Growth curves in short supply: a descriptive study of the availability and utility of growth curve data in adolescents with eating disorders
Notice bibliographique
Résumé
BACKGROUND: Healthy body weight (HBW) determination affects multiple aspects of eating disorder (ED) treatment. For example, it can inform patients and providers as to when return of menses (ROM), an objective determinant of health, can occur. Growth curves (GCs) are sensitive indicators of health in youth and when up to date provide critical information regarding normal and expected trajectories of growth. Although not widely recommended as a first line tool for HBW calculation, a GC guides providers selecting a HBW that is individualized to each patient. The primary aim of this paper was to assess availability and feasibility of utilizing GC data for HBW prediction in adolescents referred for an ED assessment. We also sought to determine how this calculation compared to the standardized HBW calculation that uses mean body mass index (BMI) for age and how each of these numbers compared to the actual weight at ROM. METHODS: A retrospective chart review was completed on outpatients assessed for EDs between January 2004 and December 2006. A total of 102 patients met inclusion criteria. Demographic information, GC data, HBW predictions, and menstrual history were analyzed. A comparison of predicted HBWs using the aforementioned calculations and weight at ROM was performed using t-test analyses. RESULTS: Eighty-one patients (79.4%) had GC data available at assessment although HBW prediction was possible in only 24 patients (23.8%) due to poor GC completion. Of those 24 patients, 9 had ROM data available; no significant difference between our predicted HBW and the weight at ROM was found in these patients. In cases where HBW predictions could be compared using GC data and the BMI method, we found the GC calculation to be overall superior. CONCLUSIONS: We found overall rates of GC completion to be very low in our patients, which in turn limited the feasibility of relying on a GC for HBW calculation in ED patients. When complete, GCs provide accurate HBWs for most patients with EDs although it is clear that secondary methods of calculation are required given the gaps in data observed using this cohort.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».