Závislost na internetu: styly, očekávání a důsledky léčby (2014)

Matthias Brand^{1,2 *}, Christian Laier¹ a Kimberly S. Young³

• ¹Katedra obecné psychologie: Poznání, University of Duisburg-Essen, Duisburg, Německo
• ²Erwin L. Hahn Institut pro zobrazování magnetickou rezonancí, Essen, Německo
• ³Centrum pro závislost na internetu, Russell J. Jandoli School of žurnalistiky a masové komunikace, St. Bonaventure University, Olean, NY, USA

Závislost na internetu (IA) se stala v mnoha zemích vážným stavem duševního zdraví. Abychom lépe porozuměli klinickým důsledkům IA, tato studie statisticky testovala nový teoretický model ilustrující základní kognitivní mechanismy přispívající k rozvoji a udržování poruchy. Model rozlišuje mezi generalizovanou závislostí na internetu (GIA) a konkrétními formami. Tato studie testovala model GIA na populaci běžných uživatelů internetu. Zjištění od uživatelů 1019 ukazují, že hypotetizovaný model strukturální rovnice vysvětlil 63.5% rozptylu symptomů GIA, měřeno krátkou verzí testu závislosti na internetu. Výsledky pomocí psychologického a osobnostního testování ukazují, že specifické poznání člověka (špatné zvládnutí a kognitivní očekávání) zvyšuje riziko GIA. Tyto dva faktory zprostředkovávaly příznaky GIA, pokud byly přítomny další rizikové faktory, jako je deprese, sociální úzkost, nízká sebeúcta, nízká soběstačnost a vysoká zranitelnost stresem, abychom jmenovali několik oblastí, které byly ve studii měřeny. Model ukazuje, že jednotlivci s vysokými dovednostmi zvládání a bez očekávání, že internet lze použít ke zvýšení pozitivní nebo snížení negativní nálady, se méně pravděpodobně zapojí do problematického používání internetu, i když jsou přítomni další osobnostní či psychologické zranitelnosti. Důsledky pro léčbu zahrnují jasnou kognitivní složku vývoje GIA a potřebu posoudit styl zvládání a poznání pacienta a zlepšit chybné myšlení ke zmírnění příznaků a zapojit se do zotavení.

Úvod

Problematické používání internetu bylo zjištěno v řadě studií a ukazuje, že přetrvávající negativní důsledky, jako je ztráta zaměstnání, akademické neúspěchy a rozvod, vyplývají z nadměrného používání internetu (přehledy viz. Griffiths, 2000a,b; Chou a kol., 2005; Widyanto a Griffiths, 2006; Byun a kol., 2009; Weinstein a Lejoyeux, 2010; Lortie a Guitton, 2013). Klinický význam tohoto jevu nabývá na důležitosti na pozadí vysoké odhadované míry prevalence v rozmezí od 1.5 do 8.2% (Weinstein a Lejoyeux, 2010) nebo dokonce až 26.7%, v závislosti na použitých stupnicích a použitých kritériích (Kuss a kol., 2014).

Přestože první popis tohoto klinického problému je téměř před 20 lety (Young, 1996), klasifikace je stále diskutována kontroverzně, a proto se ve vědecké literatuře používá několik termínů, od „nutkavého používání internetu“ (Meerkerk a kol., 2006, 2009, 2010), „Problémy související s internetem“ (Widyanto a kol., 2008), „Problematické používání internetu“ (Caplan, 2002), „Patologické používání internetu“ (Davis, 2001) na „návykové chování související s internetem“ (Brenner, 1997), abychom zmínili jen pár. V posledních letech 10 však většina vědců v této oblasti používá termín „závislost na internetu“ nebo „porucha závislosti na internetu“ (např. Johansson a Götestam, 2004; Blok, 2008; Byun a kol., 2009; Dong et al., 2010, 2011, 2013; Kim et al., 2011; Purty a kol., 2011; Young, 2011b, 2013; Young a kol., 2011; Zhou a spol., 2011; Cash a kol., 2012; Hou a kol., 2012; Hong et al., 2013a,b; Kardefelt-Winther, 2014; Pontes et al., 2014; Tonioni a kol., 2014). Preferujeme také termín „závislost na internetu (IA)“, protože nedávné články (viz diskuse v Brand a kol., 2014) zdůraznit paralely mezi nadužíváním internetu a jinými návykovými chováními (např. Grant a kol., 2013) a také závislost na látce (viz také Young, 2004; Griffiths, 2005; Meerkerk a kol., 2009). Tvrdilo se, že mechanismy související s vývojem a udržováním závislosti na látkách jsou přenositelné na návykové používání internetových aplikací (a také na jiné závislosti na chování), například na motivační senzibilizační teorii závislosti a související pojmy (např. Robinson a Berridge, 2000, 2001, 2008; Berridge a kol., 2009). To také dobře zapadá do modelu komponentu návykových chování (Griffiths, 2005).

Bylo provedeno mnoho studií psychologických korelátů IA, ale toto bylo provedeno - alespoň ve většině případů - bez rozlišení mezi generalizovanou závislostí na internetu (GIA) a specifickou závislostí na internetu (SIA; Morahan-Martin a Schumacher, 2000; Leung, 2004; Ebeling-Witte a kol., 2007; Lu, 2008; Kim a Davis, 2009; Billieux a Van der Linden, 2012), ačkoli psychologické mechanismy se mohou lišit, také pro odlišné věkové skupiny nebo použité aplikaceLopez-Fernandez a kol., 2014). Naše studie zkoumá zprostředkující účinky stylů zvládání a kognitivních očekávání pro používání Internetu při vývoji a údržbě GIA, aby přispívala k lepšímu pochopení základních mechanismů a potenciálních důsledků pro diagnostiku a léčbu.

