Prevalence of alcohol use disorder among individuals who binge eat: a systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Binge eating disorder (BED) is correlated with substance use. This study aimed to estimate the life-time prevalence of alcohol use disorder (AUD) among individuals with non-compensatory binge eating and determine whether their life-time prevalence of AUD is higher than in non-bingeing controls. DESIGN: A systematic search of databases (PubMed, Embase and Web of Science) for studies of adults diagnosed with BED or a related behavior that also reported the life-time prevalence of AUD was conducted. The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) protocol was followed. The protocol was registered on the International Prospective Register of Systematic Reviews (PROSPERO). SETTING: Studies originating in Canada, Sweden, the United Kingdom and the United States. PARTICIPANTS: Eighteen studies meeting the inclusion criteria were found, representing 69 233 individuals. MEASUREMENTS: Life-time prevalence of AUD among individuals with binge eating disorder and their life-time relative risk of AUD compared with individuals without this disorder. RESULTS: The pooled life-time prevalence of AUD in individuals with binge eating disorder was 19.9% [95% confidence interval (CI) = 13.7-27.9]. The risk of life-time AUD incidence among individuals with binge eating disorder was more than 1.5 times higher than controls (relative risk = 1.59, 95% CI = 1.41-1.79). Life-time AUD prevalence was higher in community samples than in clinical samples (27.45 versus 14.45%, P = 0.041) and in studies with a lower proportion of women (β = -2.2773, P = 0.044). CONCLUSIONS: Life-time alcohol use disorder appears to be more prevalent with binge eating disorder than among those without.
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) | 0,006 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».