Il tipo di tempo dello schermo modera gli effetti sugli esiti in 4013 bambini: dati dello Studio Longitudinale dei Bambini Australiani

Background

Gli alti livelli di impegno con gli schermi digitali (cioè il “tempo dello schermo”) sono dannosi per la salute fisica dei bambini [1]. Un corpus di prove è alla base delle linee guida che raccomandano di limitare l’esposizione dei bambini al tempo di esposizione allo schermo [2, 3]. Per esempio, una recente revisione ha scoperto che il tempo di esposizione allo schermo è deleteriamente associato all’adiposità e all’idoneità cardiorespiratoria[1]. Ci sono anche prove che il tempo di proiezione è associato a risultati psicologici ed educativi negativi, come una maggiore depressione[4] e risultati accademici inferiori[5], rispettivamente. Di conseguenza, le linee guida[3, 6] consigliano che livelli più bassi di tempo di screening sono associati a benefici per i bambini. Nel nostro studio, ci riferiamo a questa ipotesi come all’ipotesi meno positiva.

L’evidenza che livelli moderati di tempo di schermatura possono avere benefici rispetto all’astinenza o all’uso elevato è in contraddizione con le attuali linee guida. Per esempio, una revisione della letteratura sullo sviluppo dell’alfabetizzazione ha rivelato studi in cui una moderata quantità di televisione è associata a una migliore lettura rispetto a una bassa o alta quantità di visione[7]. Sono state trovate anche relazioni curvilinee con esiti psicosociali. Ad esempio, in un’indagine su più di 120.000 adolescenti, Przybylski e Weinstein hanno trovato che quantità moderate di tempo sullo schermo elettronico erano associate a un maggiore benessere mentale rispetto a livelli bassi o alti[8]. Relazioni curvilinee simili per il tempo di schermo sono emerse anche in altri studi relativi alla salute e al benessere dei bambini [9-12]. Alcuni ricercatori hanno etichettato questa ipotesi come “Riccioli d’oro “[8].

Quando si esamina l’ipotesi di Goldilocks schermo ipotesi, gli studi precedenti hanno la tendenza a concentrarsi su un singolo risultato, o una ristretta gamma di variabili. Ad esempio, Przybylski e Weinstein (2017) hanno incentrato la loro indagine sull’associazione del tempo di proiezione con il benessere degli adolescenti e non hanno esaminato altri risultati importanti, come la salute fisica o i risultati scolastici. E’ possibile che l’ipotesi meno positiva e l’ipotesi di Riccioli d’Oro si applichino in modo differenziato ai risultati. Ad esempio, impegnarsi con una moderata quantità di social media può favorire il funzionamento sociale, mentre livelli elevati potrebbero spostare il contatto faccia a faccia, portando a una peggiore salute mentale (ad esempio, sostenendo l’ipotesi di Riccioli d’Oro)[13]. Al contrario, è improbabile che il tempo passivo sullo schermo (ad esempio, la televisione) possa trasmettere una qualche forma di beneficio fisico per la salute, e quindi ci si aspetterebbe che livelli più bassi forniscano benefici per la salute (ad esempio, sostenendo l’ipotesi del meno peggiore). Gli studi che esaminano una gamma limitata di variabili di esito[8-12] non possono esaminare questa possibilità.

Nel presente studio, abbiamo cercato di indagare queste due ipotesi in competizione tra loro attraverso diversi tipi di tempo di screening e diversi esiti, tra cui la salute fisica, gli esiti psicologici e gli esiti educativi. Abbiamo ulteriormente esteso lo studio di Przybylski e Weinstein (2017) sugli adolescenti esaminando queste ipotesi in un ampio campione di bambini e verificando se queste relazioni sono stabili con l’età dei bambini. Trattandosi di una replica concettuale del lavoro di Przybylski e Weinstein, esaminiamo anche le differenze per giorno feriale e fine settimana.

Domande di ricerca

Esistono relazioni lineari o curvilinee tra il tempo dello schermo e la salute fisica dei bambini, i risultati psicologici e quelli educativi? E, se esistono relazioni curvilinee, a quale durata dell’esposizione allo schermo diventano negative? Queste relazioni sono modificate in base all’età, al tipo di schermo (ad esempio, dispositivo o contenuto) e al giorno della settimana rispetto all’uso del fine settimana? Se sì, questi fattori spostano il punto di svolta?

Metodo

Progetto di studio e campione

I dati sono stati ricavati da “Growing Up in Australia”: The Longitudinal Study of Australian Children (LSAC), uno studio basato sulla popolazione che segue due coorti di bambini di 0/1 anno (B-cohort) e 4/5 anni (K-cohort) ogni 2 anni a partire dal 2004. Abbiamo utilizzato i dati di Onde 4-6 del K-cohort (2010-2014; età 10-15 anni). Il tasso di risposta complessivo è stato del 62% nel K-cohort(N= 4013) alla linea di base, con tassi di ritenzione di Wave 6 dell’82%. Altre onde del K-cohort non hanno potuto essere incluse a causa di cambiamenti significativi nel design dello strumento di diario di utilizzo del tempo utilizzato come nostra misura di esposizione[14]. Abbiamo escluso il coorte B a causa della limitata disponibilità di dati sull’uso del tempo durante le età di interesse. Ulteriori dettagli sulla metodologia LSAC, comprese le procedure di campionamento, sono disponibili altrove[15].

