Screening for Media Use in the Emergency Department Among Young Australians: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Research on problematic internet use has largely adhered to addiction paradigms, possibly impeding the identification of specific internet behaviors related to psychopathology. This study presents a novel approach to screening for specific problematic internet behaviors by using a new measure, the emergency department media use screener (EDMUS). OBJECTIVE: The purpose of this study was to identify patterns of internet use in young people presenting with mental health concerns to the emergency department (ED), ascertain associations with their mental health, and evaluate whether the EDMUS can be used to predict subsequent ED presentations within 3 months. METHODS: This cross-sectional retrospective study of Australian young people (N=149, aged 11-25 years; female: n=92, 61.7%) sought to use the EDMUS, a 24-item questionnaire, to identify problematic internet behaviors, including accessing or posting prosuicidal or proeating disorder content, cyberbullying, and inappropriate digital content. Data on each person's mental health were extracted from electronic medical records to look for associations with EDMUS responses and ED re-presentation over 3 months. EDMUS items were grouped into clusters for analysis using chi-square tests, binary logistic regression, and path analyses. RESULTS: Sharing suicidal digital content was the most common problematic internet use pattern identified by the EDMUS. However, this did not correlate with having a prior mental health diagnosis or predict readmission. Most participants had families with a concern for their internet use; however, this was less likely in participants with a diagnosis of personality disorder. Diagnoses of personality disorder or posttraumatic stress disorder were independent predictors of readmission (P=.003; P=.048). CONCLUSIONS: Although a history of complex psychopathology increases the likelihood of subsequent ED presentations, its links to internet use-related behaviors are still unclear. The EDMUS has potential for identifying young people who are most vulnerable to problematic internet behaviors and offers the opportunity for early intervention and potential prevention of more entrenched difficulties.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».