MétaCan
Menu
Retour à la cohorte
Enregistrement W6958559754 · doi:10.6084/m9.figshare.c.7766411

Flexible or rigid control of eating scale: development and validation of the FORCES in women

2025· other· en· W6958559754 sur OpenAlexaff

Notice bibliographique

RevueFigshare · 2025
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePasture and Agricultural Systems
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDietingConfirmatory factor analysisScale (ratio)Exploratory factor analysisControl (management)Disordered eating

Résumé

récupéré en direct d'OpenAlex

Abstract Background Many dieters show a pattern of disinhibited eating following a diet violation, and it has been proposed that the nature of their dietary restraint (i.e., whether they are rigid or flexible in their pursuit of dietary control) could prove beneficial in explaining variability in the occurrence of disinhibited eating. However, existing measures of rigid and flexible control do not adequately separate these two styles of dietary restraint. Method The current studies aim to develop a new scale that more clearly differentiates the constructs of rigid and flexible control of eating. Exploratory and confirmatory factor analysis were used to develop and validate the new scale across three distinct samples of women (total N = 1048). Results Factor analysis identified five total factors: three relating to the rigid control of food intake (Strict Behaviours, Negative Emotions, and Worry), and two relating to the flexible control of food intake (Flexible Beliefs and Positive Emotions). The Flexible or Rigid Control of Eating Scale (FORCES) had good internal consistency, a reliable factor structure that replicated across the three samples of women and provided a clear separation between rigid and flexible control. Conclusions The FORCES may allow researchers to explain why some dieters are more likely to engage in disinhibited eating than are others and can be a beneficial step toward addressing the negative consequences of maladaptive dieting behaviour.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,220
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPasture and Agricultural SystemsTravaux en français237 207