Variabili di esposizione

Tempo dello schermo

Il tempo trascorso a contatto con gli schermi è stato misurato utilizzando i diari di utilizzo del tempo somministrati al bambino. I bambini hanno registrato le attività a cui hanno partecipato durante un giorno assegnato a caso su un diario cartaceo. Durante un colloquio faccia a faccia il giorno successivo al diario, un intervistatore ha aggiunto ulteriori informazioni contestuali (ad esempio, dove si trovavano e con chi erano). I partecipanti hanno indicato l’attività principale in cui si sono impegnati e l’ora dell’attività (la “finestra” dell’attività). Il bambino può anche nominare altri comportamenti secondari che si sono verificati in parallelo durante la finestra dell’attività. L’intervistatore ha applicato un quadro di codifica alle attività dei bambini per rendere i diari comparabili tra i bambini [14]. Abbiamo diviso le attività di diario che coinvolgevano gli schermi in cinque categorie: tempo di schermo sociale (ad esempio, social media), tempo di schermo passivo (ad esempio, televisione), tempo di schermo interattivo (ad esempio, videogiochi), tempo di schermo educativo (ad esempio, uso del computer per i compiti a casa), e altro tempo di schermo in cui l’attività non rientrava in nessuna delle categorie.

Per elaborare i diari di utilizzo del tempo, abbiamo calcolato la durata totale delle attività che rappresentavano il tempo dello schermo, indipendentemente dal fatto che si trattasse di attività primarie o secondarie. Per calcolare il tempo totale dello schermo, abbiamo aggiunto tutte le finestre delle attività in cui una qualsiasi delle attività includeva il tempo dello schermo. Per esempio, se un bambino passava 15 minuti a scrivere SMS (primaria) mentre guardava la TV (secondaria), allora abbiamo calcolato 15 minuti sia di “tempo di schermo sociale” che di “tempo di schermo passivo”, ma solo 15 minuti di “tempo totale di schermo” per evitare il doppio conteggio. Pertanto, va notato che le singole categorie di variabili di tempo dello schermo non si sommano al tempo totale dello schermo. Un elenco di voci codificate come tempo di schermo è fornito nel file aggiuntivo 1: Tabella S1. I diari di utilizzo del tempo sono stati utilizzati con successo in studi precedenti che indagano sui comportamenti sanitari nei bambini[16-20].

Salute fisica

Risultati fisici

Il peso è stato misurato con una bilancia da bagno in vetro (Salter Australia, Springvale, VIC, Australia; codice 79985) mentre i bambini erano in abiti leggeri. L’altezza è stata misurata due volte, senza scarpe, con un’approssimazione di 0,1 cm utilizzando uno stadiometro (Invicta, Leicester, Regno Unito; Codice IPO955). Anche la circonferenza della vita è stata valutata due volte con un’approssimazione di 0,1 cm. L’indice di massa corporea (BMI) è stato quindi calcolato in kg/m2. Il BMI z-score dell’IMC del bambino per l’età è stato calcolato sulla base dei grafici di crescita del Centre for Disease Control [21,22]. Tutte le misure antropometriche sono state prese dall’intervistatore addestrato.

Salute globale

Ai genitori è stato chiesto di riferire sulla loro percezione della salute generale del loro bambino in una scala che va da “povero” a “eccellente” [23]. Questa scala è stata precedentemente convalidata per i bambini australiani[24]. Poiché c’erano meno di 20 bambini con una salute “povera” o “equa”, la salute globale è stata dicotomizzata in “eccellente” e “meno che eccellente”.

Risultati psicologici

Funzionamento sociale ed emotivo

I risultati socio-emotivi dei bambini sono stati valutati utilizzando il questionario sui punti di forza e le difficoltà (SDQ), un questionario convalidato, a 25 voci, riferito ai genitori [25]. Abbiamo utilizzato tutte e cinque le cinque sottocategorie (problemi di condotta, problemi emotivi, iperattività, problemi dei coetanei e comportamento prosociale; range: 0–10).

La qualità della vita dei bambini è stata valutata tramite l’Inventario pediatrico della qualità della vita (PedsQL), uno strumento convalidato a 23 voci per il rapporto genitoriale [26]. Abbiamo calcolato due punteggi (funzionamento sociale ed emotivo), che andavano da 0 a 100. Abbiamo scelto di non includere la scala di funzionamento fisico, in quanto era improbabile che gli elementi fossero correlati al tempo dello schermo. Un punteggio PedsQL più alto rappresenta una migliore qualità di vita. I genitori sono stati gli intervistati sia per l’SDQ che per PedsQL.

Profilo del temperamento

Il temperamento dei bambini è stato valutato con il School-Age Temperament Inventory, un questionario a 38 voci riferito ai genitori con quattro dimensioni: reattività negativa (intensità e frequenza dell’effetto negativo), persistenza del compito (l’auto-direzione che un bambino mostra nell’adempimento dei compiti), approccio/ritiro (risposta a nuove persone e situazioni) e attività (si muove rapidamente per arrivare dove vuole andare) [27]. Nel contesto di questo studio, sono state incluse solo la reattività negativa e la persistenza del compito a causa della loro plausibilità come risultato del tempo dello schermo. Punteggi più alti indicano che il bambino è più alto nella reattività negativa e nella persistenza del compito.

