Determinants and health-related consequences of screen time in children and adolescents: post-COVID-19 insights from a prospective cohort study
Notice bibliographique
Résumé
AIMS: This study aims to provide age-specific prevalence of time spent on-screen among children and adolescents, to identify its sociodemographic and family-related determinants and to assess its impact on physical and psychosocial health outcomes. METHODS: Data was drawn from the SEROCoV-KIDS prospective cohort study, which includes randomly selected children living in Geneva, Switzerland. Daily screen time, sociodemographic and family characteristics were collected at baseline (December 2021 to June 2022). Physical and psychosocial health outcomes were measured at one-year follow-up. RESULTS: Among 674 children (2-8 years old), 752 preadolescents (9-13 years old) and 434 adolescents (14-17 years old), median daily screen time was 0h29, 1h14 and 3h18, respectively. Lower parental education and poorer parenting practices were associated with higher screen time in all age groups. In children only, poor parental mental health (+14 minutes/day; 95% CI: 2-27) and work-family conflicts (+6 minutes/day; 95% CI: 2-10) were related to increased screen time. After adjustment, elevated screen time was associated with an increased likelihood of poor physical-, emotional- and school-related quality of life in preadolescents and adolescents and of social difficulties in adolescents one year later. CONCLUSION: Almost all children engage with screens, but those from socially disadvantaged backgrounds and with strained families face a heightened risk of prolonged screen time. The health consequences we identified call for close monitoring.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».