Problematic Internet Use in Children and Adolescents: Associations with psychiatric disorders and impairment
Notice bibliographique
Résumé
ABSTRACT Objective Here, we leveraged the ongoing, large-scale Child Mind Institute Healthy Brain Network, a transdiagnostic self-referred, community sample of children and adolescents (ages 5-21), to examine the associations between Problematic Internet Use (PIU) and psychopathology, general impairment, physical health and sleep disturbances. Methods A total sample of 564 (190 female) participants between the ages of 7-15 (mean = 10.80, SD = 2.16), along with their parents/guardians, completed diagnostic interviews with clinicians, answered a myriad of self-report questionnaires, and underwent physical testing as part of the Healthy Brain Network protocol. Results PIU was positively associated with depressive disorders (aOR = 2.34; CI: 1.18-4.56; p = .01), the combined subtype of ADHD (aOR = 1.79; CI: 1.08-2.98; p = .02), greater levels of impairment (Standardized Beta = 4.79; CI: 3.21-6.37; p < .01) and increased sleep disturbances (Standardized Beta = 3.01; CI: 0.58-5.45; p = .02), even when accounting for demographic covariates and psychiatric comorbidity. Conclusion The association between PIU and psychopathology, as well as its impact on impairment and sleep disturbances, highlight the urgent need to gain an understanding of mechanisms in order to inform public health recommendations on internet use in U.S. youth.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».