Na teoretické úrovni již bylo postulováno, že IA musí být rozlišeno s ohledem na všeobecné používání internetu (Griffiths a dřevo, 2000) proti konkrétním typům IA, jako jsou cybersex, online vztahy, síťové donucení (např. hazardní hry, nakupování), vyhledávání informací a online hraní za účelem rozvoje závislosti na internetu (např. Young a kol., 1999; Meerkerk a kol., 2006; Blok, 2008; Brand a kol., 2011). Do přílohy DSM-5 byl však zahrnut pouze jeden podtyp, Internet Gaming Disorder (APA, 2013). Většina studií buď hodnotila IA jako sjednocený konstrukt, nebo hodnotila pouze jeden konkrétní podtyp (ve většině případů internetové hry). Ve svém kognitivně behaviorálním modelu Davis (2001) také rozlišuje mezi generalizovaným patologickým používáním internetu (GIA) a konkrétním patologickým používáním internetu (SIA). GIA byla popisována jako vícerozměrné nadužívání internetu, často doprovázené časovou ztrátou a nepřímým používáním internetu. Využívány jsou zejména sociální aspekty internetu (např. Sociální komunikace prostřednictvím sociálních sítí) (viz také diskuse v Lortie a Guitton, 2013), která má být spojena s nedostatkem sociální podpory a sociálních deficitů, které jednotlivec zažívá v nevirtuálních situacích. Kromě toho se tvrdí, že subjekty mohou používat nadměrně několik různých internetových aplikací, aniž by měly jednu určitou oblíbenou položku, například hraní her, sledování pornografie, surfování na informačních a / nebo nákupních webech, zveřejňování selfies, sledování videí na video platformách, čtení blogů ostatních atd. V tomto případě lze tvrdit, že jednotlivec je závislý na internetu a není závislý na internetu (viz také diskuse v Starcevic, 2013). Davis tvrdí, že jedním z hlavních rozdílů mezi GIA a SIA je to, že jednotlivci, kteří trpí GIA, by si nevyvinuli podobné problematické chování bez internetu, zatímco jednotlivci, kteří trpí SIA, by si vyvinuli podobné problematické chování v jiném prostředí. V obou formách návykového používání internetu, GIA a SIA se navrhuje, aby hrály zásadní roli nefunkční poznání o sobě a o světě (Caplan, 2002, 2005).

Výzkum zaměřený na GIA ukázal, že subjektivní stížnosti v každodenním životě vyplývající z používání internetu jsou v korelaci s různými osobnostními charakteristikami. Ve skutečnosti se ukázalo, že GIA je spojena s psychopatologickými komorbiditami, jako jsou afektivní nebo úzkostné poruchy (Whang a kol., 2003; Yang a kol., 2005; Weinstein a Lejoyeux, 2010) a také k osobnostním rysům plachost, neuroticismus, zranitelnost stresem, tendence k odkládání a nízká sebeúcta (Niemz a kol., 2005; Ebeling-Witte a kol., 2007; Hardie a Tee, 2007; Thatcher a kol., 2008; Kim a Davis, 2009). Také faktory sociálního kontextu, např. Nedostatek sociální podpory nebo sociální izolace (Morahan-Martin a Schumacher, 2003; Caplan, 2007) a dokonce osamělost ve vzdělávacím prostředí u adolescentů (Pontes et al., 2014), zdá se, že souvisí s GIA. Kromě toho se tvrdí, že používání internetu jako nástroje pro řešení problematických nebo stresujících životních událostí přispívá k rozvoji GIA (Whang a kol., 2003; Tang a kol., 2014). Osoby s IA vykazují také vysokou tendenci k impulsivní strategii zvládání (Tonioni a kol., 2014). Někteří autoři dokonce konceptualizují IA jako typ zvládání každodenního života nebo každodenních potíží (Kardefelt-Winther, 2014). Stále existuje pouze několik prvních studií, které výslovně porovnávaly prediktory různých typů SIA. Pawlikowski a kol. (2014) uvedli, že plachost a životní spokojenost souvisí s návykovým používáním internetových her, ale nikoli s patologickým používáním cybersexu nebo s používáním her i cybersexu.

Na základě předchozího výzkumu, zejména na argumentech společnosti Davis (2001)a také s ohledem na současnou literaturu o neuropsychologických a neuroimagingových nálezech u subjektů závislých na internetu jsme nedávno publikovali teoretický model vývoje a údržby GIA a SIA (Brand a kol., 2014). Některé aspekty zahrnuté v modelu již byly zmíněny v souvislosti s používáním sociálních sítí, například očekávání pozitivních výsledků (Turel a Serenko, 2012). Ukázalo se také, že nadměrné nebo návykové používání online aukcí souvisí se změnami v přesvědčení jednotlivců o techniku, což určuje budoucí využití a použití záměrů (Turel a kol., 2011). To je v souladu s naším teoretickým modelem GIA, ve kterém se domníváme, že přesvědčení nebo očekávání ohledně toho, co může internet pro člověka udělat, ovlivňují chování, tj. Používání internetu, což zase ovlivňuje také budoucí očekávání. V našem modelu jsme se však zaměřili na zprostředkovatelskou roli očekávání a strategií zvládání při vývoji a udržování GIA a specifických typů SIA.

