Účinky internetových a smyšlených závislostí na depresi a úzkost založené na analýze shody s hodnocením sklonu (2018)

Int J Environ Res Veřejné zdraví. 2018 Apr 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Abstraktní

Byly široce studovány asociace závislosti na internetu (IA) a závislosti na smartphonu (SA) s problémy duševního zdraví. Zkoumali jsme vlivy IA a SA na depresi a úzkost při úpravě sociodemografických proměnných. V této studii účastníci 4854 dokončili průřezový webový průzkum zahrnující socio-demografické položky, korejskou stupnici pro závislost na internetu, stupnici stupnice závislosti na smartphonu a dílčí škály kontrolních seznamů 90. Účastníci byli klasifikováni do IA, SA a skupin běžného použití (NU). Abychom snížili zkreslení vzorkování, použili jsme metodu porovnávání skóre náchylnosti na základě genetické shody. Skupina IA vykázala zvýšené riziko deprese (relativní riziko 1.207; p <0.001) a úzkost (relativní riziko 1.264; p <0.001) ve srovnání s NU. Skupina SA také vykázala zvýšené riziko deprese (relativní riziko 1.337; p <0.001) a úzkost (relativní riziko 1.402; p <0.001) ve srovnání s NC. Tato zjištění ukazují, že jak IA, tak SA měly významné účinky na depresi a úzkost. Naše zjištění navíc ukázala, že SA má silnější vztah k depresi a úzkosti, silnější než IA, a zdůraznila potřebu politiky prevence a řízení nadměrného používání chytrých telefonů.

KEYWORDS:  Závislost na internetu; úzkost; Deprese; skóre sklonu; závislost na smartphonu

