A systematic review, meta-analysis, and meta-regression of the prevalence of self-reported disordered eating and associated factors among athletes worldwide
Notice bibliographique
Résumé
BACKGROUND: The purpose of this meta-analysis was to provide a pooled prevalence estimate of self-reported disordered eating (SRDE) in athletes based on the available literature, and to identify risk factors for their occurrence. METHODS: Across ten academic databases, an electronic search was conducted from inception to 7th January 2024. The proportion of athletes scoring at or above predetermined cutoffs on validated self-reporting screening measures was used to identify disordered eating (DE). Subgroup analysis per country, per culture, and per research measure were also conducted. Age, body mass index (BMI), and sex were considered as associated/correlated factors. RESULTS: = 0.8990, Cochran's Q p value = 0. Australia had the highest percentage of SRDE athletes with a mean of 57.1% (36.0%-75.8%), while Iceland had the lowest, with a mean of 4.9% (1.2%-17.7%). The SRDE prevalence in Eastern countries was higher than in Western countries with 29.1% versus 18.5%. Anaerobic sports had almost double the prevalence of SRDE 37.9% (27.0%-50.2%) compared to aerobic sports 19.6% (15.2%-25%). Gymnastics sports had the highest SRDE prevalence rate, with 41.5% (30.4%-53.6%) while outdoor sports showed the lowest at 15.4% (11.6%-20.2%). Among various tools used to assess SRDE, the three-factor eating questionnaire yielded the highest SRDE rate 73.0% (60.1%-82.8%). Meta-regression analyses showed that female sex, older age, and higher BMI (all p < 0.01) are associated with higher prevalence rates of SRDE. CONCLUSION: The outcome of this review suggests that factors specific to the sport affect eating behaviors throughout an athlete's life. As a result, one in five athletes run the risk of developing an eating disorder. Culture-specific and sport-specific diagnostic tools need to be developed and increased attention paid to nutritional deficiencies in athletes.
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 | 0,019 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,050 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».