Adolescent Problem Gaming and Loot Box Purchasing in Video Games: Cross-sectional Observational Study Using Population-Based Cohort Data
Notice bibliographique
Résumé
BACKGROUND: Video game loot boxes, which can typically be purchased by players or are given as reward, contain random virtual items, or loot, ranging from simple customization options for a player's avatar or character, to game-changing equipment such as weapons and armor. Loot boxes have drawn concern, as purchasing loot boxes might lead to the development of problematic gambling for adolescents. Although parental problem gambling is associated with adolescent problem gambling, no studies have evaluated the prevalence of loot box purchases in adolescents' parents. OBJECTIVE: This study investigated the association between loot box purchasing among adolescents and parents, and problem online gaming in population-based samples. METHODS: In total, 1615 adolescent (aged 14 years) gamers from Japan responded to a questionnaire regarding their loot box purchasing and problem online gaming behaviors. Problem online gaming was defined as four or more of the nine addictive behaviors from the Diagnostic and Statistical Manual of Mental Disorders. The adolescents' primary caregivers were asked about their loot box purchasing. RESULTS: Of the 1615 participants, 57 (3.5%) reported loot box purchasing. This prevalence did not differ according to primary caregivers' loot box purchasing, but adolescents who purchased loot boxes were significantly more likely to exhibit problem online gaming (odds ratio 3.75, 95% CI 2.17-6.48). CONCLUSIONS: Adolescent loot box purchasing is linked to problem online gaming, but not with parents' loot box purchasing. Measures to reduce these behaviors should target reducing addictive symptoms in young video gamers.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».