Neuroanatomical correlates of food addiction symptoms and body mass index in the general population
Notice bibliographique
Résumé
The food addiction model suggests neurobiological similarities between substance-related and addictive disorders and obesity. While structural brain differences have been consistently reported in these conditions, little is known about the neuroanatomical correlates of food addiction. We therefore aimed to determine whether symptoms of food addiction related to body mass index (BMI), personality, and brain structure in a large population-based sample. Participants of the LIFE-Adult study (n = 625; 20-59 years old, 45% women) answered the Yale Food Addiction Scale (YFAS) and further personality measures, underwent anthropometric assessments and high-resolution 3T-neuroimaging. A higher YFAS symptom score correlated with higher BMI, eating behavior traits, neuroticism, and stress. Higher BMI predicted significantly lower thickness of (pre)frontal, temporal and occipital cortex and increased volume of left nucleus accumbens. In a whole-brain analysis, YFAS symptom score was not associated with significant differences in cortical thickness or subcortical gray matter volumes. A hypothesis-driven Bayes factor analysis suggested a small, additional contribution of YFAS symptom score to lower right lateral orbitofrontal cortex thickness over the effect of BMI. Our study indicates that symptoms of food addiction do not account for the major part of the structural brain differences associated with BMI in the general population. Yet, symptoms of food addiction might explain additional variance in orbitofrontal cortex, a hub area of the reward network. Longitudinal studies implementing both anatomical and functional MRI could further disentangle the neural mechanisms of addictive eating behaviors.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».