Du cerveau à l’assiette : neurobiologie et troubles des conduites alimentaires
Notice bibliographique
Résumé
En Amérique du Nord, les troubles des conduites alimentaires, qui incluent par exemple l’anorexie mentale, la boulimie et l’accès hyperphagique, toucheront environ une à cinq personnes sur cent à un moment de leur vie. Les troubles des conduites alimentaires ont de graves conséquences sur la santé physique et psychologique, en plus d’avoir des taux de rémission sous-optimaux. Aussi, l’étiologie des troubles alimentaires est loin d’être élucidée, ce qui nuit au développement d’interventions efficaces. En étudiant les mécanismes neurobiologiques des troubles des conduites alimentaires, par exemple, grâce à des méthodes de neuro-imagerie et d’épigénétique, il sera possible d’obtenir une idée plus claire de leurs origines développementales. Dans le futur, ces nouvelles connaissances pourraient contribuer au développement de stratégies de prévention plus adaptées, d’outils diagnostiques et d’approche de traitement mieux ciblé. Par exemple, le fait d’établir l’association entre la méthylation de l’ADN (l’une des marques épigénétiques) et les changements cérébraux observés dans les troubles des conduites alimentaires pourrait mener à des avancées cliniques importantes. Ainsi, l’objectif de cette revue narrative, réalisée à partir de la base de données Pubmed entre Mars et Octobre 2020, est de résumer l’état des connaissances sur les avancées neurobiologiques récentes dans les troubles des conduites alimentaires, principalement en termes d’épigénétique et de neuro-imagerie.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».