Food for thought: A dissonance between healthcare utilization costs and research funding for eating disorders in Canada
Notice bibliographique
Résumé
In this commentary, we present the premise that, in Canada, mental illness research specific to eating disorders is underfunded, and many Canadians are suffering the consequences of this underinvestment. We highlight three critical aspects of eating disorders: 1) the increasingly common yet potentially life-threatening nature of eating disorders, with an onset usually during adolescence; 2) the challenges and costs to treating eating disorders, with a discussion of current hospital-related costs across Canada; and 3) the glaring discrepancy between the money spent on eating disorder diagnoses/treatment and the funding dollars granted for eating disorder research in Canada (i.e. only $0.70 per affected Canadian in 2018). Research funding per affected individual for other psychiatric and neurodevelopmental conditions are used as comparisons (e.g. $50.17 per affected Canadian with schizophrenia). We suggest that it is time to revolutionize treatment for individuals with eating disorders and use our resources in a more efficient and effective manner, using current neuroimaging and neuromodulation methods as promising examples. We conclude by emphasizing the need for increased research funding in the field of eating disorders in Canada, as the current research-related investments hinder progress in developing neuroscientifically-sound treatments for these populations.
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 | 0,013 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,010 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,015 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».