Pro vývoj a údržbu GIA tvrdíme, že uživatel má určité potřeby a cíle, kterých lze dosáhnout použitím určitých internetových aplikací. Na základě předchozího výzkumu jsme několik z těchto zjištění zahrnuli do vývoje komplexního modelu, který tyto prvky spojuje. Zpočátku jsou základní charakteristiky osoby spojeny s IA a zahrnují psychopatologické aspekty, aspekty osobnosti a sociální poznání. V první části jsme zahrnuli psychopatologické příznaky, zejména depresi a sociální úzkost (např. Whang a kol., 2003; Yang a kol., 2005), nefunkční osobnostní aspekty, jako je nízká soběstačnost, plachost, zranitelnost stresem a tendence k prokrastinaci (Whang a kol., 2003; Chak a Leung, 2004; Caplan, 2007; Ebeling-Witte a kol., 2007; Hardie a Tee, 2007; Thatcher a kol., 2008; Kim a Davis, 2009; Pontes et al., 2014) a sociální izolace / nedostatek sociální podpory (Morahan-Martin a Schumacher, 2003; Caplan, 2005) ve vývoji GIA. Navrhli jsme však, aby vliv primárních charakteristik a poznání této osoby na rozvoj návykového používání internetu byl zprostředkován určitými znalostmi souvisejícími s internetem, zejména očekáváními používání internetu (Turel a kol., 2011; Xu a kol., 2012; Lee et al., 2014) a určité strategie, jak se vypořádat s požadavky každodenního života nebo každodenními problémy (Tang a kol., 2014; Tonioni a kol., 2014). Pokud ve třetí části modelu následkem chování dojde, pokud uživatel přejde do režimu online a dostane posílení, pokud jde o dysfunkční zvládání problémů nebo negativní nálady, a osoba očekává, že používání internetu je odvrátí od problémů nebo negativních pocitů, čím více je pravděpodobné, že se obrátí na internet, aby unikli těm pocitům, o nichž svědčí ztráta kontroly, špatná správa času, touha a zvýšené sociální problémy. Role výztužných a kondicionačních procesů byla dobře popsána v literatuře o vývoji a udržování poruch souvisejících s látkou (např. Robinson a Berridge, 2001, 2008; Kalivas a Volkow, 2005; Everitt a Robbins, 2006). Rovněž jsme tvrdili, že pozitivní a negativní posílení stylu zvládání a očekávání používání internetu má za následek ztrátu kognitivní kontroly nad používáním internetu, která je zprostředkována prefrontálním (výkonným) fungováním (Brand a kol., 2014).

Přestože tento model dobře zapadá do předchozí literatury o klíčových zjištěních s ohledem na psychologické mechanismy IA, viz přehledy Kuss a Griffiths, 2011a,b; Griffiths, 2012) a také s nedávnými neuropsychologickými a neuroimagingovými koreláty GIA a odlišnými typy SIA (Kuss a Griffiths, 2012; Brand a kol., 2014), tento model stále potřebuje empirické důkazy z hlediska přírůstkové platnosti. V této studii jsme se zaměřili na převedení hypotéz shrnutých v teoretickém modelu GIA nastíněném výše do statistického modelu na úrovni latentních proměnných a testovali jsme účinky prediktorů a mediátorů na závažnost symptomů GIA pomocí rozsáhlé internetové populace. Pomocí ověřených psychologických a osobnostních opatření jsme nejprve posoudili základní charakteristiky osob při předpovídání nadměrného a návykového používání internetu zobecněným způsobem. Pomocí ověřené míry zvládání a nově vyvinuté míry očekávání používání internetu jsme testovali, zda špatné dovednosti zvládání a očekávání používání internetu (například používání internetu k úniku z negativních pocitů nebo nepříjemných situací) zprostředkovávají spojení mezi klíčovými charakteristikami člověka a příznaky GIA.

Materiály a metody

Operativní model

Nejprve jsme přeložili teoretický model popsaný v úvodu a ilustrovaný v článku autorem Brand et al. (2014) do testovatelného a operativního statistického modelu. Pro každou z dimenzí uvedených v teoretickém modelu jsme vybrali alespoň dvě manifestní proměnné, abychom vytvořili model strukturální rovnice (SEM) na latentní úrovni. Pro každou proměnnou jsme pak použili specifickou stupnici (každá sestávající z několika položek, viz popis níže uvedených nástrojů) k operatizaci manifestních proměnných. Tento operalizovaný model jako SEM na latentní úrovni je znázorněn na obrázku 1.

 

OBRÁZEK ​​1. Operativní model, včetně hlavních předpokladů teoretického modelu o GIA, o latentní dimenzi.

Předměty

Pomocí komplexního online průzkumu jsme měli respondenty 1148. Po vyloučení účastníků 129u z důvodu neúplných údajů v psychometrických měřítcích sestával konečný vzorek N = 1019. Účastníci byli přijímáni reklamami, internetovými platformami (účet Facebooku týmu General Psychology: Cognition), e-mailové seznamy studentům univerzity v Duisburgu v Essenu a prostřednictvím letáků v místních hospodách a barech a také slovními slovy ústní doporučení. Reklamy, e-maily a letáky obsahovaly prohlášení, že se účastníci mohou účastnit výzkumu, který má šanci vyhrát jednu z následujících položek: (1) iPad, (2) iPad mini, (3) iPod nano, (4) ) iPod shu ffl e, dárkové karty 20 Amazon (každý 50 v eurech). Studie byla schválena místní etickou komisí.

