MétaCan
Menu
Retour à la cohorte
Enregistrement W3048998292 · doi:10.2196/21115

The Moderating Role of Coping Mechanisms and Being an e-Sport Player Between Psychiatric Symptoms and Gaming Disorder: Online Survey

2020· article· en· W3048998292 sur OpenAlexvenueno aff
Fanni Bányai, Ágnes Zsila, Gyöngyi Kökönyei, Mark D. Griffiths, Zsolt Demetrovics, Orsolya Király

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesNemzeti Kutatási Fejlesztési és Innovációs HivatalInnovációs és Technológiai MinisztériumEötvös Loránd TudományegyetemEmberi Eroforrások MinisztériumaMagyar Tudományos AkadémiaNational Research, Development and Innovation OfficeNemzeti Kutatási, Fejlesztési és Innovaciós AlapSemmelweis Egyetem
Mots-clésModerationPsychologyClinical psychologyCoping (psychology)AnxietyHobbyDenialImpulsivityPsychiatrySocial psychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The emerging popularity of playing video games (gaming) as a hobby and as a professional sport raises awareness about both the benefits and possible downsides of the activity. Although a healthy and passionate hobby for most, a minority of gamers experience addiction-like symptoms and are considered to have gaming disorder (GD). GD has previously been found to be related to aversive conditions, such as depression or anxiety, as well as putatively maladaptive coping strategies. OBJECTIVE: The aim of this study is twofold: to explore the moderating effect of different coping strategies and type of video game usage (professional [e-sport] or recreational) on the relationship between psychiatric symptoms and GD. METHODS: A sample of 3476 gamers (n=3133, 90.13% males; mean age 23.20, SD 6.48 years) was recruited via the website and social networking site of the most popular gaming magazine in Hungary (GameStar). RESULTS: The main effect of psychiatric symptoms was moderate to large in all models, whereas the moderation effects were significant (P<.001) for 4 out of 8 coping strategies (ie, self-blame/self-distraction, denial, emotional/social support, and active coping). However, the explained variance of the models only increased negligibly (from 0.3% to 0.5%) owing to the moderation effect. The direction of the moderations was as expected (ie, putatively maladaptive strategies were associated with more GD symptoms when the level of psychiatric symptoms was high, while putatively adaptive strategies were associated with less). Furthermore, no considerable moderation effect of the player type (recreational vs professional players) was found on the association between psychiatric symptoms and GD (β=.04; P=.02; 0.1% change in the explained variance). CONCLUSIONS: Future studies should be designed to better understand coping-related mechanisms in the context of video gaming and GD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,353
Écart entre enseignants0,330 · 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 tête enseignante, pas un consensus.

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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetImpact of Technology on AdolescentsTravaux en français237 207