Binge-Watching and Mental Health Problems: A Systematic \nReview and Meta-Analysis
Notice bibliographique
Résumé
Abstract: Background: Binge-watching, the viewing of online videos or streamed content, may be \nassociated with different types of mental health problems. The present study aimed to investigate \nthe associations between binge-watching and five mental health concerns including depression, \nloneliness, sleep problems, anxiety, and stress. Methods: Academic databases of PubMed, Scopus, \nWeb of Science, ProQuest, PsycINFO, and Psych Articles were systematically searched through \nFebruary of 2022. The Newcastle–Ottawa Scale was used to assess the methodological quality. A \nmeta-analysis was performed on Fisher’s z values as effect sizes, using a random effect model. \nPublication bias, small study effect, and moderators in this association were assessed. Results: Bingewatching \nwas significantly associated with the five types of mental health concerns with the most \nrobust correlations found with stress (0.32) and anxiety (0.25). Stronger associations between bingewatching \nand two types of mental health problems (depression and sleep problems) were found \nduring the COVID-19 pandemic than before the pandemic. Moreover, stronger associations between \nbinge-watching and two types of mental health problems (stress and sleep problems) were found \nin developing countries than in developed countries. Conclusions: The associations between bingewatching \nand mental health concerns were significant and positive. Programs and interventions to \nreduce binge-watching should be considered and tested.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,068 | 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 ».