MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386989284 · doi:10.1093/pch/pxad055.002

2 Excessive Exercise among Youth with a New Diagnosis of Restrictive Eating Disorder before and during the COVID-19 Pandemic

2023· article· en· W4386989284 sur OpenAlexaboutno aff
Alon Coret, Holly Agostino, Ashley Tritt, Dina Moubayed, Nicholas Chadi

Notice bibliographique

RevuePaediatrics & Child Health · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineAnorexia nervosaPublic healthCoronavirus disease 2019 (COVID-19)Medical diagnosisYoung adultPediatricsPsychiatryDemographyDiseaseGerontologyEating disordersInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background During the COVID-19 pandemic, Canadian youth with anorexia nervosa (AN) and atypical anorexia nervosa (AAN) presented at higher rates with more severe illness. This trend was found to be more pronounced in Canadian jurisdictions where public health measures included full school closures and confinement. Disease severity in AN is multifactorial, however, excessive exercise can be associated with more severe illness. Due to closures, many adolescents turned to unregulated exercise regimes within their homes. The contribution of excessive exercise to the rise of new onset AN during the pandemic remains unknown. Objectives To determine the rate of excessive exercise among newly diagnosed adolescents with AN/AAN during the COVID-19 pandemic compared to the five preceding years. Design/Methods This was a secondary analysis of a prospectively collected intake registry of all new diagnoses of AN and AAN completed between January 1st, 2015, and November 30th, 2020 at two large, urban, tertiary paediatric hospitals in Quebec. Baseline demographic information and clinical assessment variables were collected based on standardized assessment forms. Excessive exercise was self-reported and defined as >10 hours per week of moderate or vigorous physical activity at the time of diagnosis. Medical hospitalization within 1 week of assessment was used as a marker of medical severity. The primary outcome of excessive exercise was compared between the period of pandemic public health preventive measures (March 2020 to November 2020) and the pre-pandemic period (January 2015 to February 2020). Variables were compared before and during the pandemic using Chi square testing. Results Overall, 817 patients with new diagnoses of AN/AAN met inclusion criteria during the study period (pre=647; during=170), with 40 patients (pre=34/647 and during =6/170) excluded due to missing data on exercise frequency. Overall, median patient age was 15.9 (IQR 13.8-16.9) years; 93% female; and 59% diagnosed with AAN. During the pandemic, mean hospitalization rate increased from 2.2 to 7.2 patients per month (p=0.001). Hospitalization within one week of diagnosis increased from 23% to 40% (136/613 vs. 65/16; p=0.001). The rate of excessive exercise did not differ before versus during the pandemic overall (27% vs. 24%; p=0.48) nor in patients requiring admission (40/136 [29%] vs. 23/65[36%]; p=0.39). Conclusion Excessive exercise in isolation does not appear to explain the increased rate and severity of new AN/AAN diagnoses since the pandemic in this cohort. Further studies are needed to better elucidate other drivers which may have contributed to the severity of eating disorders during this period.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,851

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,316
Écart entre enseignants0,292 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetEating Disorders and Behaviors→Travaux en français237 207→