Food Addiction in Eating Disorders and Obesity: Analysis of Clusters and Implications for Treatment
Notice bibliographique
Résumé
Food addiction (FA) has been associated with greater psychopathology in individuals with eating disorders (ED) and obesity (OBE). The current study aims to provide a better phenotypic characterization of the FA construct by conducting a clustering analysis of FA in both conditions (ED and OBE). The total sample was comprised of 234 participants that scored positive on the Yale Food Addiction Scale 2.0. (YFAS-2) (119 bulimia nervosa (BN), 50 binge eating disorder (BED), 49 other specified feeding or eating disorder (OSFED) and 16 OBE). All participants completed a comprehensive battery of questionnaires. Three clusters of FA participants were identified. Cluster 1 (dysfunctional) was characterized by the highest prevalence of OSFED and BN, the highest ED severity and psychopathology, and more dysfunctional personality traits. Cluster 2 (moderate) showed a high prevalence of BN and BED and moderate levels of ED psychopathology. Finally, cluster 3 (adaptive) was characterized by a high prevalence of OBE and BED, low levels of ED psychopathology, and more functional personality traits. In conclusion, this study identified three distinct clusters of ED-OBE patients with FA and provides some insight into a better phenotypic characterization of the FA construct when considering psychopathology, personality and ED pathology. Future studies should address whether these three food addiction categories are indicative of therapy outcome.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».