Screen time and mental health: a prospective analysis of the Adolescent Brain Cognitive Development (ABCD) Study
Notice bibliographique
Résumé
BACKGROUND: Despite the ubiquity of adolescent screen use, there are limited longitudinal studies that examine the prospective relationships between screen time and child behavioral problems in a large, diverse nationwide sample of adolescents in the United States, which was the objective of the current study. METHODS: We analyzed cohort data of 9,538 adolescents (9-10 years at baseline in 2016-2018) with two years of follow-up from the Adolescent Brain Cognitive Development (ABCD) Study. We used mixed-effects models to analyze associations between baseline self-reported screen time and parent-reported mental health symptoms using the Child Behavior Checklist, with random effects adjusted for age, sex, race/ethnicity, household income, parent education, and study site. We tested for effect modification by sex and race/ethnicity. RESULTS: The sample was 48.8% female and racially/ethnically diverse (47.6% racial/ethnic minority). Higher total screen time was associated with all mental health symptoms in adjusted models, and the association was strongest for depressive (B = 0.10, 95% CI 0.06, 0.13, p < 0.001), conduct (B = 0.07, 95% CI 0.03, 0.10, p < 0.001), somatic (B = 0.06, 95% CI 0.01, 0.11, p = 0.026), and attention-deficit/hyperactivity symptoms (B = 0.06, 95% CI 0.01, 0.10, p = 0.013). The specific screen types with the greatest associations with depressive symptoms included video chat, texting, videos, and video games. The association between screen time and depressive, attention-deficit/hyperactivity, and oppositional defiant symptoms was stronger among White compared to Black adolescents. The association between screen time and depressive symptoms was stronger among White compared to Asian adolescents. CONCLUSIONS: Screen time is prospectively associated with a range of mental health symptoms, especially depressive symptoms, though effect sizes are small. Video chat, texting, videos, and video games were the screen types with the greatest associations with depressive symptoms. Future research should examine potential mechanisms linking screen use with child behavior problems.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».