Objective: To evaluate in a 6-year follow-up study the course of a large clinical sample of patients with eating disorders (EDs) who were treated with individual cognitive behavior therapy. The diagnostic crossover, recovery, and relapses were assessed, applying both Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition (DSM-IV) and the DSM-V proposed criteria. Patients with EDs move in and out of illness states over time, display frequent relapses, show a relevant lifetime psychiatric comorbidity, and migrate between different diagnoses. Method: A total of 793 patients (including anorexia nervosa, bulimia nervosa, binge eating disorder, and EDs not otherwise specified) were evaluated on the first day of admission, at the end of treatment, 3 years after the end of treatment, and 3 years after the first follow-up. Clinical data were collected through a face-to-face interview; diagnosis was performed by means of the Structured Clinical Interview for DSM-IV and the Eating Disorder Examination Questionnaire was applied. Results: A consistent rate of relapse and crossover between the different diagnoses over time was observed. Mood disorders comorbidity has been found to be an important determinant of diagnostic instability, whereas the severity of shape concern represented a relevant outcome modifier. Using the DSM-V proposed criteria, most patients of EDs not otherwise specified were reclassified, so that the large majority of ED patients seeking treatment would be included in full-blown diagnoses. Conclusions: Among EDs, there are different subgroups of patients displaying various courses and outcomes. The diagnostic instability involves the large majority of patients. An integration of categorical and dimensional approaches could improve the psychopathological investigation and the treatment choices. AN = anorexia nervosa; BED = binge eating disorder; BMI = body mass index; BN = bulimia nervosa; CBT = cognitive behavior therapy; DSM = Diagnostic and Statistical Manual of Mental Disorders; EDs = eating disorders; EDE 12.0D = Eating Disorder Examination Interview; EDNOS = eating disorders not otherwise specified; EDNOS-A = eating disorders not otherwise specified Anorectic type; EDNOS-B = eating disorders not otherwise specified Bulimic type; OBEs = objective binge episodes; SBEs = subjective binge episodes; s-BED = subthreshold BED.

Anorexia nervosa (AN) is a complex and serious eating disorder, occurring in ~1% of individuals. Despite having the highest mortality rate of any psychiatric disorder, little is known about the aetiology of AN, and few effective treatments exist. Global efforts to collect large sample sizes of individuals with AN have been highly successful, and a recent study consequently identified the first genome-wide significant locus involved in AN. This result, coupled with other recent studies and epidemiological evidence, suggest that previous characterizations of AN as a purely psychiatric disorder are over-simplified. Rather, both neurological and metabolic pathways may also be involved. In order to elucidate more of the system-specific aetiology of AN, we applied transcriptomic imputation methods to 3,495 cases and 10,982 controls, collected by the Eating Disorders Working Group of the Psychiatric Genomics Consortium (PGC-ED). Transcriptomic Imputation (TI) methods approaches use machine-learning methods to impute tissue-specific gene expression from large genotype data using curated eQTL reference panels. These offer an exciting opportunity to compare gene associations across neurological and metabolic tissues. Here, we applied CommonMind Consortium (CMC) and GTEx-derived gene expression prediction models for 13 brain tissues and 12 tissues with potential metabolic involvement (adipose, adrenal gland, 2 colon, 3 esophagus, liver, pancreas, small intestine, spleen, stomach). We identified 35 significant gene-tissue associations within the large chromosome 12 region described in the recent PGC-ED GWAS. We applied forward stepwise conditional analyses and FINEMAP to associations within this locus to identify putatively causal signals. We identified four independently associated genes; RPS26, C12orf49, SUOX, and RDH16. We also identified two further genome-wide significant gene-tissue associations, both in brain tissues; REEP5, in the dorso-lateral pre-frontal cortex (DLPFC; p=8.52x10-07), and CUL3, in the caudate basal ganglia (p=1.8x10-06). These genes are significantly enriched for associations with anthropometric phenotypes in the UK BioBank, as well as multiple psychiatric, addiction, and appetite/satiety pathways. Our results support a model of AN risk influenced by both metabolic and psychiatric factors.

Eating disorders and substance use disorders frequently co-occur. Twin studies reveal shared genetic variance between liabilities to eating disorders and substance use, with the strongest associations between symptoms of bulimia nervosa (BN) and problem alcohol use (genetic correlation [rg], twin-based=0.23-0.53). We estimated the genetic correlation between eating disorder and substance use and disorder phenotypes using data from genome-wide association studies (GWAS). Four eating disorder phenotypes (anorexia nervosa [AN], AN with binge-eating, AN without binge-eating, and a BN factor score), and eight substance-use-related phenotypes (drinks per week, alcohol use disorder [AUD], smoking initiation, current smoking, cigarettes per day, nicotine dependence, cannabis initiation, and cannabis use disorder) from eight studies were included. Significant genetic correlations were adjusted for variants associated with major depressive disorder (MDD). Total sample sizes per phenotype ranged from ~2,400 to ~537,000 individuals. We used linkage disequilibrium score regression to calculate single nucleotide polymorphism-based genetic correlations between eating disorder and substance-use-related phenotypes. Significant positive genetic associations emerged between AUD and AN (rg=0.18; false discovery rate q=0.0006), cannabis initiation and AN (rg=0.23; q<0.0001), and cannabis initiation and AN with binge-eating (rg=0.27; q=0.0016). Conversely, significant negative genetic correlations were observed between three non-diagnostic smoking phenotypes (smoking initiation, current smoking, and cigarettes per day) and AN without binge-eating (rgs=-0.19 to -0.23; qs<0.04). The genetic correlation between AUD and AN was no longer significant after co-varying for MDD loci. The patterns of association between eating disorder- and substance-use-related phenotypes highlights the potentially complex and substance-specific relationships between these behaviors.

Online content can inform the personal risk of developing an eating disorder, and it can influence the time and motivation to seek treatment. Patients routinely seek information online, and access to information is crucial for both prevention and treatment. The primary aim of the current study was to quantify the readability scores of online content on eating disorders using natural language processing algorithms, across two languages: English and Italian.