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Úvod

S narůstajícím používáním a pohodlím internetu a chytrých telefonů v každodenním životě ukazuje nahromaděný výzkum negativní účinky nadměrného používání internetu a chytrých telefonů v oblasti duševního zdraví [1].
Míra uživatelů smartphonů v jihokorejské populaci je přibližně 85%, nejvyšší na světě [2]. Nadměrné používání chytrých telefonů je však silně spojeno s řadou problémů duševního zdraví, včetně stresu a zvýšeného rizika abnormální úzkosti [3,4]. Smartphone addiction (SA) se objevila jako nová forma závislosti spolu s internetovými závislostmi (IA) a klinická charakteristika SA byla v posledních letech věnována pozornost [5]. Například existují určité rozdíly, pokud jde o povahu zařízení, jako je snadná přenositelnost, přístup k internetu v reálném čase a funkce přímé komunikace chytrých telefonů [6]. Byly hlášeny podobnosti a rozdíly mezi IA a SA s ohledem na demografické proměnné a motivační aspekty využívání médií [1,6].
Z hlediska životního prostředí je nedostatek alternativních činností spojen s IA [7]. Kromě toho bylo hlášeno, že singl je úzce spojen jak se sociální sítí, tak s hraním online [8]. Co se týče úrovně vzdělání a měsíčních příjmů, nedávná studie u lidí se SA zjistila významné rozdíly ve zdravotním rozměru ve prospěch těch, kteří měli nižší příjem a nižší stupeň vzdělání [9]. V souladu s tímto zjištěním systematické hodnocení uvádělo významnou korelaci mezi akademickým výkonem a závažností IA [10]. Pokud jde o věk, nedávná recenze zjistila, že problematické používání internetu je nejdůležitější jak pro dospívající, tak pro začínající dospělé (19 let a starší) [10], zatímco závislost na smartphonu je častější u mladších adolescentů ve srovnání s novými dospělými (19 let a starší) [11]. Nedávná studie ukázala, že ženy mají ve srovnání s muži tendenci mít vyšší průměr denní doby používání a skóre závislosti pro chytré telefony [4]. Choi a kol. (2015) uvedlo, že mužské pohlaví má relevantní rizikový faktor pro IA a ženské pohlaví pro SA [1]. Pokud jde o účel použití, ukázalo se, že sociální sítě silněji souvisejí s vysokou závislostí na smartphonu ve srovnání s jinými funkcemi souvisejícími s mobilními telefony [11]. U jedinců s IA byl Anderson a kol. (2016) uvedlo, že mužské pohlaví bylo významně spojeno s online hraním počítačů [10].
Pokud jde o psychologické aspekty, široce byly hlášeny pozitivní asociace IA a SA s depresí a úzkostí [12,13]. Nedávné studie naznačují, že závislost na internetu a chytrých telefonech může vzniknout spíše individuálním kognitivně-emočním a behaviorálním profilem uživatele než samotným médiem [14,15,16]. Nedávná studie pozorovala roli empatie a životní spokojenosti v IA i SA [17]. Pokud jde o psychopatologii, několik studií uvedlo pozitivní korelaci mezi IA, depresí a úzkostí [18,19,20], zatímco nedávná studie uvedla vztah mezi používáním smartphonu a závažností, depresí a úzkostí [13]. Proto je třeba přesně vymezit vzájemný vztah mezi IA, SA a problémy duševního zdraví. Navíc vzhledem k překrývání a rozdílům mezi IA a SA [16], pak vyvstává otázka, do jaké míry jsou IA a SA spojeny se zvýšením úrovně deprese a úzkosti po úpravě matoucích demografických a socioekonomických faktorů?
Zůstává nejasné, zda jsou problémy duševního zdraví příčinou nebo důsledky nadměrného spoléhání se na internet a chytré telefony. Průřezové studie využily několik regresních analýz k prozkoumání vztahů mezi problémy duševního zdraví, IA a SA u lidí [21]. Avšak v observačních studiích, které postrádají randomizaci, má vícenásobná regresní analýza omezení, jako je možnost nadhodnocení a špatná standardní chyba, je-li přítomno mnoho kovariátů, kromě selekčního zkreslení [22]. Odhadování účinků závislosti pouhým prozkoumáním konkrétního výsledku, jako je deprese a úzkost, by tedy bylo ovlivněno nerovnováhou demografických a socioekonomických faktorů souvisejících s IA a SA. Kromě toho zatím žádné studie nezkoumaly rozdílné účinky IA a SA na depresi a úzkost, a to podle charakteristik uživatelů internetu a chytrých telefonů, včetně environmentálních kontextů a psychologických profilů uživatelů. Propensity score matching (PSM) se stal populárním přístupem ke snížení zkreslení výběru v observačních studiích [23,24]. V tomto článku jsme použili analýzu PSM ke zkoumání účinků IA a SA na depresi a úzkost, abychom snížili zkreslení výběru v našich datech. Jako matoucí proměnnou jsme vybrali pohlaví, věk, vzdělání, rodinný stav a příjem, přičemž jsme v naší studii zvážili spojení těchto sociodemografických proměnných s IA a SA [9,25].
Primárním cílem této studie je prozkoumat vzájemné vztahy mezi IA, SA a stavem nálady, tj. Depresí a úzkostí, pomocí analýzy skóre náchylnosti. Za druhé, snažíme se zjistit, jak se účinky deprese a úzkosti liší mezi IA a SA.

 

 

2. Materiály a metody

 

 

2.1. Účastníci studie

Údaje sestávaly z online anonymních dotazů na autodiagnostiku průzkumu dospělých 5003 v Koreji (ve věku 19 – 49 let) prováděných Katolickou univerzitou v Koreji v Soulu; a Nemocnice sv. Marie v prosinci 2014 [26]. Studie byla provedena v souladu s Helsinskou deklarací. Institucionální revizní komise Katolické univerzity v Koreji, Soul; a nemocnice sv. Marie tuto studii schválily. Všichni účastníci byli informováni o studii a poskytli písemný informovaný souhlas. Účastníci průzkumu byli přijati panelem výzkumné společnosti a dotazníky pro vlastní hlášení byly spravovány přes internet bez jakékoli náhrady. Vyloučeni byli pouze respondenti 149, kteří smartphony nepoužívali. Nakonec jsme analyzovali data účastníků 4854. V konečném vzorku byly věky klasifikovány do tří kategorií: Pod 30 (33.19%), 30 – 39 (43.94%) a 40 – 49 (22.87%). Byly tam samci 2573 (53.01%) a samice 2281 (46.99%). Dalšími demografickými proměnnými uvažovaných účastníků byly vzdělání, rodinný stav a příjem.

