The prevalence of feeding and eating disorders symptomology in medical students: an updated systematic review, meta-analysis, and meta-regression
Notice bibliographique
Résumé
Medical students have a higher risk of developing psychological issues, such as feeding and eating disorders (FEDs). In the past few years, a major increase was observed in the number of studies on the topic. The goal of this review was to estimate the prevalence risk of FEDs and its associated risk factors in medical students. Nine electronic databases were used to conduct an electronic search from the inception of the databases until 15th September 2021. The DerSimonian–Laird technique was used to pool the estimates using random-effects meta-analysis. The prevalence of FEDs risk in medical students was the major outcome of interest. Data were analyzed globally, by country, by research measure and by culture. Sex, age, and body mass index were examined as potential confounders using meta-regression analysis. A random-effects meta-analysis evaluating the prevalence of FEDs in medical students (K = 35, N = 21,383) generated a pooled prevalence rate of 17.35% (95% CI 14.15–21.10%), heterogeneity [Q = 1528 (34), P = 0.001], τ2 = 0.51 (95% CI 0.36–1.05), τ = 0.71 (95% CI 0.59–1.02), I2 = 97.8%; H = 6.70 (95% CI 6.19–7.26). Age and sex were not significant predictors. Body mass index, culture and used research tool were significant confounders. The prevalence of FEDs symptoms in medical students was estimated to be 17.35%. Future prospective studies are urgently needed to construct prevention and treatment programs to provide better outcomes for students at risk of or suffering from FEDs. Level I, systematic review and meta-analysis.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».