MétaCan
Menu
Retour à la cohorte
Enregistrement W4406413477 · doi:10.7759/cureus.77497

Game Faces: How Digital Play Affects the Psychological Landscape of Youth

2025· review· en· W4406413477 sur OpenAlexaff
Kyndle S Lager, German Corso

Notice bibliographique

RevueCureus · 2025
Typereview
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesnon disponible
Mots-clésMental healthMedicineAnxietyDepression (economics)Suicidal ideationPopulationVideo gamePsychiatryClinical psychologySuicide preventionPoison controlMultimediaMedical emergency

Résumé

récupéré en direct d'OpenAlex

The use of video games in children and adolescents has been growing since the invention of home interactive entertainment. With that growth, many parents and mental health professionals alike have questioned the impact on the mental well-being of their children and patients. Using current literature, we shall investigate the impact of video gaming on children's and teenagers' mental health in this systemic review. We will investigate time spent playing video games and the development of behavioral disorders, obsessive-compulsive disorder (OCD), depression, anxiety, and general psychological well-being. A search of PubMed and EBSCO discovery host was done, looking for primary peer-reviewed articles on the mental health outcomes of video gaming in the pediatric population (2-18 years old) of North America with no prior mental health diagnosis. The search returned 713 articles. After screening and selection, nine articles on six distinct studies were included. Overall, increased time spent playing video games was linked to increased depression and OCD symptoms, behavioral disorders, and suicidal ideation. This is a multifactorial issue that lacks substantial research in the current literature, leaving an opportunity for expansion on this topic in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,063
Tête enseignante GPT0,387
Écart entre enseignants0,324 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetImpact of Technology on AdolescentsTravaux en français237 207