10 Paediatricians’ Awareness of Canadian Screen Time Guidelines, Perception of Screen Time Use, and Counseling during the COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract Background Paediatricians are essential for guiding families on screen time use as digital media become increasingly prevalent, particularly through the COVID-19 pandemic. However, there is no literature on paediatrician awareness of Canadian guidelines or on perception of these guidelines during the pandemic. Objectives The aim of this study was to assess the knowledge, attitudes, and comfort of paediatricians with the Canadian Paediatric Society’s (CPS) screen time guidelines, specifically during the COVID-19 pandemic. Design/Methods Our survey was developed by a paediatric resident and paediatric endocrinologist, reviewed by local experts, and sent electronically to members of the Community and Developmental Paediatrics Sections of the CPS. Results All 53 respondents were aware of current CPS screen time guidelines, and the majority had fair to excellent knowledge of guidance for both age groups (<5 years, and school-aged children and adolescents). Over 80% noticed increased screen time use during the pandemic, and 98% were somewhat or very concerned about screen time use and their patients’ health or well-being. Qualitative data indicated paediatricians were concerned about associations between increased screen time with worsening behaviour, mental health concerns, obesity, and sedentary lifestyle. The greatest implementation barrier was perceived to be insufficient motivation or support from caregivers/families. Conclusion Our study demonstrates that paediatricians are highly knowledgeable and comfortable with current screen time guidelines, and frequently counsel their patients accordingly. Despite this, paediatricians are increasingly concerned with negative health outcomes associated with screen time use. We hope these results empower paediatricians to continue counseling patients and encourage further local advocacy and public education around increased screen time and related health risks in children.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».