Ughjettu problematicu d'internet per un prublemu multitùtule per età: Evidenza di una storia di dui siti (2018)

Addictu Behav. 2018 Feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.

Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.

astrattu

ANTECEDENTU E OBJETI:

L'usu problematicu di l'Internet (PIU; altrimente cunnisciutu cum'è Internet Addiction) hè un prublema crescente in e società muderne. Ci hè una cunniscenza scarsa di e variabili demografiche è di l'attività internet specifiche assuciate à PIU è una cunniscenza limitata di cumu PIU deve esse cuncepitu. U nostru scopu era di identificà attività internet specifiche assuciate cù PIU è scopre u rolu di moderazione di l'età è u sessu in queste associazioni.

METHODS:

Avemu reclutatu 1749 participanti di età 18 è sopra via publicità media in un sondaghju basatu in Internet in dui siti, unu in i Stati Uniti, è unu in Sudafrica; avemu utilizatu a regressione Lasso per l'analisi.

RESULTU:

Attività internet specifiche sò state associate à punteggi più alti di usu internet problematicu, cumprendu a navigazione generale (lasso β: 2.1), ghjochi internet (β: 0.6), shopping in linea (β: 1.4), l'usu di siti web d'aste online (β: 0.027), sociali networking (β: 0.46) è usu di pornografia in linea (β: 1.0). L'età hà moderatu a relazione trà PIU è ghjochi di rollu (β: 0.33), ghjochi in ligna (β: 0.15), l'usu di siti web d'aste (β: 0.35) è media in streaming (β: 0.35), cù età più vechja assuciata à più alti livelli di PIU. Ci era una prova inconclusiva per l'attività di genere è di sessu × internet chì era assuciata cù punteggi problematichi di usu internet. U disordine d'iperattività di deficit d'attenzione (ADHD) è u disordine di ansia sociale sò stati associati à alti punteggi PIU in ghjovani participanti (età ≤ 25, β: 0.35 è 0.65 rispettivamente), mentre u disordine d'ansietà generalizzata (GAD) è u disordine ossessivu-compulsivu (OCD) eranu assuciatu à punteggi alti di PIU in i participanti più anziani (età> 55, β: 6.4 è 4.3 rispettivamente).

CONCLUSION:

Parechji tippi di comportamentu in linea (per es. Shopping, pornografia, navigazione generale) piglianu una relazione più forte cù l'usu disaduttive di Internet di i ghjochi chì supportanu a classificazione diagnostica di l'usu problematicu di internet cum'è disordine poliedricatu. Inoltre, l'attività di Internet è a diagnosi psichiatrica assuciata à l'usu problematicu di internet varanu cù l'età, cù implicazioni sanitarie publiche.

KEYWORDS: addiction cumportamentale; addiction à Internet; disordine di u ghjocu in Internet; Lassu; Machine learning; Usu problematicu di Internet

PMID: 29459201

DOI: 10.1016 / j.addbeh.2018.02.017

                            1

I MUVRINI

L'usu problematicu di l'Internet (PIU; altrimenti cunnisciutu cum'è Addiction à l'Internet), hè un prublema di salute publica in e società muderne in u globu. L'epidemiologia di PIU ùn hè ancu chjaru (

; ) cù una larga gamma di stimi di prevalenza puntuale riportati (1% à 36.7%), prubabilmente riflettendu micca solu e differenzi di pupulazione, ma ancu a diversità di strumenti di valutazione è e diverse definizioni operative di i cumpurtamenti PIU. DSM-5 hà evidenziatu u disordine di u ghjocu in Internet cum'è una cundizione per più studiu ( ), specificamente escludendu altre attività basate in Internet cum'è u ghjocu è l'usu di e social media, malgradu l'evidenza cumulativa chì l'usu problematicu di l'Internet hè un prublema multiforme chì va oltre i ghjoculi in linea ( ; ; ). Parechji cumpurtamenti in linea sò stati descritti cum'è capaci di compromette u funziunamentu normale quandu si sò assuciati à l'eccessu, cumpresi i ghjoculi in linea è i ghjochi di rolu in linea massivamente multiplayer (; ; ; ; ; ; ), i ghjoculi in linea ( ; ), shopping in linea ( ; ; ), visualizazione di pornografia ( ; ; ), frequente verificazione di e-mail, messageria istantanea ( ; ; ) è overuse of social media ( ; ). I cumpurtamenti in linea ponu ancu causà preoccupazione per a salute fisica di l'individui ( ; ) o ponenu a terra per atti criminali ( ). E caratteristiche impulsive è compulsive ponu sustene i cumpurtamenti problematichi di l'Internet (; ; ; ; ), mentre chì l'attività internet specifichi sò stati ligati cù disordini psichiatrici; per esempiu, a compra in linea hè stata ligata cù a depressione è l'accumulazione (

).

I ghjovani è i studienti sò cunsiderati cum'è i più vulnerabili per PIU (

; ; ; ; ), ma e pupulazioni di età media è anziane ùn sò micca stati investigati in modu cumpletu. A ghjovana età hè stata assuciata cù shopping online problematicu ( ; ). Tuttavia, ci sò stati una quantità di studii chì identificanu attività problematiche in Internet, cumprese shopping eccessivu basatu in Internet, in pupulazioni adulti (

). In generale, a storia naturale di l'usu problematicu di l'internet hè sempre scunnisciutu è ci ponu esse differenzi di età in PIU in generale, o in diversi cumpurtamenti problematici in linea.

U PIU hè statu cunsideratu cum'è una preponderanza maschile (

; ) è hè prubabilmente più prevalenti trà i ghjovani maschili asiatichi, ma e femine ponu ancu esse vulnerabile ( ; ). À u livellu clinicu, a maiuranza di i studii PIU includenu solu i participanti maschili ( ) è ùn hè micca chjaru se e pupulazioni cliniche femine puderanu esse sottustudiate. Ci hè una certa evidenza da studii d'osservazione chì i masci è e femine sò diffirenti in a manera di operare in l'ambiente in linea in quantu à l'attività chì sceglienu è e so cunsequenze negative (;). L'usu eccessivu di chatting è e social media hè statu assuciatu cù u genere femminile in i ghjovani studienti (; ; ; ; S). U genere femminile hè statu ancu identificatu cum'è un predictore di shopping online problematicu ( ), ma u cuntrariu hè statu ancu signalatu ( ; ). U ghjocu in linea hè statu assuciatu cù u sessu maschile ( ), ma i ghjoculi di rolu in linea massivamente multiplayer sò stati signalati in i dui sessi ( ). A pornografia in linea è i ghjoculi d'azzardo in linea sò stati signalati per esse più frequenti trà i masci adulti (), in ogni modu, hè statu sustinutu chì u rolu di rinforzu di ricumpensa, reattività di cue è brama di sessu in linea sò simili per i dui sessi (). Piattaforme particulari di e social media cù u putenziale addictive, cum'è i siti di rete cum'è Facebook, sò usati da i dui sessi è hè statu sustinutu chì e femine puderanu esse particularmente in risicu ( ). In generale, ci ponu esse diffirenzii specifichi di genere per aspetti di PIU; in alternativa, pò esse chì una volta chì e caratteristiche / cunfusioni cliniche è cumportamentali sò cunsiderate, i dui sessi sò affettati di manera simile (;;;

  

).

In generale, l'usu problematicu di l'internet, cumprese l'ampia varietà di cumpurtamenti problematici di l'internet, necessitanu investigazioni più rigurose chì metteranu in luce quali attività specifiche anu da esse cunsiderate problematiche o disfunzionali o in generale cuntribuiscenu à u fenomenu chjamatu PIU. A manera in quale l'età è u sessu moderanu a relazione trà l'attività particulari di l'internet è u PIU hè statu sottustuditu, chì justificà più attenzione.

U nostru scopu era di identificà attività specifiche in Internet statisticamente associate à PIU è s'ellu ci sò interazzioni cù età o sessu chì moderanu queste relazioni.