Průměrný věk konečného vzorku byl 25.61 let (SD = 7.37). Vzorek zahrnoval 625 (61.33%) žen a 385 (37.78%) mužů (devět dobrovolníků na tuto otázku neodpovědělo). Pokud jde o situaci v soukromém životě, 577 účastníků (56.62%) žilo ve vztahu nebo byli ženatí a 410 (40.24%) uvedlo, že nemají současný vztah (32 účastníků na tuto otázku nereagovalo). V době hodnocení bylo 687 účastníků (67.42%) studentů, 332 účastníků (32.58%) mělo pravidelné zaměstnání (s našimi bez akademického vzdělání). Z celého vzorku splnilo kritéria pro problematické používání internetu 116 účastníků (11.4%) [cut-off> 30 v krátkém testu závislosti na internetu (s-IAT), viz popis nástroje níže] a 38 účastníků (3.7%) pro patologické použití internetu (> 37 v s-IAT). Průměrná doba strávená na internetu byla 972.36 min / týden (SD = 920.37). Z celého vzorku 975 osob používalo sociální sítě / komunikační weby (M_{min / týden} = 444.47, SD = 659.05), jednotlivci 998 (97.94%) prohledávali informace na internetu (M_{min / týden} = 410.03, SD = 626.26), jednotlivci 988 (96.96%) použili nákupní weby (M_{min / týden} = 67.77, SD = 194.29), online hry použili účastníci 557 (54.66%, M_{min / týden} = 159.61, SD = 373.65), online hazardní hry provedli účastníci 161 (15.80%, M_{min / týden} = 37.09, SD = 141.70) a cybersex používali jednotlivci 485 (47.60%, M_{min / týden} = 66.46, SD = 108.28). Pokud jde o používání více internetových aplikací, účastníci 995 (97.64%) uvedli, že pravidelně používají tři nebo více výše uvedených internetových aplikací.

Přístroje

Krátký test závislosti na internetu (s-IAT)

Příznaky IA byly hodnoceny německou krátkou verzí testu závislosti na internetu (Pawlikowski a kol., 2013), která vychází z původní verze vyvinuté společností Mladý (1998). V krátké verzi (s-IAT) musí být 12 položek zodpovězeno na pětibodové stupnici od 1 (= nikdy) do 5 (= velmi často), což vede k součtu skóre v rozmezí od 12 do 60, zatímco skóre> 30 označuje problematické používání internetu a skóre> 37 označuje patologické používání internetu (Pawlikowski a kol., 2013). Systém s-IAT se skládá ze dvou faktorů: ztráty kontroly / řízení času a toužení po sociálních problémech (z nichž každý má šest položek). Ačkoli položky 12 zatěžují dva faktory v průzkumné a potvrzovací faktorové analýze (CFA; Pawlikowski a kol., 2013), zachycují klíčové příznaky IA, jak je například popsáno v modelu součástí podle (Griffiths, 2005). První podkategorie „ztráta kontroly nad časem / řízení času“ hodnotí, jak silná osoba trpí problémy s časovým managementem v každodenním životě v důsledku svého používání internetu (např. „Jak často zanedbáváte domácí práce, aby strávila více času online?“ A "Jak často ztratíte spánek kvůli tomu, že jste online pozdě v noci?"). Položky v tomto dílčím měřítku také hodnotí negativní důsledky způsobené nadměrným používáním internetu (např. „Jak často vaše třídy nebo školní práce trpí kvůli množství času, který trávíte online?“). Rovněž se měří, zda se u subjektů vyskytne ztráta kontroly nad používáním internetu a pokud se pokusili omezit používání Internetu a selhaly (např. „Jak často zjistíte, že zůstanete online déle, než jste zamýšleli?“ A „Jak často) Snažíte se snížit množství času, který strávíte online a selháte? “). Všechny položky neměří čas strávený online, ale to, zda jednotlivci pociťují ztrátu kontroly nad používáním internetu a problémy v každodenním životě v důsledku jejich používání na internetu. Druhá podskupina „toužící / sociální problémy“ měří účinky nadměrného používání internetu na sociální interakce a zaujetí médiem (např. „Jak často se cítíte zaujati internetem, když se chcete nebo nadšeně baví online)“). Položky v tomto dílčím měřítku také hodnotí interpersonální problémy (např., Jak často vás děsí, křičí nebo jsou naštvaní, když vás někdo obtěžuje, když jste online?) A regulace nálady (např. „Jak často se cítíte depresivní, náladový) , nebo nervózní, když jste o ffl ine, která zmizí, jakmile se vrátíte do režimu online?). Všechny položky obsahují výrazy „internet“ nebo „online“ obecně, aniž by se zaměřovaly na určitou aplikaci. V lekci byli účastníci informováni, že všechny otázky se týkají jejich obecného používání internetu, včetně všech použitých aplikací.

S-IAT má dobré psychometrické vlastnosti a platnost (Pawlikowski a kol., 2013). V našem vzorku byla vnitřní konzistence (Cronbachova α) 0.856 pro celé měřítko, 0.819 pro ztrátu faktoru řízení / řízení času a 0.751 pro faktorová touha / sociální problémy.

Stručný soupis příznaků - subcale depression

Příznaky deprese byly hodnoceny u německé verze (Franke, 2000) subklíčové deprese stručné inventury příznaků (Boulet and Boss, 1991; Derogatis, 1993). Měřítko se skládá ze šesti položek, které hodnotí depresivní příznaky za posledních 7 dní. Odpovědi musí být uvedeny v pětibodové stupnici od 0 (= vůbec ne) do 4 (= extrémně). Vnitřní konzistence (Cronbachovo α) v našem vzorku byla 0.858.

