MétaCan
Menu
Retour à la cohorte
Enregistrement W4283460432 · doi:10.20960/nh.04189

New approaches to the prevention of eating disorders

2022· article· es· W4283460432 sur OpenAlexaff
Pedro Manuel Ruíz Lázaro, Ángela Martín-Palmero

Notice bibliographique

RevueNutrición Hospitalaria · 2022
Typearticle
Languees
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensOuranos
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionEating disordersPrimary preventionThe InternetMedicinePsychologyGerontologyPsychiatryComputer scienceDiseaseWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Introduction: The development of effective, cost-effective and widely accessible preventive programs is crucial to reducing the burden of disease related to EDs. Programs using cognitive-behavioral and dissonance-based approaches are most effective for selective prevention. Universal and indicated prevention programs should be further investigated. And programs should be extended to a wider range of ages, races, and cultures, and address multiple public health problems such as obesity and eating disorders, weight-related problems with shared risk factors. The Body Project, MABIC and ZARIMA are successful programs in the prevention of problems related to eating and weight (PRAP). Universal interventions in collaboration with programs for the prevention of drug use or risky sexual behaviors should also be developed. A rigorous evaluation of their efficacy, effectiveness, implementation, and dissemination is necessary. It might be optimal to implement the Body Project with peer-led groups to address the barriers associated with clinician-led interventions. The limitations of traditional programs could be overcome with Internet- and mobile-based interventions. Internet-based interventions could maximize the scope and impact of preventive efforts. However, current scientific evidence for the prevention of EDs online is limited. Internet interventions are less effective than face-to-face ones, with small or medium effect sizes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,287
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNutrición HospitalariaMême sujetEating Disorders and BehaviorsTravaux en français237 207