 

 

  

2

Materiale è metodi

 

 

  

2.1

Cunfigurazione è misure

Più dettagli nantu à l'ambienti è e misure di stu studiu sò stati ancu descritti in a nostra publicazione precedente nantu à PIU (

 

 

). U rapportu di i metudi per stu studiu segue a guida STROBE (

). U studiu attuale hè statu realizatu da ghjennaghju 2014 à ferraghju 2015. Individuali di 18 anni è sopra sò stati recrutati in dui siti: Chicago (USA) è Stellenbosch (Sudafrica) cù publicità in Internet (età media 29 [18-77]; 1119 masci [64] 1285%]; 73 Caucasian [50%]). I publicità anu dumandatu à l'individui di participà à una indagine in linea nantu à l'usu di Internet. I participanti anu cumpletu l'indagine anonimamente utilizendu u software Survey Monkey. L'indagine hè stata mandata à traversu Craigslist, cusì solu i participanti di i locali specifichi sò stati destinati. U studiu hè statu appruvatu da i cunsiglii di rivisione istituzionale in ogni situ di ricerca. I participanti ùn anu ricevutu alcuna compensazione per a participazione, ma sò stati iscritti in una lotteria aleatoria induve cinque premii eranu dispunibili cù ogni premiu valutatu trà $ 200 è $ 250 in USA è trè premii trà ZAR750 è ZARXNUMX in Sudafrica.

L'indagine in linea cuntene dumande nantu à l'età, u sessu, a razza, u statu di relazione, l'orientazione sessuale è l'educazione di ogni individuu, inseme cù diverse misure di attività specifiche in Internet. Avemu misuratu una quantità di diverse attività Internet cumprese 1) navigazione generale 2) ghjocu in Internet tutale 3) Ghjochi di rolu in linea (RPG) 4) Perdi di tempu / ghjochi di abilità (ie Apps in iPod / iPad / telefuninu, Tetris, Jewels) 5 ) Multiplayer d'azzione in linea (vale à dì Call of Duty, Gears of War) 6) Compra in linea 7) Siti d'asta (per esempiu Ebay) 8) Ghjochi d'azzardo in linea 9) Rete suciale 10) Sport in linea (ie Sports Fantasy, ESPN) 11) Pornografia/Sessu in Internet 12) Messaging/Blogging (ie AIM, Skype) è 13) Streaming video/media (ie YouTube, Hulu). L'indagine include ancu misure cliniche: u Test di Addiction à Internet (IAT) (

) per furnisce una misura di usu di l'internet disadattivu; selezziunà i moduli Mini International Neuropsychiatric Interview (MINI) ( ) per identificà probabili disordini d'ansietà suciale (SAD), disordine d'ansietà generalizata (GAD) è disordine obsessive-compulsive (OCD); l'Adult ADHD Self-Report Scale Symptom Checklist (ASRS-v1.1) ( ) per identificà i sintomi di u disordine di iperattività d'attenzione (ADHD); l'Inventariu di Padova (PI) ( ) per identificà e tendenzi obsessive-compulsive ; è a Scala di Impulsività di Barratt (BIS-11) per quantificà a personalità impulsiva (

). E statistiche descrittive per tutte e variàbili sò riassunte è stratificate per età in a Tabella Supplementaria S1a.

L'IAT comprende 20 quistioni esaminendu i facetti di PIU. I punteggi nantu à l'IAT varianu da 20 à 100 cù 20-49 chì riflettenu l'usu moderatu di l'Internet, 50-79 l'usu moderatu di l'Internet, è 80-100 chì riflettenu l'usu severu di l'Internet. U PI hè custituitu di 39 articuli chì valutanu u cumpurtamentu obsessionale è compulsivu cumuni. U BIS-11 hè un questionnaire auto-rapportu utilizatu per determinà i livelli di impulsività.

Avemu realizatu una Analisi di i Cumpunenti Principali (PCA) per identificà se uni pochi di cumpunenti di l'attività Internet puderanu cuntà una parte significativa di a varianza. Tuttavia, questa analisi hà dimustratu chì avemu bisognu di > 11 di 13 cumpunenti per ottene > 90% di varianza chì indicanu chì una parte significativa di e variàbili di l'attività Internet cuntribuiscenu unicu à a varianza. Dunque, avemu decisu di utilizà ogni variàbile separatamente in a nostra analisi.

Solu i dati di i participanti chì anu cumpletu l'intera indagine in linea, cumprese e misure di l'attività in Internet, sò stati inclusi in l'analisi. A mostra originale include 2551 individui. 63 individui sò stati esclusi per mancanza di punteggi IAT. Un altru 18 individui sò stati esclusi per u rapportu di sessu transgender è 459 per mancanza di variabili predittori impurtanti, per esempiu, punteggi di questionari PI o BIS. Cinque individui sò stati esclusi per l'età di rapportu <18 anni. Altre 257 persone sò state escluse per via di misure mancanti di attività in Internet. L'ultima serie completa include 1749 individui cù punteggi cumpleti nantu à tutte e variàbili. Questu ultimu passu di u prucessu d'esclusione cuntene a diferenza di mostra trà u studiu prisenti è

. Stu set finale cumpletu include 1063 individui da u situ di Stellenbosch è 686 individui da u situ di Chicago. A prevalenza puntuale stimata di PIU era ~ 8.5% utilizendu un cut-off IAT di 50 o più. Paragunendu e duie populazioni di u situ di studiu, u situ di Stellenbosch hà avutu i participanti più ghjovani [mean (range) 24.3 (18-76) vs 36.3 (18-77), ANOVA F <0.05, η 2 : 0.20], una proporzione più bassa di sessu maschile [58% vs 73%, χ 2 < 0.05, φ :0.15], proporzione più altu di l'orientazione sessuale eterosessuale [91% vs 84%, χ 2 < 0.05, φ :0.10], tassi più alti di ADHD [50% vs 41% χ 2 < 0.05, φ : 0.9], tassi più bassi di shopping in linea [media (range) 0.48 (0–5) vs 1.27 (0–5), ANOVA F < 0.05, η 2 : 0.18] et des scores IAT légèrement plus bas [mean(range) 30.3(20–94) vs 35.9(20–85), ANOVA F < 0.05, η 2 : 0.06]. Un paragone più detallatu hè presentatu in a Tabella Supplementaria S1b. U prucessu di reclutazione è esclusione sò presentati graficamente in Fig. 1 . Tutte e variàbili cuntinue (ie puntuazione BIS) sò stati standardizati per aumentà l'interpretabilità di i coefficienti di u mudellu. I metudi di prediczione anu utilizatu u puntu IAT cum'è una variabile numerica (Range 20-94, Mean 32.48). Tutte l'analisi sò state realizate in a versione R Studio 3.1.2. I mudelli lineari generalizati di Lasso sò stati realizati cù u pacchettu "glmnet" (Package glmnet versione 2.0-5 (

)). Più dettagli nantu à u prucessu di analisi ponu esse truvati in u Supplement (appendice metodologia).

  

 

 

 

 

 

  

Fig. 1
  

Diagramma di flussu di recrutamentu. Diagramma di flussu chì descrive u reclutamentu è l'esclusione da l'analisi principali è sottugruppi; IAT: Test di Addiction à Internet; PI: Padova Inventariu-Revised; BIS - Barratt Impulsiveness Scale 11; CHI - Chicago; SA - Sudafrica (Stellenbosch). (Per l'interpretazione di e referenze à u culore in questa legenda di figura, u lettore hè riferitu à a versione web di questu articulu).

 

 

 

 

 

  

2.2

Esplorazione di correlazioni

Avemu esploratu e correlazioni trà e variàbili in i nostri dati (vede Fig. 2 ). Tutte e diverse attività in Internet anu debuli correlazioni pusitivi cù u puntu IAT (intervallu di coefficienti di correlazione Pearson 0.23-0.48). Alcune correlazioni pusitive moderate trà e variàbili di l'attività in Internet sò state identificate, vale à dì u ghjocu in Internet tutale è RPG (r = 0.57), u ghjocu in Internet tutale è i ghjochi multiplayer d'azzione (r = 0.55), shopping online è l'usu di siti web d'asta (r = 0.55), navigazione generale. è shopping (r = 0.44), surfing generale è rete suciale (r = 0.44), surfing generale è streaming media (r = 0.44). Ci era una correlazione pusitiva debule trà sport è pornografia (r = 0.38), sessu maschile è sport (r = 0.30) o pornografia (r = 0.39) o ghjocu multiplayer d'azzione (r = 0.27). C'eranu correlazioni debuli trà u ghjocu in linea è u multiplayer d'azzione (r = 0.41), RGP (r = 0.32), siti di vendita d'asta (r = 0.38), sport (r = 0.38) o pornografia (r = 0.39). L'impulsività hè stata correlata positivamenti debbuli cù a navigazione generale, a compra in linea, l'usu di siti web d'asta, a rete suciale, i media streaming è a pornografia (0.2 ≤ r ≤ 0.3). Ci era ancu una correlazione debule trà l'età più anziana è l'attività di shopping (r = 0.33) o l'usu di siti web d'asta (r = 0.22), è trà l'orientazione sessuale non eterosessuale è a pornografia (r = 0.22). Tutte l'altri correlazioni trà l'attività di l'internet è l'età, u sessu, u statu di relazione, l'orientazione sessuale, u livellu di educazione, a razza è i livelli di impulsività è compulsività eranu assai debuli (-0.2 < r < 0.2).

