MétaCan
Menu
Retour à la cohorte
Enregistrement W2807218926 · doi:10.2196/10496

For Better or for Worse? A Systematic Review of the Evidence on Social Media Use and Depression Among Lesbian, Gay, and Bisexual Minorities

2018· review· en· W2807218926 sur OpenAlexvenueno aff
César G. Escobar-Viera, Darren L. Whitfield, Charles B. Wessel, Ariel Shensa, Jaime E. Sidani, Andre L. Brown, Cristian J. Chandler, Beth L. Hoffman, Michael P. Marshal, Brian A. Primack

Notice bibliographique

RevueJMIR Mental Health · 2018
Typereview
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Minority Health and Health Disparities
Mots-clésLesbianSocial mediaPsychologyDepression (economics)HomosexualityClinical psychologyPsychotherapistPsychoanalysisPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over 90% of adults in the United States have at least one social media account, and lesbian, gay, and bisexual (LGB) persons are more socially active on social media than heterosexuals. Rates of depression among LGB persons are between 1.5- and 2-fold higher than those among their heterosexual counterparts. Social media allows users to connect, interact, and express ideas, emotions, feelings, and thoughts. Thus, social media use might represent both a protective and a risk factor for depression among LGB persons. Studying the nature of the relationship between social media use and depression among LGB individuals is a necessary step to inform public health interventions for this population. OBJECTIVE: The objective of this systematic review was to synthesize and critique the evidence on social media use and depression among LGB populations. METHODS: We conducted a literature search for quantitative and qualitative studies published between January 2003 and June 2017 using 3 electronic databases. Articles were included if they were peer-reviewed, were in English, assessed social media use either quantitatively or qualitatively, measured depression, and focused on LGB populations. A minimum of two authors independently extracted data from each study using an a priori developed abstraction form. We assessed appropriate reporting of studies using the Strengthening the Reporting of Observational Studies in Epidemiology and the Consolidated Criteria for Reporting Qualitative Research for quantitative and qualitative studies, respectively. RESULTS: We included 11 articles in the review; 9 studies were quantitative and cross-sectional and 2 were qualitative. Appropriate reporting of results varied greatly. Across quantitative studies, we found heterogeneity in how social media use was defined and measured. Cyberbullying was the most studied social media experience and was associated with depression and suicidality. Qualitative studies found that while social media provides a space to disclose minority experiences and share ways to cope and get support, constant surveillance of one's social media profile can become a stressor, potentially leading to depression. In most studies, sexual minority participants were identified inconsistently. CONCLUSIONS: This review supports the need for research on the role of social media use on depression outcomes among LBG persons. Using social media may be both a protective and a risk factor for depression among LGB individuals. Support gained via social media may buffer the impact of geographic isolation and loneliness. Negative experiences such as cyberbullying and other patterns of use may be associated with depression. Future research would benefit from more consistent definitions of both social media use and study populations. Moreover, use of larger samples and accounting for patterns of use and individuals' experiences on social media may help better understand the factors that impact LGB mental health disparities.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,909

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,340
Tête enseignante GPT0,528
Écart entre enseignants0,188 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations138
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetLGBTQ Health, Identity, and PolicyTravaux en français237 207