Physiological impacts of social media platforms on adolescent health: a review of key studies and possible directions for future research
Notice bibliographique
Résumé
There has been rapid growth in the literature surrounding the psychological implications of social media (SM) platforms on adolescent well-being. The physiological effects, however, have not been adequately explored. This review examines the implications of SM on i) neural responses, ii) sleep quality, iii) cellular aging, and iv) the adoption of risky health behaviors, with the overall goal of highlighting novel findings within these domains, identifying gaps in current literature, and providing possible directions for future research. The review was conducted using articles extracted from Google Scholar, PubMed, and NCBI searches. In terms of neural responses, the results demonstrate a decreased activation in the cognitive-control region of the adolescent brain while viewing risky images on SM, however, longitudinal data is required to form causal relationships between SM usage and long-term neurodevelopment. In terms of sleep quality, better insight could be gained if pre-sleep arousal in relation to specific content consumed is analyzed. Increased instances of stress induced due to SM call for the inclusion of this factor when examining markers of cellular aging, as there is no study thus far that has aimed to do so. Lastly, the most direct way in which SM can impact adolescents is through the adoption of risky behaviors being broadcast on these platforms. Analysis of these results suggests that SM platforms hold considerable potential to harm the physiological development of adolescents and warrant further investigation to better understand their full ramifications. Awareness of related issues is important for healthcare professionals and public health organizations.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».