  

 

 

 

 

 

  

Fig. 2
  

Matrice di correlazione esplorativa di variàbili. Correlazioni di Pearson trà tutte e variàbili. I correlazioni pusitivi sò indicati in u culore di gradiente verde, i correlazioni negativi sò in u gradiente rossu. IAT. Total - Score di Addiction à Internet; PADOVA - PADOVA Puntu di l'inventariu; BIS - Score Barratt Impulsiveness Scale; RPG - Ghjochi di rolu in linea. (Per l'interpretazione di e referenze à u culore in questa legenda di figura, u lettore hè riferitu à a versione web di questu articulu).

 

 

 

 

 

  

2.3

Trattamentu di l'overfitting

Per i nostri metudi statistichi avemu utilizatu mudelli chì includenu variabili demografichi (età, razza, livellu d'educazione, genere, status di relazione, orientazione sessuale), caratteristiche cliniche (diagnosi di ADHD, GAD, Ansietà Sociale è TOC), dimensioni cumportamentali cunnisciute per esse assuciate cù PIU (impulsività è compulsività), attività Internet è termini di interazzione trà attività Internet × Età o Genere; l'ultimu hè statu decisu di pruvà l'ipotesi chì l'età o u sessu moderatu a relazione trà l'attività di l'internet è i punteggi problematici di l'usu di l'internet. Avemu inclusu un totale di 51 variabili predittori. Cumprendu una pletora di variàbili, avemu u scopu di un mudellu chì hè più precisu è à u stessu tempu cattura interazzioni cumplessi trà e variàbili di l'attività demografica è Internet. In ogni casu, l'inconveniente di avè parechje variabili di predictore hè chì questu tipicamente porta à un over-fitting accumpagnatu da grandi coefficienti. Inoltre, a regressione lineale in-sample tende ancu à esse più adatta, soprattuttu in mudelli cumplessi, è hè fundamentalmente difettu in fà predizioni nantu à novi dati. Ci hè una vasta evidenza di i svantaghji di mudelli over-fitting (

 

 

). Per trattà cù l'overfitting, avemu discututu l'usu di metudi statistici fora di campionu (validazione incruciata) per ottene una stima di l'errore di generalizazione è di prediczione di u mudellu (

 

 

). Avemu esploratu stu approcciu in i nostri dati attuali quandu avemu utilizatu una stima incrociata fora di campionu di l'errore radice-mean-squared-error in cungiunzione cù a selezzione di variabili in retrocede per pruvà se i mudelli miglioranu aghjustendu un gran numaru di variabili in i subsets di pussibuli cumminazzioni di predictors, è avemu vistu chì i mudelli sparsi (vale à dì cù circa trà 13 è 16 variàbili) ùn eranu micca inferiori in termini di RMSE cunvalidatu incruciate in paragunà à mudelli più cumplessi (cumprese > 16 variàbili). Questu hè mostratu in esplorazione Fig. 3 (in cima à manca).

  

 

 

 

 

 

  

Fig. 3
  

Trama esplicativa per l'errori cunvalidati è i coefficienti Lasso. Trama esplicativa per l'errori cunvalidati è i coefficienti Lasso (tutti i participanti n = 1749). A prima trama (in cima à manca) mostra l'errore quadratu mediu di a radica validata incruciata (rmse.cv) in funzione di u numeru di variàbili inclusi in u mudellu di regressione lineale. A trama dimostra chì l'aghjunghje più di ~ 16 variàbili in u mudellu ùn hà micca bisognu di migliurà u mudellu in quantu à a riduzione di RMSE. Le second graphique (en haut à droite) montre l'erreur quadratique moyenne de 10 fois validée en fonction de (log) lambda (λ) pour le modèle régularisé au lasso utilisant les données complètes avec des termes d'interaction. A numerazione superiore di a trama indica u numeru di predittori (variabili) chì u mudellu usa, andendu da tutti i predittori (angulu superiore left) à mudelli più sparsi (angulu superiore right right). Questa funzione aiuta l'ottimisazione di Lasso in quantu à sceglie u megliu λ. La terza grafica (in basso a sinistra) mostra i punteggi dei coefficienti predittori in funzione di log(λ) indicando la contrazione di coefficienti per un numero maggiore di log(λ). A numerazione superiore di a trama indica u numeru di predittori (variabili) chì u mudellu usa, andendu da tutti i predittori (angulu superiore left) à mudelli più sparsi (angulu superiore right right). L'ultima trama (in fondu à a diritta) mostra a frazzioni di devianza spiegata da i mudelli in relazione à u numeru di predittori utilizati è i so coefficienti. Ogni linea culurata descriva un unicu predictore è u so puntu di coefficient. A trama mostra chì vicinu à a frazione massima di devianza spiegata si verificanu coefficienti più grande chì indicanu un prubabilmente sopra-fitting di u mudellu. (Per l'interpretazione di e referenze à u culore in questa legenda di figura, u lettore hè riferitu à a versione web di questu articulu).

 

 

 

 

 

  

2.4

Regressione regularizzata cù limitazioni di sparsità

Per i ragiuni citati in u paràgrafu precedente, avemu vulsutu aduprà un metudu di prediczione chì ùn sia micca troppu adattatu, mentre esse paragunabili à i metudi statistici standard in quantu à predichendu punteggi PIU. Saria ancu preziosa se u nostru metudu puderia ancu fà a selezzione variabile (vale à dì riducendu u nùmeru di predittori cù coefficienti non zero), per aiutà à l'interpretabilità di u mudellu. Regularization, inizialmente cuncepitu da Tikhonov per risolve equazioni integrali (

 

 

) è più tardi introduttu in a scienza statistica da hà alcune di e proprietà desiderate sopra citate di trasfurmà a custruzzione di mudelli versu sparsità è riducendu l'over-fitting ( ). Lasso (modelu lineale generalizatu cù probabilità massima penalizzata, cunnisciutu com'è regressione cù Operatore di Scelta è Scelta Assoluta (Lasso o LASSO ( ))) hè un metudu di analisi di regularizazione è regressione chì hè spessu usatu in scienze mediche (;) è hà potenziale per l'usu in mudellu di prediczione clinica in psichiatria (RC). A regressione di Ridge hè una altra forma di regressione lineale regularizzata chì riduce i coefficienti intruducendu una penalità di coefficient ( ). L'elastic-net hè un mudellu intermediu trà ridge è lasso è a so penalità hè cuntrullata da α, chì comble l'écart entre Lasso (α = 1) et ridge (α = 0). Le paramètre de réglage λ contrôle la force globale de la pénalité. Lasso usa a pena L1 è ridge usa a pena L2. In cuntrastu à a regressione di ridge, l'effettu di a penalità Lasso L1 hè chì a maiò parte di i coefficienti sò guidati à cero, chì porta à una suluzione regularizzata chì hè sparsa à u stessu tempu. Per questu mecanismu, u Lasso esegue una selezzione variabile chì pò simplificà assai l'interpretazione, soprattuttu se parechji predittori sò implicati in u mudellu. Un altru mètudu micca standard cunnisciutu per l'alta precisione è a capacità di evità l'adattazione eccessiva hè i boschi casuali (

 

 

  

). I fureste casuali sò un metudu di apprendimentu di macchina chì funziona bè contr'à dipendenze non lineari è per quessa, l'esplorazione di u funziunamentu di stu mudellu puderia dà un insight in, possibbilmente "hidden", associazioni cumplesse.