Risultati educativi

Risultati scolastici

Le stime sia della capacità di calcolo che della capacità di lettura e scrittura sono state tratte dai registri dell’amministrazione governativa del National Assessment Program – Literacy and Numeracy (NAPLAN, https://www.nap.edu.au/naplan). I dati NAPLAN sono collegati ai dati dei bambini dagli organizzatori del LSAC tramite un identificatore univoco. I test NAPLAN vengono forniti a tutti i bambini idonei in Australia di grado 3 (8 anni), 5 (10 anni), 7 (12 anni) e 9 (14 anni). Abbiamo utilizzato i punteggi dei Grades 5-9. I test sono scalati in modo da essere confrontabili in base all’età e al grado. I punteggi hanno una media complessiva di 500 e una deviazione standard di 100. La numerazione è stata misurata utilizzando un singolo test e l’alfabetizzazione è stata misurata utilizzando quattro test che coprono la lettura, la scrittura, l’ortografia e la grammatica. Abbiamo condotto l’analisi delle componenti principali sui quattro punteggi di alfabetizzazione e abbiamo formato un punteggio a fattore singolo per rappresentare l’alfabetizzazione.

Variabili di aggiustamento

Per fornire una stima equa dell’effetto del tempo dello schermo, abbiamo corretto i risultati per: sesso del bambino, stato indigeno, stato di lingua straniera rispetto all’inglese, paese di nascita del bambino (Australia vs. altrove), e una misura composita dello stato socioeconomico della famiglia fornita dagli organizzatori del LSAC [28],che viene calcolata utilizzando il prestigio professionale, il reddito e l’istruzione del genitore. Abbiamo anche utilizzato una misura dello stato socioeconomico medio del codice postale del bambino [29]. Per adeguare l’opportunità di impegnarsi in attività diverse dal tempo dello schermo, abbiamo ulteriormente regolato per il tipo di casa (casa indipendente rispetto ad altre), il numero di fratelli e sorelle del bambino che studia, e un indice di vivibilità del quartiere riferito ai genitori (compresi i parchi e la sicurezza), in quanto i fattori del quartiere sono stati precedentemente collegati al tempo dello schermo[17].

Analisi

Per ridurre al minimo le potenziali distorsioni abbiamo pre-registrato il nostro piano di analisi prima di iniziare lo studio, specificando anche quali analisi sarebbero state incluse e i nostri criteri per includere le variabili nell’analisi[30]. Eventuali scostamenti dal piano pre-registrato sono indicati di seguito. L’analisi si è basata sullo studio di Przybylski e Weinstein [8] sul tempo e sul benessere dello schermo che ha fornito un supporto all’ipotesi di Goldilocks. Abbiamo montato il tempo dello schermo come effetti sia lineari che quadratici. Se l’effetto quadratico era significativo, abbiamo calcolato il punto di svolta (cioè il punto in cui più tempo di schermo è passato dall’avere un’influenza benefica a quella negativa) usando l’equazione: \cumentclassedocumentale[12pt]{\an8}{{{informazione minima\an8}{{informazione minima\an8}{informazione {\an8}
\\x22-Il pacchetto usufruisce di…\x22
\\x22Amssymb\x22…\x22
\pacchetto di prodotti ingrassati, con una lunghezza d’onda di 69pt e un margine di profitto iniziale di 69pt. $$_end{documento}x^max=-βscreen.time2×βscreen.time.quadratic. Abbiamo anche calcolato il punto in cui l’aumento del tempo dello schermo ha portato a risultati più scadenti rispetto a nessun tempo dello schermo calcolato come doppio del punto di svolta, che chiamiamo ‘punto zero’.

I dati LSAC provengono da un complesso disegno di campionamento con codice postale come unità di campionamento primaria. Inoltre, abbiamo combinato dati provenienti da diverse onde, il che significa che ogni partecipante ha avuto più onde di dati. Per tener conto di questi fattori, abbiamo utilizzato modelli multilivello con osservazioni annidate all’interno di individui e individui annidati all’interno di codici postali. La nostra progettazione di misure ripetute sfrutta le onde multiple di dati, ma non testiamo le associazioni longitudinali. Abbiamo tenuto conto dell’attrito utilizzando tutte le informazioni disponibili per ogni partecipante e utilizzando pesi di attrito campione forniti dagli organizzatori dell’indagine per garantire che i dati rimanessero rappresentativi della popolazione ad ogni ondata. Abbiamo gestito i dati di mancata risposta delle unità mancanti utilizzando imputazioni multiple, combinando gli effetti su 10 imputazioni[31]. Abbiamo invertito le variabili codificate in modo tale che gli aumenti potessero essere interpretati in modo coerente come miglioramenti di questi risultati.

Abbiamo testato modelli non aggiustati e modelli aggiustati. Poiché ci interessava sapere se gli effetti differivano in base all’età o al giorno della settimana rispetto al fine settimana, tutti i modelli includevano termini per l’età e per il giorno della settimana/settimana. Si noti che il nostro piano di analisi pre-registrato[30] ha erroneamente incluso il genere sia come termine di interazione che come variabile di controllo, e abbiamo scelto di includerlo solo come variabile di controllo.

Risultati

Partecipanti

La nostra analisi ha incluso 4013 bambini nello studio LSAC. Di quelli analizzati, il 51,2% erano maschi, il 96,1% non indigeni, l’85,7% parlava inglese come lingua principale e il 95,9% era nato in Australia. La maggior parte dei bambini viveva in una casa unifamiliare (88,2%), e i bambini dello studio avevano una media di 1,7 fratelli e sorelle (SD = 1,2). All’età di 10 anni c’erano 4013 partecipanti. Questo è sceso a 3682 all’età di 12 anni e a 3276 all’età di 14 anni. Tra i 12 e i 14 anni c’è stato un notevole aumento del tempo di formazione e di socializzazione dei bambini tra i 12 e i 14 anni. Questo aumento può essere dovuto al passaggio dei partecipanti dalla scuola primaria a quella secondaria. I bambini australiani di solito iniziano la scuola superiore all’età di 13 anni, e questa transizione può aumentare la loro autonomia o cambiare la quantità di tecnologia che utilizzano a scuola. Un’ulteriore descrizione del campione si trova nella Tabella 1.Per le unità di non risposta, i dati più mancanti sono stati quelli relativi ai diari di utilizzo del tempo (21%) e ai punteggi NAPLAN (16%). Tutte le altre variabili avevano meno del 5% di dati mancanti (vedi File aggiuntivo 4: FiguraS1).Tabella 1Statistiche descrittive del campioneOnda 4 (Età 10-11)Onda 5 (Età 12-13)Onda 6 (Età 14-15)Tempo totale dello schermo (min/giorno)76.6 (35,88)76,77 (35,85)97,44 (36,19)Tempo schermo sociale (min/giorno)0,59 (4,03)0,56 (3,97)22,3 (34,23)Tempo schermo educativo (min/giorno)2.56 (10,3)2,61 (10,36)11,18 (23,79)Tempo schermo passivo (min/giorno)61,37 (35,36)61,35 (35,3)65,27 (40,76)Tempo schermo interattivo (min/giorno)26,43 (32,66)26,8 (32,84)28.7 (40,19)Altro Tempo schermo (min/giorno)1,24 (6,39)1,25 (6,41)12,11 (25,74)Funzionamento emotivo (PedsQL)74,01 (16,49)75,64 (17,1)74,97 (18,23)Funzionamento sociale (PedsQL)80.24 (18,58)82,61 (17,86)80,54 (18,32)Comportamento prosociale (SDQ)8,5 (1,66)8,3 (1,74)8,06 (1,86)Problemi di relazione tra pari (SDQ)1,5 (1,71)1,43 (1,65)1,54 (1,67)Sintomi emotivi (SDQ)1.9 (1,95)1,94 (1,95)1,89 (1,98)Iperattività (SDQ)3,16 (2,36)2,93 (2,32)2,66 (2,23)Problemi di condotta (SDQ)1,33 (1,48)1,06 (1,42)0,97 (1,41)Reattività (SATI)2,3 (0,81)2.38 (0,78)2,32 (0,81)Persistenza del compito3,5 (0,89)3,57 (0,85)3,65 (0,86)Indice di massa corporea z-score0,37 (1,03)0,35 (1,03)0,37 (1,13)Circonferenza vita (cm)66,76 (9,4)71,89 (10,26)75.14 (10,19)Salute globale0,44 (0,5)0,46 (0,5)0,48 (0,5)Alfabetizzazione0,02 (1)0,05 (0,99)0,05 (0,97)Numerazione0,01 (1)0,04 (1)0,05 (1)0,05 (0,99)Tutti i dati presentati come mezzi (deviazioni standard). Inventario della qualità della vita pediatrica PedsQL, SDQ Questionario sui punti di forza e le difficoltà, SATI School-Age Temperament Inventory

Analisi preliminare

Le analisi iniziali hanno mostrato che le variabili di tempo dello schermo sono state positivamente sbilanciate, specialmente per i tipi di tempo dello schermo meno popolari (ad esempio, il tempo dello schermo sociale) dove c’era un alto numero di partecipanti con tempo dello schermo pari a zero (Fig. 1). Pertanto, registriamo trasformato le variabili di tempo dello schermo per l’imputazione e tradotto alla scala originale per l’analisi. Nonostante l’evidenza di un’asimmetria sia nell’esposizione che in alcune variabili di risultato, il controllo delle ipotesi ha rivelato pochi problemi nei modelli.Fig. 1Piani di densità per le componenti del tempo totale di schermo

Come previsto dal nostro protocollo pre-registrato[30], abbiamo controllato che i risultati fossero indipendenti usando correlazioni di ordine zero e abbiamo pianificato di rimuovere le variabili, se presenti, che fossero correlate oltre r= 0,70. I risultati di alfabetizzazione e numerica erano correlati a r= 0,71 e abbiamo quindi creato un punteggio composito che era la media non ponderata della prima componente principale di ciascuno dei due punteggi. Ci riferiamo a questo punteggio composito come “risultato scolastico”. Abbiamo notato che la scala emozionale PedsQL e la scala emozionale SDQ erano correlate a r= – 0,67 e l’IMC e la circonferenza della vita a r = 0,69 (vedere il file aggiuntivo 2: Tabella S2 per altre correlazioni). Mentre queste erano al di sotto del nostro cutpoint a priori, per minimizzare le associazioni spurie abbiamo scelto di mantenere solo le variabili con il minor numero di dati mancanti (scala emozionale SDQ e circonferenza vita). Abbiamo anche controllato i dati mancanti prima dell’imputazione e abbiamo pianificato di rimuovere le variabili in cui i dati mancanti erano >60% [30]. Nessuna variabile è stata rimossa su questa base.

Fig. 1.Fig. 1. Grafici di densità per le componenti del tempo totale dello schermo

Effetti lineari

Per esaminare l’ipotesi meno peggiore, abbiamo prima esaminato i modelli lineari senza termini quadratici. Questi risultati sono presentati nella Fig. 2 come effetti lineari aggiustati, standardizzati per ogni risultato (β). Questi effetti sono tipicamente interpretati come effetto piccolo: β=0,1; effetto medio: β=0,3; effetto grande: β=0,5. Tutti i risultati lineari sono stati β<0,07; cioè di dimensioni molto piccole.Fig. 2 Effetti lineari standardizzati e regolati per ogni combinazione di esposizione al tempo di esposizione e risultato dello schermo

Il tempo totale dello schermo è stato associato a risultati educativi peggiori, ma questo risultato è stato completamente attenuato nei modelli adattati (vedi file aggiuntivo 3: Tabella S3). Sia nei modelli non corretti che in quelli corretti, il tempo totale dello schermo è stato linearmente associato a risultati di temperamento sfavorevoli, peggiori risultati socio-emotivi, minore qualità di vita in relazione alla salute e risultati di salute più scadenti. Tuttavia, vi è stata una sostanziale variabilità quando i risultati sono stati esaminati in base al tipo di tempo dello schermo.

Il tempo di schermo educativo (ad esempio, i compiti a casa sui dispositivi elettronici) ha mostrato i maggiori benefici in modelli non corretti e adattati, con effetti positivi sulla persistenza dei bambini e sugli esiti educativi, e nessun effetto significativo sugli esiti psicologici o sulla salute. Il tempo dello schermo interattivo (ad esempio, i videogiochi) ha mostrato tendenze simili a quelle del tempo totale dello schermo. Tuttavia, a differenza del tempo totale dello schermo, il tempo dello schermo interattivo è stato associato a risultati educativi positivi. Il tempo di schermo passivo (ad esempio, la TV) è stato associato a risultati psicologici peggiori, a risultati di salute peggiori e a risultati educativi inferiori in modelli non corretti e adattati. Anche un comportamento prosociale più povero e una minore persistenza sono stati associati a un tempo di schermo passivo più alto, ma solo in modelli non aggiustati. Il tempo dello schermo sociale è stato linearmente associato a una qualità di vita più scarsa in termini di salute, a una maggiore reattività e a risultati socio-emotivi peggiori per le scale prosociali, emotive e di condotta del QDS, senza alcuna influenza sulle scale di pari o di iperattività del QDS, né sulla persistenza, la salute o i risultati educativi dei bambini. Infine, l’altro tempo dello schermo ha mostrato associazioni minime con gli esiti, con effetti negativi solo sulle scale di SDQ prosociali e peer.

Fig. 2.Effetti lineari standardizzati rettificati per ogni combinazione di tempo di esposizione e risultato dello schermo

Effetti quadratici

Abbiamo poi esaminato se alcune relazioni fossero meglio rappresentate da una funzione quadratica. Nei modelli non corretti, c’erano relazioni non lineari tra il tempo totale dello schermo e la subscala SDQ iperattiva, il tempo dello schermo sociale e la subscala SDQ dei pari, il tempo dello schermo interattivo e la subscala SDQ iperattiva e prosociale e la persistenza, il tempo dello schermo educativo e la persistenza, il tempo dello schermo educativo e la persistenza, e altri tempi dello schermo e la persistenza. Dopo la regolazione per le covariate, solo la durata totale dello schermo e l’iperattività della scala SDQ (β Linear_{= 0},028 [0,013-0.043]; β Quadratic_=-0.001 [0.002 – – -0.000]; punto di svolta: 12.29 [6.44-18.14] ore; punto di zero: 24.59 [12.90-36.28] ore), e l’ora dello schermo sociale e la subscala SDQ del peer SDQ (β Lineare_{=- 0},096 [-0,159-0,034]; β Quadratica = 0,011 [0.003-0.019]; punto di svolta: 4,48 [3,42-5,53] ore, punto zero: 8,96 [6,85-11,06] ore) le associazioni quadratiche sono rimaste significative (file aggiuntivo 7 Tabella S3). Notiamo che, a causa dell’effetto quadratico molto piccolo, il punto zero per il tempo totale dello schermo e l’associazione SDQ iperattività è al di fuori dell’intervallo di valori plausibili. Gli scatterplot di tutte le associazioni e i risultati quadratici sono disponibili nel file aggiuntivo 5: FiguraS2.

Interazioni con l’età e il giorno della settimana

Per determinare la misura in cui queste relazioni sono cambiate con l’età dei bambini, abbiamo testato un’interazione tra il tempo dello schermo e l’onda campione (come indicatore dell’età). Ci sono state pochissime interazioni significative (6 su 132 per gli effetti lineari e 3 su 132 per gli effetti quadratici nei modelli aggiustati con p< .05), suggerendo che queste associazioni sono stabili tra i 10 e i 15 anni. Tutti i risultati dell’interazione sono disponibili nel file aggiuntivo 7: Tabella S3.

Per i modelli lineari, tutte e sei le interazioni relative all’età. Tre interazioni erano presenti per la circonferenza della vita, e una per la prosocialità, il PedsQL sociale e la reattività. Tutto indicava che l’aumento del tempo dello schermo aveva un’associazione più dannosa con questi risultati all’età di 10 e 12 anni rispetto all’età di 14 anni. Non sono state trovate interazioni lineari significative per i giorni feriali e i weekend.

Tutte e tre le interazioni significative per le relazioni quadratiche corrette relative ai giorni feriali. Le interazioni erano presenti per a) problemi di condotta, b) problemi emotivi, e c) reattività come previsto dal tempo dello schermo interattivo. Tutte le interazioni quadratiche significative hanno indicato un effetto Riccioli d’Oro per i fine settimana, con punti di svolta a circa due o tre ore (vedi file aggiuntivo 6: figure S3 e file aggiuntivo 7: figura S4), e nessun effetto quadratico nei giorni feriali. Non sono state riscontrate interazioni quadratiche significative per l’età.

Discussione

In questo studio, abbiamo confrontato ipotesi concorrenti per gli effetti del tempo di proiezione sulla salute fisica dei bambini, i risultati psicologici e i risultati educativi. Abbiamo trovato prove che il tempo di proiezione era associato alla salute fisica dei bambini, alla qualità della vita legata alla salute, ai risultati socio-emotivi e ai risultati scolastici, con variazioni sostanziali in base al tipo di tempo di proiezione. Nelle analisi di moderazione, questi risultati sono sembrati rimanere stabili per il tempo di screening nei giorni feriali rispetto ai fine settimana. Anche se ci sono state alcune interazioni significative, nessuna è stata significativa in termini di significato pratico. Ci sono state poche prove a sostegno dell’ipotesi di Riccioli d’Oro nei nostri dati. Invece, i nostri risultati danno un supporto qualificato all’ipotesi meno qualificata, perché il tempo di screening educativo era associato a risultati educativi positivi e a una maggiore persistenza, senza conseguenze negative per altri risultati. Il tempo di screening educativo, quindi, appare benefico e non si adatta alle ipotesi meno ottimistiche o a quelle di Riccioli d’Oro. Tuttavia, l’entità degli effetti osservati nel nostro studio è stata costantemente molto piccola, con quasi tutti meno di 0,05 di una deviazione standard per ora di tempo supplementare. Questo risultato è coerente con i risultati meta-analitici, dove le dimensioni degli effetti per la salute fisica[32] e socio-emotivi e comportamentali[33] sono stati piccoli[34]. Tuttavia, il tempo di screening è diventato una delle principali preoccupazioni dei genitori per la salute dei loro figli [35]. I nostri risultati suggeriscono che gli effetti dannosi possono essere specifici del settore e, in quanto tali, alcune delle preoccupazioni relative al tempo di proiezione possono essere ingiustificate.

I nostri risultati dimostrano anche la necessità di linee guida per il futuro per abbracciare la complessità del tempo dello schermo. Abbiamo scoperto che il tempo di proiezione interattivo può essere contemporaneamente dannoso e benefico, in quanto ha un impatto negativo sulla maggior parte dei risultati, ma è positivamente associato ai risultati educativi. La maggior parte delle linee guida attuali[2, 3] si concentrano sulla riduzione dei danni e ignorano ampiamente i potenziali benefici che alcuni tipi di tempo di proiezione possono fornire. Le future linee guida basate sull’evidenza dovrebbero concentrarsi sul fornire ai genitori e ai professionisti che forniscono consulenza a genitori e figli (ad esempio, medici, insegnanti), informazioni che consentano loro di bilanciare i rischi e i benefici del tempo dedicato allo screening. È probabilmente utile che i genitori sappiano che la durata non è l’unica variabile di esposizione allo schermo da considerare – anche il contenuto è importante. Ad esempio, le nostre analisi mostrano che è improbabile che ci siano conseguenze negative sul piano educativo, e che ci possono essere anche dei piccoli benefici, quando i bambini si impegnano in tipi di schermate educative come l’uso del computer per i compiti a casa.

I nostri risultati sono in contrasto con le precedenti ricerche che hanno trovato relazioni non lineari tra il tempo dedicato allo schermo e il benessere mentale[8], i risultati socio-emotivi[10], il sonno[11] e altri risultati sulla salute[12]. Una spiegazione è data dalle differenze nelle dimensioni del campione. Per esempio, Przybylski e Weinstein[8] hanno studiato le associazioni tra diversi tipi di tempo di proiezione e benessere mentale in 120.000 adolescenti. Hanno trovato risultati significativi, con dimensioni di effetto standardizzate per i termini quadratici tra 0,03 e 0,13. È possibile che, anche se i nostri dati comprendevano più di 10.000 punti di dati, non fossero sufficienti per rilevare questi deboli effetti. Se così fosse, ci interrogheremmo sul significato clinico di effetti così piccoli.

Punti di forza e limitazioni

Abbiamo utilizzato un set di dati longitudinali rappresentativi a livello nazionale, che ha fornito stime del comportamento in base al tempo di utilizzo del diario, in contrapposizione a semplici domande di richiamo. Abbiamo preregistrato il nostro piano di analisi prima di analizzare i dati e abbiamo utilizzato metodi per affrontare il complesso metodo di indagine e i dati mancanti. Infine, abbiamo esaminato un’ampia gamma di esposizioni al tempo di schermo, incluse forme educative, interattive e passive di tempo di schermo. Abbiamo anche esaminato diversi risultati, tra cui la salute fisica, le variabili psicologiche ed educative. Inoltre, abbiamo condizionato su una gamma molto più ampia di potenziali covariate rispetto alle ricerche precedenti.

Nonostante questi punti di forza, il nostro studio ha diversi importanti limiti. Come per la maggior parte delle ricerche sul tempo dello schermo[36], il nostro studio si è basato sul tempo dello schermo riferito da soggettivi. Attualmente, ci sono poche opzioni per misurare oggettivamente l’esposizione allo schermo. Dispositivi di misurazione più precisi (ad esempio, telecamere indossabili) possono fornire determinazioni più accurate non solo della durata dell’esposizione dello schermo, ma anche del contenuto specifico visualizzato. Questi miglioramenti di misurazione possono avere meno rumore e fornire un’indicazione più chiara degli effetti[37]. Nonostante l’uso di dati longitudinali, saremmo riluttanti a trarre conclusioni causali. I dati utilizzati coprono il periodo 2010-2014 ed è plausibile che il comportamento del tempo di visualizzazione sia cambiato da quando questi dati sono stati raccolti. In quanto tale, è possibile che i risultati qui presentati non siano generalizzabili ai bambini contemporanei dell’età target. Anche se ci siamo adattati a importanti fattori di confusione, c’è ancora il rischio di una distorsione variabile non misurata che influenzi i risultati (ad esempio, lo stile genitoriale o il compagno) e non possiamo escludere la possibilità di una causalità inversa.

Conclusione

Studi precedenti hanno suggerito che, a fronte di una quantità molto bassa o molto alta di tempo di utilizzo dello schermo, una moderata quantità di utilizzo dei media dello schermo può favorire il benessere mentale dei bambini. I nostri risultati contraddicono tale ricerca, con scarso supporto per l’ipotesi di Riccioli d’Oro su una vasta gamma di risultati di salute fisica, psicologica ed educativa. Infatti, abbiamo osservato solo dimensioni molto piccole dell’effetto sui risultati che abbiamo misurato e sui diversi tipi di tempo dello schermo. Abbiamo osservato che i piccoli effetti esistenti sembrano essere moderati dal tipo di tempo di schermo, con il tempo di schermo passivo (ad esempio, la TV) che ha effetti per lo più negativi, mentre il tempo di schermo educativo potrebbe conferire lievi benefici in termini di risultati scolastici e di persistenza. Questi risultati suggeriscono che i responsabili politici, i professionisti e i genitori dovrebbero considerare il tipo di tempo di proiezione dei bambini piuttosto che la semplice durata. Tuttavia, i nostri risultati complessivi indicano che gli alti livelli di preoccupazione per il tempo di proiezione dei loro figli esposti dai genitori potrebbero essere ingiustificati.

Informazioni supplementari

File aggiuntivo 1: Tabella S1.File aggiuntivo 2: Tabella S2. Matrice di correlazioni.file aggiuntivo 3: Tabella S3. Risultati completi.file aggiuntivo4: Figura S1. File aggiuntivo5: Figura S2. File aggiuntivo6: Figura S3. Interazioni e quadratica.file aggiuntivo7: Figura S4. Esempio di grafico di effetti lineari e quadratici non corretti: qualità della vita sociale prevista dal tempo dello schermo sociale con scala originale (a sinistra) e scala modificata (a destra).

References

1. Saunders TJ, Vallance JK. Screen time and health indicators among children and youth: Current evidence, limitations and future directions. Appl Health Econ Health Policy. 2017; 15:323-331. DOI | PubMed
2. Council on Communications and Media. Media use in school-aged children and adolescents. Pediatrics. 2016;138. Available from: 10.1542/peds.2016-2592.
3. Accessed 10 May 2019Publisher Full Text
4. Liu Mingli, Wu Lang, Yao Shuqiao. Dose–response association of screen time-based sedentary behaviour in children and adolescents and depression: a meta-analysis of observational studies. British Journal of Sports Medicine. 2015; 50(20):1252-1258. DOI | PubMed
5. Tremblay Mark S, LeBlanc Allana G, Kho Michelle E, Saunders Travis J, Larouche Richard, Colley Rachel C, Goldfield Gary, Gorber Sarah. Systematic review of sedentary behaviour and health indicators in school-aged children and youth. International Journal of Behavioral Nutrition and Physical Activity. 2011; 8(1):98. DOI | PubMed
6. Tremblay MS, LeBlanc AG, Janssen I, Kho ME, Hicks A, Murumets K. Canadian sedentary behaviour guidelines for children and youth. Appl Physiol Nutr Metab. 2011; 36:59-64. DOI | PubMed
7. Moses Annie M.. Impacts of television viewing on young children’s literacy development in the USA: A review of the literature. Journal of Early Childhood Literacy. 2008; 8(1):67-102. DOI
8. Przybylski AK, Weinstein N. A large-scale test of the Goldilocks hypothesis: Quantifying the relations between digital-screen use and the mental well-being of adolescents. Psychol Sci. 2017; 28:204-215. DOI | PubMed
9. Przybylski Andrew K., Weinstein Netta. Digital Screen Time Limits and Young Children’s Psychological Well-Being: Evidence From a Population-Based Study. Child Development. 2017; 90(1):e56-e65. DOI | PubMed
10. Parkes A., Sweeting H., Wight D., Henderson M.. Do television and electronic games predict children’s psychosocial adjustment? Longitudinal research using the UK Millennium Cohort Study. Archives of Disease in Childhood. 2013; 98(5):341-348. DOI | PubMed
11. Do Young Kyung, Shin Eunhae, Bautista Mary Ann, Foo Kelvin. The associations between self-reported sleep duration and adolescent health outcomes: What is the role of time spent on Internet use?. Sleep Medicine. 2013; 14(2):195-200. DOI | PubMed
12. Kim Jong Yeon. The Nonlinear Association Between Internet Using Time for Non-Educational Purposes and Adolescent Health. Journal of Preventive Medicine & Public Health. 2012; 45(1):37-46. DOI | PubMed
13. Song Hayeon, Zmyslinski-Seelig Anne, Kim Jinyoung, Drent Adam, Victor Angela, Omori Kikuko, Allen Mike. Does Facebook make you lonely?: A meta analysis. Computers in Human Behavior. 2014; 36:446-452. DOI
14. Accessed 10 May 2019.Publisher Full Text
15. Soloff C, Lawrence D, Johnstone R. Sample design (LSAC technical paper no. 1). Australian Institute of Family Studies, editor. Australian Institute of Family Studies: Melbourne; 2005.
16. del Pozo-Cruz B, Perales F, Parker P, Lonsdale C, Noetel M, Hesketh KD. Joint physical-activity/screen-time trajectories during early childhood: socio-demographic predictors and consequences on health-related quality-of-life and socio-emotional outcomes. Int J Behav Nutr Phys Act. 2019; 16:55. DOI | PubMed
17. Sanders T, Feng X, Fahey PP, Lonsdale C, Astell-Burt T. The influence of neighbourhood green space on children’s physical activity and screen time: Findings from the longitudinal study of Australian children. Int J Behav Nutr Phys Act. 2015; Available from: 10.1186/s12966-015-0288-z.
18. Price A. M. H., Brown J. E., Bittman M., Wake M., Quach J., Hiscock H.. Children’s sleep patterns from 0 to 9 years: Australian population longitudinal study. Archives of Disease in Childhood. 2013; 99(2):119-125. DOI
19. Price Anna M.H., Quach Jon, Wake Melissa, Bittman Michael, Hiscock Harriet. Cross-sectional sleep thresholds for optimal health and well-being in Australian 4–9-year-olds. Sleep Medicine. 2016; 22:83-90. DOI | PubMed
20. Quach Jon, Price Anna M.H., Bittman Michael, Hiscock Harriet. Sleep timing and child and parent outcomes in Australian 4–9-year-olds: a cross-sectional and longitudinal study. Sleep Medicine. 2016; 22:39-46. DOI | PubMed
21. Cole T. J. Establishing a standard definition for child overweight and obesity worldwide: international survey. BMJ. 2000; 320(7244):1240-1240. DOI | PubMed
22. Cole Tim J, Flegal Katherine M, Nicholls Dasha, Jackson Alan A. Body mass index cut offs to define thinness in children and adolescents: international survey. BMJ. 2007; 335(7612):194. DOI | PubMed
23. Ware JE, Sherbourne CD. The MOS 36-item short-form health survey (SF-36). I. Conceptual framework and item selection. Med Care. 1992; 30:473-483. DOI | PubMed
24. Waters E.. The Parent-Form Child Health Questionnaire in Australia: Comparison of Reliability, Validity, Structure, and Norms. Journal of Pediatric Psychology. 2000; 25(6):381-391. DOI | PubMed
25. Goodman Robert. The Strengths and Difficulties Questionnaire: A Research Note. Journal of Child Psychology and Psychiatry. 1997; 38(5):581-586. DOI | PubMed
26. Varni James W., Seid Michael, Kurtin Paul S.. PedsQL™ 4.0: Reliability and Validity of the Pediatric Quality of Life Inventory™ Version 4.0 Generic Core Scales in Healthy and Patient Populations. Medical Care. 2001; 39(8):800-812. DOI | PubMed
27. McClowry SG. The development of the School-Age Temperament Inventory. Merrill Palmer Q. 1995;41:271–85.
28. Baker K, Sipthorp M, Edwards B. A Longitudinal Measure of Socioeconomic Position in LSAC. Australian Institute of Family Studies. 2017.
29. Australian Bureau of Statistics. Socio-economic indexes for areas. Australian Bureau of Statistics: Canberra; 2001.
30. . Accessed 10 May 2019Publisher Full Text
31. Rubin DB. Multiple Imputation for Nonresponse in Surveys. John Wiley &amp; Sons; 2004.
32. van Ekris E., Altenburg T.M., Singh A.S., Proper K.I., Heymans M.W., Chinapaw M.J.M.. An evidence-update on the prospective relationship between childhood sedentary behaviour and biomedical health indicators: a systematic review and meta-analysis. Obesity Reviews. 2017; 18(6):712-714. DOI | PubMed
33. Ferguson Christopher J.. Do Angry Birds Make for Angry Children? A Meta-Analysis of Video Game Influences on Children’s and Adolescents’ Aggression, Mental Health, Prosocial Behavior, and Academic Performance. Perspectives on Psychological Science. 2015; 10(5):646-666. DOI | PubMed
34. Orben Amy, Przybylski Andrew K.. The association between adolescent well-being and digital technology use. Nature Human Behaviour. 2019; 3(2):173-182. DOI
35. Accessed 10 May 2019Publisher Full Text
36. Schmidt ME, Haines J, O’Brien A, McDonald J, Price S, Sherry B. Systematic review of effective strategies for reducing screen time among young children. Obesity. 2012; 20:1338-1354. DOI | PubMed
37. Smith Claire, Galland Barbara C., de Bruin Willemijn E., Taylor Rachael W.. Feasibility of Automated Cameras to Measure Screen Use in Adolescents. American Journal of Preventive Medicine. 2019; 57(3):417-424. DOI | PubMed