Measurement, prevalence, and psychological risk factors associated with addictive food consumption: Development of a new food addiction scale and evidence from a national largescale sample
Notice bibliographique
Résumé
BACKGROUND AND AIMS: To date, a number of studies have investigated the prevalence and correlates of addictive food consumption. However, these studies have mostly relied on models that comprised a narrow range of variables in often small and heterogenous samples. The purpose of the present study was to comprehensively examine the measurement aspects, the prevalence, and the psychological correlates of addictive eating among a largescale national sample of Turkish adults. METHOD: Participants (N = 24,380, 50% men, Mage = 31.79 years, age range = 18-81 years) completed a battery of tests including the Food Addiction Risk Questionnaire (FARQ), the Brief Symptom Inventory, the Toronto Alexithymia Scale, the Positive and Negative Affect Schedule, and the Experiences in Close Relationships-Revised. RESULTS: According to analyses conducted, the FARQ had a uni-dimensional factor structure. Based on Item Response Theory (IRT) calculated cut-off scores, 2.3% of the participants were at risk of addictive eating patterns, whilst criteria varied in their discriminating ability. The correlates of addictive food consumption were being male, being younger, having lower education, presenting with higher alcohol use, psychiatric symptoms, alexithymia, positive/negative affect, and anxious attachment. CONCLUSION: These results suggest that a minority of Turkish community are at risk for addictive food consumption and that adverse psychological states promote this problematic behavior.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».