A call for increased measurement of eating disorders and disordered eating in federal surveillance in Canada
Notice bibliographique
Résumé
Eating disorders (EDs) and disordered eating present a significant health burden given their prevalence and associated health risks; however, there are notable gaps in population-level surveillance of EDs and disordered eating in Canada. These data gaps limit our understanding of the scope of the problem and present challenges to monitoring trends in EDs and disordered eating in response to changing health and policy contexts, such as the COVID-19 pandemic. We screened Canadian federal health surveillance surveys to identify measures of ED diagnosis, engagement in disordered eating behaviours (e.g. binge eating, self-induced vomiting) and related constructs (e.g. weight perception, body satisfaction). Among adults, there was a 10-year gap in ED measurement, and there has been no assessment of engagement in any type of disordered eating behaviours. Among children and adolescents, there have been recent improvements in the measurement of disordered eating behaviours, but there are no surveys that include measures of binge eating, the most common disordered eating behaviour. National surveillance data assessing EDs and disordered eating are necessary to quantify their burden, assess trends in relation to evolving health and policy contexts and identify individuals who face barriers to seeking treatment services. We conclude by providing recommendations for constructs that should be measured, as well as guidelines for measurement development in conjunction with community members and clinical and research experts.
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 | 0,027 | 0,086 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».