MétaCan
Menu
Retour à la cohorte
Enregistrement W4205807851 · doi:10.2196/33114

Problematic Internet Use Before and During the COVID-19 Pandemic in Youth in Outpatient Mental Health Treatment: App-Based Ecological Momentary Assessment Study

2021· article· en· W4205807851 sur OpenAlexvenueno aff
Meredith Gansner, Melanie Nisenson, Vanessa Lin, Sovannarath Pong, John Torous, Nicholas Carson

Notice bibliographique

RevueJMIR Mental Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthAnxietyPopulationCoping (psychology)PandemicTelemedicinePsychiatryMedicinePsychologyDigital healthHealth careClinical psychologyCoronavirus disease 2019 (COVID-19)DiseaseEnvironmental healthInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Youth with existing psychiatric illness are more apt to use the internet as a coping skill. Because many "in-person" coping skills were not easily accessible during the COVID-19 pandemic, youth in outpatient mental health treatment may have been particularly vulnerable to the development of problematic internet use (PIU). The identification of a pandemic-associated worsening of PIU in this population is critical in order to guide clinical care; if these youth have become dependent upon the internet to regulate their negative emotions, PIU must be addressed as part of mental health treatment. However, many existing studies of youth digital media use in the pandemic do not include youth in psychiatric treatment or are reliant upon cross-sectional methodology and self-report measures of digital media use. OBJECTIVE: This is a retrospective cohort study that used data collected from an app-based ecological momentary assessment protocol to examine potential pandemic-associated changes in digital media youth in outpatient mental health treatment. Secondary analyses assessed for differences in digital media use dependent upon personal and familial COVID-19 exposure and familial hospitalization, as well as factors associated with PIU in this population. METHODS: The participants were aged 12-23 years and were receiving mental health treatment in an outpatient community hospital setting. All participants completed a 6-week daily ecological momentary assessment protocol on their personal smartphones. Questions were asked about depression (PHQ-8 [8-item Patient Health Questionnaire]), anxiety (GAD-7 [7-item General Anxiety Disorder]), PIU (PIU-SF-6 [Problematic Internet Use Short Form 6]), digital media use based on Apple's daily screen time reports, and personal and familial COVID-19 exposure. The analyses compared screen time, psychiatric symptoms, and PIU between cohorts, as well as between youth with personal or familial COVID-19 exposures and those without. The analyses also assessed for demographic and psychiatric factors associated with clinically significant PIU-SF-6 scores. RESULTS: A total of 69 participants completed the study. The participants recruited during the pandemic were significantly more likely to meet the criteria for PIU based on their average PIU-SF-6 score (P=.02) and to spend more time using social media each day (P=.049). The overall amount of daily screen time did not differ between cohorts. Secondary analyses revealed a significant increase in average daily screen time among subjects who were exposed to COVID-19 (P=.01). Youth with clinically significant PIU-SF-6 scores were younger and more likely to have higher PHQ-8 (P=.003) and GAD-7 (P=.003) scores. No differences in scale scores or media use were found between subjects based on familial COVID-19 exposure or hospitalization. CONCLUSIONS: Our findings support our hypothesis that PIU may have worsened for youth in mental health treatment during the pandemic, particularly the problematic use of social media. Mental health clinicians should incorporate screening for PIU into routine clinical care in order to prevent potential familial conflict and subsequent psychiatric crises that might stem from unrecognized PIU.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,086
Tête enseignante GPT0,441
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207