ওজন কমানোর উপায় – কার্যকর ডায়েট ট্র্যাকিং

আপনি দিনে যা কিছু খান তার ট্র্যাক রাখতে সময়ের সাথে সাথে বজায় রাখা কঠিন এবং কঠিন। দুঃখজনকভাবে, একটি সাম্প্রতিক গবেষণা দেখায় যে পরিশ্রমী ট্র্যাকিং কার্যকর ওজন কমানোর জন্য একটি অপরিহার্য উপাদান।

গবেষণার ফলাফল প্রকাশিত হয়েছিল স্থূলতা দেখায় যে উল্লেখযোগ্য ওজন হ্রাস অর্জনের জন্য নিখুঁত ট্র্যাকিংয়ের প্রয়োজন নেই।

একটি বাণিজ্যিক ডিজিটাল ওজন কমানোর প্রোগ্রামের ব্যবহারকারীরা যারা তাদের খাদ্য গ্রহণের স্ব-প্রতিবেদন করেছেন তাদের ছয় মাস ধরে ইউকন, ইউনিভার্সিটি অফ ফ্লোরিডা এবং পেনসিলভানিয়া বিশ্ববিদ্যালয়ের গবেষকরা অনুসরণ করেছেন।

গবেষণার লক্ষ্য ছিল ছয় মাস পর 3 শতাংশ, 5 শতাংশ এবং 10 শতাংশ ওজন কমানোর পূর্বাভাস দেওয়ার জন্য আদর্শ ডায়েট ট্র্যাকিং মাত্রা নির্ধারণ করা।

“আমরা WeightWatchers এর সাথে অংশীদারি করেছি, যারা একটি নতুন ব্যক্তিগত পয়েন্ট প্রোগ্রাম প্রকাশ করার পরিকল্পনা করছিল, এবং তারা আমাদের ক্লিনিকাল ট্রায়ালের মাধ্যমে অভিজ্ঞতামূলক তথ্য পেতে চেয়েছিল,” বলেছেন সহ-লেখক এবং অ্যালাইড হেলথ সায়েন্সেস বিভাগের অধ্যাপক শেরি প্যাগোটো৷

প্যাগোটো ব্যাখ্যা করেছেন যে নতুন প্রোগ্রামটি সমস্ত কিছুর জন্য ক্যালোরি গণনার প্রয়োজনীয়তা দূর করতে শূন্য-পয়েন্ট খাবারের তালিকা সহ পয়েন্ট বরাদ্দ করার জন্য একটি ব্যক্তিগত পদ্ধতি গ্রহণ করে।

“ডায়েটারি ট্র্যাকিং হল সমস্ত ওজন কমানোর হস্তক্ষেপের মূল ভিত্তি, এবং এটি ফলাফলের সবচেয়ে বড় ভবিষ্যদ্বাণীকারী হতে থাকে। এই প্রোগ্রামটি শূন্য-পয়েন্ট খাবারের অনুমতি দিয়ে সেই কাজের বোঝা কমিয়ে দেয়, যা ট্র্যাক করার প্রয়োজন নেই।”

গবেষক এবং বিকাশকারীরা ট্র্যাকিং প্রক্রিয়াটিকে কম বোঝার উপায় খুঁজছেন, কারণ প্যাগোটো যেমন বলেছেন, অনেক প্রোগ্রামের জন্য, ব্যবহারকারীদের মনে হতে পারে যে তাদের সারা জীবনের জন্য ক্যালোরি গণনা করতে হবে: “এটি কেবল টেকসই নয়৷ ব্যবহারকারীদের কি প্রয়োজন? প্রতি একক দিন সবকিছু ট্র্যাক করতে হবে নাকি অগত্যা?”

ছয় মাসের তথ্যের সাথে, অ্যালাইড হেলথ সায়েন্সেস বিভাগের সহকারী অধ্যাপক রান জু দেখতে আগ্রহী ছিলেন যে অংশগ্রহণকারীরা কতটা ডায়েট ট্র্যাকিং করেছে তার উপর ভিত্তি করে ফলাফলের ভবিষ্যদ্বাণী করার উপায় আছে কিনা।

র্যান জু এবং অ্যালাইড হেলথ সায়েন্সের পিএইচডি ছাত্র রিচার্ড ব্যানার ডেটা বিজ্ঞানের দৃষ্টিকোণ থেকে ওজন কমানোর সাফল্যের সাথে যুক্ত নিদর্শন আছে কিনা তা দেখতে ডেটা বিশ্লেষণ করেছেন।

