Eating disorders and substance use in adolescents: How substance users differ from nonsubstance users in an outpatient eating disorders treatment clinic
Notice bibliographique
Résumé
OBJECTIVE: The relationship between eating disorders (EDs) and substance use (SU) has only been briefly described in literature using mainly adult populations. This study examined the prevalence and characteristics of SU among patients of an adolescent ED outpatient treatment program. METHOD: A retrospective chart analysis was conducted to determine and subsequently compare medical status, psychosocial factors, treatment course and outcome between patients with and without SU. RESULTS: Over 60% of patients with SU status (n = 203) reported regularly consuming substances. 33.4% of substance users received a diagnosis involving purging behaviors compared to 5.9% of nonusers. Females composed 96.4% and 81.7% of users and nonusers, respectively. Users reported significantly more self-harm (57.7% of users vs. 38.6% of nonusers) but did not differ significantly in terms of trauma (abuse or victimization; 48.3% of users vs. 44.9% of nonusers). The percentage of ideal body weight significantly improved throughout treatment and did not differ by SU with a mean increase of 5.29% (SD = 13.6) among nonusers compared to 5.45% (SD = 7.5) of users. While users and nonusers did not differ before and after treatment in ED severity, users were more likely than nonusers to drop-out of treatment (41.5% of users vs. 25.2% of nonusers). DISCUSSION: Adolescents with SU benefit from ED outpatient treatment as much as those without SU, however, users are more likely to drop-out. Therefore, treatment should target these adolescents' emotional dysregulation to improve treatment compliance. Further research is necessary to determine the efficacy of such an approach.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».