MétaCan
Menu
Retour à la cohorte
Enregistrement W4318484698 · doi:10.1001/jamapediatrics.2022.5674

Associations Between Infant Screen Use, Electroencephalography Markers, and Cognitive Outcomes

2023· article· en· W4318484698 sur OpenAlexaff
Evelyn Law, Meredith Han, Zhuoyuan Lai, Shuping Lim, Zi Yan Ong, Valerie Y. Ng, Laurel J. Gabard‐Durnam, Carol L. Wilkinson, April R. Levin, Anne Rifkin‐Graboi, Lourdes Mary Daniel, Peter D. Gluckman, Yap Seng Chong, Michael J. Meaney, Charles A. Nelson

Notice bibliographique

RevueJAMA Pediatrics · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human Development
Mots-clésMedicineElectroencephalographyCognitionPediatricsPsychiatry

Résumé

récupéré en direct d'OpenAlex

Importance: Research evidence is mounting for the association between infant screen use and negative cognitive outcomes related to attention and executive functions. The nature, timing, and persistence of screen time exposure on neural functions are currently unknown. Electroencephalography (EEG) permits elucidation of the neural correlates associated with cognitive impairments. Objective: To examine the associations between infant screen time, EEG markers, and school-age cognitive outcomes using mediation analysis with structural equation modeling. Design, Setting, and Participants: This prospective maternal-child dyad cohort study included participants from the population-based study Growing Up in Singapore Toward Healthy Outcomes (GUSTO). Pregnant mothers were enrolled in their first trimester from June 2009 through December 2010. A subset of children who completed neurodevelopmental visits at ages 12 months and 9 years had EEG performed at age 18 months. Data were reported from 3 time points at ages 12 months, 18 months, and 9 years. Mediation analyses were used to investigate how neural correlates were involved in the paths from infant screen time to the latent construct of attention and executive functioning. Data for this study were collected from November 2010 to March 2020 and were analyzed between October 2021 and May 2022. Exposures: Parent-reported screen time at age 12 months. Main Outcomes and Measures: Power spectral density from EEG was collected at age 18 months. Child attention and executive functions were measured with teacher-reported questionnaires and objective laboratory-based tasks at age 9 years. Results: In this sample of 437 children, the mean (SD) age at follow-up was 8.84 (0.07) years, and 227 children (51.9%) were male. The mean (SD) amount of daily screen time at age 12 months was 2.01 (1.86) hours. Screen time at age 12 months contributed to multiple 9-year attention and executive functioning measures (η2, 0.03-0.16; Cohen d, 0.35-0.87). A subset of 157 children had EEG performed at age 18 months; EEG relative theta power and theta/beta ratio at the frontocentral and parietal regions showed a graded correlation with 12-month screen use (r = 0.35-0.37). In the structural equation model accounting for household income, frontocentral and parietal theta/beta ratios partially mediated the association between infant screen time and executive functioning at school age (exposure-mediator β, 0.41; 95% CI, 0.22 to 0.59; mediator-outcome β, -0.38; 95% CI, -0.64 to -0.11), forming an indirect path that accounted for 39.4% of the association. Conclusions and Relevance: In this study, infant screen use was associated with altered cortical EEG activity before age 2 years; the identified EEG markers mediated the association between infant screen time and executive functions. Further efforts are urgently needed to distinguish the direct association of infant screen use compared with family factors that predispose early screen use on executive function impairments.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,293
Écart entre enseignants0,267 · 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

Citations73
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA PediatricsMême sujetChild Development and Digital TechnologyTravaux en français237 207