রিসিভার অপারেটিং বৈশিষ্ট্য (আরওসি) কার্ভ অ্যানালাইসিস নামে একটি পদ্ধতি ব্যবহার করে তারা দেখেছে যে ক্লিনিক্যালি উল্লেখযোগ্য ওজন কমানোর জন্য লোকেদের কত দিন তাদের খাবার ট্র্যাক করতে হবে।

“এটা দেখা যাচ্ছে, সফল হওয়ার জন্য আপনাকে প্রতিদিন 100 শতাংশ ট্র্যাক করার দরকার নেই,” জু বলেছেন৷

“বিশেষ করে এই ট্রায়ালে, আমরা দেখতে পাই যে 3 শতাংশের বেশি ওজন কমানোর জন্য লোকেদের শুধুমাত্র 30 শতাংশ দিন এবং 5 শতাংশের বেশি ওজন কমানোর জন্য 40 শতাংশ দিন বা প্রায় 70 শতাংশ ট্র্যাক করতে হবে৷ 10 শতাংশের বেশি ওজন কমানোর জন্য দিনের মধ্যে। এখানে মূল বিষয় হল যে আপনার প্রতিদিন ক্লিনিক্যালি উল্লেখযোগ্য পরিমাণ ওজন কমানোর জন্য ট্র্যাক করার দরকার নেই।”

এটি আশাব্যঞ্জক কারণ প্যাগোটো উল্লেখ করেছেন যে ছয় মাসের ওজন কমানোর প্রোগ্রামের লক্ষ্য সাধারণত 5 শতাংশ থেকে 10 শতাংশ, এমন একটি পরিসর যেখানে ক্লিনিকাল ট্রায়ালগুলিতে স্বাস্থ্য সুবিধাগুলি দেখা গেছে।

“অনেক সময় লোকেরা মনে করে যে তাদের সুস্থ হওয়ার জন্য 50 পাউন্ড হারাতে হবে, কিন্তু আসলে আমরা রক্তচাপ, লিপিড, কার্ডিওভাসকুলার রোগের ঝুঁকি এবং ডায়াবেটিসের ঝুঁকির মতো জিনিসগুলিতে পরিবর্তন দেখতে শুরু করি যখন মানুষ প্রতি 5 থেকে 10 পাউন্ড হারায়। তাদের ওজনের শতাংশ,” প্যাগোটো বলেছেন।

“এটি সম্পন্ন করা যেতে পারে যদি অংশগ্রহণকারীরা সপ্তাহে প্রায় এক থেকে দুই পাউন্ড হারায়, যা ওজন কমানোর একটি স্বাস্থ্যকর গতি বলে মনে করা হয়।”

জু তারপরে প্রোগ্রামের ছয় মাস ধরে ডায়েট ট্র্যাকিংয়ের গতিপথ দেখেছিলেন। গবেষকরা তিনটি স্বতন্ত্র ট্রাজেক্টোরি খুঁজে পেয়েছেন। একজনকে তারা উচ্চ ট্র্যাকার বা সুপার ব্যবহারকারী বলে, যারা ছয় মাস ধরে সপ্তাহের বেশিরভাগ দিন খাবার ট্র্যাক করে এবং গড়ে তাদের ওজনের প্রায় 10 শতাংশ কমে যায়।

যাইহোক, অনেক অংশগ্রহণকারী একটি দ্বিতীয় গ্রুপের অন্তর্গত যারা নিয়মিতভাবে ট্র্যাকিং শুরু করেছিল, তাদের ট্র্যাকিং ধীরে ধীরে চার মাসের চিহ্নে, প্রতি সপ্তাহে মাত্র এক দিন কমে যাওয়ার আগে। তারা এখনও তাদের ওজন প্রায় 5 শতাংশ হারান.

লো ট্র্যাকার নামে পরিচিত একটি তৃতীয় দল সপ্তাহে মাত্র তিন দিন ট্র্যাকিং শুরু করে এবং তিন মাসের মধ্যে শূন্যে নেমে আসে, যেখানে তারা বাকি হস্তক্ষেপের জন্য থাকে। গড়ে এই গ্রুপটি তাদের ওজনের মাত্র 2 শতাংশ হারায়।

