Stories of clinical care in transgender and nonbinary individuals with eating pathology: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Transgender and nonbinary (TGNB) individuals are at an increased risk for developing eating disorders (EDs) and ED-related symptoms. Despite this heightened vulnerability, research on clinical interventions is limited. This scoping review aims to map the extent and type of existing evidence related to clinical care and interventions for TGNB individuals with eating pathologies, while also focusing on the process and course of treatment at the individual level. METHODS: A scoping review was conducted following the PRISMA-ScR guidelines. PubMed/Web of Science/(EBSCO)PsycINFO was searched for studies on TGNB individuals with EDs/ED-related symptoms published until 27/06/2023. We included primary research studies with detailed information on treatment and clinical course (protocol: https://osf.io/crhga). RESULTS: Twenty-one articles encompassing 32 case reports were included. The results were organized into five timeframes: studies published before 2004 (k = 2); between 2004 and 2008 (k = 1); 2009-2013 (k = 0); 2014-2018 (k = 10); and 2019-2023 (k = 8). Interventions ranged from psychotherapy, gender-affirming hormones and surgery, nutritional counseling, to pharmacological treatments. Reported outcomes varied, with some studies showing improvements in body dissatisfaction and ED symptoms' reduction, while others highlighted clinical challenges such as frequent relapses and co-existing mental health conditions. CONCLUSION: This scoping review highlights the heterogeneity of stories of clinical care in TGNB individuals with eating pathologies, warranting individualized treatment approaches. Early studies often pathologized gender identity and used non-affirming language, whereas more recent studies emphasize inclusive, gender-affirming approaches. This evolution reflects a growing recognition of the unique challenges faced by TGNB individuals who seek help for EDs. Future research should overcome barriers to accessing care.
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 | 0,019 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,016 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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 ».