The Gaming Disorder Identification Test (GADIT) – A screening tool for Gaming Disorder based on ICD-11
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
Background: Gaming Disorder was included as an addictive disorder in the latest version of the International Classification of Diseases (ICD-11), published in 2022. The present study aimed to develop a screening tool for Gaming Disorder, the Gaming Disorder Identification Test (GADIT), based on the four ICD-11 diagnostic criteria: impaired control, increasing priority, continued gaming despite harm, and functional impairment. Method: We reviewed 297 questionnaire items from 48 existing gaming addiction scales and selected 68 items based on content validity. Two datasets were collected: 1) an online panel (N = 803) from Australia, United States, United Kingdom and Canada, split into a development set (N = 589) and a validation dataset (N = 214); and 2) a university sample (N = 408) from Australia. Item response theory and confirmatory factor analyses were conducted to select eight items to form the GADIT. Validity was established by regressing the GADIT against known correlates of Gaming Disorder. Results: Confirmatory factor analyses of the GADIT showed good model fit (RMSEA=<0.001-0.108; CFI = 0.98-1.00), and internal consistency was excellent (Cronbach's alphas = 0.77-0.92). GADIT scores were strongly associated with the Internet Gaming Disorder Test (IGDT-10), and significantly associated with gaming intensity, eye fatigue, hand pain, wrist pain, back or neck pain, and excessive in-game purchases, in both the validation and the university sample datasets. Conclusion: The GADIT has strong psychometric properties in two independent samples from four English-speaking countries collected through different channels, and shown validity against existing scales and variables that are associated with Gaming Disorder. A cut-off of 5 is tentatively recommended for screening for Gaming Disorder.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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