Screen Time and Obsessive-Compulsive Disorder Among Children 9–10 Years Old: A Prospective Cohort Study
Notice bibliographique
Résumé
PURPOSE: The aim of this study is to determine the prospective associations between baseline screen time and obsessive-compulsive disorder (OCD) at 2-year follow-up in a national (United States) cohort of 9- to 10-year-old children. METHODS: We analyzed prospective cohort data from the Adolescent Brain Cognitive Development study (n = 9,208). Logistic regression analyses were used to determine the associations between baseline self-reported screen time (exposure) and OCD, based on the Kiddie Schedule for Affective Disorders and Schizophrenia (outcome), at 2-year-follow-up, adjusting for race/ethnicity, sex, household income, parent education, family history of psychopathology, and study site, excluding participants with baseline OCD. RESULTS: The sample was 48.9% female and racially and ethnically diverse (43.5% non-White). Each additional hour of total screen time was prospectively associated with 1.05 higher odds of OCD at 2-year follow-up (95% confidence interval [CI] 1.01-1.09). For specific screen time modalities, each additional hour of playing video games (adjusted odds ratio 1.15, 95% CI 1.03-1.28) and watching videos (adjusted odds ratio 1.11, 95% CI 1.01-1.23) was associated with a subsequent OCD diagnosis. CONCLUSION: Video games and watching videos are prospectively associated with new-onset OCD in early adolescents. Future research should examine mechanisms linking these specific screen modalities to OCD development to inform future prevention and intervention efforts.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».