Eating‐disorder symptoms and syndromes in a sample of urban‐dwelling Canadian women: Contributions toward a population health perspective
Notice bibliographique
Résumé
OBJECTIVE: We estimated the prevalence of eating disorders and maladaptive eating behaviors in a population-based sample and examined the association of maladaptive eating with self-rated physical and mental health. METHOD: A sample of 1,501 women (mean age = 31.2 years, SD = 6.2) were recruited using random-digit dialing to participate in a 20-min telephone interview about eating behaviors. RESULTS: Weighted frequency analysis showed the prevalence of frequent binge-eating to be 4.1%, that of regular purging to be 1.1%, and that of frequent compensation to be 8.7%. Although we found none of the women to meet full criteria for anorexia nervosa, 0.6% met criteria for bulimia nervosa, 3.8% provisional criteria for binge eating disorder, and 0.6% criteria for a newly proposed entity, purging disorder. As many as 14.9% fell into a residual category representing subthreshold, but potentially problematic variants of eating disturbances. Logistic regression analyses showed that clinical-level maladaptive eating attitudes and behaviors predicted self-rated physical- and mental-health problems after sociodemographic factors were controlled. DISCUSSION: This population-based survey provides prevalence estimates of BN, BED, and purging disorder that are compatible with those of recent epidemiological studies and shows that maladaptive eating attitudes and behaviors represent a substantial population burden.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».