MétaCan
Menu
Retour à la cohorte
Enregistrement W4410112969 · doi:10.2196/58857

The Positive Effect of Video-Game Play on College Students’ Anxiety and Depression Symptoms During the COVID-19 Pandemic Shelter-in-Place Lockdowns: Mixed Methods Study

2025· article· en· W4410112969 sur OpenAlexaffvenue
Fengbin Hu, Zixue Tai, Jianping Liu

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésPreprintCoronavirus disease 2019 (COVID-19)AnxietyChinaDepression (economics)Psychology2019-20 coronavirus outbreakVideo gameSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Clinical psychologyGeographyMedicinePsychiatryMultimediaVirologyComputer scienceArchaeologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A growing body of research has examined the connection between video game play and relief from anxiety and depressive symptoms during the COVID-19 pandemic years. However, evidence has been limited in dissecting the role of video games in moderating personal health outcomes such as anxiety and depression. This research aimed to provide insights into this area by investigating Chinese college students living under difficult conditions during the COVID-19 pandemic shelter-in-place lockdowns. OBJECTIVE: This study investigated the effect of video games on mental disorders among Chinese college students during the COVID-19 pandemic shelter-in-place lockdown mandates. METHODS: A mixed methods approach was adopted. The quantitative portion included a cross-sectional survey of a national sample of 2818 (n=1396, 49.54% male vs n=1422, 50.46% female) college students from 8 provinces spanning 16 geographic regions during the extended COVID-19 pandemic lockdowns in late 2021 and early 2022. The qualitative portion encompassed 17 semistructured in-depth interviews of (9/17, 53% female vs 8/17, 47% male) students on their experiences, perceptions, and evaluations of playing video games during the lockdowns. Anxiety symptoms were measured using the 7-item self-administered Generalized Anxiety Disorder scale, while depression was assessed with the 9-item Patient Health Questionnaire scale. Multiple regression analyses were used to examine whether demographic variables (ie, sex and year in college), modality and content of play, and play time accounted for the outcomes of anxiety and depression. ANOVA tests were performed on overall playtime and the prelockdown-to-lockdown period change in game time on the severity of anxiety and depression symptoms. Thematic analysis of qualitative data provided additional perspectives on gaming dynamics in relation to anxiety and depression. RESULTS: =-0.12, P=.60) symptoms, controlling for the effect of sex. Playing more online games, spending more time gaming, and an increase in play time were linked to heightened anxiety and depression symptoms. Conversely, playing with friends was connected to lowered anxiety (β=-0.05, P=.04) and depression (β=-0.08, P=.003) scores. CONCLUSIONS: The buffer effects of video games may be strongest among routine players with moderate to low anxiety and depression symptoms, while excessive gaming, as shown in the overall amount of game time as well as the prelockdown-to-lockdown period increase in game time, may have detrimental consequences among those struggling with high anxiety and depression. Social play was an effective mechanism in mitigating anxiety and depressive tendencies. Future research should address game content and modality as well as the long-term impacts of video game engagement during crises.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,026
Score d'incertitude au seuil0,756

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,008
Tête enseignante GPT0,386
Écart entre enseignants0,378 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

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