MétaCan
Menu
Retour à la cohorte
Enregistrement W7117158237 · doi:10.1186/s40337-025-01497-3

Improving body image in female Chinese social media users with eating disorder symptoms: a randomized controlled trial of two online self-guided single-session interventions

2025· article· en· W7117158237 sur OpenAlexaff
Y Cheng, Yuhan Chen, Wesley R. Barnhart, Chun Chen, See Heng Yim, Jason M. Nagata, Feng Ji, Jinbo He

Notice bibliographique

RevueJournal of Eating Disorders · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSocial mediaRandomized controlled trialPsychological interventionEating disordersSocial comparison theoryeHealth

Résumé

récupéré en direct d'OpenAlex

Social media use is a risk factor for eating and body image disturbances. The overlap between social media and eating and body image disturbances is particularly concerning in the Chinese context given an estimated billion active social media users in China, especially among females. This highlights the need for scalable, culturally adapted prevention and intervention strategies. This study developed and evaluated two online, self-guided, single-session interventions (SSIs), including a Media Literacy Intervention (MLI) and a Body Functionality-focused expressive writing Intervention (BFI), alongside waitlist controls, and examined their ability to improve body image among adult female Chinese social media users with eating disorder (ED) symptoms. A total of 204 female social media users with ED symptoms were recruited via Xiaohongshu (Little Red Note) and randomized to the MLI (n = 68), BFI (n = 68), or waitlist control group (n = 68). Primary outcomes included measures of negative and positive body image. Secondary outcomes included a range of measures including ED psychopathology and psychological distress. Assessments were conducted at baseline, 1-week post-intervention, and 4 weeks after baseline. Both MLI and BFI interventions significantly outperformed the waitlist control on primary and secondary outcomes. The two interventions demonstrated comparable efficacy across most domains, except for eating flexibility, where BFI yielded greater improvements. Intervention uptake was high (93%), and most participants (95%) reported they would recommend the intervention to others. SSIs show promise as accessible, acceptable, and effective tools for improving body image and reducing ED symptoms among Chinese female social media users with ED symptoms. Future research should conduct larger-scale studies to examine their effectiveness and long-term impact. Social media use is associated with body image concerns and increased risk of eating disorders. We developed two culturally adapted, self-guided online programs delivered via WeChat: a Media Literacy Intervention (MLI) and a Body Functionality Intervention (BFI). In a randomized controlled trial with 204 female social media users experiencing eating disorder symptoms, both interventions significantly improved body image and reduced eating disorder symptoms and psychological distress at follow-ups, compared to a control group. The interventions were highly acceptable, with 95% of participants indicating they would recommend them to others. These results suggest that brief, accessible online programs may be effective in improving body image, eating behaviors, and general mental health among female social media users with eating disorder symptoms.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,015
Tête enseignante GPT0,351
Écart entre enseignants0,336 · 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'étudeEssai randomisé
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Eating DisordersMême sujetEating Disorders and BehaviorsTravaux en français237 207