Internet addiction belief, but not Internet use time, is independently associated with menstrual pain severity and interference to social life among adolescents: a cross-sectional study
Notice bibliographique
Résumé
INTRODUCTION: Problematic Internet use is a serious health issue for modern adolescents who have developed and matured in a global Internet environment. This study aimed to examine whether Internet use time and Internet addiction beliefs were independently associated with menstrual pain severity and its interference among Japanese adolescents. METHODS: We recruited 1166 adolescents at two high schools to complete questionnaires on Internet use and menstrual pain. The explanatory variable was self-reported average Internet use time per day and Internet addiction beliefs ('none' (reference) 'somewhat', 'moderate' and 'severe'). The outcome variables were moderate-to-severe menstrual pain and interference. A multivariable logistic regression model was used to estimate odds ratios (ORs) and 95% confidence intervals (CIs) for moderate-to-severe menstrual pain and interference. Adjustment variables were age, body mass index, belonging to a community or school sports club, sleep duration and Internet addiction beliefs/Internet use time. RESULTS: Internet addiction belief, but not Internet use time, was independently associated with menstrual pain severity and interference to social life in a dose-response manner. ORs (95% CIs) of moderate-to-severe menstrual pain for slight, moderate and severe Internet addition beliefs were 1.43 (1.02-1.99), 1.89 (1.31-2.74) and 1.88 (1.10-3.23), respectively. ORs of moderate-to-severe disability due to menstrual pain for slight, moderate and severe Internet addition beliefs were 1.25 (0.75-1.82), 1.72 (1.01-2.92) and 2.21 (1.11-4.40), respectively, after adjusting for average Internet use time. CONCLUSION: Internet addiction belief was associated with higher prevalence of moderate-to-severe menstrual pain among adolescents, beyond the variance accounted for by Internet use time.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».