 

 

2.2. Opatření

 

 

2.2.1. Měření závislosti na internetu

Korejská stupnice závislosti na internetu (K-scale) byla vyvinuta v Koreji pro posouzení IA a byla validována v korejské populaci s vysokou spolehlivostí vnitřní konzistence [27]. Cronbachův alfa koeficient pro K-měřítko byl 0.91 [28]. Má sedm dílčích měřítek a položek 40, měří narušení každodenního života, narušení testování reality, automatické návykové myšlenky, virtuální mezilidské vztahy, deviantní chování, stažení a toleranci. Tato stupnice typu Likert byla nastavena od 1 (ne vůbec) do 4 (vždy). Podle předchozí zprávy používající toto měřítko byli účastníci rozděleni do tří skupin: normální, potenciální riziko a vysoce rizikové [29]. Skupina s vysokým rizikem byla definována jako skupina, která má standardizované skóre 70 nebo vyšší, při narušení každodenního života, automatické návykové myšlenky, toleranční faktory nebo alespoň 70 celkem. Potenciální riziková skupina byla definována jako skóre 62 nebo vyšší při narušení každodenního života, automatické návykové myšlenky, faktory tolerance nebo celkem alespoň 63. Běžná skupina použití obsahovala tato skóre pod těmito čísly. V této studii byly skupiny IA tvořeny potenciálními a vysoce rizikovými skupinami.

 

 

2.2.2. Měření závislosti na smartphonu

Stupnice závislosti na chytrých telefonech (K-SAS) byla ověřena a široce používána pro screening na SA [30]. Skládá se z položek 15 hodnocených ve čtyřbodové stupnici Likertovy stupnice od 1 (ne vůbec) do 4 (vždy). Otázky zkoumaly tři faktory: narušení každodenního života, automatické návykové myšlenky a tolerance. Cronbachův alfa koeficient pro K-SAS byl 0.880 [5].
Na základě předchozí zprávy používající toto měřítko jsme využili skóre k rozdělení účastníků do tří skupin: Normální, potenciální riziko a vysoce rizikové [30]. Skupina s vysokým rizikem byla definována jako skupina, která má skóre 44 nebo více celkem, nebo které má podtržítko 15 nebo více při narušení každodenního života spolu s podskupinami 13 nebo více, a to jak v automatických návykových myšlenkách, tak v toleranci. Potenciální riziková skupina byla definována jako skupina s 41em nebo více v celkovém skóre nebo 15em nebo více v denním faktoru narušujícím život. Normální skupina použití obsahovala tato skóre pod těmito čísly [30]. V této studii byla skupina závislá na smartphonu tvořena vysoce rizikovými a potenciálními rizikovými skupinami.

 

 

2.2.3. Měření problémů duševního zdraví: deprese a úzkost

SCL-90-R je multidimenzionální dotazník vyvinutý pro screening řady psychologických a psychopatologických rysů subklíčů 9: Somatizace, obsedantně-kompulzivní, interpersonální citlivost, deprese, úzkost, nepřátelství, fobická úzkost, paranoidní myšlenky a psychoticismus [31]. SCL-90 obsahuje položky 90 hodnocené v bodové stupnici 5 od 0 (žádný) do 4 (extrém). Spolehlivost a spolehlivost testu SCL-90-R v korejském jazyce byla 0.76 pro depresi a 0.77 pro úzkost. Vnitřní konzistence byla 0.89 pro depresi a 0.86 pro úzkost [31]. Byly hlášeny deprese a úzkost, které jsou psychiatrickými příznaky nejsilněji spojenými s IA a SA [12,13]. Specifické dimenze, které je třeba v této studii zkoumat, zahrnovaly subškály SCL-90-R pro depresi a úzkost.

