Screen time and suicidal behaviors among U.S. children 9–11 years old: A prospective cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Suicide is a leading cause of death among adolescents. Emerging literature has described relationships between excessive screen time and suicidal behaviors, though findings have been mixed. The objective of this study is to determine the prospective associations between screen time and suicidal behaviors two-years later in a national (U.S.) cohort of 9-11-year-old-children. We analyzed prospective cohort data from the Adolescent Brain Cognitive Development (ABCD) Study (N = 11,633). Logistic regression analyses were estimated to determine the associations between baseline self-reported screen time (exposure) and suicidal behaviors (outcome) based on the Kiddie Schedule for Affective Disorders and Schizophrenia (KSADS-5) at two-year-follow-up. Participants reported an average of 4.0 h of total screen time per day at baseline. At two-year-follow-up, 1.38% of the sample reported at least one suicidal behavior. Each additional hour of total screen time was prospectively associated with 1.09 higher odds of suicidal behaviors at 2-year-follow-up (95% CI 1.03-1.14), after adjusting for covariates. For specific screen time modalities, each additional hour of texting (aOR 1.36, 95% CI 1.06-1.74), video chatting (aOR 1.30, 95% CI 1.03-1.65), watching videos (aOR 1.21, 95% CI 1.04-1.39), and playing video games (aOR 1.18, 95% CI 1.01-1.38) was associated with higher odds of subsequent suicidal behaviors. Higher screen time is associated with higher odds of reporting suicidal behaviors at two-year-follow-up. Future research should seek to identify how specific screen time experiences may influence suicidal behaviors.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle