MétaCan
Menu
Retour à la cohorte
Enregistrement W4402624494 · doi:10.2196/48439

Association Between Internet Gaming Disorder and Suicidal Ideation Mediated by Psychosocial Resources and Psychosocial Problems Among Adolescent Internet Gamers in China: Cross-Sectional Study

2024· article· en· W4402624494 sur OpenAlexvenueno aff
Yanqiu Yu, Anise M. S. Wu, Vivian W. I. Fong, Jianxin Zhang, Jibin Li, Joseph T. F. Lau

Notice bibliographique

RevueJMIR Serious Games · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSuicidal ideationPsychosocialClinical psychologyPsychologyPsychiatryMedicinePoison controlSuicide preventionMedical emergency

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adolescent internet gaming disorder (IGD) was associated with severe harm, including suicidal ideation. While suicidal ideation was predictive of completed suicides, further research is required to clarify the association between IGD and suicidal ideation among adolescents, as well as the mechanisms involved. OBJECTIVE: This study aimed to investigate the understudied association between IGD and suicidal ideation, as well as novel mechanisms associated with it, among Chinese adolescent internet gamers through psychosocial coping resources and psychosocial problems. METHODS: An anonymous, self-administered, cross-sectional survey was conducted among secondary school students who had played internet games in the past year in Guangzhou and Chengdu, China (from October 2019 to January 2020). In total, 1693 adolescent internet gamers were included in this study; the mean age was 13.48 (SD 0.80) years, and 60% (n=1016) were males. IGD was assessed by the 9-item Internet Gaming Disorder Checklist of the DSM-5 (Diagnostic and Statistical Manual of Mental Disorders [Fifth Edition]), while a single item assessed suicidal ideation: "Have you ever considered committing suicide in the past 12 months?" Univariate and multivariate logistic regression associations were conducted to test the significance and directions of the potential factors for suicidal ideation. The mediation mechanism was examined by structural equation modeling. RESULTS: Among all participants, the prevalence of IGD and suicidal ideation was 16.95% (287/1693) and 43.06% (729/1693), respectively. IGD cases were 2.42 times more likely than non-IGD cases to report suicidal ideation (adjusted odds ratio [OR] 2.42, 95% CI 1.73-3.37). Other significant factors of suicidal ideation included psychosocial coping resources (resilience and social support, both adjusted OR 0.97, 95% CI 0.96-0.98) and psychosocial problems (social anxiety: adjusted OR 1.07, 95% CI 1.05-1.09; loneliness, adjusted OR 1.13, 95% CI 1.10-1.16). The association between IGD and suicidal ideation was partially mediated by 3 indirect paths, including (1) the 2-step path that IGD reduced psychosocial coping resources, which in turn increased suicidal ideation; (2) the 2-step path that IGD increased psychosocial problems, which in turn increased suicidal ideation; and (3) the 3-step path that IGD reduced psychosocial coping resources which then increased psychosocial problems, which in turn increased suicidal ideation, with effect sizes of 10.7% (indirect effect/total effect: 0.016/0.15), 30.0% (0.05/0.15), and 13.3% (0.02/0.15), respectively. The direct path remained statistically significant. CONCLUSIONS: IGD and suicidal ideation were alarmingly prevalent. Evidently and importantly, IGD was a significant risk factor for suicidal ideation. The association was partially explained by psychosocial coping resources of resilience and social support and psychosocial problems of social anxiety and loneliness. Longitudinal studies are needed to confirm the findings. Pilot randomized controlled trials are recommended to evaluate the effectiveness of interventions in reducing suicidal ideation by reducing IGD, improving psychosocial coping resources, and reducing psychosocial problems investigated in this study.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,317
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetImpact of Technology on AdolescentsTravaux en français237 207