A Systematic Review of Pharmacological Treatments for Internet Gaming Disorder
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
OBJECTIVE: Internet gaming disorder (IGD) is an increasingly common behavioral addiction, with an estimated global prevalence of 3%. A variety of pharmacological treatments have been used to treat IGD, yet no review to date has synthesized clinical trials evaluating their efficacy. This systematic review therefore synthesized the literature reporting on clinical trials of pharmacological treatments for IGD. METHODS: We reviewed articles from MEDLINE, Embase, PubMed Central, CINAHL, and PsycINFO that were published as of March of 2022. A total of 828 articles were retrieved for review and 12 articles were included, reporting on a total of 724 participants. RESULTS: Most participants were male (98.6%), and all were currently living in South Korea. The most common drugs used to treat IGD were bupropion, methylphenidate, and a range of selective serotonin reuptake inhibitors. The Young Internet Addiction Scale was the most frequently used to measure gaming-related outcomes. All studies reported reduced symptoms of IGD from pre- to post-treatment. Across all clinical trials, IGD symptom reductions following the administration of pharmacological treatments ranged from 15.4% to 51.4%. A risk of bias assessment indicated that only four studies had a low risk of bias. CONCLUSION: Preliminary results suggest that a wide array of pharmacological interventions may be efficacious in the treatment of IGD. Future studies using double-blind randomized controlled trial designs, recruiting larger and more representative samples, and controlling for psychiatric comorbidities are needed to better inform understanding of pharmacological treatments for IGD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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