The relationship between social media use and loneliness across the lifespan in the United States: Population-based study using Health Information National Trends Survey data
Notice bibliographique
Résumé
Objectives: Loneliness can affect all age groups and is continuing to grow as a major public health issue. One approach that has been proposed to address loneliness involves digital inclusivity because the ubiquity of technology and social media provides new avenues for activities to satisfy individuals' needs for social connection. It is unclear which age groups could benefit more from using social media related to loneliness. The current study advances the limited research on the relationship between social media use and loneliness looking across multiple age groups with nationally representative data. Methods: Data were analyzed from the 2022 Health Information National Trends Survey (HINTS; n = 4774). This study used multiple linear regression stratified by four age cohorts (Millennials, Generation X, Baby Boomers, Silent Generation) to examine the association of social media use with PROMIS Social Isolation scores and to assess differences across age cohorts. Covariates included age, gender, race and ethnicity, education, income, living with other adults, marital status, having a friend to talk to about health, self-rated health, PROMIS Meaning and Purpose, and the PHQ-4. Results: = .04) was associated with a higher loneliness score. There was not a significant relationship between social media and loneliness for Millennials and Generation X. Conclusions: Social media use may be a risk factor for loneliness particularly for those who are from the Baby Boomer and Silent Generation and use social media daily. Social media interventions aimed at decreasing loneliness among older adults should consider the directional of this relationship, which needs to be confirmed.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».