Association Between LGB Sexual Orientation and Depression Mediated by Negative Social Media Experiences: National Survey Study of US Young Adults
Notice bibliographique
Résumé
BACKGROUND: Lesbian, gay, and bisexual (LGB) persons are disproportionately affected by depression and have high social media use rates. Negative social media experiences may modify depressive symptoms among LGB persons. We sought to assess the potential influence of negative social media experiences on the association between LGB orientation and depression. OBJECTIVE: The aim of this study was to assess the potential influence of negative social media experiences on the association between LGB orientation and depression. METHODS: We performed a web-based survey of a national sample of US young adults aged 18-30 years. We assessed the respondents' LGB orientation, negative social media experiences, and depression using the 9-item Patient Health Questionnaire. We used generalized structural equation modeling to assess both the direct and indirect effects (via negative social media experiences) of LGB orientation on depression while controlling for relevant demographic and personal characteristics. RESULTS: We found a conditional indirect effect (ab path) of LGB orientation on depressive symptoms via negative social media experience (a: observed coefficient 0.229; P<.001; bias-corrected bootstrapped 95% CI 0.162-0.319, and b: observed coefficient 2.158; P<.001; bias-corrected bootstrapped 95% CI 1.840-2.494). The results show that among LGB respondents, for those who reported negative social media experiences in the past year, a 1 unit increase in these experiences was associated with a 0.494 unit increase in depressive symptomatology. CONCLUSIONS: Our results suggest that higher rates of depression among LGB young adults are partially explained by negative social media experiences; these results could help inform future patient/provider conversations about mental health risk and protective factors related to social media use. Reducing these experiences and increasing positive social media experiences among LGB persons may mitigate depressive symptomatology in this population.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».