Behavioral addictions and their reciprocal associations with each other, substance use disorders, and mental health problems: Findings from a longitudinal cohort study of young Swiss men
Notice bibliographique
Résumé
Background and Aims: The co-occurrence of behavioral addictions (BAs) and substance use disorders (SUDs) or other mental health problems (MHPs) is well documented. However, there is limited evidence on associations between changes in the severity of BAs, SUDs, and MHPs, or their directions of influence or causation. Methods: A non-self-selecting sample of 5,611 young Swiss men (mean age 25.5 at baseline and 28.3 at follow-up) completed a self-reporting questionnaire on various BAs (gambling, gaming, internet, internet pornography, smartphone, work), SUDs (alcohol, cannabis) and MHPs (major depressive disorder, ADHD, borderline personality disorder, social anxiety disorder). Latent change score models were used to evaluate pairwise, bidirectional associations in symptom severity among different BAs, and between BAs and SUDs or MHPs. Results: Overall, changes in each BA's symptom severity were significantly and positively correlated with changes in the symptom severity of other BAs, alcohol use disorder, and MHPs; for cannabis use disorder, such correlations were only found with gaming and work. Significant bidirectional cross-lagged associations were found between the severity of BAs and MHPs, and between the severity of internet and smartphone addiction and other BAs. For SUDs, cross-lagged pathways were often not significant (e.g., with gambling or pornography) or even negative (between cannabis use disorder and work). Discussion and Conclusions: This study provides strong evidence that BAs and MHPs mutually reinforce each other over time. While this interplay can develop and maintain dysfunction, it may also enable positive change, highlighting the need for a comprehensive theoretical framework and integrated intervention approaches.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».