Prevalence of eating disorders in aquatic athletes: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Aquatic athletes may face unique pressures related to body aesthetics and weight management, potentially increasing their risk of eating disorders (EDs). This systematic review and meta-analysis aimed to estimate the prevalence of EDs in aquatic athletes and assess the quality of the available evidence. METHODS: A systematic search was conducted in PubMed, Embase, and Web of Science for studies published in English that reported on the prevalence of EDs among aquatic athletes. After screening and eligibility assessments, eight studies met the inclusion criteria, comprising a total of 715 athletes from various countries, including Poland, Canada, Brazil, Norway, the United States, and the United Kingdom. Quality assessment was performed using an adapted Newcastle-Ottawa Scale (NOS), and a random-effects meta-analysis was conducted to estimate pooled prevalence. Sensitivity analysis and a Doi plot were utilized to evaluate the publication bias. RESULTS: The meta-analysis estimated a pooled prevalence of EDs in aquatic athletes at 27.56% (95% CI: 14.27-46.50%), with a heterogeneity (I²) of 76%, indicating substantial variability in study designs and participant characteristics. Sensitivity analysis confirmed the robustness of the findings, and the Doi plot indicated significant asymmetry (LFK index = -3.44), suggesting potential publication bias or variability across studies. CONCLUSION: This study revealed a high prevalence of EDs among aquatic athletes. Further research is required on the factors associated with these disorders. Standardized assessment tools and routine screening in aquatic sports settings are recommended to promote early detection and prevention of EDs, ultimately enhancing athlete well-being and performance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».