 

 

  

2.5

I metudi di prediczione

Per sceglie u mudellu adattatu in a nostra analisi, avemu paragunatu a regressione lineale, a regressione di ridge, elastic-net, Lasso è mudelli di fureste aleatoriu cù l'altri è contr'à una basa naïve, utilizendu una stima di RMSE fora di campionu cunvalidata incruciate. A nostra validazione incruciata includeva a divisione aleatoria di e dati in un gruppu di furmazione è teste, sintonizza i paràmetri di mudelli in u gruppu di furmazione è fà predizioni per i punteggi IAT in u gruppu di teste. A causa di a natura aleatoria di splitting the data in folds, avemu ripetutu stu prucessu 50 volte per ottene una stima stabile è replicable. Dopu avemu paragunatu i vettori finali di i punteggi RMSE utilizendu testi di classificazione firmati Exact Wilcoxon-Pratt. Tutti i mudelli eranu significativamente superiori à a linea di basa naïve (p corretta <0.001, Cohen's d = -0.87) (vede a Tabella Supplementaria S2). E statistiche riassuntu di i punteggi RMSE sò presentati in a Tabella Supplementaria S3. Lasso è rete elastica eranu superiori à a regressione di a cresta (p-corretta <0.01, d = 0.51, d = 0.49) è a regressione lineare (p corretta <0.001, d = 0.76) è micca statisticamente differenti l'una di l'altra (p corretta > 0.05, d = -0.08). A furesta aleatoria ùn era micca superiore à u lassu (p = 0.12) o à a reta elastica (p corretta> 0.05). Dunque, in a nostra analisi, avemu usatu Lasso, perchè, in più di una bona prestazione di prediczione fora di campionu, Lasso hà sappiutu realizà una selezzione variabile riducendu i coefficienti à zero è dunque aumentendu l'interpretabilità. Ancu s'è a reta elastica pò ancu fà a selezzione variabile, tende à selezziunà più variàbili, è ancu esse un mudellu più cumplessu è più putente, ùn hà micca datu un rendimentu significativamente megliu cà lasso. In a nostra analisi finali di dati cumpleti è analisi di sottogruppi, avemu usatu 10-fold validazione incruciata per pruduce a lambda ottima per ogni mudellu di lasso è rappurtate i coefficienti pruduciuti da quelli mudelli. Trama spiegativa derivante da l'analisi di dati cumpleta sò presentati in Fig. 3 .

 

 

  

3

Risposte alla lingua

I risultati di regressione di Lasso sò riassunti in tutta a mostra è stratificati per età in Tavule 1 è 2 . E tabelle cumplete di risultati per l'analisi di sottogruppi, cumprese stratificate per età è per situ di studiu sò presentati in e tabelle supplementari in linea (Tabelle S4-S10). I plots exploratori di e dati sò presentati in i figuri Supplementari (Figs. S1-S3). I risultati di l'approcciu statisticu più standard di a regressione lineare sò ancu presentati in i Tabelle Supplementari S4-S10 è qualsiasi diffarenza in inferenza strutturale paragunata à i risultati principali presentati quì sottu sò subordinate à a scelta di un altru mudellu.

Table 1
Coefficienti di Lasso per l'attività in Internet stratificate per età.
attività InternetTutti (n = 1749)18 ≤ Età ≤ 25 (n = 1042)26 ≤ Età ≤ 55 (n = 592)Età > 55 (n = 115)
Surf generale2.100 2.400 1.500 0.590
Internet gaming0.600 0.450 0.110 0.000
Sfondi0.0000.0000.710 0.000
Perdi di tempu0.0000.0000.0000.450
Azzione multiplayer0.0000.0000.0000.000
Shopping1.400 0.840 1.500 0.000
I siti d'asta0.027 0.0000.990 0.230
Agriculture0.0000.0000.780 0.000
Riticà suciale0.460 0.0001.300 0.000
Sports0.0000.0000.0000.000
Pornografia1.000 1.400 0.210 0.000
Messageria0.0000.0000.110 0.000
Streaming media0.0000.0000.0001.200
PADUA0.074 0.085 0.029 0.065
Bis0.066 0.048 0.072 0.086
Diagnosi ADHD1.700 0.350 3.100 0.000
Diagnosi GAD0.230 0.0000.0006.400
Diagnosi di l'ansietà suciale0.0000.560 0.0000.000
Diagnosi OCD0.270 0.0000.0004.300
 

 

 

Lasso - u minimu assolutu shrinkage è operatore di selezzione; RPG - ghjochi di rolu; PADOVA: Padua Inventory-Revised Checking; BIS - Barratt Impulsiveness Scale 11; ADHD - Disordine di iperattività di deficit d'attenzione; GAD - Disordine d'ansietà generalizata; OCD - Disordine Obsessive-Compulsive. Per scopi di presentazione, i coefficienti significativi di Lasso sò indicati in grassu.
Table 2
Coefficienti Lasso per a demografia è i termini di interazzione.
attività InternetTutti (n = 1749)18 ≤ Età ≤ 25 (n = 1042)26 ≤ Età ≤ 55 (n = 592)Età > 55 (n = 115)
Variabili demografiche0.0000.0000.0000.000
Genere × ogni attività in Internet0.0000.0000.0000.000
Età × surf generale0.000---
Età × Lusinghi Internet0.000---
Età × RPG0.330 ---
Età × perdi di tempu0.000---
Età × azione multiplayer0.000---
Età × shopping0.000---
Età × ghjocu0.150 ---
Età × siti d'asta0.350 ---
Età × rete suciale0.000---
Età × sport0.000---
Età × pornografia0.000---
Età × messageria0.000---
Età × streaming media0.350 ---
 
  

Lasso - u minimu assolutu shrinkage è operatore di selezzione; RPG - ghjochi di rolu; Variabili demugrafici sò: Età, Genere, Razza, Educazione, Statu di relazione è Orientazione sessuale. Per scopi di presentazione, i coefficienti significativi di Lasso sò indicati in grassu.

 

 

  

3.1

Demographics

In a regressione di lasso, nisuna variabile chì include l'età, u sessu, a razza, u livellu d'educazione, u statutu di relazione o l'orientazione sessuale hè stata assuciata cù PIU in ogni sottogruppu d'età o in i dati cumpleti.

 

 

  

3.2

Attività in Internet

In a regressione di Lasso di dati cumpleti, un numeru di attività Internet sò stati assuciati cù punteggi PIU elevati cumpresi navigazione generale (β: 2.1), ghjoculi in Internet (β: 0.6), shopping online (β: 1.4), usu di siti web d'asta (β: 0.027). 0.46), rete suciale (β: 1.0) è usu di pornografia in linea (β: 0.33). E relazioni trà PIU è ghjoculi di rolu (RPG), i ghjoculi in linea, l'usu di siti web d'asta è l'usu di media in streaming sò stati moderati per età (β: 0.15, 0.35, 0.35 è 25 rispettivamente), cù l'età più avanzata assuciata à punteggi PIU più altu. . In l'analisi di sottogruppi di età (giovani participanti età ≤ 25, participanti di età media 55 < età ≤ 55; i participanti anziani età > 2.4), u surfing generale era assuciatu cù PIU in tutti i gruppi d'età, ma più forte in i ghjovani (β: 1.5). , menu in a mezza età (β : 0.59), è ancu menu in i participanti più anziani (β : 0.45). Una tendenza simile hè stata osservata in i ghjoculi in Internet (β: 0.11, 0.0 è 1.4 per i trè gruppi di età rispettivamente) è l'usu di pornografia in linea (β: 0.21, 0.0 è 0.71). Alcune attività Internet, cum'è l'usu di RPG in linea, sò stati assuciati più forte cù PIU in i participanti di età media cumparatu cù altri gruppi di età (β: 0.78). U listessu era veru per i ghjoculi in linea (β: 0.11), a messageria istantanea (β: 1.3) è e rete suciale in linea (β: 0.99). L'usu di i siti d'asta era ancu più fortemente assuciatu cù PIU in i participanti di mezza età (β: 0.23), ma ancu predittivu in i participanti più anziani (β: 1.2). U streaming di media in linea è l'usu di perdi di tempu sò stati assuciati cù PIU in i participanti anziani (β: 0.45, XNUMX rispettivamente), ma micca in ogni altru gruppu di età.

 

 

  

3.3

Caratteristiche cliniche è cumportamentali

I sintomi di u disordine d'iperattività di l'attenzione-deficit (ADHD) (β: 1.7), u disordine d'ansietà generalizata (GAD) (β: 0.23) è u disordine obsessive-compulsive (OCD) (β: 0.27) sò stati assuciati cù punteggi PIU più altu. In l'analisi di u sottogruppu di età, ADHD è SAD sò stati assuciati cù punteggi PIU più altu in i participanti più ghjovani (β: 0.35 è 0.56 rispettivamente), mentre chì ADHD restava significativu in u sottugruppu di mezza età (β: 3.1). GAD è OCD sò stati assuciati cù punteggi PIU più altu in u sottugruppu di i participanti anziani (β: 6.4 è 4.3 rispettivamente), ma micca in l'altri gruppi di età. I punteggi BIS (personalità impulsiva) è i punteggi PADUA (tendenze obsessive-compulsive) sò stati assuciati cù punteggi PIU più alti in i dati cumpleti (β: 0.066 è 0.074 rispettivamente) è in tutte l'analisi di i sottogruppi di età.

