MétaCan
Menu
Retour à la cohorte
Enregistrement W2952858713 · doi:10.1177/1557988319857424

Eating Disorders in Males: How Primary Care Providers Can Improve Recognition, Diagnosis, and Treatment

2019· review· en· W2952858713 sur OpenAlexaff
Simrin Sangha, John L. Oliffe, Mary T. Kelly, Fairleth McCuaig

Notice bibliographique

RevueAmerican Journal of Men s Health · 2019
Typereview
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMovember Foundation
Mots-clésEating disordersAffect (linguistics)Primary carePopulationMedicineHealth careGerontologyPsychologyPsychiatryClinical psychologyFamily medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Eating disorders are complex and multifactorial illnesses that affect a broad spectrum of individuals across the life span. Contrary to historic societal beliefs, this disorder is not gender-specific. Lifetime prevalence of eating disorders in males is on the rise and demanding the attention of primary care providers, as well as the general population, in order to negate the potentially life-threatening complications. Current literature has continued to reinforce the notion that eating disorders predominately affect females by excluding males from research, thereby adding to the void in men-centered knowledge and targeted clinical care. To determine what is currently known about eating disorders among males, a scoping review was undertaken, which identified 15 empirical studies that focused on this topic. Using the Garrard matrix to extract and synthesize the findings across these studies, this scoping review provides an overview of the contributing and constituting factors of eating disorders in males by exploring the associated stigmas, risk factors, experiences of men diagnosed with an eating disorder, and differing clinical presentations. The synthesized evidence is utilized to discuss clinical recommendations for primary care providers, inclusive of male-specific treatment plans, as a means to improving care for this poorly understood and emerging men's health issue.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,047
Tête enseignante GPT0,370
Écart entre enseignants0,323 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Men s HealthMême sujetEating Disorders and BehaviorsTravaux en français237 207