Brief Symptom Inventory - subcale interpersonal citlivost

S německou verzí byly hodnoceny příznaky sociální úzkosti a mezilidské citlivosti (Franke, 2000) dílčí škály mezilidské citlivosti stručného seznamu příznaků (Boulet and Boss, 1991; Derogatis, 1993). Měřítko se skládá ze čtyř položek a odpovědi musí být uvedeny v pětibodové stupnici od 0 (= vůbec ne) po 4 (= extrémně). Vnitřní konzistence (Cronbachovo α) v našem vzorku byla 0.797.

Self-Esteem Scale

Sebevědomí bylo hodnoceno pomocí stupnice sebevědomí (Rosenberg, 1965). Zde jsme použili upravenou německou verzi (Collani a Herzberg, 2003), který se skládá z deseti položek. Odpovědi musí být uvedeny ve čtyřbodové stupnici od 0 (= silně nesouhlasí) do 3 (= silně souhlasím). Vnitřní konzistence (Cronbachovo α) v našem vzorku byla 0.896.

Měřítko vlastní efektivity

Sebeúčinnost byla hodnocena stupnicí soběstačnosti (Schwarzer a Jeruzalém, 1995), který se skládá z položek 10. Odpovědi musí být uvedeny ve čtyřbodové stupnici od 1 (= není pravda) do 4 (= přesně pravda). Vnitřní konzistence (Cronbachovo α) v našem vzorku byla 0.863.

Trierův inventář pro chronický stres

Zranitelnost stresu byla měřena skríningovou verzí Trier Inventory for Chronic Stress (TICS; Schulz a kol., 2004). Screening obsahuje položky 12 o vystavení stresu v posledních 3 měsících. Každý výrok musí být zodpovězen v pětibodové stupnici od 0 (= nikdy) do 4 (= velmi často). Vnitřní konzistence (Cronbachovo α) v našem vzorku byla 0.908.

Stupnice osamělosti

Krátká verze stupnice osamělosti (De Jong Gierveld a Van Tilburg, 2006) byla použita k měření pocitů osamělosti (subcale emoční osamělost, tři položky) a vnímané sociální podpory (subcale sociální podpory, tři položky). Všechna prohlášení musí být zodpovězena v pětibodové stupnici od 1 (= ne!) Do 5 (= ano!). Vnitřní konzistence (Cronbachova α) v našem vzorku byla 0.765 pro subcale emoční osamělost a 0.867 pro subcale sociální podporu.

Krátký COPE

Stručný COPE (Carver, 1997) měří styl zvládání v několika různých subdoménách. Zde jsme použili tři dílčí škály německé verze (Knoll a kol., 2005): odmítnutí, užívání návykových látek a chování. Každá dílčí škála byla reprezentována dvěma položkami, které musely být zodpovězeny ve čtyřbodové stupnici od 1 (= nedělal jsem to vůbec) do 4 (= hodně jsem to dělal). Vnitřní konzistence (Cronbachova α) v našem vzorku byla 0.561 pro subcale popření, 0.901 pro subcale substanci a 0.517 pro subcale behaviorální odpojení. Vzhledem k tomu, že váhy se skládají pouze ze dvou položek, a vzhledem k tomu, že byl tento nástroj použit v několika validačních studiích, včetně zpráv o spolehlivosti opakovaného testování, považujeme spolehlivost za přijatelnou.

Stupnice očekávání používání internetu

Abychom mohli posoudit očekávání používání internetu, vyvinuli jsme novou stupnici skládající se - v první verzi - z položek 16. Položky odrážejí některé klíčové motivační faktory, jak je například uvádí Xu a kol. (2012) a také Yee (2006). Položky byly přiřazeny priori do dvou měřítek (každá s osmi položkami): Očekávání používání internetu odrážející pozitivní posílení (např. „Používám internet k potěšení z potěšení“) a ty, které odrážejí negativní posílení (např. „Používám internet k odvrácení problémů“). Všechny odpovědi byly uvedeny v šestibodové stupnici od 1 (= zcela nesouhlasím) do 6 (= zcela souhlasím). Na základě údajů, které jsme shromáždili v této studii (N = 1019), provedli jsme průzkumnou faktorovou analýzu (EFA). Horn's (1965) paralelní analýza a minimální průměrný částečný (MAP) test (Velicer, 1976) byly použity k určení vhodného počtu faktorů. Výsledkem tohoto postupu bylo stabilní dvoufaktorové řešení. Poté byla provedena EFA s analýzou hlavních složek a rotací varimax za účelem posouzení struktury stupnice očekávání používání internetu (IUES). Výsledky EFA uzavřené finální 8-položkovou verzí IUES s dvoufaktorovou strukturou zůstávají (tabulka 1). U těchto dvou faktorů jsme pozorovali vysvětlení rozptylu 63.41%. První faktor obsahuje čtyři položky s vysokým zatížením hlavního faktoru (> 0.50) a nízkým zatížením druhého faktoru (<0.20) a týká se pozitivních očekávání, proto jsme tento faktor pojmenovali „pozitivní očekávání“. Druhý faktor se skládá ze čtyř položek s vysokým zatížením hlavního faktoru (> 0.50) a nízkým zatížením druhého faktoru (<0.20) a ze všech položek souvisejících s používáním internetu, abychom se vyhnuli nebo omezili negativní pocity nebo myšlenky, proto jsme to pojmenovali faktor „očekávání vyhýbavosti“. Oba faktory mají dobrou spolehlivost („pozitivní očekávání“: Cronbachova α = 0.832 a „očekávaná očekávání“ Cronbachova α = 0.756). Oba faktory významně korelovaly (r = 0.496, p <0.001) s mírným účinkem (Cohen, 1988).

