Karine January 2013 (has links)
D’importantes fluctuations du poids corporel peuvent être observées à différentes périodes de la vie d’une femme la rendant ainsi plus vulnérable à une augmentation du risque de développer de l’obésité et des problèmes de santé. Bien que les approches actuelles préconisées dans le traitement de l’obésité produisent des résultats à court terme, le maintien d’une perte de poids à long terme s’avère une tâche difficile pour une majorité de gens. Il apparaît donc important, du point de vue de la santé des populations, de mieux comprendre les facteurs physiologiques et comportementaux associés à la problématique du poids chez la femme. C'est dans cette optique que s'inscrivent les travaux de la présente thèse. Deux études ont été utilisées afin de répondre aux questions de recherche de cette thèse : 1) une étude transversale réalisée auprès de femmes préménopausées ayant eu du succès avec le maintien d’une perte de poids; 2) une étude longitudinale d’une durée de 5 ans réalisée chez des femmes en période de transition ménopausique. Dans un premier temps, nous avons cherché à mieux comprendre les déterminants physiologiques et comportementaux susceptibles de favoriser le maintien d’une perte de poids à long terme chez la femme préménopausée en comparant des femmes ayant eu du succès avec le maintien de leur perte de poids à des femmes n’ayant jamais eu de problème de poids. Les résultats de cette étude transversale ont montré que le maintien d’une perte de poids à long terme chez la femme semble être associé à un apport protéinique plus élevé, un contrôle volontaire alimentaire cognitif plus important ainsi qu’à une plus grande dépense énergétique associée à l’activité physique. Dans un deuxième temps, nous avons observé que la relation entre la fréquence des repas et la composition corporelle chez les femmes préménopausées peut être influencée par l’activité physique et la condition cardio-respiratoire. Dans un troisième temps, nous nous sommes intéressés aux changements pouvant survenir au niveau des déterminants physiologiques et comportementaux associés à l’équilibre énergétique pendant la transition ménopausique. Les résultats de cette étude longitudinale suggèrent que la transition ménopausique est accompagnée d’une diminution de la dépense énergétique, principalement caractérisée par une diminution de la pratique d’activité physique, et de l’adoption d’un mode de vie plus sédentaire. Une diminution de l’apport alimentaire ainsi qu’une augmentation de l’appétit ont également été observées. Dans l’ensemble, nous avons démontré qu’une pratique d’activité physique régulière d’intensité modérée à élevée ainsi qu’un apport protéinique plus élevé contribueraient au maintien d’une perte de poids à long terme chez la femme et qu’un gain de poids pendant la transition ménopausique pourrait être atténué par une augmentation de la pratique d’activité physique, l’adoption d’un mode de vie actif et une diminution de l’apport alimentaire.
52

Incorporating health factors into food recommendation : experiments on real-world data from a weight-loss app

