An Integrative Approach to Clinical Decision-Making for Treating Patients With Binge-Eating Disorder
Notice bibliographique
Résumé
Transtheoretical integrative decision-making models help clinicians to use patient factors that are known to predict outcomes in order to inform individualized treatment. Patient factors with a strong evidence base include: functional impairment, social support and interpersonal functioning, complexity and comorbidity, coping style, level of resistance, and level of subjective distress. Among those with binge-eating disorder (BED), patient factors have not been extensively characterized relative to norms or other clinical samples. We used an integrative decision-making model of these six patient factor domains related to patient outcomes to characterize a sample of 424 adults seeking treatment for BED. Data were from medical charts, a demographics questionnaire, and validated psychometric scales. We then compared these data to published data from normative and other eating disorder (ED) samples. Results showed that the average patient with BED: (1) was significantly more functionally impaired compared to non-clinical norms but somewhat less impaired than other patients with ED, (2) demonstrated clinically significant problems in social support and interpersonal functioning, (3) presented with complex comorbid pathology and high levels of chronicity, (4) used a more internalizing coping style compared to the norm and other ED samples, (5) had low levels of resistance to interventions, and (6) experienced a moderately high level of subjective distress indicating good motivation for treatment. Corresponding recommendations to these findings are that the average patient with BED should be provided higher intensity treatment that is longer in duration, interpersonally focused, directive in nature, and emphasizing self-reflection and insight. Despite the nomothetic nature of the findings, clinicians are encouraged to assess these patient domains when developing an ideographic case conceptualization and to tailor precision treatment to the individual patient with BED.
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 | 0,020 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».