Adverse childhood experiences and binge-eating disorder in early adolescents
Notice bibliographique
Résumé
BACKGROUND: Adverse childhood experiences (ACEs) are common and linked to negative health outcomes. Previous studies have found associations between ACEs and binge-eating disorder (BED), though they have mainly focused on adults and use cross-sectional data. The objective of this study was to examine the associations between ACEs and BED in a large, national cohort of 9-14-year-old early adolescents in the US. METHODS: We analyzed prospective cohort data from the Adolescent Brain Cognitive Development (ABCD) Study (N = 10,145, 2016-2020). Logistic regression analyses were used to determine the associations between self-reported ACEs and BED based on the Kiddie Schedule for Affective Disorders and Schizophrenia at two-year follow-up, adjusting for sex, race/ethnicity, baseline household income, parental education, site, and baseline binge-eating disorder. RESULTS: In the sample, (49% female, 46% racial/ethnic minority), 82.8% of adolescents reported at least one ACE and 1.2% had a diagnosis of BED at two-year follow-up. The mean number of ACEs was higher in those with a diagnosis of BED compared to those without (2.6 ± 0.14 vs 1.7 ± 0.02). The association between number of ACEs and BED in general had a dose-response relationship. One ACE (adjusted odds ratio [aOR] 3.48, 95% confidence interval [CI] 1.11-10.89), two ACEs (aOR 3.88, 95% CI 1.28-11.74), and three or more ACEs (aOR 8.94, 95% CI 3.01-26.54) were all associated with higher odds of BED at two-year follow-up. When stratified by types of ACEs, history of household mental illness (aOR 2.18, 95% 1.31-3.63), household violence (aOR 2.43, 95% CI 1.42-4.15), and criminal household member (aOR 2.14, 95% CI 1.23-3.73) were most associated with BED at two-year follow-up. CONCLUSIONS: Children and adolescents who have experienced ACEs, particularly household challenges, have higher odds of developing BED. Clinicians may consider screening for ACEs and providing trauma-focused care when evaluating patients for BED.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».