Which Are the Optimal Screening Tools for Internet Use Disorder in Children and Adolescents? A Systematic Review of Psychometric Evidence
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
Abstract Purpose of Review The early detection of problematic Internet use (PIU) is essential to prevent the development of Internet use disorders (IUD). Although a variety of screening tools have already been developed and validated for this purpose, yet a consensus about optimal IUD assessment is still lacking. In this systematic review, we (i) describe the identified instruments for children and adolescents, (ii) critically examine their psychometric properties, and (iii) derive recommendations for particularly well-validated instruments. Recent Findings We conducted a systematic literature search in five databases on January 15, 2024. Of the initial 11,408 references identified, 511 studies were subjected to a full-text analysis resulting in a final inclusion of 70 studies. These studies validated a total of 31 instruments for PIU and IUD, including the Diagnostic Interview for Internet Addiction (DIA), a semi-structured interview. In terms of validation frequency, the Internet Addition Test (IAT) had the largest evidence base, followed by the Compulsive Internet Use Scale (CIUS). Only two of the measures examined were based on the current DSM-5 criteria for Internet Gaming Disorder. Summary Although no screening instrument was found to be clearly superior, the strongest recommendation can be made for CIUS, and Generalized Problematic Internet Use Scale (GPIUS2). Overall, the quality of the included studies can only be rated as moderate. The IUD research field would benefit from clear cut-off scores and a clinical validation of (screening) instruments.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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