Gaming Disorder in First Episode Psychosis: Prevalence and Impact on Symptomatology and Functioning in a Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND AND HYPOTHESIS: First-episode psychosis (FEP) often coincides with comorbidities that hinder recovery. Gaming disorder (GD) has emerged as a potential concern; however, data on its prevalence and clinical impact in FEP populations remain limited. We hypothesized that GD would be more prevalent among individuals with FEP than in the general population and associated with more severe psychotic symptoms and poorer functional outcomes. STUDY DESIGN: In this prospective cohort study, 284 consecutive patients aged 18-35 years admitted to an Early Intervention Service in Quebec, Canada, were assessed for GD using International Classification of Diseases-11 criteria, with up to 24 months follow-up. Psychotic symptoms and functioning were measured at baseline and at 6-month intervals using the Positive and Negative Syndrome Scale-6 items (PANSS-6) and the Social and Occupational Functioning Assessment Scale (SOFAS). STUDY RESULTS: Gaming disorder was present in 7.04% (95% CI: [4.35%, 10.67%]) of the sample, exceeding the 3.3% general population estimates. Among the 105 patients who reported gaming at least monthly, those with GD (n = 20) more often played Massively Multiplayer Online Role-Playing Games, while non-GD gamers (n = 85) preferred action-adventure games. GD was associated with significantly higher PANSS-6 scores (P = .04), driven by elevated negative symptoms (P = .04). SOFAS scores were consistently lower among individuals with GD, with effect sizes increasing over time. CONCLUSIONS: Gaming disorder is a prevalent and clinically meaningful comorbidity in FEP, linked to greater negative symptom burden and functional impairment. These findings support the need for systematic GD screening in early psychosis services and highlight the importance of developing tailored interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».