 

TABULKA 1. Zatížení faktorů a spolehlivost dvou faktorů IUES, prostředky hodnocených položek a čísla položek.

Pro zajištění faktorové struktury nástroje jsme posoudili další vzorek subjektů 169 (průměrný věk = 21.66, SD = 2.69; ženy 106) pro aplikaci CFA. CFA bylo provedeno s MPlus (Muthén a Muthén, 2011). Pro hodnocení přizpůsobení modelu jsme použili standardní kritéria (Hu a Bentler, 1995, 1999): Normalizovaný střední kvadratický zbytek (SRMR; hodnoty pod 0.08 označují dobré shody s daty), srovnávací indexy shody (CFI / TLI; hodnoty nad 0.90 označují dobré shody, hodnoty nad 0.95 vynikající shody) a střední kvadratický čtverec chyba aproximace (RMSEA; „zkouška těsného přizpůsobení“; hodnota pod 0.08 s hodnotou významnosti pod 0.05 označuje přijatelné přizpůsobení). CFA potvrdila dvoufaktorové řešení pro IUES s dobrými až výbornými parametry: RMSEA byl 0.047, CFI byl 0.984, TLI byl 0.975 a SRMR byl 0.031. Χ² test nebyl významný, χ² = 24.58, p = 0.137, což znamená, že se data významně neodchýlila od teoretického modelu (řešení dvou faktorů, jak je uvedeno v tabulce 1) 1). Tento vzorek byl odebrán pouze pro CFA. Data nebyla zahrnuta do dalších analýz.

Statistické analýzy

Statistické standardní postupy byly prováděny s SPSS 21.0 pro Windows (IBM SPSS Statistics, uvolněné 2012). Pearsonovy korelace byly vypočteny pro testování vztahů nulového řádu mezi dvěma proměnnými. Pro kontrolu dat pro odlehlé hodnoty jsme vytvořili normálně distribuovanou náhodnou proměnnou se stejnou střední směrodatnou odchylkou, jakou jsme zjistili v s-IAT (celkové skóre). Tato náhodná proměnná by se teoreticky neměla vztahovat ke všem sledovaným proměnným, pokud korelace nebyly ovlivněny odlehlými hodnotami v datech. Všechny korelace s náhodnou proměnnou byly velmi nízké, rs <0.049, což naznačuje, že v žádném ze stupnic v konečném vzorku nebyly žádné podstatně vlivné odlehlé hodnoty (N = 1019). Dále byly vizuálně kontrolovány rozptyly mezi proměnnými. Opět nebyly nalezeny žádné extrémní odlehlé hodnoty. Proto byly provedeny analýzy u všech subjektů.

Analýza SEM byla vypočtena pomocí MPlus 6 (Muthén a Muthén, 2011). Nebyly nalezeny žádné chybějící údaje. Před testováním celého modelu byly také testovány přizpůsobení latentních rozměrů pomocí CFA v MPlus. Pro SEM i CFA byl použit odhad parametrů maximální pravděpodobnosti. Pro hodnocení přizpůsobení modelu jsme použili standardní kritéria (Hu a Bentler, 1995, 1999), jak již bylo popsáno v předchozí části. Pro použití analýzy mediátora bylo vyžadováno, podle Baron a Kenny (1986), že všechny proměnné obsažené v zprostředkování by měly spolu korelovat. Moderované regrese jsme také použili pro analýzu potenciálních moderátorových efektů jako doplňkové analýzy pro alternativní konceptualizaci konceptu zvládání.

výsledky

Popisné hodnoty a korelace

Průměrné skóre vzorků v s-IAT a ve všech ostatních použitých stupnicích je uvedeno v tabulce 2. Průměrné skóre s-IAT M = 23.79 (SD = 6.69) je docela srovnatelné se skóre uvedeným Pawlikowski a kol. (2013) pro vzorek subjektů 1820 obecné populace (průměrné skóre s-IAT bylo M = 23.30, SD = 7.25). Bivariační korelace mezi s-IAT (skóre skóre) a skóre v podaných dotaznících a stupnicích jsou uvedeny v tabulce 3.

 

TABULKA 2. Průměrné skóre použité stupnice.

 

TABULKA 3. Bivariační korelace mezi s-IAT (součet skóre) a skóre v podávaných dotaznících.

Latentní dimenze navrhovaného modelu v analýze potvrzujících faktorů

Za účelem systematického testování navrhovaného teoretického modelu jsme nejprve analyzovali faktorový model, což znamená, že bylo testováno, zda jsou latentní dimenze přijatelně reprezentovány manifestními proměnnými. Proto byla provedena CFA se šesti latentními dimenzemi (jedna závislá dimenze, tři dimenze prediktoru, dvě dimenze mediátoru). RMSEA byl 0.066 s p <0.001, CFI byl 0.951, TLI byl 0.928 a SRMR byl 0.041, což naznačuje dobré přizpůsobení modelu.