 

 

2.3. Analýza dat

 

 

2.3.1. Statistická definice

Nechat Zi

 

být indikátorem binární závislosti pro i-tý subjekt; to znamená, Zi=1 - je - li závislý i. subjekt (IA nebo SA), a - Zi=0 v opačném případě. Potenciální výsledek duševního problému (deprese nebo úzkost) je definován jako Yi(Zi. Všimněte si, že u každého subjektu je pozorován pouze jeden z potenciálních výstupů současně, takže přímý výpočet Yi(1)-Yi je nemožné. Místo individuálního účinku je primárním parametrem zájmu očekávaný závislostní účinek na závislé populaci

τ=E(Yi(1)-Yi(0)|
 
Odhad τ

stále má problém, protože E(Yi(0)|Zi nelze přímo odhadnout. Samozřejmě v náhodných experimentech E(Yi(0)|Zi je spokojený τ lze snadno odhadnout. Avšak v pozorovací studii naivní odhad τ může být zkreslený, protože E(Yi(0)|Zi. Pro úpravu tohoto zkreslení výběru předpokládáme, že můžeme pozorovat kovariáty Xi které nejsou ovlivněny žádnou závislostí a pro dané kovariáty Xi, potenciální výsledky Yi(1), Yi jsou podmíněně nezávislé na ukazateli závislosti Zi. Pokud jsou potenciální výsledky nezávislé na závislosti závislé na kovariátech Xi, jsou také nezávislí na závislosti závislé na skóre sklonu P(Xi)= P(Zi=1|Xi[19]. Odhad PSM pro τ se stává

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Odhad skóre propensity

Skóre propensity se vypočítává pomocí logistické regrese, modelu použitého k predikci pravděpodobnosti výskytu závislosti 

přihlásitP(Zi=1|Xi)

 

 

 
V tomto článku, jako kovariáti pro Xi

 

 

, uvažujeme pět kategorických kovariátů: sex (1 = muž a 2 = žena), věk (1 = 20 – 29, 2 = 30 – 39) a 3 = 40 – 49), vzdělání (1 = střední škola, 2 = střední škola) škola a 3 = univerzita nebo vyšší), rodinný stav (1 = svobodný, 2 = soužití, 3 = ženatý, 4 = rozvedený a 5 = pozůstalý) a příjem (1 = nízký, 2 = střední-nízký, 3 = střední, 4 = střední a 5 = vysoká). v Oddíl 1, tito kovariáti mohou ovlivňovat současně výsledky (deprese nebo úzkost) a závislosti. Pro každý subjekt jsme tedy odhadli skóre sklonu; to je podmíněná pravděpodobnost závislosti na pozorovaných kovariátech [32].

 

 

2.3.3. Metody párování založené na odhadovaném skóre náchylnosti

Jakmile jsou odhady skóre náchylnosti odhadnuty, může být shoda použita k odhadu léčebného účinku po úpravě rozdílů mezi oběma skupinami [33]. Cílem párování je vytvořit porovnávaný vzorek, který vyvažuje distribuci pacienta ve studii a odpovídá kovariátům pozorovaných kontrolních skupin. Tato metoda úpravy nám umožňuje ovládat matoucí proměnné. V této studii jsme přijali dvě široce používané metody párování, optimální a genetické přizpůsobení [34].

 

 

2.3.4. Odhad relativních rizik závislosti na problémech duševního zdraví po přiřazení skóre skóre

Po porovnání skóre sklonu pomocí pozorovaných kovariátů (věk, pohlaví, manželství, příjem a vzdělání) máme vyváženější datový soubor. Pro modelování problému duševního zdraví (deprese nebo úzkost) jsme aplikovali zobecněné lineární modely (GLM) na odpovídající vzorek. Protože skóre duševního zdraví jsou pozitivní a neobjektivní, je k dispozici gama distribuce s log linkem. Nechat Yi

 

být výsledkem zájmu (skóre deprese nebo úzkosti) s průměrem μi, můžeme použít gama GLM framework s kovariáty Xi:

 

přihlásitμi=γT
 
 
Prostřednictvím modelování jsme odhadli eγ

 

 

jako relativní rizika (jako očekávaný průměrný rozdíl mezi skupinami) IA a SA pro každou kovariát.

