Self-objectification and eating disorder pathology in an ethnically diverse sample of adult women: cross-sectional and short-term longitudinal associations
Notice bibliographique
Résumé
BACKGROUND: Extensive support exists for objectification theory's original aim of explaining patterns of women's mental health risk through a sociocultural lens. One pathway in objectification theory proposes a mediational role of body shame in the relationship between self-objectification and eating disorder (ED) pathology. Robust past cross-sectional research supports this proposed pathway, but largely in non-Hispanic Caucasian, college-aged samples; this pathway has yet to be empirically demonstrated longitudinally. Given previously documented concerns regarding direct measurement of body shame, we tested two measures of body shame as mediators in both cross-sectional and longitudinal models in a diverse sample of adult women. METHOD: Utilizing snowball sampling via email, we recruited age and racially/ethnically diverse women predominantly within the United States. Participants completed online surveys assessing self-objectification (operationalized as body surveillance), body shame, and ED pathology at baseline, 3-months and 6-months. RESULTS: = 181) adult women completed the measures. Cross-sectional moderated mediation models indicated that racial/ethnic status did not moderate relationships, and that body shame significantly mediated the relation between body surveillance and ED pathology at each time point. The longitudinal model, analyzed using cross-lagged panel analyses, was nonsignificant, as body surveillance failed to predict future body shame when controlling for past body shame. CONCLUSIONS: Racial/ethnic status did not moderate relations at any time point. Cross-sectional findings replicated past research; the longitudinal model did not support a core mediation pathway linking self-objectification to ED pathology through body shame. Because self-objectification putatively develops earlier in life, future research also should examine these relations in younger diverse samples over a longer time period.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».