 

 

  

4

Articulu discussione

Stu documentu hè u primu tentativu di spiegà in modu cumpletu i diversi tipi di attività di l'internet assuciate cù l'usu maladaptivu di l'internet, vale à dì cù l'usu problematicu di l'internet. U travagliu precedente hà generalmente trattatu u prublema di l'attività Internet specifichi chì portanu à l'usu problematicu cuncentrandu nantu à attività Internet isolate (

 

 

; ; ; ; ). Avemu dimustratu quì chì una serie di attività in Internet, cumprese a navigazione generale, i ghjoculi in Internet, i shopping in linea, l'usu di siti web d'asta, i ghjoculi in linea, e rete soziale è l'usu di pornografia in linea cuntribuiscenu separatamente è unicu à PIU, dendu evidenza chì PIU hè un cumplessu. fenomenu chì comprende una varietà di cumpurtamenti problematiche. In più di quessa, avemu dimustratu chì questi cumpurtamenti conservanu e so associazioni statisticamente significative cù PIU, ancu quandu i sintomi psichiatrici cunnisciuti per esse assuciati cù PIU (ie sintomi di ADHD, GAD è OCD) (;) è dimensioni di cumpurtamentu cunnisciuti per esse predittivi di PIU (ie misure di personalità di impulsività è compulsività) ( ; ; ;

) sò tenuti in contu. Avemu ancu dimustratu chì l'attività Internet specifiche cum'è RPG, ghjoculi in linea, l'usu di siti web d'asta è i media streaming sò assuciati cù punteggi PIU più alti è chì sta relazione hè influenzata da l'età. Infine, i nostri dati mostranu chì altri tipi di cumpurtamentu in linea (per esempiu, shopping, pornografia, surfing generale) portanu una relazione più forte cù l'usu maladaptivu di l'internet cà i ghjoculi è hè pussibule chì questu hè in relazione cù u fattu chì i studii precedenti ùn anu micca inclusu tali. una larga gamma di attività in Internet. Questi risultati anu implicazioni significativu per a conceptualizazione di PIU cum'è un disordine clinicamente significativu, postu chì alluntananu l'attenzione da u custruttu unidimensionale è relativamente strettu di "disordine di i ghjoculi in Internet", versu una entità multidimensionale di usu problematicu di l'Internet o di dipendenza da Internet chì comprende parechje facce. di u cumpurtamentu umanu in linea.

Inoltre, utilizendu a validazione incruciata fora di campionu, avemu dimustratu chì l'approcciu "non standard" di l'usu di a regressione Lasso hè più precisu in a prediczione di i punteggi PIU cumparatu cù a regressione lineale "più standard". Aduprà una stima fora di u campione di u valore predittivu di un mudellu spessu aiuta à affruntà u fenomenu da quale i significati decadenu in studii di replicazione. In ogni casu, l'scelta di a regressione Lasso vene cun l'avvertimentu chì e variàbili chì ùn sò micca selezziunati da u mudellu (cù coefficienti cero) ponu sempre esse predittivi, soprattuttu quandu ci sò alta correlazioni trà e variàbbili selezziunati è micca selezziunati. In u nostru settore di dati, ùn avemu micca una variabile altamente correlata, ma sta limitazione significa chì duvemu trattà ogni risultatu negativu cunservatore. Per esempiu, a mancanza di associazione trà u sessu è u PIU, è ancu a mancanza d'associazione trà u genere × l'attività Internet cù PIU sustene l'ipotesi chì, se una gamma più larga di cumpurtamenti PIU è putenziali cunfusioni sò cunsiderate, i dui sessi sò ugualmente vulnerabili. per sviluppare le sfaccettature di PIU (

; ). Tuttavia, per via di e limitazioni di a nostra analisi, ùn pudemu micca escludiri a pussibilità chì altre associazioni trà PIU è genere esistenu. Per esempiu, hè statu suggeritu chì u genere modera a relazione trà shopping online è PIU è chì e femine ponu esse più in risicu ( ). Di rilevanza pò esse quellu disordine compulsivu di compra, un disordine chì hè prominente in i gruppi di età media hà una predominanza femina da u rapportu 5: 1 ( ), è pò guidà tali risultati. Ùn avemu micca dati nantu à questu disordine per pruvà sta ipotesi. Hè impurtante ancu di nutà, chì l'instrumentu IAT utilizatu quì hà ricivutu critichi nantu à a so mancanza di robustezza in quantu à a struttura di fattore, differenze da l'operatività attuale DSM-5 (disordine di u ghjocu) è in daretu à l'avanzati tecnologichi di l'applicazioni internet (;

). A futura ricerca di PIU seria ben servita da strumenti metodulugichi robusti, validati, chì puderanu ancu catturà a natura in rapida evoluzione di PIU da una perspettiva tecnologica è cumportamentale.

A nostra analisi di sottogruppu di età hà datu una visione di l'associazioni di età trà PIU è diverse attività Internet. A cuncepimentu cumuni chì PIU hè un disordine di a ghjuventù ùn hè micca necessariamente currettu è pò esse basatu annantu à a mancanza di studii appruvati chì catturanu i cumpurtamenti in linea in tutti i gruppi di età. A cunniscenza insufficiente per a storia naturale di PIU in tutta a vita ùn permette micca una esplorazione cumpleta di e vulnerabilità in e populazioni anziane in termini di risicu per sviluppà PIU. In ogni casu, i nostri risultati indicanu chì queste vulnerabili esistenu è più ricerche sò ghjustificate per mape e caratteristiche di e pupulazioni in risicu. Per esempiu, avè ADHD o sintomi d'ansietà suciale pò esse un predictore per PIU in pupulazioni ghjovani, mentri chì avè sintomi OCD o GAD pò esse un predictor per PIU in populazioni anziani. U fattu chì l'OCD ùn hè micca truvatu per esse assuciatu cù PIU in una meta-analisi recente (

) pò esse un indicatore chì e pupulazioni anziane sò state sottustudiate. U fattu chì l'ADHD hè stata assuciata forte cù punteggi PIU altu ùn hè micca surprisante, cum'è altri studii anu riportatu una prevalenza assai alta di ADHD (finu à 100%) in pupulazioni PIU ( ). À u listessu tempu, pupulazioni specifiche di età media (trà 26 è 55) ponu esse più in risicu di PIU, s'ellu soffrenu ancu di disordine compulsivo di compra o di disordine di ghjocu, datu a storia naturale di quelli disordini, chì culminanu in età media (

).

Inoltre, i scuperti chì una particulare attività in linea hè stata assuciata cù PIU solu in gruppi di età specifichi, implicanu chì gruppi di età particulare ponu esse in risicu di sviluppà aspetti di PIU. Mentre i ghjovani puderanu esse più in risicu di sviluppà PIU cù una propensione à vede pornografia, una vulnerabilità chì pò esse menu forte in età media è diminuite più tardi in a vita, l'anziani puderanu esse più propensi à sviluppà PIU carattarizatu da un usu problematicu di u tempu. sprechi è streaming di media (vede l'esplorazione Fig. 4 ). Infine, u surfing generale puderia esse una facet sottovalutata di PIU, chì pare esse assuciata più forte cù punteggi PIU più altu in i ghjovani, ma impurtante in tutti i gruppi di età; sta scuperta pò esse ligata à u fattu chì a prima vita adulta pò esse menu scopu direttu è i ghjovani passanu più tempu durante l'attività non strutturate in ambienti in linea paragunatu à l'altri gruppi di età maiò.

  

 

 

 

Fig. 4
  

Esempiu di figura esplorativa di l'associu trà l'usu problematicu di l'internet è i media streaming, per gruppi di età. Questa hè una figura d'esempiu chì mostra a relazione trà l'usu problematicu di l'internet (PIU) è i media streaming raggruppati per età. I linii di regressione sò mudelli lineari cù intervalli di cunfidenza (zoni grise). Il est intéressant de noter que les médias en streaming semblent être moins associés à PIU dans les jeunes ≤ 25 ans par rapport aux personnes âgées > 55 ans (également montré dans l'analyse Lasso dans l'article principal ; Coef Lasso Streaming media β : 0.0 pour les jeunes et β : 1.2 pour les anciens). , Età × Streaming Media interaction Lasso coef β: 0.35). (Per l'interpretazione di e referenze à u culore in questa legenda di figura, u lettore hè riferitu à a versione web di questu articulu).