Ling, Yabo 03 1900 (has links)
Les systèmes de recommandation typiques tentent d'imiter les comportements passés des utilisateurs pour faire des recommandations futures. Par exemple, dans le domaine des recommandations alimentaires, ces algorithmes de recommandation apprennent généralement d'abord l'historique de consommation de l'utilisateur, puis recommandent les aliments que l'utilisateur préfère. Bien qu'il existe de nombreux systèmes de recommandation d'aliments proposés dans la littérature, la plupart d'entre eux sont généralement des applications directes des algorithmes de recommandation génériques sur des ensembles de données alimentaires. Nous pensons que pour le problème de la recommandation alimentaire, les connaissances spécifiques au domaine joueraient un rôle vital dans la réussite d'un recommandeur alimentaire. Cependant, la plupart des modèles existants n'intègrent pas ces connaissances. Pour résoudre ce problème, dans cet article, nous intégrons des facteurs liés à la santé (tels que l'IMC des utilisateurs, les changements de poids sous-jacents, les calories des aliments candidats et les variétés d'aliments) dans des modèles de recommandations alimentaires séquentielles pour les utilisateurs qui souhaitent mieux gérer leur alimentation et poids. Les changements de poids sous-jacents des utilisateurs sont également traités comme leurs objectifs ou leurs intentions (perdre, maintenir ou prendre du poids). Le modèle proposé devrait adapter en douceur le flux d'articles recommandé vers l'objectif des utilisateurs en tenant compte des préférences de consommation et des facteurs de santé antérieurs de l'utilisateur. Pour étudier les meilleures stratégies pour incorporer des facteurs de santé spécifiques à un domaine dans les recommandations alimentaires, dans cette étude, nous proposons deux approches de modélisation: la recommandation du prochain article et la recommandation du prochain panier. Ces deux méthodes prennent la séquence passée d'aliments (noms d'aliments et calories) consommés par un utilisateur comme entrée et produisent une liste classée d'aliments pour le prochain aliment (Next-item) ou le lendemain (Next-basket). En outre, les recommandations de base sont améliorées sur la base des approches de pointe de chaque approche de modélisation, qui sont respectivement GRU4Rec~\cite{GRU4Rec} et LSTM hiérarchique. Pour étudier l'impact des facteurs de santé et ajuster le modèle vers un objectif, nous construisons des sous-modèles spécifiques pour chaque groupe d'utilisateurs en fonction de l'IMC et de l'intention. À savoir, les utilisateurs sont regroupés en obèses, en surpoids, normaux, sous-pondérés selon l'IMC. Leurs données (par semaines) sont segmentées en semaines de perte/gain/maintien de poids en fonction du changement de poids au cours de la semaine. Cette dernière segmentation vise à saisir les habitudes de consommation alimentaire liées au poids, qui est traité comme l'intention sous-jacente de l'utilisateur. Un modèle général formé sur l'ensemble des données historiques mixtes devrait capturer les habitudes générales de consommation alimentaire de tous les utilisateurs, tandis qu'un sous-modèle formé sur l'ensemble spécifique de données pour l'IMC et l'intention capture celles des groupes ou semaines correspondants. Pour un utilisateur au sein d'un groupe d'IMC et avec l'intention de changer de poids, nous appliquons le sous-modèle spécifique, combiné avec le modèle général, pour la recommandation alimentaire. Nos modèles sont formés sur une grande quantité de données de comportement alimentaire d'utilisateurs réels à partir d'une application de gestion du poids, où nous pouvons observer la consommation alimentaire quotidienne et le poids corporel de plusieurs utilisateurs. Lorsque nous combinons le modèle complet général avec les modèles spécifiques à l'IMC et spécifiques à l'intention avec un coefficient approprié, nous observons des améliorations significatives par rapport aux performances du modèle général basé à la fois sur la recommandation de l'article suivant et sur la recommandation du panier suivant. De plus, les sous-modèles spécifiques à l'IMC et spécifiques à l'intention se sont avérés utiles, ce qui donne de meilleurs résultats que le modèle complet général, tandis que les sous-modèles spécifiques à l'IMC ont plus d'impact que le modèle spécifique à l'intention. En pratique, pour un utilisateur qui a l'intention de perdre du poids, le système peut appliquer le modèle de résultat Perte de poids (avec l'IMC correspondant) à l'utilisateur. Cela tend à ajuster en douceur le modèle général de recommandation vers cet objectif. En outre, le niveau d'ajustement pourrait être contrôlé par le coefficient de combinaison de modèles. En d'autres termes, avec un coefficient plus élevé, le sous-modèle spécifique aura un impact plus important sur la prédiction du