“এই ডেটা সম্পর্কে একটি বিষয় যা আকর্ষণীয় তা হল, প্রায়শই সাহিত্যে, গবেষকরা কেবল ট্র্যাকিং এবং সামগ্রিক ওজন কমানোর ফলাফলের মধ্যে একটি সম্পর্ক আছে কিনা তা দেখেন৷ র্যান ডেটার জন্য একটি ডেটা বিজ্ঞানের দৃষ্টিভঙ্গি নিয়েছিলেন এবং খুঁজে পেয়েছেন যে গল্পে আরও অনেক কিছু রয়েছে৷ “পাগোটো বলেছেন।

“এখন আমরা ট্র্যাকিংয়ের বিভিন্ন নিদর্শন দেখতে পাচ্ছি। এটি আমাদের সনাক্ত করতে সাহায্য করবে কখন অতিরিক্ত সহায়তা প্রদান করতে হবে এবং কাদের এটি সবচেয়ে বেশি প্রয়োজন হবে।”

প্যাটার্নগুলি ভবিষ্যতের প্রোগ্রামকে জানাতে সাহায্য করতে পারে যা ব্যবহারকারীর ট্র্যাকিং উন্নত করতে সাহায্য করার জন্য তৈরি করা যেতে পারে তারা কোন গ্রুপে পড়ে তার উপর ভিত্তি করে। ভবিষ্যত অধ্যয়নগুলি এই প্যাটার্নগুলিকে আরও গভীরে খনন করবে কেন সেগুলি উদ্ভূত হয় তা বোঝার জন্য এবং আশা করি ফলাফলগুলি উন্নত করার জন্য হস্তক্ষেপ বিকাশ করবে।

“আমার জন্য, এই ডিজিটাল প্রোগ্রাম সম্পর্কে উত্তেজনাপূর্ণ বিষয় হল যে আমাদের অংশগ্রহণকারীদের আচরণের একটি ডিজিটাল পদচিহ্ন রয়েছে,” জু বলেছেন৷

“আমরা এই প্রোগ্রাম চলাকালীন লোকেরা যা করে তার সূক্ষ্ম-বিক্ষুব্ধতায় ড্রিল ডাউন করতে পারি। ডেটা সূক্ষ্ম মেডিসিন পন্থা জানাতে পারে, যেখানে আমরা এই ডেটা বিজ্ঞানের দৃষ্টিভঙ্গি নিতে পারি, আচরণের ধরণগুলি সনাক্ত করতে পারি এবং একটি লক্ষ্যযুক্ত পদ্ধতির ডিজাইন করতে পারি।”

ডিজিটালি বিতরণ করা স্বাস্থ্য প্রোগ্রাম গবেষকদের অনেকগুলি ডেটা দেয় যা তাদের আগে কখনও ছিল না যা নতুন অন্তর্দৃষ্টি প্রদান করতে পারে, তবে এই বিজ্ঞানের জন্য একটি বহুবিভাগীয় পদ্ধতির প্রয়োজন।

“আগে, মনে হতো আমরা অন্ধকারে উড়ে যাচ্ছি বা কেবল উপাখ্যান বা স্ব-প্রতিবেদিত ব্যবস্থার মাধ্যমে যাচ্ছি, কিন্তু এখন আমাদের কাছে অনেক ব্যবহারকারীর ডেটা রয়েছে তা ভিন্ন। এই সমস্ত ডেটা বোঝার জন্য আমাদের ডেটা সায়েন্স দরকার।”

“এখানেই টিম সায়েন্স এত গুরুত্বপূর্ণ কারণ ক্লিনিকাল এবং ডেটা বিজ্ঞানীরা সমস্যাটি সম্পর্কে খুব ভিন্ন দৃষ্টিকোণ থেকে চিন্তা করেন, কিন্তু একসাথে, আমরা এমন অন্তর্দৃষ্টি তৈরি করতে পারি যা আমরা কেউই নিজেরাই করতে পারি না। এটি অবশ্যই এই কাজের ভবিষ্যত হতে হবে,” প্যাগোটো বলেছেন৷

সম্মত হন: “ডেটা সায়েন্সের দৃষ্টিকোণ থেকে, মেশিন লার্নিং উত্তেজনাপূর্ণ কিন্তু আমাদের যদি শুধু মেশিন লার্নিং থাকে, তাহলে আমরা শুধু জানি মানুষ কি করে, কিন্তু আমরা জানি না কেন বা এই তথ্যের সাথে কি করতে হবে। এই ফলাফলগুলি বোঝার জন্য আমাদের শেরি-এর মতো ক্লিনিকাল বিজ্ঞানীদের প্রয়োজন। তাই দল বিজ্ঞান এত গুরুত্বপূর্ণ।”

Leave a Reply

Your email address will not be published. Required fields are marked *