Prevalence and comorbidity of psychiatric disorders among treatment-seeking elite athletes and high-performance coaches
Notice bibliographique
Résumé
Objectives: Few studies have evaluated the prevalence of psychiatric disorders among treatment-seeking elite athletes (EA) or high-performance coaches (HPC) in psychiatric outpatient settings. Methods: Descriptive overview of EA and HPC with psychiatric disorders at two publicly funded psychiatric outpatient treatment clinics in Stockholm and Malmö, Sweden. Co-occurring psychiatric disorders were illustrated using Venn diagrams for EA and HPC, and male and female EA separately, among patients from the Stockholm clinic (SC) that used standardised diagnostic interviews. Results: Overall, most patients were EA (n=221) compared with HPC (n=34). The mean age was 23.5 (±5.9) years for EA and 42.8 (±8.8) for HPC. Anxiety disorders were most common at the SC in EA and HPC (69% vs 91%, respectively). Stress-related disorders were found in 72% of HPC compared with 25% of EA. Affective disorders were found in 51% of EA and 52% of HPC. Eating disorders were common among EA (26%), especially females (37%). Substance use disorders were found in 17% of HPC. Comorbidity was generally common between affective and anxiety disorders. Conclusion: Stress and adjustment disorders were found in nearly three of the four HPC compared with one in four EA. Eating disorders were prevalent in around one in four athletes and about one in six HPC had a substance use disorder.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».