První „symptomy GIA“ s latentní dimenzí byly dobře reprezentovány skóre ve dvou faktorech s-IAT (ztráta kontroly / řízení času a touha / sociální problémy), jak bylo zamýšleno. První prediktivní proměnná „psychopatologické symptomy“ byla významně zastoupena dvěma subškály BSI (deprese a interpersonální citlivost). Dimenze „osobnostní aspekty“ byla dobře zastoupena třemi předpokládanými projevenými proměnnými (soběstačnost, sebeúcta a zranitelnost stresem) a poslední predikční dimenze „sociální poznání“ byla dobře reprezentována dvěma subkategoriemi osamělosti (emoční) osamělost a sociální podpora). Výsledky ukázaly, že první hypotézovaná dimenze mediátora „coping“ byla dobře zastoupena třemi subkategoriemi COPE (popření, zneužívání návykových látek a odpojení chování) a druhá dimenze mediátora „očekávání používání internetu“ byla dobře reprezentována dvěma faktory IUES ( pozitivní očekávání a vyhýbání se očekáváním).

Celkově CFA naznačila, že latentní dimenze jsou přijatelně reprezentovány manifestními proměnnými. Pouze v dimenzi zvládání zneužívání látek v měřítku má slabší faktorové zatížení (β = 0.424), ale stále významné (p <0.001), a proto postačující, vzhledem k tomu, že celkový model dobře odpovídal údajům. Všechna faktorová zatížení a standardní chyby jsou uvedeny v tabulce 4.

 

TABULKA 4. Koeficienty zatížení manifestních proměnných na latentních rozměrech, testované s CFA v MPlus.

Model úplné strukturální rovnice

Navrhovaný teoretický model o latentní dimenzi s GIA jako závislou proměnnou (modelovaný pomocí dvou faktorů s-IAT) přinesl dobrou shodu s údaji. RMSEA byl 0.066 s p <0.001, CFI byla 0.95, TLI byla 0.93 a SRMR byla 0.041. Χ² test byl významný, χ² = 343.89, p <0.001, což je vzhledem k velké velikosti vzorku normální. Avšak χ² test pro základní model byl také významný s výrazně vyšším χ² hodnota, χ² = 5745.35, p <0.001. Stručně řečeno, data dobře odpovídala navrhovanému teoretickému modelu. Celkově byl velký podíl 63.5% rozptylu v GIA významně vysvětlen úplným SEM (R² = 0.635, p <0.001). Model a všechny přímé a nepřímé účinky jsou uvedeny na obrázku 2.

 

OBRÁZEK ​​2. Výsledky modelu strukturální rovnice včetně faktorového zatížení latentních rozměrů, β-závaží, p- hodnoty a zbytky. ***p <0.001.

Všechny tři přímé účinky prediktorů na GIA nebyly významné (obr 2). Ale všimněte si, že přímý účinek latentních proměnných psychopatologických aspektů se nepodařilo dosáhnout významu p = 0.059. Zde je třeba vzít v úvahu, že β-váha byla záporná, což naznačuje, že - v případě, že by se interpretoval marginálně významný přímý účinek - vyšší deprese a sociální úzkost jdou ruku v ruce s nižšími příznaky GIA, pokud je nepřímý účinek z psychopatologických aspektů přes dvě proměnné mediátora (zvládání a očekávání využití internetu) jsou rozděleny. Přímé účinky psychopatologických aspektů dvou latentních prediktorových proměnných a osobnosti na zvládání proměnných latentních mediátorů a očekávání používání internetu byly významné. Naproti tomu přímé účinky latentních proměnných sociálních poznání na očekávání copingu a používání internetu nebyly významné, což znamená, že tyto účinky nebyly významné, když byly kontrolovány účinky ostatních dvou latentních dimenzí.

Účinky ze sociálních poznání na očekávání používání internetu se však nepodařilo dosáhnout významnosti p = 0.073. Přímé účinky zvládání na GIA (p <0.001) az očekávané doby používání internetu (p <0.001) byly významné se silnými velikostmi účinků.

Nepřímý účinek psychopatologických aspektů na zvládání GIA byl významný (β = 0.173, SE = 0.059, p = 0.003). Významný byl také nepřímý účinek psychopatologických aspektů na očekávání používání internetu na GIA (β = 0.159, SE = 0.072, p = 0.027). Nepřímý účinek z aspektu osobnosti na zvládání GIA byl také významný (β = –0.08, SE = 0.041, p = 0.05), ale velikost efektu byla velmi malá. Nepřímý vliv osobnostních aspektů na očekávání používání internetu na GIA byl významný (β = –0.160, SE = 0.061, p = 0.009). Oba nepřímé účinky sociálních poznání na zvládání (β = 0.025, SE = 0.030, p = 0.403) a sociální poznání nad očekáváním používání internetu (β = –0.08, SE = 0.045, p = 0.075) na GIA nebyly významné. Model se všemi faktorovými zatíženími a β- hmotnost je znázorněna na obrázku 2. Psychopatologické aspekty latentní dimenze byly významně korelovány s osobnostními aspekty latentní dimenze (r = -0.844, p <0.001) as latentní dimenzí sociální poznání (r = –0.783, p <0.001). Korelovaly také dvě latentní dimenze osobnostní aspekty a sociální poznání (r = 0.707, p <0.001).

