Nationwide Trends in Screen Time and Associated Risk Factors by Family Structures Among Adolescents, 2008-2022: Nationwide Cross-Sectional Study
Notice bibliographique
Résumé
Background Although understanding long-term trends in adolescent screen time and the influence of family structure is essential, there is a lack of research addressing these issues comprehensively. Objective This study aimed to conduct comprehensive investigations into adolescent screen time before and during the COVID-19 pandemic, with a particular focus on family structures. Methods This study used nationwide, large-scale data from the Korea Youth Risk Behavior Web-Based Survey from South Korea. We aimed to indicate the changes in adolescent screen time over 15 years from 2008 to 2022. Weighted linear regression was used to analyze annual trends in screen time before and during the pandemic, and stratified analyses were conducted to examine associated risk factors across different family structures. Results This study used data from a total of 836,972 individuals (n=403,456, 48.2% women), with an age range of 12-18 years. The analysis revealed an overall increase in screen time prepandemic (β=8.06, 95% CI 7.74-8.39), with a notable increase observed at the onset of the pandemic (β=162.06, 95% CI 159.49-164.64). Among diverse family structures, the orphanage group showed the most substantial increase in screen time during the pandemic (βdiff=221.90, 95% CI 159.62-284.17). Risk factors associated with screen time during the pandemic varied by family structure. Notably, the nuclear family group presented distinct screen time–related risk factors, including grade, region of residence, physical activity frequency, sadness and despair, and the highest education level of parents. Conclusions There has been a notable increase in average screen time among adolescents since the onset of the pandemic, with the orphanage group exhibiting a pronounced trend. The risk factors associated with screen time during the pandemic varied for each family structure. Findings from this study suggest that the implementation of individualized measures tailored to each family structure should be adopted to effectively address the increased issue of adolescent screen time since the pandemic.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».