Factors Affecting Self-Image in Patients with a Diagnosis of Eating Disorders on the Basis of a Cluster Analysis
Notice bibliographique
Résumé
The aim of this study was to assess the relationship between self-image in eating disorders and age, duration and severity of the disorder, comorbidity, depressiveness and self-evaluation of eating problems. The results of the Offer self-image questionnaire for adolescents (QSIA) were compared in four groups: anorexia nervosa restrictive subtype (ANR, n: 47), anorexia nervosa binge/purge subtype (ANBP, n: 16), bulimia nervosa (BUL, n: 34) and eating disorders NOS (EDNOS, n: 19). The control group was age matched female pupils (NOR, n = 76). The Kruskal-Wallis test revealed significant differences between the age of patients from the ANR (16.34, SD 1.58) and BUL (17.56, SD 0.96) groups (p = .008). The self-image of schoolgirls from the NOR group was on most scales significantly better than the self-image of girls from clinical groups. On four scales differences between the (better) self-image in the ANR group and that in the BUL group were observed. Next, a cluster analysis using a generalised k-means algorithm with v-fold cross validation of QSIA questionnaire results was conducted in the group of clinical eating disorders (ANR, ANBP, and BUL). Three clusters were obtained. The first was characterized by very good self-image (above the average for the general population), the second by poor self-image and the third by negative self-image. Severity of depressiveness measured using the Beck Depression Inventory turned out to be the only factor which differentiated the clusters of self-image in eating disorders.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».