MétaCan
Menu
Retour à la cohorte
Enregistrement W4414571891 · doi:10.1111/add.70192

Red Box, Green Box: Psychometric evaluation of a self‐report behavioral frequency measurement approach for behavioral addictions research

2025· article· en· W4414571891 sur OpenAlexaboutno aff
Matthew Stevens, Marcela Radünz, Christina R. Galanis, Blake Quinney, Ian Zajac, Joël Billieux, Paul Delfabbro, Daniel L. King

Notice bibliographique

RevueAddiction · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilFlinders University
Mots-clésAddictionBehavioral addictionPsychometricsEpidemiologyAddiction treatmentPredictive validityTest validityResearch design

Résumé

récupéré en direct d'OpenAlex

AIMS: The behavioral addictions field lacks clinically useful behavior frequency measures. This study evaluated the psychometric performance of the new 'Red Box, Green Box' method for measuring gaming behavior with a focus on its utility for gaming disorder (GD) screening. DESIGN, SETTING AND PARTICIPANTS: A prospective, cross-sectional survey study was conducted using an online crowdsourcing platform. Participants were 1149 male gamers aged 18-35 years from Australia, Canada, United States, United Kingdom and Asia, reporting ≥12 hours of weekly gaming. MEASUREMENTS: Gaming time was measured using a conventional weekly hours item, Red Box hours (gaming instead of fulfilling responsibilities) and Green Box hours (gaming during free or leisure time). GD was assessed by the Internet Gaming Disorder Test (IGDT-10), with International Classification of Diseases, 11th Revision (ICD-11) and Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition, Text Revision (DSM-5-TR) scoring approaches. Psychological distress [Depression, Anxiety and Stress Scale - 21 Items (DASS-21)] and impulsivity [Barratt Impulsiveness Scale-short form (BIS-15)] were measured. FINDINGS: Gamers with GD reported higher Red Box hours [mean (M) = 21.1, standard deviation (SD) = 11.3] than those without (M = 8.7, SD = 8.4; P < 0.001), and greater Red Box proportion (41.9% vs. 26.8%; P < 0.001). Red Box hours demonstrated superior diagnostic accuracy for GD [area under the curve (AUC) = 0.86, sensitivity = 0.94, specificity = 0.63] and Internet gaming disorder (IGD) (AUC = 0.76, sensitivity = 0.88, specificity = 0.56), outperforming comparative measures. A Red Box response of ≥ 9.5 hours had a 94% likelihood of indicating ICD-11 GD. CONCLUSIONS: The 'Red Box, Green Box' method appears to effectively identify International Classification of Diseases, 11th Revision, gaming disorder risk among males. Red Box hours demonstrated greater classification validity than the conventional weekly hours approach. This method provides a simple tool for epidemiological research, routine screening (e.g. outpatient consultation) and clinical assessment and treatment planning. Further validation in clinical populations and longitudinal studies is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,235
Tête enseignante GPT0,470
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetImpact of Technology on AdolescentsTravaux en français237 207