Prevalence and Predictors of Self-Reported Sexual Abuse in Severely Obese Patients in a Population-Based Bariatric Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Sexual abuse may be associated with poorer weight loss outcomes following bariatric treatment. Identifying predictors of abuse would enable focused screening and may increase weight management success. METHODS: We analyzed data from 500 consecutively recruited obese subjects from a population-based, regional bariatric program. The prevalence of self-reported sexual abuse was ascertained using a single interview question. Health status was measured using a visual analogue scale (VAS). Multivariable logistic regression was performed to identify sexual abuse predictors. RESULTS: The mean age was 43.7 y (SD 9.6), 441 (88.2%) were females, 458 (91.8%) were white, and the mean body mass index (BMI) was 47.9 kg/m(2) (SD 8.1). The self-reported prevalence of past abuse was 21.8% (95% CI 18.4-25.4%). Abused subjects had worse health status (VAS score 53.1 (SD 21.2) versus 58.0 (SD 20.1), P = 0.03). BMI was not associated with abuse (P > 0.5). Age, sex, BMI, and covariate-adjusted independent predictors of abuse included alcohol addiction (adjusted odds ratio 15.8; 95% CI 4.0-62.8), posttraumatic stress disorder (4.9; 2.5-9.5), borderline personality (3.8; 1.0-13.8), depression (2.4; 1.3-4.3), and lower household income (3.4; 1.6-7.0). CONCLUSIONS: Abuse was common amongst obese patients managed in a population-based bariatric program; alcohol addiction, psychiatric comorbidities, and low-income status were highly associated with sexual abuse.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle