Un studiu de 11 ani a identificat constant același tipar pe rețelele sociale
O analiză de 11 ani a adulților din SUA a urmărit modul în care utilizarea rețelelor sociale a devenit din ce în ce mai importantă în modelele de depresie auto-raportată, identificând un interval de expunere care necesită o studiere mai atentă.
Un studiu recent, acceptat pentru publicare în jurnalul npj Mental Health Research, a examinat relația dintre utilizarea rețelelor sociale (SMU) și depresia auto-raportată (SRD) în rândul adulților din SUA, pe parcursul a 11 sondaje anuale. S-a constatat o asociere constantă între niveluri mai mari de utilizare a rețelelor sociale și depresie pe întreaga durată a studiului. Contribuția SMU la depresia clasificată în model a trecut de la aproape neutră la pozitivă la aproximativ 150 de minute de utilizare zilnică. Totuși, autorii subliniază necesitatea unor cercetări suplimentare pentru a determina relevanța clinică a acestei observații.
Rolul transformator al rețelelor sociale este recunoscut pe scară largă. Creșterea rapidă a utilizării acestor platforme și numărul tot mai mare de rețele sociale au condus la schimbări dramatice în modul în care oamenii comunică, se compară cu alții și se exprimă. Numeroase studii au raportat, de asemenea, rezultate negative asupra sănătății mintale, precum depresia, în asociere cu utilizarea rețelelor sociale. Totuși, majoritatea cercetărilor anterioare au avut neajunsuri, cum ar fi utilizarea unor măsuri imprecise ale timpului petrecut pe ecran, care nu recunosc efectele potențial diferite ale diferitelor tipuri de utilizare a ecranului, intervale de vârstă restrânse și seturi de date unice care nu puteau stabili dacă asocierile rămâneau constante în rândul populațiilor de-a lungul timpului.
Studiul actual a căutat să umple această lacună folosind învățarea automată (ML) pentru a analiza unsprezece sondaje anuale repetate despre SMU, combinând aceste date cu factori contextuali și demografici. Acesta a inclus aproximativ 183.000 de participanți adulți cu vârste cuprinse între 18 și 70 de ani, din 2014 până în 2024, o perioadă în care platforme precum Instagram, Snapchat și TikTok au câștigat popularitate.
Cercetătorii au folosit metode ML interpretabile pentru a clasifica SRD pe parcursul duratei de viață a adulților, examinând modul în care SMU a contribuit la predicțiile modelului și dacă această contribuție a variat în funcție de nivelurile de utilizare. Activitatea digitală online, inclusiv rețelele sociale, televiziunea, internetul, emailul, știrile și platformele de jocuri, a fost examinată, alături de tiparele de utilizare. Totuși, datele au fost colectate în principal în luna ianuarie a fiecărui an.
SRD a fost evaluată ca una dintre cele 31 de condiții legate de sănătate, care variază de la utilizarea ochelarilor corectivi până la hipertensiune arterială. Autorii recunosc că acest lucru poate conduce la erori de clasificare, deoarece unii participanți pot avea simptome subclinice, în timp ce alții își pot diagnostica greșit depresia sau pot să nu înțeleagă corect întrebarea. Pe de altă parte, cercetările anterioare utilizând același set de date au constatat că estimările prevalenței SRD se potrivesc strâns cu estimările naționale ale prevalenței depresiei clinice.
Evaluarea performanței modelului s-a realizat folosind mai multe măsuri, inclusiv acuratețea, aria sub curba caracteristicii de operare a receptorului (AUROC) și scorurile Brier. Cercetătorii au examinat, de asemenea, importanța caracteristicilor pentru a determina cât de mult au contribuit diferite variabile la clasificarea depresiei. Datele au arătat creșteri atât ale SRD, cât și ale SMU medii pe parcursul perioadei de studiu, SMU fiind asociată pozitiv cu SRD după ajustarea pentru factori demografici.
În cele șase categorii de utilizare a media, utilizarea mai mare a fost, în general, asociată cu șanse mai mari de SRD după ajustarea pentru covariate. Jocurile și știrile au avut cea mai mare și cea mai mică asociere mediană, respectiv. Totuși, asocierea pentru știri a atins pragul de semnificație statistică corectat al studiului în doar două din cele 11 ani. După ajustarea pentru covariate, analiza regresiei logistice a arătat că SMU a fost asociată cu SRD, șansele fiind aproximativ cu 17% mai mari pentru fiecare oră suplimentară de SMU pe zi. În mod similar, utilizarea crescută a internetului, jocurilor, televiziunii și emailului a fost asociată cu șanse mai mari de SRD.
O analiză exploratorie a sugerat că, atunci când SMU a fost împărțită în quintile, prevalența SRD a crescut constant cu quintilele de utilizare mai mare, ceea ce a determinat cercetătorii să evalueze importanța predictivă a SMU prin includerea acesteia ca predictor al SRD în model. SMU este printre cei mai importanți factori asociați cu SRD. Autorii au folosit un model de pădure aleatoare echilibrată (BRF) și un model de regresie logistică (LR) pe fiecare dintre cele unsprezece seturi anuale de date (2014–2024). BRF a fost selectat deoarece poate performa mai bine atunci când un rezultat este mai puțin comun, în timp ce regresia logistică a oferit o comparație convențională.
Modelele BRF au arătat o performanță relativ constantă pe parcursul celor 11 seturi de date. Acuratețea acestora a variat între 0,72 și 0,77, în timp ce valorile AUROC au variat între 0,66 și 0,74. Acest lucru a indicat că modelele au putut discrimina între participanții cu și fără SRD într-o măsură similară de-a lungul anilor de sondaj. Validarea temporală, în care modelele antrenate pe datele din 2014–2018 au fost testate pe datele din 2019–2024, a produs o discriminare moderată similară. Analizele de sensibilitate au sugerat, de asemenea, că perioada COVID-19 nu a explicat relația generală SMU-SRD observată pe parcursul perioadei de studiu.
SMU este un predictor de frunte al depresiei auto-raportate. Cercetătorii au examinat apoi contribuția specifică a utilizării rețelelor sociale la modele utilizând mai multe analize. Acestea au arătat că SMU a fost constant un predictor puternic, alături de venitul personal, utilizarea internetului și intervalul de vârstă, care au format împreună un set stabil de predictori importanți de-a lungul timpului. SMU a devenit din ce în ce mai proeminent în anii mai recenti, în timp ce venitul personal a avut cea mai puternică importanță globală, atunci când au fost considerate împreună clasificările Gini, permutare și SHAP. „În toți anii, o expunere mai mare la rețele sociale corespunde unor valori SHAP mai mari, indicând că această variabilă contribuie substanțial la predicțiile modelului privind rezultatele depresive. Acest model constant pe parcursul celor 11 ani susține descoperirile anterioare care leagă SMU ridicat de un risc crescut de depresie.”
Relația pozitivă SHAP a devenit deosebit de pronunțată din 2021 încoace, indicând că contribuția sa la predicțiile modelului a devenit mai evidentă în timp. Separat,