classement final des aliments, ce qui implique que le système donnera la priorité à la réalisation de l'objectif de l'utilisateur plutôt qu'à l'imitation de ses habitudes alimentaires précédentes. Cette stratégie est plus efficace que de toujours recommander certains types d'aliments hypocaloriques, qui ne sont pas appréciés par l'utilisateur. L'intention est alignée sur le résultat de poids réel au lieu de l'intention indiquée par l'utilisateur. Ce dernier s'avère beaucoup moins performant dans nos expérimentations. / Typical recommender systems try to mimic the past behaviors of users to make future recommendations. For example, in the food recommendation domain, those recommenders typically first learn the user’s previous consumption history and then recommend the foods the user prefers. Although there are lots of food recommender systems proposed in the literature, most of them are usually some direct applications of generic recommendation algorithms on food datasets. We argue that for the food recommendation problem, domain-specific knowledge would play a vital role in a successful food recommender. However, most existing models fail to incorporate such knowledge. To address this issue, in this paper, we incorporate health-related factors (such as users’ BMI, underlying weight changes, calories of the candidate food items, and food varieties) in sequential food recommendation models for users who want to better manage their body weight. The users' underlying weight changes are also as treated as their goals or intents (either losing, maintaining, or gaining weight). The proposed model is expected to smoothly adapt the recommended item stream toward the users’ goal by considering the user’s previous consumption preferences and health factors. To investigate the best strategies to incorporate domain-specific health factors into food recommenders, in this study, we propose two modeling approaches: Next-item Recommendation and Next-basket Recommendation. These two methods take the past sequence of foods (food names and calories) consumed by a user as the input and produce a ranked list of foods for the next one (Next-item) or the next day (Next-basket). Besides, the basic recommendations are improved based on the state-of-the-art approaches of each modeling approach, which are GRU4Rec~\cite{GRU4Rec} and hierarchical LSTM, respectively. To investigate the impact of health factors and tune the model toward a goal, we build specific sub-models for each group of users according to BMI and intent. Namely, users are grouped into Obese, Overweighted, Normal, Underweighted according to BMI. Their data (by weeks) are segmented into weight losing/gaining/maintaining weeks according to the weight change during the week. This latter segmentation aims to capture food consumption patterns related to weight outcome, which is treated as the user's underlying intent. A general model trained on the whole mixed historical data is expected to capture the general food consumption patterns of all the users, while a sub-model trained on the specific set of data for BMI and intent captures those of the corresponding groups or weeks. For a user within a BMI group and with the intent of weight change, we apply the specific sub-model, combined with the general model, for food recommendation. Our models are trained on a large amount of eating behavior data of real users from a weight management app, where we can observe the daily food consumption and the body weight of many users. When we combine the general full-model with the BMI-specific and intent-specific models with appropriate coefficient, we observe significant improvements compared with the performance of the general model based on both Next-item Recommendation and Next-basket Recommendation. Furthermore, both BMI-specific and intent-specific sub-models have been proved useful, which achieves better results than the general full-model, while BMI-specific sub-models are more impactful than the intent-specific model. In practice, for a user who intends to lose weight, the system can apply the Losing-weight outcome model (with the corresponding BMI) to the user. This tends to smoothly adjust the general recommendation model toward this goal. Besides, the adjustment level could be controlled by the coefficient of model combination. In other words, with a larger coefficient, the specific sub-model will have a greater impact on predicting the final food ranking list, implying that the system will prioritize achieving the user's goal over mimicking their previous eating habits. This strategy is more effective than always recommending some types of low-calorie foods, which are not liked by the user. The intent is aligned with the actual weight outcome instead of the indicated intention by the user. This latter turns out to be much less successful in our experiments.
53

