MétaCan
Menu
Retour à la cohorte
Enregistrement W2326541720 · doi:10.1097/nmd.0b013e318266bbba

Why Do People With Eating Disorders Drop Out From Inpatient Treatment?

2012· article· en· W2326541720 sur OpenAlexaff
Alexandra Pham‐Scottez, Caroline Huas, Fernando Pérez-Díaz, Clémentine Nordon, Snežana M. Divac, Roland Dardennes, Mario Speranza, Frédéric Rouillon

Notice bibliographique

RevueThe Journal of Nervous and Mental Disease · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensSte. Anne's Hospital
Organismes subventionnairesnon disponible
Mots-clésDropout (neural networks)Anorexia nervosaPersonalityPsychologyClinical psychologyComorbidityPersonality disordersEating disordersPersonality Assessment InventoryPsychiatryTemperament and Character InventoryBig Five personality traits

Résumé

récupéré en direct d'OpenAlex

Dropout rates from inpatient treatment for eating disorders are very high and have a negative impact on outcome. The purpose of this study was to identify personality factors predictive of dropout from hospitalization. A total of 64 adult patients with anorexia nervosa consecutively hospitalized in a specialized unit were included; 19 patients dropped out. The dropout group and the completer group were compared for demographic variables, clinical features, personality dimensions, and personality disorders. There was no link between clinical features and dropout, and among demographic variables, only age was associated with dropout. Personality factors, comorbidity with a personality disorder and Self-transcendence dimension, were statistically predictive of premature termination of hospitalization. In a multivariate model, these two factors remain significant. Personality traits (Temperament and Character Inventory personality dimension and comorbid personality disorder) are significantly associated with dropout from inpatient treatment for anorexia nervosa. Implications for clinical practice, to diminish the dropout rate, will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,279
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Nervous and Mental DiseaseMême sujetEating Disorders and BehaviorsTravaux en français237 207