High cellphone use associated with greater risk of depression among young women aged 15–24 years in Soweto and Durban, South Africa
Notice bibliographique
Résumé
Background The ubiquity of cellular phone (cellphone) use in young people’s daily lives has emerged as a priority area of concern for youth mental health.Objective This study measured the prevalence of depression and its association with high cellphone use among youth in Soweto and Durban, South Africa.Methods We analysed cross-sectional, baseline survey data among youth aged 16–24 who participated in a dual-site cohort study, ‘AYAZAZI’, conducted from 2014 to 2017. The primary outcome was depression using the 10-item Center for Epidemiologic Studies Depression Scale, with a score of ≥ 10 indicating probable depression. Cellphone use was measured via self-reported average number of hours of active use, with ‘high cellphone use’ defined as daily usage of ≥ 8. Multivariable logistic regression models assessed the independent relationship between high cellphone use and probable depression, adjusting for potential confounders.Results Of 425 participants with a median age of 19 years (IQR = 18–21), 59.5% were young women. Overall, 43.3% had probable depression, with a higher prevalence among women (49.0% vs. 34.9%, P = .004). Nearly all (94.6%) owned a cellphone. About one-third (29.5%) reported spending ≥ 8 hours per day using their cellphone (39.3% of women vs. 14.9% of men, P < .001). In the overall adjusted model, youth reporting high daily cellphone use had higher odds of probable depression (aOR: 1.83, 95% CI: 1.16–2.90). In gender-stratified models, high daily cellphone use was associated with probable depression among women (aOR: 2.51, 95% CI: 1.47–4.31), but not among men (aOR: 0.87, 95% CI: 0.35–2.16).Conclusions Among a cohort of South African youth, we found a high prevalence of probable depression and high cellphone use (30%). The findings indicate a need for intersectoral initiatives focused on meaningful mental health support for South African youth to support positive growth and development.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,002 | 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 ».