Craving in eating disorders: Mapping the concept through a systematic review
Notice bibliographique
Résumé
PURPOSE: Craving, long considered a hallmark of addictive disorders, has increasingly been recognized as a clinically significant phenomenon in eating disorders (ED). Yet, its conceptualization, measurement, and role in ED pathology remain inconsistent and fragmented. This review aimed to map existing knowledge through a systematic review. METHODS: Searches were conducted in July 2025 in Embase, PsycInfo, and Web of Science. Eligible records were peer-reviewed studies including adults clinically diagnosed with ED. Fifty studies and fifteen reviews met the inclusion criteria. RESULTS: Most studies examined bulimia nervosa (BN) and binge-eating disorder (BED), while anorexia nervosa (AN) and non-food-related cravings (e.g., exercise, vomiting, purging) were rarely addressed. Definitions of craving varied, sometimes conflating strong desire with loss of control or subsequent behaviors. Theoretical models were inconsistent, often borrowed from addiction research, and rarely integrated neurobiological findings. Craving assessment relied mainly on visual analogue scales (VAS) and the Food Cravings Questionnaire (FCQ), with limited use of qualitative, psychophysiological, or neurocognitive methods. Interventions specifically targeting craving were scarce. Cue exposure therapy (including virtual reality), neurofeedback, and non-invasive brain stimulation-repetitive transcranial magnetic stimulation (rTMS) and transcranial direct current stimulation (tDCS)-showed encouraging but mixed effects. Across ED, craving was consistently associated with binge eating, with trait craving emerging as a stronger predictor than state craving. CONCLUSIONS: Craving is central yet conceptually elusive in ED. Establishing a consensual definition, developing theory-driven and transdiagnostic assessment tools, and expanding research beyond food and binge-related disorders are priorities to advance understanding and improve interventions.
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 | 0,016 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,028 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».