Factors Associated With Digital Addiction: Umbrella Review
Notice bibliographique
Résumé
Background: Digital addiction, affecting a significant portion of the population, particularly young people, is linked to psychological issues and social problems, making its prevention and management a crucial public health issue. Objective: This umbrella review aimed to comprehensively analyze the factors influencing digital addiction by re-evaluating the methodologies and evidence quality of existing meta-analyses. Methods: Databases including PubMed, Web of Science, the Cochrane Library, and Embase were systematically searched for reviews and meta-analyses related to factors associated with digital addiction up to September 24, 2024. The methodological quality of the identified studies was assessed using the modified "A Measurement Tool to Assess Systematic Reviews 2" (AMSTAR 2) tool, while the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) tool was used to evaluate the quality of the evidence presented in the literature. Results: A total of 18 articles were included in the review, with AMSTAR 2 assessments revealing 6 moderate-quality, 4 low-quality, and 8 very low-quality studies. In total, 29 significant factors associated with digital addiction were identified. Notably, 4 studies achieved both moderate AMSTAR 2 and GRADE ratings, indicating that positive parent-child relationship (r=-0.15, 95% CI-0.18 to -0.11; P<.05) effectively mitigate the risks of digital addiction. Conversely, urban residence (odds ratio [OR] 2.32, 95% CI 1.19-4.53; P<.001), adverse childhood experiences (r=0.21, 95% CI 0.18-0.24; P<.001), and social anxiety (r=0.34, 95% CI 0.19-0.48; P<.001) were identified as factors that may increase the risk of developing digital addiction. Conclusions: This study found that social factors such as urban residence were associated with an increased risk of digital addiction, whereas social support served as a protective factor against this risk. Nonetheless, the methodologies used in analyzing the factors related to digital addiction require further refinement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,025 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».