Exploring the prevalence of gaming disorder and Internet gaming disorder: a rapid scoping review
Notice bibliographique
Résumé
BACKGROUND: Internet gaming disorder (IGD) was included in the DSM-5 in 2013 as a condition requiring further research, and gaming disorder (GD) was included in the ICD-11 in 2018. Given the importance of including these conditions in diagnostic guidelines, a review was conducted to describe their prevalence. METHODS: Using guidance from the Joanna Briggs Institute and the Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR), we conducted a rapid scoping review. MEDLINE, Embase, PsycINFO, and the Cochrane library were searched for literature published from inception to July 2018. All review stages were pilot-tested to calibrate reviewers. The titles/abstracts and full-text articles were screened by one reviewer to include quantitative primary studies that reported GD or IGD prevalence. Excluded citations were screened by a second reviewer to confirm exclusion. Charting was conducted by one reviewer and verified by another, to capture relevant data. Results were summarized descriptively in tables or text. RESULTS: We assessed 5550 potentially relevant citations. No studies on GD were identified. We found 160 studies of various designs that used 35 different methods to diagnose IGD. The prevalence of IGD ranged from 0.21-57.50% in general populations, 3.20-91.00% in clinical populations, and 50.42-79.25% in populations undergoing intervention (severe cases). Most studies were conducted in the Republic of Korea (n = 45), China (n = 29), and the USA (n = 20). Results are also presented for severe IGD and by geographic region, gender/sex, and age groups (child, adolescent, adult). The five most frequently reported health-related variables were depression (67 times), Internet addiction (54 times), anxiety (48 times), impulsiveness (37 times), and attention-deficit hyperactivity disorder (24 times). CONCLUSIONS: Due to the variability in diagnostic approaches, knowledge users should interpret the wide IGD prevalence ranges with caution. In addition to further research on GD, consensus on the definition of IGD and how it is measured is needed, to better understand the prevalence of these conditions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,012 |
| Bibliométrie | 0,056 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».