 

 

3. Výsledek

Kromě účastníků 4854 byly do skupiny IA zařazeny také 126 (2.60%) a do skupiny SA byly zahrnuty 652 (13.43%). Tabulka 1 ukazuje popisné statistiky skóre deprese a úzkosti. Průměrné skóre deprese a úzkosti u IA a SA skupin je větší než u skupiny pro normální použití (NU).
Tabulka 1. Popisné statistiky skóre deprese a úzkosti.
Tabulka

 

 

3.1. Kvalita párování Metoda párování skóre skóre

Přestože jsme v dotaznících této studie podmiňovali pouze několik kovariátů, pomocí skóre náchylnosti jsme zjistili, že postup párování byl dostatečný k vyvážení distribuce každého kovariátu, Tabulka 2 a Tabulka 3. Hodnotili jsme vzdálenosti v mezních distribucích Xi

 

 

 

. Pro každou kovariát jsme vypočítali zkreslení; to je rozdíl průměrů vzorků závislých a normálních vzorků. Před použitím porovnávání skóre náchylnosti nebyly zkreslení ignorovány. Avšak po přiřazení skóre sklonu k náchylnosti měly závislost a normální dílčí vzorky velmi podobné mezní rozdělení pro všechny kovariáty.
Tabulka 2. Porovnání průměrného procenta základních charakteristik mezi skupinami IA a skupinami normálního použití, v původním vzorku a srovnávacím skóre skóre sklonu, s použitím genetické a optimální shody.
Tabulka
Tabulka 3. Porovnání průměrného procenta výchozích charakteristik mezi SA a normálními skupinami, v původním vzorku, a skóre sklonu k skóre sklonu, s použitím genetické a optimální shody.
Tabulka

 

 

3.2. Účinky závislosti na internetu na depresi a úzkost

Účinky IA na depresi a úzkost získanou pomocí porovnávání skóre náchylnosti jsou uvedeny v Tabulka 4. Pomocí genetické shody bylo vybráno 3846 vzorků. IA souviselo s vyšším rizikem deprese (relativní riziko 1.207, 95% interval spolehlivosti 1.128–1.292 ap <0.001) a úzkosti (relativní riziko 1.264, 95% interval spolehlivosti 1.173–1.362 ap <0.001). Všechny tyto relativní rizikové poměry jsou významné, protože interval spolehlivosti neobsahuje 1. Prostřednictvím optimálního párování bylo vybráno 252 vzorků. IA souviselo s větší depresí (relativní riziko 1.243, 95% interval spolehlivosti 1.145–1.348 ap <0.001) a úzkostí (relativní riziko 1.308, 95% interval spolehlivosti 1.192–1.435 ap <0.001). Podobně jako u genetické shody jsou relativní poměry rizika u deprese i úzkosti významně větší než 1.
Tabulka 4. Účinky závislosti na internetu a smartphonu na depresi a úzkost, založené na porovnávání skóre náchylnosti.
Tabulka

 

 

3.3. Účinky závislosti na smartphonu na depresi a úzkost

Účinky SA na depresi a úzkost pomocí přizpůsobení skóre sklonu jsou uvedeny v Tabulka 4. Pomocí genetické shody bylo vybráno 4516 vzorků. SA souviselo s vyšším rizikem deprese (relativní riziko 1.337, 95% interval spolehlivosti 1.296–1.378 a p <0.001) a úzkosti (relativní riziko 1.402, 95% interval spolehlivosti 1.355–1.450 a p <0.001). Optimálním párováním bylo vybráno 1304 vzorků. SA souviselo s vyšším rizikem deprese (relativní riziko 1.386, 95% interval spolehlivosti 1.334–1.440 ap <0.001) a úzkosti (relativní riziko 1.440, 95% interval spolehlivosti 1.380–1.503 ap <0.001). Všechny tyto relativní rizikové poměry jsou významné.

 

 

3.4. Rozdíly v účincích závislosti na internetu a smartphonu na depresi a úzkost

Relativní poměr rizika pro depresi a úzkost, jak z genetického, tak z optimálního přizpůsobení, byl o 0,6% vyšší pro SA než pro IA. To znamená, že SA má větší riziko deprese a úzkosti než IA. Tyto intervaly spolehlivosti neobsahují 10, takže můžeme říci, že SA je s 1 – 34% pravděpodobnější, že způsobí duševní poruchu.

