MétaCan
Menu
Retour à la cohorte
Enregistrement W4414461895 · doi:10.2196/73734

Improvement of Game Users’ Depressive Symptoms via Behavioral Activation in a Massive Multiplayer Online Game: Randomized Controlled Trial

2025· article· en· W4414461895 sur OpenAlexvenueno aff
Kenji Yokotani, Masanori Takano, Nobuhito Abe, Takahiro A. Kato

Notice bibliographique

RevueJMIR Serious Games · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialAnxietyDepressive symptomsIntervention (counseling)Depression (economics)Test (biology)

Résumé

récupéré en direct d'OpenAlex

Background: Online games developed to improve mental health symptoms are reportedly effective among game users. However, it has not been verified whether massive multiplayer online games (MMOGs) developed for leisure purposes are effective in improving users' mental health symptoms. Objective: Based on 2 theoretical frameworks, this study examined whether MMOGs improve depression and social anxiety. First, behavioral activation theory posits that depressive symptoms improve through the repetition of reward-linked behaviors. Second, inhibitory learning theory suggests that exposure to social stimuli (eg, being the center of attention) previously perceived as threatening reduces fear responses over time. Methods: Participants were Pigg Party users with at least 3 months of previous experience. Overall, 1105 participants were randomly assigned to either the experimental (n=548) or waitlist groups (n=557). Participants in the experimental group were instructed to ring a friend's room bell (an action that clearly draws attention) on weekdays and to customize their avatars on weekends. Those completing ≥60% of the tasks received additional monthly rewards. The waitlist group received no interventions but was given random additional rewards. Both groups completed questionnaires on depression (Quick Inventory of Depressive Symptomatology) and social anxiety (Brief Liebowitz Social Anxiety Scale) at baseline, and again at 1, 2, and 3 months. Results: The experimental group showed a significantly higher frequency of bell ringing compared to that of the waitlist group (standardized mean difference [SMD]=0.13), whereas no significant difference was observed between the groups in avatar customization frequency. As predicted, the experimental group showed a significantly greater reduction in depressive symptoms, with a small effect size observed (SMD=-0.12). However, no significant difference was determined between groups in social anxiety symptoms. Conclusions: This study demonstrated that MMOGs, when combined with administrator-led interventions, can reduce users' depressive symptoms, albeit with a small effect size. Further studies are needed to test the intervention effects on social anxiety symptoms in MMOGs, with improved exposure scenarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,380
Écart entre enseignants0,365 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetDigital Mental Health InterventionsTravaux en français237 207