Psychometric Properties of Screening Instruments for Social Network Use Disorder in Children and Adolescents
Notice bibliographique
Résumé
Importance: Children and adolescents spend considerable time on the internet, which makes them a highly vulnerable group for the development of problematic usage patterns. A variety of screening methods have already been developed and validated for social network use disorder (SNUD); however, a systematic review of SNUD in younger age groups has not been performed. Objective: To review published reports on screening tools assessing SNUD in children and adolescents with a maximum mean age of 18.9 years. Evidence Review: To identify instruments for the assessment of SNUD, a systematic literature search was conducted in the databases PsycINFO, PubMed, Web of Science, PsycArticles, and Scopus. The final search took place on May 2, 2022. Psychometric properties of available tools were examined and evaluated to derive recommendations for suitable instruments for individuals up to 18 years of age. Findings: A total of 5746 publications were identified, of which 2155 were excluded as duplicates. Of the remaining 3591 nonredundant publications, 3411 studies were assessed as not relevant after title and abstract screening. A full-text analysis of 180 remaining studies classified as potentially eligible resulted in a final inclusion of 29 studies revealing validation evidence for a total of 19 tools. The study quality was mostly moderate. With regard to validation frequency, 3 tools exhibited the largest evidence base: Social Media Disorder Scale (SMDS), the short version of the Bergen Facebook Addiction Scale, and Bergen Social Media Addiction Scale-Short Form (BSMAS-SF). Among these, 1 study tested a parental version (SMDS-P) for its psychometric properties. Taking all criteria into account, the strongest recommendation was made for the SMDS and BSMAS-SF. Conclusions and Relevance: Results suggest that the SMDS-SF and BSMAS-SF were appropriate screening measures for SNUD. Advantages of the SMDS are the availability of a short version and the possibility of an external parental rating.
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 | 0,034 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».