TRASTORNO DEPRESIVO MAYOR Y USO PROBLEMÁTICO DE REDES SOCIALES: META-ANÁLISIS 2020-2025
Bibliographic record
Abstract
Tipo de artículo: Artículo original El objetivo de este artículo es cuantificar mediante meta-análisis la asociación entre el Trastorno Depresivo Mayor y el uso problemático de redes sociales en estudios publicados entre 2020 y 2025. El estudio se basa en una metodología cuantitativa, siguiendo las directrices PRISMA 2020, con búsqueda sistemática en PubMed/MEDLINE, Scopus, Web of Science, PsycINFO y ScienceDirect. Se incluyeron 16 estudios con 9,269 participantes de diversos países, evaluando la calidad metodológica mediante la escala Newcastle-Ottawa. Los resultados evidenciaron una correlación positiva moderada y estadísticamente significativa entre uso problemático de redes sociales y síntomas depresivos (r = 0.273, IC 95%: 0.215-0.332, p < 0.001), explicando aproximadamente el 7.5% de la varianza en sintomatología depresiva. Adicionalmente, se identificaron asociaciones significativas con ansiedad (r = 0.348) y estrés (r = 0.313). La heterogeneidad entre estudios fue sustancial (I² = 83.2%), aunque el análisis de variables moderadoras (edad, género, año de publicación) no mostró efectos significativos. Se concluye que el uso problemático de redes sociales, caracterizado por síntomas similares a adicción comportamental, constituye un factor de riesgo clínicamente relevante para sintomatología depresiva en adolescentes y adultos jóvenes. Se recomienda la evaluación sistemática de patrones de uso digital en protocolos clínicos, el desarrollo de intervenciones terapéuticas específicas y la implementación de programas preventivos de alfabetización digital en contextos educativos como estrategias para mitigar los efectos adversos sobre la salud mental.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.045 | 0.124 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.007 | 0.022 |
| Bibliometrics | 0.012 | 0.011 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".