Bridging gaps at key intersections: Strategies to improve early intervention and treatment access for eating disorders
Notice bibliographique
Résumé
ABSTRACT Mental health is at the forefront of discussions in healthcare, education, and social settings, yet eating disorders remain poorly understood and inadequately treated. This paper presents evidence on risk factors for insufficient recognition and intervention for eating disorders across clinical and community healthcare settings and proposes actionable strategies to improve awareness and early intervention for eating disorders. Specifically, gaps in eating disorder awareness and treatment access are exacerbated at two key intersections within health and social systems. First, eating disorders manifest themselves at the intersection of mental and physical categories of health, which places them at risk of being misunderstood, poorly diagnosed, and insufficiently intervened upon. Second, the peak onset of eating disorders falls at the intersection of adolescence and young adulthood, which is a period of rapid developmental, social change, and transitions in care. This analysis highlights how systemic issues within existing social and health systems underlie these intersections and contribute to the continued stigmatization and inadequate treatment access for eating disorders. Given their increased incidence and severity, there is an urgent need to address both the individual and societal burden of these disorders. Healthcare systems must prioritize coordination between physical and mental health practices and improve transitions in care from pediatric and adult healthcare services. Identifying gaps at intersections provides the opportunity to make concrete progress toward improving awareness and treatment.
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 | 0,024 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,005 | 0,021 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,003 |
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 ».