What relationship between eating disorders and alexithymia among medical students?
Notice bibliographique
Résumé
Introduction The student population seems to be vulnerable to eating disorders (ED) but is this in relation to their ability to express their emotions or alexithymia? Objectives Studying the prevalence of ED and alexithymia among medical students, and establish the relationship between these entities. Methods It was a cross-sectional study of 97 students in Sfax University Medicine (Tunisia). We used: – a questionnaire containing demographic and clinical data; – Eating Attitudes Test (EAT-26): a score ≥ 20 indicates ED; – Toronto Alexithymia Scale (TAS-20): a score ≥ 61 indicates alexithymia. Results The average age of participants was 24.07 years (± 2.71); the sex ratio (M/W) was 0.4. Their average BMI was 22.85 kg/m 2 (± 3.36). They were smoking in 36.1% and sedentary in 43.3% of case. They had a nibbling activity in 57.7%. The average score of the EAT-26 was 11.66 ± 8.66 and prevalence of TCA was 19.6%. The average score of TAS-20 was 50.92, 0.46 and alexithymia was found in 16.5% of students. ED was significantly correlated with nibbling ( P = 0.02), BMI or overweight ( P = 0.012), smoking ( P = 0.006) and physical inactivity ( P < 0.00). Also alexithymia was significantly correlated with smoking ( P = 0.003) and physical inactivity ( P = 0.025). A significant correlation was found between alexithymia and ED ( P = 0.008). Conclusion It is clear from our study an association between alexithymia and the ED. Psychological support aimed specifically alexithymic dimension is indispensable, not only for decreasing the emergence of ED but also contributing to lower any addictive behavior. Disclosure of interest The authors have not supplied their declaration of competing interest.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 ».