MétaCan
Menu
Retour à la cohorte
Enregistrement W3028636405 · doi:10.1001/jamanetworkopen.2020.6863

Association of Internet Addiction With Nonsuicidal Self-injury Among Adolescents in China

2020· article· en· W3028636405 sur OpenAlexaff
Jie Tang, Ying Ma, Stephen P. Lewis, Ruoling Chen, Angela Clifford, Brooke A. Ammerman, Marufu Martin Gazimbi, Adrian Byrne, Yu Wu, Xinchuan Lu, Hongjuan Chang, Chun Kang, Henning Tiemeier, Yizhen Yu

Notice bibliographique

RevueJAMA Network Open · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNational Natural Science Foundation of ChinaEuropean Commission
Mots-clésAddictionThe InternetPsychiatryMedicinePsychologyAssociation (psychology)Cross-sectional studyPublic healthInjury preventionPoison controlClinical psychologyEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

Importance: Both nonsuicidal self-injury (NSSI), defined as the direct, deliberate damage of one's body tissue without suicidal intent, and internet addiction among adolescents are public health concerns. However, the possible association of NSSI with internet addiction is not well understood. Objective: To examine the occurrence of internet addiction with NSSI and any sex differences among Chinese adolescents. Design, Setting, and Participants: A multicenter, cross-sectional, survey study was conducted from February 18 to October 15, 2015, among adolescents aged 11 to 20 years from 343 classes in 45 public high schools across 5 provinces of China. Data analysis was performed from August 1, 2018, to March 1, 2019. Exposures: Possible internet addiction and internet addiction. Main Outcomes and Measures: Less-frequent (1-4 times) NSSI and more-frequent (≥5 times) NSSI were surveyed using the Chinese version of the Functional Assessment of Self-Mutilation. Results: A total of 15 623 students (8043 male [51.5%] and 7580 female [48.5%]) aged 11 to 20 years (mean [SD] age, 15.1 [1.8] years) participated. Of these, 4670 participants (29.9%) met the criteria for possible internet addiction and 509 participants (3.3%) met the criteria for internet addiction. A total of 2667 students (17.1%) engaged in less-frequent NSSI, while 1798 students (11.5%) engaged in more-frequent NSSI in the 12 months preceding the survey. Both possible internet addiction and internet addiction were associated with less-frequent or more-frequent NSSI. The adjusted odds ratios were 1.29 (95% CI, 1.17-1.42) for possible internet addiction and 1.41 (95% CI, 1.11-1.80) for internet addiction for less-frequent NSSI; for more-frequent NSSI, the adjusted odds ratios were 1.75 (95% CI, 1.56-1.96) for possible internet addiction and 2.66 (95% CI, 2.10-3.38) for internet addiction. These associations were similarly observed among age groups of 11 to 14, 15 to 17, and 18 to 20 years. No sex disparities were found in the associations of internet addiction with NSSI, except among adolescents aged 11 to 14 years, where the odds ratios for possible internet addiction with less-frequent NSSI were higher in male adolescents (1.53; 95% CI, 1.25-1.88) than female adolescents (1.13; 95% CI, 0.90-1.47). Conclusion and Relevance: Internet addiction appears to be associated with NSSI, and the findings of this study suggest that the association was similar between male adolescents and female adolescents. These data suggest that evaluation of the risk of NSSI for adolescents in association with internet addiction may help health care professionals in developing preventive interventions for NSSI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations138
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSuicide and Self-Harm StudiesTravaux en français237 207