Social Media Use and Well-being With Bipolar Disorder During the COVID-19 Pandemic: Path Analysis
Notice bibliographique
Résumé
BACKGROUND: Reliable and consistent social support is associated with the mental health and well-being of persons with severe mental illness, including bipolar disorder (BD). Yet the COVID-19 pandemic and associated social distancing measures (eg, shelter in place) reduced access to regular social contacts, while social media use (SMU) increased concomitantly. Little is currently known about associations between the well-being of adults with BD and different types of SMU (eg, passive and active). OBJECTIVE: For this study, we had two goals. First, we report descriptive information regarding SMU by persons with BD during COVID-19 (all platforms). Specific to Facebook, we next developed and tested a hypothesized model to identify direct and indirect associations between BD symptoms, social support, loneliness, life satisfaction, and SMU. Responses were collected during the global spread of the Delta variant and prior/concurrent with the Omicron variant, 20 months after the World Health Organization declared COVID-19 a global pandemic. METHODS: =1.27; P=.21). Both were recruited using social media advertising micro-targeted to adults with BD. On average, participants were 53.96 (SD 13.22, range 20-77) years of age, they had completed 15.4 (SD 4.28) years of education, and were diagnosed with BD 19.6 (SD 10.31) years ago. Path analyses were performed to develop and test our hypothesized model. RESULTS: Almost all participants (n=95, 93.1%) reported having both Facebook and LinkedIn accounts; 91.2% (n=93) reported regular use of either or both. During the pandemic, most (n=62, 60.8%) reported accessing social media several times a day; 36.3% (n=37) reported using social media more often since the emergence of COVID-19. Specific to Facebook, the model we hypothesized differed somewhat from what emerged. The resulting model suggests that symptoms of depression predict loneliness and, inversely, social support and life satisfaction. Social support predicts social Facebook use, whereas passive Facebook use predicts life satisfaction. Symptoms of depression emerged as indirect predictors of SMU via social support. CONCLUSIONS: Our findings suggest that the operational definition of passive-active SMU requires further analysis and refinement. In contrast to theory, passive Facebook use appears positively associated with well-being among certain populations. Longitudinal data collection over multiple points is required to identify associations between BD symptoms, SMU, and well-being over 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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».