Sensory processing sensitivity, alexithymia, and eating disorder risk in adolescents in alternative care: A multi-informant network study
Notice bibliographique
Résumé
Adolescents in alternative care show elevated eating disorder risk, yet mechanistic bridges between sensory reactivity and emotion-processing deficits remain underexplored. This study mapped the interplay among sensory processing sensitivity (SPS), alexithymia, and eating-related risk and tested moderation by trauma burden using a multi-informant design. Approximately 200 youths (12–18 years) were recruited from foster and residential services. Measures included self-report SPS (highly sensitive child facets), alexithymia (Toronto alexithymia scale-20: Difficulties identifying feelings [DIF], difficulties describing feelings [DDF], externally oriented thinking), eating-risk (eating attitudes test-26 subscales; binge eating scale), internalizing symptoms (patient health questionnaire for adolescents; screen for child anxiety related emotional disorders), and trauma (childhood trauma questionnaire–short form), along with covariates (age, sex, care type, body mass index z-score, pubertal status). Teachers/caregivers provided parallel SPS ratings. Primary analyses estimated a regularized partial-correlation network (Gaussian graphical model; EBICglasso) on domain-level nodes; accuracy and centrality stability were assessed through bootstrapping. Trauma moderation was evaluated through permutation-based network comparison tests; multi-informant integration was modeled by including teacher-SPS as a node and through informant-specific sensitivity analyses. SPS facets—especially Low Sensory Threshold and Ease of Excitation—bridged to alexithymia (DIF/DDF) and to eating-risk nodes, with stronger global connectivity observed under higher trauma exposure. Teacher-SPS converged with youth reports while adding unique variance. Limitations included the cross-sectional design, self-report bias, and setting selection. Findings delineate actionable psychosomatic targets—sensory-load management and affect labeling/interoceptive skills—for early, low-intensity interventions in foster/residential contexts.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».