MétaCan
Menu
Retour à la cohorte
Enregistrement W4399432337 · doi:10.1016/j.bodyim.2024.101750

Use of photo filters is associated with muscle dysmorphia symptomatology among adolescents and young adults

2024· article· en· W4399432337 sur OpenAlexafffundabout
Kyle T. Ganson, Alexander Testa, Rachel F. Rodgers, Jason M Nagata

Notice bibliographique

RevueBody Image · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesConnaught Fund
Mots-clésPsychologyYoung adultClinical psychologyDevelopmental psychologyAudiologyMedicine

Résumé

récupéré en direct d'OpenAlex

It has been documented in the literature that the use of photo filters to alter one's appearance may negatively impact body image and increase the risk for thinness-oriented disordered eating behaviors. However, the prior research has neglected to investigate the association between use of photo filters and muscle dysmorphia symptomatology, which was the aim of this study. Data from the Canadian Study of Adolescent Health Behaviors (2022; N = 912), a national study of adolescents and young adults in Canada, were analyzed. Linear regression analyses revealed that the use of photo filters was associated with greater muscle dysmorphia symptomatology, including total symptomatology and Appearance Intolerance, among the overall sample. Gender significantly moderated the association between photo filter use and muscle dysmorphia symptomatology, whereby boys and young men, compared to girls and young women, who reported photo filter use had greater Drive for Size and Functional Impairment symptomatology. Findings expand prior research by emphasizing that photo filter use is related to muscularity-oriented body image concerns and behaviors. Future research is needed to elucidate the mechanisms that underpin this association.

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)0,000
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 enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,266
Écart entre enseignants0,254 · 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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBody ImageMême sujetEating Disorders and BehaviorsTravaux en français237 207