Associations Between Gender Diversity and Eating Disorder Symptoms in Early Adolescence
Notice bibliographique
Résumé
OBJECTIVE: To assess associations between multiple dimensions of gender diversity with eating disorder symptoms in a national cohort of U.S. early adolescents. METHOD: = 12.9 years, 2019-2021). Gender diversity was measured using multiple dimensions, including categorical gender identity (e.g., transgender, cisgender), categorical and continuous felt gender (congruence between gender identity and assigned sex), ordinal gender non-contentedness (dissatisfaction with one's gender), and ordinal gender expression (communication of gender through appearance and mannerisms). Multivariable logistic regression models were used to analyze the associations among gender diversity measures and eating disorder symptoms, adjusting for potential confounders. RESULTS: Greater felt gender diversity was associated with self-worth tied to weight (OR 1.30, 95% CI 1.11-1.53), binge eating (OR 1.24, 95% CI 1.06-1.46), and distress with binge eating (OR 1.32, 95% CI 1.09-1.59). Greater gender expression diversity was associated with self-worth tied to weight (OR 1.16, 95% CI 1.02-1.33), distress with binge eating (OR 1.26, 95% CI 1.04-1.51), and characteristics of binge eating episodes (OR 1.33, 95% CI 1.06-1.66). Gender non-contentedness was associated with self-worth tied to weight (OR 1.38, 95% CI 1.20-1.58) and compensatory behaviors related to weight gain (OR 1.12, 95% CI 1.01-1.26). Transgender identity was not significantly associated with any eating disorder symptoms. DISCUSSION: We found that greater gender diversity across multiple dimensions was associated with various eating disorder symptoms, and that measures beyond binary gender identity may be important to assess gender diversity in early adolescence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».