Use of glucagon‐like peptide‐1 receptor agonists in eating disorder populations
Notice bibliographique
Résumé
Glucagon-like peptide-1 receptor agonists (GLP-1As) are being used as approved or off-label treatments for weight loss. As such, there has been increasing concern about the potential for GLP-1As to impact eating disorder (ED) symptomatology. This article seeks to (1) review the current state of knowledge regarding GLP-1As and ED symptomatology; (2) provide recommendations for future research; and (3) guide ED clinicians in how to discuss GLP-1As in clinical practice. Although evidence is limited, it is possible that GLP-1As could exacerbate, or contribute to the development of, ED pathology and negatively impact ED treatment. Preliminary research on the use of GLP-1As to treat binge eating has been conducted; however, studies have design limitations and additional research is needed. Therefore, at the current time there is not sufficient evidence to support the use of GLP-1s to treat ED symptoms. In summary, more research is required before negative or positive conclusions can be drawn about the impact of GLP-1As on EDs psychopathology. Herein, we provide specific recommendations for future research and a guide to help clinicians navigate discussions with their clients about GLP-1As. A client handout is also provided. PUBLIC SIGNIFICANCE: Despite glucagon-like peptide-1 receptor agonists (GLP-1As; e.g., semaglutide) increasingly being the topic of clinical and public discourse, little is known about their potential impact on ED symptoms. It is possible that GLP-1As could maintain, worsen, or improve ED symptoms. This article reviews the limited literature on GLP-1As and ED symptoms, recommends future research, and provides clinicians with a guide for discussing GLP-1As with ED clients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».