Exploring Differences Among Video Gamers With and Without Depression: Contrasting Emotion Regulation and Mindfulness
Notice bibliographique
Résumé
Video games are a leisure activity with mass appeal for individuals of all ages. However, for some individuals, playing video games may become problematic and addictive, resulting in negative consequences affecting their physical, social, and psychological well-being. Internet gaming disorder (IGD) has estimated prevalence rates of around 3 percent and has been strongly associated with several psychopathologies, including depression. Given that emotion regulation (ER) and mindfulness are fluid constructs that can be enhanced, the potential for intervention and prevention is considerable. Thus, this study sought to, as a first step in determining clinical relevance, explore the differences in ER, mindfulness, and impulsivity among emerging adult gamers who met criteria for IGD, depression, or both IGD and depression (Dep + IGD). A sample of 1,536 gamers (45 percent male, M age = 20.45 years old) completed an online survey, including an assessment for IGD, depression, difficulties with ER, impulsivity, and mindfulness. Relative to individuals below IGD and depression cutoffs (control), the clinical groups (IGD, depression, and Dep + IGD) reported greater ER difficulties, higher impulsivity, and lower mindfulness. Finally, relative to the IGD + depression group, the other two clinical groups had fewer difficulties with cognitive impulsivity, whereas the depression group reported more difficulties with strategy use. These results suggest that gamers should be considered a heterogeneous group and that comorbid disorders are important considerations when developing targeted treatments for individuals with IGD.
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 | 0,000 | 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 | 0,001 | 0,001 |
| 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 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 ».