今日文獻亮點聚焦於暴食症（BED）的創新機轉介入與共病預測，其中利用武靴葉抑制甜味受體以減弱暴食行為的轉譯醫學研究最具臨床突破潛力，而機器學習預測出院殘餘憂鬱症狀的模型則為個案化治療規劃提供了新工具。
Appetite · Targeting Sweet Taste as a Strategy to Reduce Sugar Reward: Preliminary Evidence from Preclinical and Human Studies.
研究證實使用武靴葉提取物抑制甜味受體，能顯著減少暴食症模式大鼠的糖分攝取，並降低人類對糖的愉悅感與渴望，為暴食症提供具潛力的低門檻輔助介入策略。
💡 雖為初步與臨床前證據，但提供了一種非藥物、低副作用且易取得的營養補充品切入點，可作為暴食症患者減少高糖食物攝取的輔助建議。
The International journal of eating disorders · Developing a Clinical Prediction Model for Nonimprovement of Depressive Symptoms at Discharge After Treatment of Eating Disorders.
運用機器學習分析超過1400名患者的電子病歷，發現基線憂鬱、恐懼焦慮與心理韌性可有效預測出院時的殘餘憂鬱症狀，有助於臨床早期識別需加強情緒調節介入的高風險個案。
💡 模型預測力中等且需導入臨床資訊系統，但證明了利用常規入院資料（如恐懼焦慮、生活滿意度）提前規劃合併憂鬱症處置的可行性。
Journal of eating disorders
質性研究揭示美國鄉村地區緊密社群網路帶來的嚴重體重污名、狹隘的社會期望與節食文化，是導致青少年發展飲食疾患的重要環境推手。