Die gefährlichste psychische Krankheit
Bibliographic record
Abstract
Liebe Leserin, lieber Leser, haben Sie bei so manchem Patienten auch schon einmal gedacht: Die – oder der – ist bestimmt magersüchtig? Und waren vielleicht unsicher, ob Sie Ihren Verdacht aussprechen sollten, wenn der Grund für den Arztbesuch doch ein ganz anderer war? Vor allem bei jungen Patienten mit deutlichen Symptomen sollten Sie nicht allzu lange zögern: Die Anorexia nervosa ist mit 0,5 % Lebenszeitprävalenz nicht nur eine relativ häufige Erkrankung, sondern endet für bis zu 5 % der Betroffenen tödlich. Damit gilt sie laut Deutscher Gesellschaft für Psychosomatische Medizin und ärztliche Psychotherapie (DGPM) als gefährlichste aller psychischen Krankheiten (Pressemeldung vom 17.11.2015). Immerhin: Junge Patienten, die früh mit der Behandlung beginnen, haben eine gute Chance, wieder gesund zu werden. Dazu brauchen sie aber oft einen äußeren Anstoß – aus ihrem sozialen Umfeld oder von einer fremden Person wie einem Arzt. „Ärzte aller Fachrichtungen müssen deshalb darin geschult sein, Magersucht frühzeitig zu erkennen und ihre Patienten ggf. rasch zu Spezialisten überweisen“, meint daher DGPM-Mediensprecher Prof. Dr. Harald Gündel. Wie Sie dabei vorgehen können, erklären unsere Autoren im Übersichtsbeitrag „Essstörungen“ ab Seite 36. Aber auch Patienten, die rational einsehen, dass ihr Verhalten ihre Gesundheit gefährdet, fällt es oft schwer, eine (Psycho-)Therapie zu beginnen bzw. durchzuhalten. „Ich weiß, dass ich da alleine nicht mehr rauskomme, aber schäme mich zu sehr, um Hilfe zu bitten“, schreibt z. B. eine 24-Jährige in der Süddeutschen Zeitung (5.1.2016). „Ich weiß, dass der Weg, den ich gehe, der falsche ist. Aber einen Ausweg finde ich nicht.“ Schließlich ist das Leben der Betroffenen oft bestimmt von Disziplin, Willensstärke und Selbstkontrolle – ohne die hätten sie nicht jahrelang hungern können. Zur Überwindung der eingefahrenen Gewohnheiten kann dann ein stationärer Aufenthalt helfen, z. B. in einer psychosomatischen Klinik. Wie die Behandlung dort aussieht und für welche anderen Erkrankungen sie ebenfalls geeignet sein kann, lesen Sie ab Seite 26 in unserem aktuellen Titelthema. Wir wünschen Ihnen eine interessante Lektüre! Ihre Herausgeber und Ihre Redaktion Herausgeber P. Galle, Mainz G. Geldner, Ludwigsburg A. Königsrainer, Tübingen F.-G. B. Pajonk, Schäftlarn Experten-Panel P. Berlit, Essen S. Bleich, Hannover J. Bossenmayer, Stuttgart H.- P. Bruch, Lübeck M. Christ, Nürnberg B. Debong, Karlsruhe J. Glatzle, Konstanz T. Hemmerling, Montreal D. F. Hollo, Celle J. Riemann, Ludwigshafen Schlichtungsstelle für Arzthaftpflichtfragen der norddeutschen Ärztekammern, Hannover Redaktion Julia Hecht Dr. Julia Rojahn Georg Thieme Verlag KG Rüdigerstraße 1470469 Stuttgart E-Mail: legeartis@thieme.de Im Internet Aktuelle Ausgabe: http://www.thieme.de/legeartis Online-Archiv: http://www.thieme-connect.de/products Ärztliche Weiterbildung auf Facebook: ThiemeliebtAerzteinWeiterbildung
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".