 

 

4. Diskuse

Naše zjištění jsou, že IA i SA mají významné účinky na depresi a úzkost, dokonce i po kontrole zmatků pomocí přizpůsobení skóre sklonu. Epidemiologické studie odhadly vyšší prevalenci deprese v IA [35,36]. Řada průřezových studií uvádí, že jedinci s IA nebo SA vykazovali vyšší úrovně deprese a úzkosti než normální uživatelé [13,37]. V této studii naše výsledky ukazují roli IA a SA ve vývoji deprese a úzkosti. Pro současná zjištění existují možná vysvětlení. Zaprvé, návykové používání internetu a chytrých telefonů může zvýšit interpersonální problémy, které souvisejí s depresí a úzkostí, jako jsou rodinné konflikty, nedostatek off-line vztahů a zvýšená potřeba schválení v kyberprostoru. Za druhé, abstinenční příznaky jsou navrženy jako psychopatologické vzorce u IA a SA, srovnatelné s poruchami zneužívání návykových látek [5]. Pokud nemají přístup k počítači nebo smartphonu, mohou se jednotlivci s IA nebo SA zneklidnit a pak touží použít internet nebo smartphone, aby unikli takovým negativním pocitům [38]. Dalším možným vysvětlením je, že na rozdíl od jiných návykových látek, jako je alkohol a nikotin, uživatelé internetu a chytrých telefonů mohou mít jen malý přehled o jejich nadměrném používání v každodenním životě z důvodu volného a flexibilního přístupu k zařízením [3], přimět je, aby prožívali své nadměrné použití spíše jako obtěžování než jako projev problematického chování [39]. Dalším zajímavým zjištěním bylo, že SA měla silnější účinky na depresi a úzkost než IA. To nás vede k domněnce, že IA a SA mají různé vlivy na problémy duševního zdraví. Pro toto zjištění může existovat několik možných vysvětlení. Zaprvé, s ohledem na charakteristiky médií je snazší, aby se nadměrné používání chytrých telefonů vyvíjelo prostřednictvím zvykové povahy zařízení, a to díky jeho vyšší dostupnosti do bezdrátové sítě a 24 h častých oznámení [39]. Za druhé, s ohledem na faktory prostředí může toto zjištění odrážet současnou radikální změnu průměrného denního života z počítačů na chytré telefony. Lidé mohou používat internet PC pro komplikovanou práci a provádět další každodenní úkoly pomocí smartphonů, což vede ke snížení produktivity práce a vyšší úrovni stresu [40]. Nakonec mohou jednotlivci se SA používat chytré telefony k udržování vztahů a pocitu spojení s online sociální sítí [41], což vede ke strachu z chybějících a strachu ze ztráty spojení a zároveň k vyššímu používání chytrých telefonů [42].
Tato studie má několik omezení pro zobecnění zjištění pro celou populaci, jako je průřezová povaha datových limitů a interpretace kauzální inference mezi internetem a závislostí na smartphonu, depresí a úzkostí. Srovnání sklonu má také omezení a požadavky. Hlavním omezením je, že skóre sklonu lze ovládat pouze pozorovanými pozorovateli [43]. Možnost nezpozorovaných zmatků může zůstat, což omezuje zjištění studie zobecnění. Navíc vzhledem k tomu, že všechny pozorované zmatky v této studii byly shromážděny jako kategorické proměnné, může dojít ke ztrátě informací při vytváření modelu PSM. Naše zjištění by proto měla být interpretována s opatrností. Abychom však získali robustní výsledky párování, uvažovali jsme o dvou metodách párování, genetickém a optimálním. Genetické přizpůsobení používá zejména algoritmus genetického vyhledávání, takže jeho proces může najít dobré řešení pro párování s menší ztrátou informací [44]. Posouzení symptomů deprese a úzkosti bylo nakonec provedeno pomocí self-report psychologických symptomů pomocí SCL-90-R. Přesnější a důslednější hodnocení problémů duševního zdraví. V dalších studiích by měl být proveden strukturovaný rozhovor klinického lékaře.

