The use of technology in the treatment of youth with eating disorders: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Adolescence and young adulthood is a high-risk period for the development of eating disorders. In recent years, there has been an increase in use of technology-based interventions (TBIs) for the treatment of eating disorders. The objective of this study was to determine the types of technology used for eating disorder treatment in youth and their effectiveness. METHODS: A scoping review was conducted according to PRISMA-ScR guidelines. Four databases were searched. Eligible articles included: (1) a TBI (2) participants with a mean age between 10- and 25-years and meeting DSM-IV or DSM-5 criteria for any eating disorder and (3) qualitative or quantitative designs. Quantitative and qualitative studies were assessed for quality. RESULTS: The search identified 1621 articles. After screening of titles and abstracts, 130 articles were read in full and assessed for eligibility by two raters. Forty-nine (29 quantitative and 20 qualitative, observational, or mixed methods studies) met inclusion criteria. Quality ratings indicated that 78% of quantitative studies had a low risk of bias and 22% had a moderate risk. Technologies reviewed in our study included videoconference therapy, mobile applications, and online self-help. We considered interventions used both within sessions with clinicians as well as those used in between sessions by patients alone. Fifteen of 18 (83%) quantitative studies found that TBIs reduce eating disorder symptomatology, with nine of those reporting medium-to-large effect sizes. Qualitative data was of high quality and suggested that virtual interventions are acceptable in this population. CONCLUSIONS: Although identified studies are of high quality, they are limited in number. More research is needed, particularly regarding videoconferencing and mobile applications. Nonetheless, TBIs show promise for the treatment of eating disorders in youth. TRIAL REGISTRATION: Not applicable.
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 | 0,015 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».