Moving beyond the “eating addiction” versus “food addiction” debate: Comment on Schulte et al. (2017)
Notice bibliographique
Résumé
In a recent commentary, Schulte et al. (2017) argued that addictive-like eating should be conceptualized as a substance use disorder rather than a behavioural addiction, and noted that many parallels that Hebebrand et al. (2014) drew between addictive-like eating and behavioural addictions apply likewise to substance use disorders. However, we argue that many of the arguments advanced by Schulte et al. (2017) in support of a substance-based food addiction model, including the important role played by ingested substances, are nonspecific. That is, these arguments apply equally well to behavioural addictions and other mental disorders, notably eating disorders, which raises the question of whether the phenomenon of addictive-like eating is encompassed by existing eating disorder diagnoses. Similarities between addictive-like eating and substance use, no matter how compelling, do not ensure the validity or clinical utility of a substance-based food addiction model and should not drive the conceptualization of addictive-like eating. The present commentary discusses problems with Schulte et al.'s (2017) arguments for substance-based food addiction, and draws attention to alternative conceptualizations of addictive-like eating which risk being overlooked when this conversation is framed as a dichotomous debate between the food and eating addiction models.
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 | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,106 | 0,094 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,010 |
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 ».