 

 

 

I nostri risultati anu ancu implicazioni di salute publica in relazione à a regulazione di u cuntenutu in linea, è l'intervenzioni di destinazione. Se l'attività particulari sò più fortemente ligati à u sviluppu di l'usu problematicu chè l'altri, allora si pone a quistione di se e pulitiche di salute publica anu da esse destinate à gruppi di individui vulnerabili per migliurà a so resilienza versu u risicu di PIU, o se intervenzioni più universali destinate à aspetti specifichi. di i cumpurtamenti Internet, deve esse cunsideratu per fà l'ambienti in linea menu addictive. Per esempiu, e plataforme in linea ponu in certi casi aduprà architetture specifiche chì prufittà di e vulnerabilità di l'utilizatori (vale à dì tratti impulsivi o compulsivi) è chì miranu à maximizà a durata di permanenza di l'utilizatori in l'ambiente in linea. Mentre chì questu hè sensu da una perspettiva di marketing, suscite a preoccupazione di se questi ambienti anu da emette ancu un avvisu di salute à l'utilizatori.

 

 

  

4.1

Limitazioni

Il s'agissait d'un sondage en ligne transversal, donc aucune relation causale ne peut être établie. Inoltre, per via di a metodulugia di reclutamentu, è a pussibulità di e persone cun PIU per esse più prubabile di compie una indagine in linea, i risultati attuali ùn ponu micca generalizà à PIU in a populazione generale di fondo in generale. Un'altra limitazione di u nostru studiu hè a mancanza di dati clinichi per alcune entità diagnostiche assuciate cù PIU, per esempiu a depressione o l'abusu di sustanza. Per quessa, hè pussibule chì a depressione o l'abusu di sustanza puderia cuntà alcune di l'associazioni osservate in u nostru studiu. Studi futuri duveranu include una gamma più larga di parametri clinichi per spiegà se quelli contanu l'associazioni osservate trà PIU è attività di Internet. Ci sò più limitazioni in quantu à i nostri dati clinichi derivanti da l'usu di u MINI; questu hè cunvalidatu per esse furnitu da una persona furmata in una entrevista in faccia mentre chì in u nostru studiu hè statu furnitu via un strumentu in linea. Tuttavia, i nostri dati clinichi sò in accordu cù studii precedenti in PIU. Inoltre, un altru svantaghju per a nostra cullizzioni di dati, era chì avemu valutatu l'attività Internet utilizendu u tempu passatu nantu à l'attività cum'è misura proxy per PIU di quella attività. Mentre chì questu pò catturà un usu eccessivu, è dunque problematicu, pò ancu catturà l'usu essenziale. Mentre l'attività valutate in stu studiu sò spessu per difettu micca essenziali per via di a so natura (per esempiu, perdi di tempu), o quandu sò realizate in eccessi severu (per esempiu > 8 h / ghjornu di shopping, ghjoculi o pornografia), studii futuri puderanu. include misure chì ponu differenzià l'usu di l'internet essenziale da l'usu non essenziale per ogni attività in Internet, per permette tali analisi. Un'altra limitazione di u nostru studiu hè a mancanza di dati per i zitelli è adulescenti. E pupulazioni di i zitelli è di l'adulescenti ponu interagisce cù l'internet in una manera diversa, ma sò ancu esposti à l'usu in linea durante una finestra di neurosviluppu sfarente. Dunque, tali differenze ponu implicà diverse vulnerabilità o resilienza in termini di risicu per sviluppà PIU. Per esempiu, l'esposizione precoce à livellu bassu à l'ambiente in linea pò avè un effettu di "inoculazione di stress" (

 

 

 

 

  

) chì steels individui da u sviluppu futuru di PIU. In questu casu, questu pò spiegà ancu più perchè e populazioni anziane chì anu avutu solu a so prima esposizione di ambienti in linea in l'età adulta pò esse più vulnerabili. Studi futuri puderanu include quelli gruppi d'età di i zitelli è di l'adulescenti è esaminà prospettivamente se l'attività internet specifiche sò predittivi di PIU. Sfurtunatamente, u numeru di participanti chì informanu u sessu transgénero era chjucu (n = 18), chì ùn hà micca permessu di un analisi significativu di l'effettu di u sessu transgénero. Una limitazione finale di u nostru studiu hè chì a nostra populazione di studiu hè custituita da adulti sani chì solu in <1% soffrenu di cumpurtamenti PIU significativi (IAT> 80). Studi futuri prufittà di avè un focusu specificu nantu à a fine più alta di u spettru PIU per esse capace di paragunà quelli severi pupulazioni PIU cun un gruppu di cuntrollu di individui bassu à moderatu o non-PIU. Mentre a prevalenza puntuale stimata di PIU in u nostru campionu era ~ 8.5% (aduprendu IAT ≥ 50 cut-off), i soglie per a caseness clinica per PIU restanu controverse è a ricerca futura prufittà di una misura è definizione universale di PIU.

 

 

  

4.2

cunchiusioni

Per sintetizà, DSM-5 mette in risaltu u disordine di i ghjoculi in Internet cum'è un disordine candidatu, ma altri tipi di cumpurtamentu in linea (per esempiu, shopping, pornografia, surfing generale) portanu una relazione più forte cù l'usu maladattivu di l'Internet cà i ghjoculi. Diagnosi psichiatrici è attività internet assuciate cù l'usu problematicu di l'internet varianu cù l'età, una scuperta chì hà implicazioni per a salute publica. Questi risultati cuntribuiscenu à a cunniscenza limitata nantu à l'attività Internet assuciata à l'usu problematicu di l'internet è ponu cuntribuisce à a classificazione diagnostica di l'usu problematicu di l'internet cum'è un disordine multifaceted.

 

 

  

U rolu di e fonti di finanzamentu

Sta ricerca hà ricevutu fondi dipartimentali interni di u Dipartimentu di Psichiatria in l'Università di Chicago. L'attività di ricerca di Dr Ioannidis sò sustinute da e sessioni d'interessu speciale di l'Educazione per a Salute East of England Higher Training. L'autori ùn anu micca ricevutu finanziamentu per a preparazione di stu manuscrittu. A fonte di finanziamentu ùn hà ghjucatu nisun rolu in u disignu, l'analisi di dati o a scrittura di u studiu.

 

 

  

participanti

KI hà designatu l'idea per u manuscrittu, analizò e dati, hà scrittu a maiò parte di u manuscrittu è u materiale supplementu è hà coordinatu i cuntributi di i co-autori. MT è FK anu participatu à a cuncepimentu è a rivista di l'analisi statistiche. SRC, SR, DJS, CL è JEG cuncepìu è coordinanu u studiu è raccolte è gestite i dati. Tous les auteurs ont lu et approuvé le manuscrit final et ont contribué à la rédaction et à la révision de l'article ainsi qu'à l'interprétation des résultats.

 

 

  

Conflicte di interessu

U duttore Grant hà ricivutu cuncessi di ricerca da NIDA (RC1DA028279-01), u Centru Naziunale di Lusinghi Responsabili, è Roche and Forest Pharmaceuticals. U duttore Grant riceve una compensazione da Springer cum'è editore in capu di u Journal of Gambling Studies è hà ricevutu royalties da McGraw Hill, Oxford University Press, Norton è l'APPI. U duttore Chamberlain cunsulta per Cambridge Cognition è a so implicazione in questa ricerca hè stata sustinuta da una Fellowship Clinica Intermedia da u Wellcome Trust (UK; 110049/Z/15/Z). Dan Stein è Christine Lochner sò finanziati da u Cunsigliu di Ricerca Medica di u Sudafrica. L'altri autori ùn anu micca rapportu finanziariu cù interessu cummerciale. Nisuna di e fonti sopra citate hà avutu un rolu in u disignu di studiu, a cullizzioni, l'analisi o l'interpretazione di e dati, a scrittura di u manuscrittu, o a decisione di mandà a carta per a publicazione.

 

 

Aghjuntu

Semu debitu à i vuluntarii di i dui siti chì anu participatu à u studiu.

