Eating disorders in the Arab world: a literature review
Notice bibliographique
Résumé
BACKGROUND: The prevalence of eating disorders has been assumed to be low in the Arab world, due to the alleged absence of the thin ideal. However, the Arab world is undergoing rapid sociocultural changes, and there are reports of an increase of the desire to be thin. This literature review therefore provides point-prevalence of Arabs at high risk for eating disorders, and a comprehensive synthesis of correlates of eating disorder symptoms, eating disorder-related variables and of a high risk for eating disorders. METHOD: Several electronic databases were searched for published, peer-reviewed studies between 1986 and 2019 involving several key terms. From 317 screened studies, 81, mainly cross-sectional, were included. Preferred Reporting Items for Systematic reviews and meta-analyses was used as guidance and the quality of studies were assessed using the Newcastle-Ottawa scale. RESULTS: Estimates of individuals at high risk for eating disorders ranged from 2 to 54.8%. The eating disorder-related variables identified were desire to be thin, body dissatisfaction, disturbed-, and dieting- eating behavior. Identified correlates were increased affluence, media use, western influences, and obesity. An additional finding was that in some cases eating disorders were expressed somatically rather than psychiatrically. DISCUSSION: In the Arab world, females were most at risk for eating disorders and eating disorder symptoms. Sociocultural changes gave rise to the thin ideal and the prevalence of obesity, increasing the risk for the development of eating disorder-related variables and eating disorders. The literature on eating disorders in the Arab world suffers from potential limitations due to the use of non-validated assessment tools. Further research is necessary, particularly on the development and validation of a culturally sensitive assessment tool. Improved knowledge is likely to increase the number of people seeking treatment and decrease the stigma of psychotherapy.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,020 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».