 

 

5. Závěry

V této studii jsme zkoumali, jak IA a SA ovlivňují problémy duševního zdraví, depresi a úzkost. Podle našich nejlepších znalostí je to první studie, která odhadne souvislost mezi IA, SA a psychopatologií pomocí metody skóre propensity matching score z průřezových dat a zkoumá rozdílný účinek v psychopatologii mezi IA a SA. Závěrem naše zjištění ukazují, že IA i SA zvyšují riziko deprese a úzkosti. Kromě toho SA vykazovala silnější vztah s depresí a úzkostí ve srovnání s IA.
Důsledkem těchto zjištění je, že jednotlivci s problematickým používáním chytrých telefonů by měli být pečlivě sledováni z hlediska problémů duševního zdraví, což zdůrazňuje potřebu zavést preventivní a řídící politiky zaměřené na preklinickou úroveň SA. Další prospektivní studie by měly prozkoumat příčinné směry vztahů mezi IA, SA a problémy duševního zdraví a měly by identifikovat diskriminační faktory IA a SA.

 

 

Autorské příspěvky

D.-JK a DL experimenty koncipovaly a navrhovaly; HMJ analyzoval data; Y.-JK napsal článek. YL dohlížel na sběr dat. Všichni autoři přispěli k vývoji rukopisu, kriticky jej přepracovali a finální rukopis schválili.

 

 

Poděkování

Tato práce byla podpořena grantem Koreje národního výzkumu (Grant č. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Střet zájmů

Autoři neuvádějí žádný střet zájmů.

 

 

