The relationship between smartphone addiction and symptoms of depression, anxiety, and attention-deficit/hyperactivity in South Korean adolescents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Excessive smartphone use has been associated with numerous psychiatric disorders. This study aimed to investigate the prevalence of smartphone addiction and its association with depression, anxiety, and attention-deficit hyperactivity disorder (ADHD) symptoms in a large sample of Korean adolescents. METHODS: A total of 4512 (2034 males and 2478 females) middle- and high-school students in South Korea were included in this study. Subjects were asked to complete a self-reported questionnaire, including measures of the Korean Smartphone Addiction Scale (SAS), Beck Depression Inventory (BDI), Beck Anxiety Inventory (BAI), and Conners-Wells' Adolescent Self-Report Scale (CASS). Smartphone addiction and non-addiction groups were defined using SAS score of 42 as a cut-off. The data were analyzed using multivariate logistic regression analyses. RESULTS: 338 subjects (7.5%) were categorized to the addiction group. Total SAS score was positively correlated with total CASS score, BDI score, BAI score, female sex, smoking, and alcohol use. Using multivariate logistic regression analyses, the odds ratio of ADHD group compared to the non-ADHD group for smartphone addiction was 6.43, the highest among all variables (95% CI 4.60-9.00). CONCLUSIONS: Our findings indicate that ADHD may be a significant risk factor for developing smartphone addiction. The neurobiological substrates subserving smartphone addiction may provide insights on to both shared and discrete mechanisms with other brain-based disorders.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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