Prédicteurs de l’amélioration des facteurs de risques de diabète de type 2 suivant une diète hypocalorique

Provost, Viviane 12 1900 (has links)
No description available.
54

Mémoire épigénétique des trajectoires pondérales maternelles préconceptionnelles au cours du développement et à long terme / Epigenetic memory of maternal preconceptional weight trajectories during development and adulthood

Panchenko, Polina 15 December 2015 (has links)
L'obésité maternelle peut prédisposer aux pathologies métaboliques à l'âge adulte. Une perte de poids préconceptionnelle est recommandée aux femmes obèses, mais ses effets sur la croissance fœto-placentaire et la santé de la descendance adulte sont encore peu connus. Les objectifs de cette thèse étaient d’étudier les effets des trajectoires pondérales maternelles sur le phénotype de la descendance à terme et à l’âge adulte, ainsi que sur l’expression génique. Les descendants de mères obèses présentent une restriction de croissance fœtale, associée à des altérations d’expression des gènes de la machinerie épigénétique dans le foie fœtal et le labyrinthe placentaire. Notre étude souligne la sensibilité particulière de la machinerie d’acétylation des histones au métabolisme maternel. À l'âge adulte, les mâles nés des mères obèses développent une obésité aggravée lorsqu'ils sont exposés à un environnement obésogène. La perte de poids maternelle préconceptionnelle améliore la croissance fœtale et normalise le poids à l’âge adulte. Elle est donc bénéfique pour la descendance. Cependant, certains effets de l’obésité, corrigée par l’intervention nutritionnelle, sont conservés car le poids fœtal et l’expression d’une partie de gènes restent altérés. Ce travail apporte des premiers éléments sur les mécanismes du conditionnement développemental par les trajectoires pondérales maternelles. / Maternal obesity (OB) impacts fetal growth and adult offspring phenotype. It is still unknown whether the currently recommended preconceptional weight loss (WL) for obese women is beneficial for feto-placental growth and adult offspring health. The objectives of this thesis were to assess the effects of maternal weight trajectories on offspring phenotype at term and in adulthood, as well as gene expression in placenta and fetal liver. At E18.5, fetuses from obese females presented a fetal growth restriction (FGR); this FGR was almost completely abolished by maternal WL. Placental and hepatic expression of epigenetic machinery genes was affected by maternal OB, especially the histone acetylation pathway. Maternal WL normalized the expression of only a subset of these genes. Males born to OB mothers gained weight faster under high-fat diet than males born to control mothers; maternal WL rescued this phenotype. These results show that expression of epigenetic machinery genes and in particular histone acetylation regulators, is highly sensitive to maternal obesity. Preconceptional WL alleviates the effects of OB on fetal and adult weight but some effects of obesity cured by nutritional intervention were retained in offspring phenotype at term. This study is an important step toward understanding the mechanisms linking maternal nutrition to fetal growth and adult health.
55

Strategies and challenges associated with long-term weight loss maintenance among overweight and obese women in Quebec