Reference

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Porovnání rizikových a ochranných faktorů spojených se závislostí na smartphonu a závislostí na internetu. J. Behav. Narkoman. 2015, 4, 308-314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 průzkum o závislosti na internetu; Ministerstvo vědy, ICT a plánování budoucnosti: Soul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Temná stránka používání chytrých telefonů: psychologické vlastnosti, nutkavé chování a technostress. Výpočet. Hučení. Behav. 2014, 31, 373-383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Závislost na používání smartphonu a jeho spojení s úzkostí v Koreji. Veřejné zdravotnictví 2016, 131, 411-419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Vývoj stupnice zvědavosti závislosti na chytrých telefonech pro dospělé: Self-report. Korean J. Couns. 2012, 13, 629-644. [Google Scholar]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Vývoj a validace stupnice závislosti na smartphonu (SAS). PLoS ONE 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Závislost na internetu: Systematický přehled epidemiologického výzkumu za poslední desetiletí. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. Vztah mezi návykovým používáním sociálních médií a videoher a příznaky psychiatrických poruch: rozsáhlá průřezová studie. Psychol. Narkoman. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Závislost na smartphonu mezi studenty vysokých škol s ohledem na některé proměnné. Výpočet. Hučení. Behav. 2016, 61, 155-164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Používání internetu a problematické používání internetu: Systematické hodnocení trendů podélného výzkumu v dospívání a nastupující dospělosti. Int. J. Adolesc. Mládí 2017, 22, 430-454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP Smartphone používají a závislost na smartphonu mezi mladými lidmi ve Švýcarsku. J. Behav. Narkoman. 2015, 4, 299-307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. Souvislost mezi závislostí na internetu a psychiatrickou poruchou: přehled literatury. Eur. Psychiatrie 2012, 27, 1-8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Vztah smartphonu používá závažnost s kvalitou spánku, depresí a úzkostí u studentů vysokých škol. J. Behav. Narkoman. 2015, 4, 85-92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Integrující psychologické a neurobiologické úvahy týkající se vývoje a udržování specifických poruch používání internetu: Interakce modelu ovlivňování osob s vlivem na vědomí (I-PACE). Neurosci. Biobehav. Rev. 2016, 71, 252-266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Kognitivní dysregulace závislosti na internetu a jeho neurobiologických korelátů. Přední. Biosci (Elite ed.) 2017, 9, 307-320. [Google Scholar]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Kdo je závislý na smartphonu a / nebo internetu? Psychol. Pop. Média Cult. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. Role empatie a životní spokojenosti při poruchách používání internetu a chytrých telefonů. Přední. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Vztah mezi používáním internetu a depresí: Zaměřte se na fyziologické oscilace nálad, sociální sítě a návykové chování online. Výpočet. Hučení. Behav. 2015, 43, 308-312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Závislost na internetu a deprese, úzkost a stres. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Ani MBM; Griffiths, MD Závislost na internetu a jeho psychosociální rizika (deprese, úzkost, stres a osamělost) mezi íránskými adolescenty a mladými dospělými: Strukturální rovnice v průřezové studii. Int. J. Ment. Závislý na zdraví. 2016, 14, 257-267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Účinky nespavosti a závislosti na internetu na depresi v Hongkongu Čínští adolescenti: Průzkumná průřezová analýza. J. Sleep Res. 2011, 20, 311-317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Porovnání logistické regresní versus skóre náchylnosti, když je počet událostí nízký a existuje mnoho zmatků. Dopoledne. J. Epidemiol. 2003, 158, 280-287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Kritické hodnocení shody náchylnosti a skóre v lékařské literatuře mezi 1996 a 2003. Stat. Med. 2008, 27, 2037-2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Porovnání schopnosti různých modelů skóre sklonu k vyvážení měřených proměnných mezi léčenými a neléčenými subjekty: studie Monte Carlo. Stat. Med. 2007, 26, 734-753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Prevalence závislosti na internetu v obecné populaci: Výsledky německého průzkumu populace. Behav. Inf. Technol. 2014, 33, 757-766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Rizikové faktory pro poruchu internetového hraní: psychologické faktory a charakteristiky internetového hraní. Int. J. Environ. Res. Veřejné zdraví 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Národní agentura pro informační služby. Studie stupnice závislosti na internetu pro dospělé; Národní agentura pro informační služby: Soul, Korea, 2005. [Google Scholar]
  28. Kim, D. Následná studie stupnice pronikavosti k závislosti na internetu; Korejská agentura pro digitální příležitosti a propagaci: Soul, Korea, 2008; Dostupný online: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (přístupné na 8 May 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Vývoj stupnice zkrácení formy závislosti na internetu (škála KS). Korean J. Couns. 2008, 9, 1703-1722. [Google Scholar]
  30. Národní agentura pro informační služby. Vývoj stupnice korejské závislosti na bezdotykových smartphonech pro mládež a dospělé; Národní agentura pro informační služby: Soul, Korea, 2011; str. 85 – 86. [Google Scholar]
  31. Kim, KI .; Kim, JW. Standardiziční studie kontrolního seznamu příznaků-90-R v Koreji III. Ment. Health Res. 1984, 2, 278-311. [Google Scholar]
  32. Heckman, J .; Smith, J. Hodnocení případu pro sociální experimenty. J. Econ. Perspektiva. 1995, 9, 85-110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Některé praktické pokyny pro implementaci porovnávání skóre náchylnosti. J. Econ. Surv. 2008, 22, 31-72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamond, A. Genetická shoda pro odhad příčinných účinků, nepublikovaný rukopis. Prezentováno na výročním zasedání politické metodologie, Tallahassee, FL, USA, červenec 2005. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Prevalence závislosti na internetu a porovnání závislostí na internetu a narkomanů na íránských středních školách. Cyberpsychol. Behav. 2008, 11, 731-733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. Komorbické psychiatrické příznaky závislosti na internetu: deficit pozornosti a porucha hyperaktivity (ADHD), deprese, sociální fóbie a nepřátelství. J. Adolesc. Zdraví 2007, 41, 93-98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Je závislost na internetu psychopatologickým stavem odlišným od patologického hraní? J. Addict. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online sociální sítě a závislost - přehled psychologické literatury. Int. J. Environ. Res. Veřejné zdraví 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Habits způsobují, že chytré telefony jsou všudypřítomnější. Pers. Všudypřítomný výpočet. 2012, 16, 105-114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Závislost na smartphonu, denní přerušení a vlastní hlášení produktivity. Narkoman. Behav. Rep. 2017, 6, 90-95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Stránky sociálních sítí a závislost: Deset získaných zkušeností. Int. J. Environ. Res. Veřejné zdraví 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Negativní důsledky těžkých sociálních sítí u adolescentů: Zprostředkovatelská role strachu z chybějících. J. Adolesc. 2017, 55, 51-60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Pozvaný komentář: Skóre propensity. Dopoledne. J. Epidemiol. 1999, 150, 327-333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Genetické přizpůsobení pro odhad příčinných účinků: Nová metoda dosažení rovnováhy v observačních studiích. Econ. Stat. 2013, 95, 932-945. [Google Scholar] [CrossRef]