Characterizing impulsivity and resting‐state functional connectivity in normal‐weight binge eaters
Notice bibliographique
Résumé
OBJECTIVE: Binge eating is characterized by episodes of uncontrolled eating, within discrete periods of time. Although it is usually described in obese individuals or as a symptom of Binge Eating Disorder (BED), this behavior can also occur in the normal-weight (NW) population. An interesting premise suggests that impulsivity might contribute to the onset of binge eating and the progression toward weight gain. Drawing upon this evidence, here we explored impulsivity in NW individuals reporting binge-eating episodes through a functional connectivity approach. We hypothesized that, even in the absence of an eating disorder, NW binge eaters would be characterized by connectivity pattern changes in corticostriatal regions implicated in impulsivity, similarly to the results described in BED individuals. METHODS: A resting-state functional magnetic resonance imaging study tested 39 NW men and women, with and without binge eating (binge eaters, BE and non-BE). Brain functional connectivity was explored by means of graph theoretic centrality measures and traditional seed-based analysis; trait impulsivity was assessed with self-report questionnaires. RESULTS: The BE group was characterized by a higher degree of trait impulsivity. Brain functional connectivity measures revealed lower degree centrality within the right middle frontal gyrus, left insula/putamen and left temporoparietal regions and a lower functional connectivity between the right middle frontal gyrus and right insula in the BE group. DISCUSSION: The results support previous evidence on BED of altered functional connectivity and higher impulsivity at the roots of overeating behavior, but further extend this concept excluding any potential confounding effect exerted by the weight status.
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) | 0,000 | 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 ».