Preliminary Case Series of the Worth Warrior Mobile App for Young People With Low Self-Esteem and Mild Eating Disorders: Pre– and Post–Follow-Up Study
Notice bibliographique
Résumé
Background: Eating difficulties are increasingly prevalent among young people, yet service capacity remains limited. Digital interventions may provide accessible, scalable support, particularly for those with mild, subthreshold, or early-stage symptoms who do not meet criteria for specialist care. Low self-esteem is widely recognized as a key psychological risk factor in the onset and persistence of eating disorders, and negative self-evaluation, particularly around body image and social acceptance, can heighten vulnerability to the maladaptive thoughts and behaviors seen in conditions such as anorexia nervosa, bulimia nervosa, and binge-eating disorder. Clarifying this relationship is essential for developing effective prevention and early intervention strategies. Objective: This pilot case series reports on 5 individuals aged 19-25 (mean 22, SD 2.19) years with mild eating disorders who used the Worth Warrior app, a mobile intervention incorporating principles of enhanced cognitive behavioral therapy strategies targeting low self-esteem, body image concerns, and disordered eating behaviors. Methods: An uncontrolled 3-phase design (baseline, post-app familiarization, and follow-up) was used. Participants completed standardized self-report tools, including the Eating Disorder Examination Questionnaire and Rosenberg Self-Esteem Scale. Feedback on usability, acceptability, and safety was also collected via online questionnaires. Results: Outcome measures at follow-up showed improvements in eating disorder symptomatology in 3/5 cases, and in self-esteem in 4/5 cases; those with milder symptomatology indicated the most benefit. Reductions in eating concerns, weight concerns, and related behaviors were observed in most, though not all, cases. Participants valued interactive enhanced cognitive behavioral therapy features and journaling functions, while noting areas for improvement such as reminders and incentives for use and preventions for maladaptive use of the free-text facilities. Conclusions: Findings suggest the Worth Warrior app may be suited as an acceptable and effective standalone tool for individuals with mild eating disorder symptoms, and used as an adjunct to traditional treatment alongside clinician supervision for those with more severe presentations to promote the greatest patient safety. These exploratory case study findings suggest that the app has the potential to support improvements in self-esteem and mild eating disorder symptomatology; however, as a preliminary case series, these results are not generalizable but provide a foundation for larger, controlled studies of digital early intervention.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».