Association of Social Media Use and High-Risk Behaviors in Adolescents: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Previous studies have demonstrated the prevalence of social media use and identified the presence of high-risk behaviors among adolescents, including self-harm and sharing of sexually explicit messages. OBJECTIVE: This study aimed to identify patterns in the amount of time spent on social media by adolescents who engage in high-risk behavior and the extent to which they use social media as a platform for sharing such behaviors. METHODS: This was a descriptive cross-sectional study of 179 adolescents seen in a pediatric clinic at an urban medical center. We used an anonymous self-report survey to obtain demographic characteristics, rates of self-harm thoughts and behaviors, sharing of sexually explicit messages, and social media use as determined by total hours spent on social media per day and the number of applications used. RESULTS: Most adolescents reported spending 3 to 5 hours on social media each day and using 3 or more social media applications. Almost 1 in 8 (22/179, 12.3%) adolescents self-reported having ever engaged in self-injury with a mean age of onset of 11.8 years. Over a quarter (49/179, 27.4%) of adolescents reported sharing sexually explicit messages. Relative risk of engaging in self-injury and or sharing sexually explicit messages increased with the use of 4 or more social media applications (1.66; CI 1.11-2.48). CONCLUSIONS: Results show a relationship between the number of social media applications used and increased rates of high-risk behaviors. We identified relevant risk factors that clinicians can use to screen for high-risk behavior and parents can monitor to encourage education about healthy online practices.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».