Approche de l’anorexie mentale et de l’anorexie mentale atypique chez l’adolescent
Bibliographic record
Abstract
Objectif Aborder le dépistage, le diagnostic et le traitement de l’anorexie mentale et de l’anorexie mentale atypique chez les adolescents en soins primaires. Sources de l’information Une recherche documentaire a été effectuée dans PubMed à l’aide des rubriques thématiques en anglais anorexia nervosa, adolescents, COVID-19, review, guidelines et primary care. Les articles pertinents ont été passés en revue et les principales recommandations ont été résumées. La plupart des données probantes sont de niveau I. Message principal De récentes études font valoir que la pandémie mondiale de la COVID-19 a contribué à une augmentation de l’incidence des troubles du comportement alimentaire, en particulier chez les adolescents. Il s’ensuit de plus grandes responsabilités pour les professionnels des soins primaires concernant l’évaluation, le diagnostic et la prise en charge de ces troubles. En outre, les professionnels des soins primaires sont bien placés pour identifier les adolescents à risque de troubles du comportement alimentaire. Une intervention précoce revêt une importance capitale pour éviter les conséquences à long terme pour la santé. Des taux élevés d’anorexie mentale atypique indiquent la nécessité que les professionnels soient sensibilisés aux préjudices et à la stigmatisation entourant le poids. Le traitement comporte principalement une combinaison de renutrition et de psychothérapie, généralement au moyen d’une thérapie familiale, et la pharmacothérapie joue un rôle secondaire. Conclusion L’anorexie mentale et l’anorexie mentale atypique sont des maladies graves et potentiellement mortelles, et leur prise en charge optimale comprend la détection et le traitement précoces. Les médecins de famille sont très bien placés pour dépister, diagnostiquer et traiter ces maladies.
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 | 0.013 | 0.050 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".