Endorsement of Avoidant/Restrictive Eating Motivations Across Restrictive Eating Disorders: A Trait‐ and State‐Level Examination
Notice bibliographique
Résumé
OBJECTIVE: Research on avoidant/restrictive food intake disorder (ARFID) and anorexia nervosa (AN) has emphasised differences between these disorders, but similarities maintaining dietary restriction may be overlooked. ARFID-related eating disturbances may also occur and facilitate egosyntonic restriction in AN. METHOD: Using the Nine Item ARFID Screen (NIAS; N = 141) and ecological momentary assessment (N = 76), we examined endorsement of ARFID-related and traditional eating disorder (ED) reasons for restrictive eating in women with ARFID, AN-restrictive subtype (AN-R), AN binge eating/purging subtype (AN-BP), and controls. RESULTS: Clinical groups scored higher on NIAS subscales than controls. ARFID participants scored higher on NIAS-Picky than AN groups, and higher on NIAS-Fears and NIAS-Appetite than AN-BP, while AN-R did not differ from either. For skipped meals, ARFID and AN-R did not differ on ratings of avoidant/restrictive motivations, while AN-BP did not differ from either on fears of aversive consequences. For restriction at meal/snack, ARFID did not differ from AN-R on endorsement of picky eating nor AN-BP on lack of interest but endorsed stronger fears of aversive consequences. CONCLUSIONS: While sensory sensitivity/picky eating appears unique to primarily-restrictive EDs, lack of interest was common across clinical groups. Results highlight differences and potential transdiagnostic treatment targets.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».