Høyt volum av interaksjoner mellom pasient og behandler i en fulldigital modell for fedmebehandling

Høyt volum av interaksjoner mellom pasient og behandler i en fulldigital modell for fedmebehandling

Felix Wittström¹, David Buchebner¹, Elin Skoglund¹, Oleg Ivanytskyi¹, Oliver Willacy¹, Kristofer Ringner¹, Anna Sommerfeld¹, Martin Carlsson¹˒²

¹ Yazen Health AB, Malmö, Sverige
² Institutt for medisin og optometri, eHealth Institute, Linnéuniversitetet, Kalmar, Sverige

INTRODUKSJON

I tradisjonelle helsetjenester avslutter en betydelig andel pasienter behandling med GLP-1- eller GLP-1/GIP-agonister i løpet av det første behandlingsåret¹⁻³. Medvirkende faktorer kan være begrenset tilgang til behandlere, begrenset tilgjengelighet på konsultasjoner og utilstrekkelig støtte ved håndtering av bivirkninger. Digitale modeller for fedmebehandling har potensial til å overvinne disse begrensningene ved å muliggjøre kontinuerlig pasientengasjement og støtte ved behov. Vi evaluerte omfanget av interaksjoner mellom pasient og behandler innenfor et fulldigitalt behandlingsprogram for fedme som tilbyr ubegrenset oppfølging.

METODER

Vi kvantifiserte alle meldinger som ble utvekslet mellom pasienter og et tverrfaglig behandlingsteam (leger, helsecoacher, ernæringsfysiologer, psykologer og fysioterapeuter) via Yazens digitale plattform. Data ble samlet inn ukentlig fra 1. januar 2023 til 31. desember 2025 (157 uker). I tillegg vurderte vi hvor ofte pasientene registrerte vekt gjennom observasjonsperioden, og beregnet andelen pasienter som fortsatt var i behandling etter 12, 24 og 36 måneder.

RESULTATER

Gjennom tre hele år ble det utvekslet 7,7 millioner meldinger mellom 50 414 pasienter og et tverrfaglig behandlingsteam (gjennomsnittlig 4,6 meldinger per pasient per uke). Pasientene registrerte vekten sin 2,3 millioner ganger, tilsvarende et gjennomsnitt på 1 registrering per pasient per uke. Andelen pasienter som fortsatt var i behandling forble høy gjennom hele studieperioden, med 70 % av pasientene fortsatt i tjenesten etter 12 måneder og 53 % etter 36 måneder.

I løpet av studieperioden var mer enn 50 000 pasienter i behandling hos Yazen, og bidro med 2,5 millioner pasientuker med data. Nesten 7,7 millioner meldinger ble sendt mellom behandlere og pasienter, tilsvarende et gjennomsnitt på 4,6 meldinger per uke per pasient. Pasientene registrerte vekten sin nesten 2,3 millioner ganger, i gjennomsnitt 1 gang per pasient per uke.

Andelen pasienter som fortsatt var i behandling forble høy gjennom hele studieperioden, med 70 % av pasientene fortsatt i tjenesten etter 12 måneder, 57 % etter 24 måneder og 53 % etter 36 måneder.

KONKLUSJON

En fulldigital modell for fedmebehandling muliggjør eksepsjonelt høye nivåer av kommunikasjon mellom pasient og behandler, langt utover det som er mulig i tradisjonell fysisk helsehjelp. Når kontinuerlig tilgang til profesjonell støtte er tilgjengelig, engasjerer pasientene seg hyppig og proaktivt, noe som fremhever fordelene ved digitale plattformer for langsiktig behandling av fedme og støtte ved GLP-1-basert behandling.

Interessekonflikt: Martin Carlsson er medgründer og ansatt i Yazen Health. Alle øvrige forfattere er ansatte i Yazen Health.

Finansiering: Det var ingen eksterne finansieringskilder for denne studien.

Referanser

1. Xie et al. 2026. Glucagon-Like Peptide-1 Receptor Agonist Switching and Treatment Persistence in Adults Without Diabetes. JAMA Netw Open. 9(3):e261272
2. Gleason et al. 2024. Real-world persistence and adherence to glucagon-like peptide-1 receptor agonists among obese commercially insured adults without diabetes. J Manag Care Spec Pharm. 30(8):860–867
3. Rodriguez et al. 2024. Semaglutide vs Tirzepatide for Weight Loss in Adults With Overweight or Obesity. JAMA Intern Med. 184(9):1056–1064. doi:10.1001/jamainternmed.2024.2525

Dette sammendraget ble presentert som et muntlig innlegg på Nordic Obesity Meeting i Stockholm, NOM 2026. For kontakt, send e-post til felix@yazen.com

Følg Yazen på LinkedIn for de nyeste vitenskapelige oppdateringene og nyhetene innen fedmefeltet!