 

 

penale A

Dati complementari

Materia supplimentale

Materia supplimentale

 

 

 

Vede ancu

  1. Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P., è Haffen E.: Giochi di rolu in linea massivamente multiplayer: Paragunendu e caratteristiche di i gamers recrutati in linea addict versus non-addict in un Population adulte française. BMC Psichiatria 2011; 11: pp. 144
    Vede in l'articulu
  2. Associazione Psychiatrice Americana, 2013. Associazione Psichiatrica Americana: Manuale di diagnosticu è statisticu di disordini mentali: DSM-5. Washington, DC: Associazione Psichiatrica Americana, 2013.
    Vede in l'articulu
  3. Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS, è Pallesen S.: Sviluppu di una scala di addiction Facebook. Rapporti psicologichi 2012; 110 : pp. 501-517
    Vede in l'articulu | Cruci Ref
  4. Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A., è Oren A.: Addiction à Internet trà l'adulti norvegesi: Un studiu di mostra di probabilità stratificata. Scandinavian Journal of Psychology 2009; 50 : pp. 121-127
    Vede in l'articulu | Cruci Ref
  5. Black, 2007. Black DW: Una rivista di u disordine compulsivu di compra. Psichiatria Mundiale: Journal Ufficiale di l'Associazione Psichiatrica Mundiale (WPA) 2007; 6 : pp. 14-18
    Vede in l'articulu
  6. Block, 2008. Block JJ: Problemi per DSM-V: Addiction à Internet. American Journal of Psychiatry 2008; 165 : pp. 306-307
    Vede in l'articulu | Cruci Ref
  7. Brand et al., 2011. Brand M., Laier C., Pawlikowski M., Schächtle U., Schöler T., è Altstötter-Gleich C.: Fighjendu stampe pornografiche in Internet: Role di e valutazioni di l'excitazione sessuale è sintomi psicologichi-psichiatrici per l'usu eccessivu di siti di sessu in Internet . Ciberpsiculugia, Cumportamentu è Rete Suciali 2011; 14 : pp 371-377
    Vede in l'articulu | Cruci Ref
  8. Breiman, 2001. Breiman L. : Modélisation statistique : les deux cultures. Scienza Statistica 2001; 16 : pp 199-215
    Vede in l'articulu
  9. Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R., è Markuszewski MJ: metudi basati in PLS è regularizazione per a selezzione di variabili pertinenti in dati di metabolomica non mirati. Frontiers in Molecular Biosciences 2016; 3 : pp 1-10
    Vede in l'articulu
  10. Burns et al., 1996. Burns GL, Keortge SG, Formea ​​GM, è Sternberger LG: Revisione di l'Inventariu di Padova di sintomi di disordine obsessive compulsive: Distinzioni trà preoccupazione, obsessions è compulsions. Cumportamentu di Ricerca è Terapia 1996; 34 : pp. 163-173
    Vede in l'articulu | Cruci Ref
  11. Cao et al., 2007. Cao F., Su L., Liu T., è Gao X.: A relazione trà impulsività è dipendenza da Internet in un campione di adolescenti cinesi. Psichiatria Europea 2007; 22 : pp 466-471
    Vede in l'articulu | Cruci Ref
  12. Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., è Kaess M.: L'associazione trà l'usu patologicu di l'Internet è a psicopatologia comorbid: una rivista sistematica. Psicopatologia 2013; 46 : pp 1-13
    Vede in l'articulu | Cruci Ref
  13. Claes et al., 2016. Claes L., Müller A., ​​è Luyckx K.: Compulsive buying and hoarding as identity substitutes: The role of materialistic value endorsement and depression. Psichiatria Comprehensive 2016; 68 : pp. 65-71
    Vede in l'articulu | Cruci Ref
  14. Cole è Hooley, 2013. Cole SH, è Hooley JM: Correlati clinichi è di personalità di i ghjoculi MMO: Ansietà è assorbimentu in l'usu problematicu di Internet. Scienze Suciali Computer Review 2013; 31 : pp. 424-436
    Vede in l'articulu | Cruci Ref
  15. Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR, è Cloninger CR: Prevalence and predictors of pathological gambling: Results from the St. Louis personality, health and lifestyle study (SLPHL). Journal of Psychiatric Research 2005; 39 : pp. 377-390
    Vede in l'articulu | Cruci Ref
  16. von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP, è Initiative S.: U rinfurzà u rapportu di studii observational in epidemiologia (STROBE) dichjarazione: Guidelines for reporting studies observational. Journal of Clinical Epidemiology 2008; 61 : pp. 344-349
    Vede in l'articulu | Cruci Ref
  17. Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M., è Martín V.: L'usu problematicu di Internet in i studienti universitari: Fattori assuciati è differenze di genere . Adicciones 2015; 27 : pp. 265-275
    Vede in l'articulu | Cruci Ref
  18. Friedman et al., 2010. Friedman J., Hastie T., è Tibshirani R.: Percorsi di regularizazione per mudelli lineari generalizati via descente di coordenate. Journal of Statistical Software 2010; 33 : pp 1-22
    Vede in l'articulu
  19. Griffiths, 2003. Griffiths M.: Lusinghi in Internet: Problemi, preoccupazioni è cunsiglii. Cyberpsychology & Behavior: L'Impattu di l'Internet, Multimedia è Realtà Virtuale nantu à Cumportamentu è Società 2003; 6 : pp 557-568
    Vede in l'articulu | Cruci Ref
  20. Ha è Hwang, 2014. Ha Y.-M., è Hwang WJ: Differenze di genere in a dipendenza da Internet assuciata à l'indicatori di salute psicologica trà l'adulescenti chì utilizanu una Sonda Naziunale Basata in Web. International Journal of Mental Health and Addiction 2014; 12 : pp. 660-669
    Vede in l'articulu | Cruci Ref
  21. Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y., è Mak K.-K.: L'associazione trà a dipendenza da Internet è a co-morbidità psichiatrica: Una meta-analisi. BMC Psichiatria 2014; 14 : pp. 183
    Vede in l'articulu
  22. Hoerl è Kennard, 1970. Hoerl AE, è Kennard RW: Ridge Regression: Stima biased per prublemi non ortogonali. Tecnumetria 1970; 12 : pp 55-67
    Vede in l'articulu
  23. Huys et al., 2016. Huys QJM, Maia TV, è Frank MJ: La psichiatria computazionale cum'è un ponte da a neuroscienza à l'applicazioni cliniche. Nature Neuroscience 2016; 19 : pp. 404-413
    Vede in l'articulu | Cruci Ref
  24. Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J., è Yoshida T.: No mobile, no life: Self-perception and text-message dependency between Japanese High School Students.
    Vede in l'articulu
  25. Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S., è Grant JE: Usu problematicu di Internet (PIU): Associazioni cù u spettru impulsivu-compulsivu. Journal of Psych: Una applicazione di machine learning in psichiatria, 2016.
    Vede in l'articulu
  26. Janower, 2006. Janower CR: U ghjocu in Internet. Journal of Computer-Mediated Communication 2006; 2: pp. 0
    Vede in l'articulu | Cruci Ref
  27. Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E., è Walters EE: L'urganizazione di l'urganizazione mundiale di a salute per adulti ADHD auto-report scale (ASRS): Una scala di screening corta per l'usu in generale pupulazione. Medicina psicologica 2005; 35 : pp. 245-256
    Vede in l'articulu | Cruci Ref
  28. Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T., è Zaslavsky AM: Pruvate un algoritmu di apprendimentu di macchina per predichendu a persistenza è a gravità di u disordine depressivu maiò da l'auto-rapporti di basa. Psichiatria Molecular 2016; 21 : pp. 1366-1371
    Vede in l'articulu | Cruci Ref
  29. Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M., è Rothen S.: Factor structure of the internet addiction test in online gamers and poker players. JMIR Salute Mentale 2015; 2:
    Vede in l'articulu
  30. Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C., è Gao J.: Approccio integrativu per l'inferenza di e rete regulatori di geni utilizendu caratteristiche casuali basate in lasso è applicazione à i disordini psichiatrici. BMC Medical Genomics 2016; 9: pp. 50
    Vede in l'articulu
  31. Re, 1999. King SA: Lusinghi in Internet è pornografia: Esempii illustrativi di e cunsequenze psicologiche di l'anarchia di cumunicazione. Cyberpsychology & Behavior 1999; 2 : pp. 175-193
    Vede in l'articulu
  32. King è Barak, 1999. King SA, è Barak A.: Compulsive Internet Gambling. Cyberpsychology & Behavior 1999; 2 : pp 441-456
    Vede in l'articulu | Cruci Ref