Séguin, Karine 12 1900 (has links)
Contexte / Objectif: Le maintien de la perte de poids est essentiel pour la gestion de l'obésité et des maladies chroniques associées. Cette étude vise à identifier les stratégies et les barrières associées à la perte de poids à long terme chez les femmes en surpoids et obèses au Québec. Méthode: Une étude transversale utilisant un modèle de triangulation simultanée entre les méthodes quantitatives et qualitatives a été utilisée. Pour colliger les données quantitatives et qualitatives, un questionnaire a été administré aux participantes par téléphone par la chercheuse de l’étude et une série de questions ont été envoyées par courriel afin de compléter l’analyse qualitative. Un total de 29 femmes en surpoids ou obèses ayant suivi une intervention de perte de poids avec la diététiste (également la chercheuse de cette étude) ont été incluses. Une perte de poids de 5% maintenue pendant au moins un an a été considérée comme un maintien de perte de poids réussi (n = 15). Sinon, elles étaient classées comme une non-réussite (n = 14) du maintien de la perte de poids. Résultats: Les participantes ayant maintenues leur poids avaient plus de probabilités d’avoir complété un niveau de scolarité plus élevé et d’avoir perdu plus de poids après le premier mois d’intervention nutritionnelle que les participantes qui avaient repris leur poids. Les stratégies individuelles significativement plus utilisées chez les réussites du maintien de perte de poids comparé aux non-réussites étaient; augmenter la consommation d'aliments non transformés ou peu transformés, limiter la consommation d'aliments ultra-transformés, réduire la taille des portions et faire de l’activité physique (AP) (≥ 40 minutes / jour). Les stratégies environnementales telles que; avoir le soutien d’un réseau social et créer un environnement alimentaire plus sain à la maison étaient légèrement plus rapportées par les réussites de perte de poids. La barrière principale au maintien de la perte de poids était la tentation des aliments pour les personnes qui avaient maintenues leur poids, tandis que pour les participantes classées comme «non-réussite», la pratique de l'AP était leur principale barrière. Conclusion: Le succès de la perte de poids est complexe, multifactorielle et dépend du contexte. Il n'y a pas de «stratégie unique» pour le succès du maintien de la perte de poids. Une perte de poids à long terme est possible, mais elle nécessite de suivre des principes de bases telles que de limiter la consommation d’aliments ultra-transformés, augmenter la consommation d’aliments non ou minimalement transformés, cuisiner et réduire les portions, et ces principes doivent être durables. Pour augmenter les chances de réussite du maintien de la perte de poids, les individus et les professionnels de la santé devraient cibler des stratégies en fonction de la compréhension de l’interaction entre les choix individuels et plusieurs dimensions de l’environnement alimentaire qui les déterminent, ainsi que du contexte particulier dans lequel les individus évoluent. / Background/Objective: Weight loss maintenance is crucial for successful management of obesity and its related chronic disease. This study aimed to identify strategies and barriers associated with long-term weight loss among overweight and obese women in Quebec. Method: This study employed a cross-sectional method using a concurrent triangulation design that uses quantitative and qualitative instruments. To collect the quantitative and qualitative data, a questionnaire was administered to participants over the phone by the researcher and another series of questions were sent by email to participants to complete the qualitative analysis. A total sample of 29 overweight or obese women who had previously completed a weight loss intervention program with a registered dietitian (who is also the researcher of this study) were included. A 5% weight loss maintained for at least one year was considered a successful weight loss maintenance (n=15) and these participants were classified as maintainers. Otherwise, participants were classified as re-gainers (n=14). Results: Maintainers were more likely to have completed a higher level of education and to have lost more weight after the first month of nutrition intervention when compared to regainers. Individual strategies used significantly more within maintainers when compared to regainers included: increasing unprocessed or minimally processed food consumption, limiting ultra-processed food consumption, reducing portion sizes, and practicing physical activity (PA) (≥40 minutes/day). Social and environmental strategies such as having a supportive network and creating a healthy food environment at home were reported more by maintainers. The main barrier to weight loss maintenance was food temptation for maintainers whereas practicing PA was the main barrier for re-gainers. Conclusion: Weight loss success is complex, multifactorial, and context dependent. There is no “one size fits all strategy” for successful weight loss maintenance. Long-term weight loss is possible but requires following basic principles such as limiting ultra-processed foods, increasing whole and minimally processed food, cooking more and reducing portions, and these principles must be sustainable. To increase chances of successful weight loss maintenance, individuals and health professionals should target strategies according to an understanding of the interaction between individual choices and several dimensions of the food environment influencing these choices.
56

La déshydratation volontaire chez les combattants d'arts martiaux mixtes : rapport au corps et expérience

Rouleau, Alexandra 20 April 2018 (has links)
Ce mémoire présente une exploration anthropologique de l’expérience que font les combattants d’arts martiaux mixtes du Québec de l’utilisation de techniques, dans le cadre de leurs activités sportives, et cela en se penchant plus précisément sur la question de la déshydratation volontaire. Ici je me base sur le courant théorique de l’anthropologie du corps en utilisant le concept de techniques du corps réflexives élaboré par N. Crossley et celui de dys-appearance de D. Leder à propos de la douleur. La démarche est qualitative s’appuyant sur des entrevues ouvertes réalisées avec des combattants de différents niveaux et sur mon expérience personnelle de combattante. Les résultats de l’enquête montrent que la déshydratation volontaire est une pratique réservée aux sports de combat qui provoque des douleurs importantes tant physiques que mentales. Le mémoire invite pour conclure à la réflexion sur les pratiques de contrôle du poids et leurs conséquences sur le bien-être. / This memory thesis presents an anthropological exploration of Quebec’s mixed martial artists’ experience and the use of techniques during their sporting activities, with a focus on the voluntary dehydration. My approach is the theoretical field of the anthropology of the body, and the use of the concept of Reflexive Body Techniques worked out by N. Crossley. Moreover, the theoretical contribution of D. Leder and his concept of dys-appearance will be used to explore the issue of pain. The method is qualitative and is based on open interviews with fighters of different levels of experience and on my own experience as a fighter. The inquiry’s results show that voluntary dehydration is a practice reserved to combat sports and causes important pain such as physical and mental. To conclude, this thesis invite to a thought about weight control practices and their consequences on the well-being.

Page generated in 0.0747 seconds