  33. Király et al., 2015. Király O., Griffiths MD, è Demetrovics Z.: Disordine di i ghjoculi in Internet è u DSM-5: Conceptualizazione, dibattiti è cuntruversii. Current Addiction Reports 2015; 2 : pp 254-262
    Vede in l'articulu
  34. Király et al., 2014. Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., è Demetrovics Z.: L'usu problematicu di l'internet è i ghjoculi problematici in linea ùn sò micca listessi: I risultati di un grande campionu di adulescente rappresentativu naziunale. Ciberpsiculugia, Cumportamentu è Rete Suciali 2014; 17 : pp. 749-754
    Vede in l'articulu
  35. Kittinger et al., 2012. Kittinger R., Correia CJ, è Irons JG: Relazione trà l'usu di Facebook è l'usu problematicu di Internet trà i studienti universitari. Ciberpsiculugia, Cumportamentu è Rete Suciali 2012; 15 : pp. 324-327
    Vede in l'articulu | Cruci Ref
  36. Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S., è Chen C.-C.: L'associazione trà l'addiction à Internet è u disordine psichiatricu: Una rivista di a literatura . Psichiatria Europea 2012; 27 : pp 1-8
    Vede in l'articulu
  37. Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C., è Yang M.-J.: Fattori predittivi per l'incidenza è a remissione di l'addiction à Internet in i ghjovani adolescenti: A studiu pruspettivu. Cyberpsychology & Behavior: L'Impattu di l'Internet, Multimedia è Realtà Virtuale nantu à Cumportamentu è Società 2007; 10 : pp. 545-551
    Vede in l'articulu | Cruci Ref
  38. Kuss è Griffiths, 2011. Kuss DJ, è Griffiths MD: Rete suciale in linea è dipendenza - Una rivista di a literatura psicologica. International Journal of Environmental Research and Public Health 2011; 8 : pp 3528-3552
    Vede in l'articulu | Cruci Ref
  39. Kuss et al., 2013. Kuss DJ, Griffiths MD, è Binder JF: Addiction à Internet in i studienti: Prevalenza è fattori di risicu. Computers in Human Behavior 2013; 29 : pp 959-966
    Vede in l'articulu | Cruci Ref
  40. Kuss è Lopez-Fernandez, 2016. Kuss DJ, è Lopez-Fernandez O.: Addiction à Internet è usu problematicu di Internet: Una rivista sistematica di a ricerca clinica. World Journal of Psychiatry 2016; 6 : pp. 143-176
    Vede in l'articulu | Cruci Ref
  41. Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF, è Chabrol H.: Utilizzu problematicu di Internet, tempu passatu in linea è caratteristiche di personalità. L'Encéphale 2016; 42 : pp. 214-218
    Vede in l'articulu | Cruci Ref
  42. Laconi et al., 2014. Laconi S., Rodgers RF, è Chabrol H.: A misurazione di l'addiction à Internet: Una rivista critica di scale esistenti è e so proprietà psicometriche. Computers in Human Behavior 2014; 41 : pp. 190-202
    Vede in l'articulu | Cruci Ref
  43. Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP, è Brand M.: Dipendenza di Cybersex: L'excitazione sessuale sperimentata quandu vede a pornografia è micca i cuntatti sessuale in a vita reale face a diferenza. Journal of Behavioral Addictions 2013; 2 : pp. 100-107
    Vede in l'articulu | Cruci Ref
  44. Lecardeur, 2013. Lecardeur L.: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171 : pp. 579-586
    Vede in l'articulu | Cruci Ref
  45. Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A., è Bian Y.: Differenze di genere in a relazione trà l'addiction à l'internet è a depressione: Un studiu cross-lagged in adolescenti chinesi. Computers in Human Behavior 2016; 63 : pp. 463-470
    Vede in l'articulu | Cruci Ref
  46. Lopez-Fernandez, 2015. Lopez-Fernandez O.: Cumu hà evolutu a ricerca di a dipendenza da Internet da l'avventu di u disordine di i ghjoculi in Internet? Una panoramica di ciberaddictions da una perspettiva psicologica. Current Addiction Reports 2015; 2 : pp 263-271
    Vede in l'articulu | Cruci Ref
  47. Masten è Tellegen, 2012. Masten AS, è Tellegen A.: Resilienza in psicopatologia di u sviluppu: Cuntribuzioni di u studiu longitudinale di cumpetenza di u prughjettu. Sviluppu è Psicopatologia 2012; 24 : pp. 345-361
    Vede in l'articulu | Cruci Ref
  48. Mueller et al., 2010. Mueller A., ​​Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A., è de Zwaan M.: Prevalenza stimata di compra compulsiva in Germania è a so associazione cù caratteristiche sociodemografiche è sintomi depressivi. Psychiatry Research 2010; 180 : pp. 137-142
    Vede in l'articulu | Cruci Ref
  49. Patton et al., 1995. Patton JH, Stanford MS, è Barratt ES: Factor structure of the Barratt impulsiveness scale. Journal of Clinical Psychology 1995; 51 : pp. 768-774
    Vede in l'articulu | Recupero, 2008. Recupero PR: Valutazione forensica di l'usu problematicu di Internet. U Journal of the American Academy of Psychiatry and the Law 2008; 36 : pp. 505-514
    Vede in l'articulu
  50. Rose è Dhandayudham, 2014. Rose S., è Dhandayudham A.: Versu una capiscitura di u cumpurtamentu di cummerciale problematicu basatu in Internet: U cuncettu di dipendenza da shopping in linea è i so predittori pruposti. Journal of Behavioral Addictions 2014; 3 : pp 83-89
    Vede in l'articulu | Cruci Ref
  51. Rutland et al., 2007. Rutland JB, Sheets T., è Young T.: Sviluppu di una scala per misurà u prublema di usu di u serviziu di missaghju brevi: U prublema di SMS usa questionnaire di diagnosticu. Cyberpsychology & Behavior 2007; 10 : pp. 841-844
    Vede in l'articulu | Cruci Ref
  52. Rutter, 1993. Rutter M.: Resilienza: Alcune considerazioni cuncettuali. U Journal of Adolescent Health: Publicazione Ufficiale di a Società per a Medicina Adolescente 1993; 14 : pp. 626-631
    Vede in l'articulu | Cruci Ref
  53. Shaw è Neri, 2008. Shaw M., è Black DW: Addiction à Internet: Definizione, valutazione, epidemiologia è gestione clinica. CNS Drugs 2008; 22 : pp. 353-365
    Vede in l'articulu | Cruci Ref
  54. Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., è Dunbar GC: The Mini-International Neuropsychiatric Interview (MINI): U sviluppu è a validazione di una entrevista psichiatrica di diagnostica strutturata per DSM-IV è ICD-10. U Journal of Clinical Psychiatry 1998; 59:
    Vede in l'articulu
  55. Tam è Walter, 2013. Tam P., è Walter G.: L'usu problematicu di l'internet in a zitiddina è a ghjuventù: Evoluzione di una afflizione di u XXI seculu. Psichiatria Australasia 21; indefinitu:
    Vede in l'articulu
  56. Tibshirani, 1996. Tibshirani R.: Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society, Serie B 1996; 58 : pp. 267-288
    Vede in l'articulu
  57. Tikhonov, 1963. Tikhonov AN: Soluzione di prublemi formulati incorrectamente è u metudu di regularizazione. Matematica Soviet Doklady 1963; 5 : pp. 1035-1038
    Vede in l'articulu
  58. Trotzke et al., 2015. Trotzke P., Starcke K., Müller A., ​​è Brand M.: A compra patologica in linea cum'è una forma specifica di dipendenza da Internet: Una investigazione sperimentale basata in mudelli. PLoS One 2015; 10:
    Vede in l'articulu
  59. Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC, è Yang YK: I fattori di risicu di l'addiction à Internet? Un sondaghju di i primi università. Psychiatry Research 2009; 167 : pp. 294-299
    Vede in l'articulu | Cruci Ref
  60. Wallace, 2014. Wallace P.: Disordine di dipendenza da Internet è ghjuventù: Ci hè una preoccupazione crescente per l'attività compulsiva in linea è chì questu puderia impedisce u rendimentu di i studienti è a vita suciale. Rapporti EMBO 2014; 15 : pp. 12-16
    Vede in l'articulu | Cruci Ref
  61. Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W., è Hong Z.: Attività in linea, prevalenza di dipendenza da Internet è fattori di risicu ligati à a famiglia è a scola trà l'adulescenti in Cina. Addictive Behaviors Reports 2018; 7 : pp. 14-18
    Vede in l'articulu | Cruci Ref
  62. Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M., è Kozak K.: Dipendenza di Internet in a pupulazione cullegiale: U rolu di a timidezza. Cyberpsychology & Behavior 2004; 7 : pp. 379-383
    Vede in l'articulu | Cruci Ref
  63. Young, 1998. Young KS: Addiction à Internet: L'emergenza di un novu disordine clinicu. CyberPsychology & Behavior 1998; 1 : pp. 237-244
    Vede in l'articulu | Cruci Ref