Další analýzy

Popsaný model byl teoreticky argumentován a následně ten, který jsme testovali jako první. Poté jsme však některé další modely nebo části modelu testovali samostatně, abychom lépe porozuměli základním mechanismům GIA. Prvním problémem, který jsme se zabývali, byl vliv psychopatologie na GIA, protože jsme zjistili, že je zajímavé, že přímý účinek, i když nevýznamný, byl v SEM negativní (viz obrázek) 2), ačkoli na bivariační úrovni, korelace byly pozitivní. Jednoduchý model s psychopatologickými aspekty (představovaný BIS depresí a BSI sociální úzkostí) jako prediktor a GIA (představovaný dvěma faktory s-IAT) jako závislá proměnná měl dobrý model fit (všechny indexy fit jsou lepší než přijatelné) a účinek byl pozitivní (β = 0.451, p <0.001). Vypočítali jsme také model bez dvou mediátorů, což znamená, že psychopatologické aspekty, osobnostní aspekty a sociální aspekty sloužily jako přímé prediktory a GIA byla závislá proměnná (všechny proměnné na latentní úrovni se stejnými proměnnými použitými v celém SEM, viz obrázek 2). Model bez mediátorů měl také dobré kondiční indexy (s jedinou výjimkou: RMSEA byla s 0.089em trochu vysoká) a přímé účinky na GIA (dva faktory s-IAT) byly: vliv psychopatologických aspektů na GIA β = 0.167, p = 0.122; vliv osobnostních aspektů na GIA β = –0.223, p = 0.017; a vliv sociálních aspektů na GIA β = –0.124, p = 0.081. Všimněte si, že účinek psychopatologických aspektů na GIA je v tomto modelu stále pozitivní (ale ne významný), když je účinek kontrolován na účinky osobnostních a sociálních aspektů. Celkově vzato výsledky celkového SEM hovoří o úplném zprostředkování účinku psychopatologických aspektů na GIA dvěma mediátory (zvládání a očekávání), což je dále zdůrazněno dvěma dalšími analýzami, které ukazují, že pozitivní účinek na bivariační úrovni a v jednoduchém modelu je snížena zahrnutím dalších proměnných jako prediktorů.

Teoreticky jsme pojali coping jako prostředníka (Brand a kol., 2014). Lze však také tvrdit, že zvládnutí nezprostředkovává účinek psychopatologických aspektů, ale působí jako moderátor. Aby bylo zajištěno, že konceptualizace zvládání jako zprostředkovatele místo moderátora je vhodná, vypočítali jsme navíc některé moderátorské analýzy pomocí moderovaných regresních analýz. Když například pomocí psychopatologických aspektů jako prediktoru, zvládání jako moderátor a s-IAT (součet skóre) jako závislé proměnné, psychopatologické aspekty (β = 0.267) a zvládání (β = 0.262) vysvětlují rozptyl v s-IAT výrazně (obojí p <0.001), ale jejich interakce významně nepřidává vysvětlení rozptylu (změny v R² = 0.003, p = 0.067, β = -0.059) a přírůstek moderátorského efektu je téměř nula (0.3%).

Rovněž jsme věk a pohlaví považovali za potenciální proměnné, které mohou mít vliv na strukturu modelu. Abychom to mohli otestovat, nejprve jsme vypočítali bivariační korelace mezi věkem a všemi ostatními proměnnými, což mělo za následek velmi nízké korelace. Existuje pouze jedna korelace s r = 0.21 (věk a vyhýbání se očekávání), což je stále nízký efekt (Cohen, 1988) a všechny ostatní korelace mezi nimi měly účinky r = 0.016 a r = 0.18 s většinou bytí r <0.15 a r <0.10. Korelace mezi věkem a s-IAT byla také velmi nízká r = –0.14 (ačkoli významné v p <0.01, což je v tak velkém vzorku jasné). Souhrnně nebyly splněny požadavky na zahrnutí věku do mediačního modelu (Baron a Kenny, 1986) a rozhodli jsme se nezahrnout věk do dalšího modelu. S ohledem na pohlaví jsme porovnali průměrná skóre skupin všech použitých měřítek a zjistili jsme pouze jeden významný skupinový rozdíl (BSI sociální úzkost, ženy měly vyšší skóre s nízkým účinkem d = 0.28, všechny ostatní účinky byly nižší než 0.28, účinek pro skóre s-IAT byl d = 0.19). Přesto jsme testovali, zda je struktura modelu pro ženy a muže odlišná, pomocí analýzy střední struktury v analýze SEM. To znamená, že jsme testovali, zda SEM (viz obrázek 1) 2) je stejná pro účastníky i muže. H0 tohoto testu je: teoretický model = model pro skupinu „muži“ = model pro skupinu „ženy“. Všechny vhodné indexy byly přijatelné, což naznačuje, že struktura vztahů se u mužů a žen významně nelišila. RMSEA byl 0.074 s p <0.001, CFI byla 0.93, TLI byla 0.91 a SRMR byla 0.054. Χ² test byl významný, χ² = 534.43, p <0.001, což je vzhledem k velké velikosti vzorku normální. Avšak χ² test pro základní model byl také významný s výrazně vyšším χ² hodnota, χ² = 5833.68, p <0.001. Příspěvek k χ² testovaného modelu u mužů a žen byly srovnatelné (χ² příspěvky žen = 279.88, χ² příspěvky mužů = 254.55). Přestože celková struktura modelu se u mužů a žen významně neliší, prostou cestu jsme prošli a zjistili jsme tři rozdíly. Cesta od osobnostních aspektů k zvládání byla u mužů významná (β = –0.437, p = 0.002), ale ne u žen (β = –0.254, p = 0.161) a vliv osobnosti na očekávání byl významný u mužů (β = -0.401, p = 0.001), ale ne u žen (β = –0.185, p = 0.181). Kromě toho byl účinek psychopatologických aspektů na očekávání významný u žen (β = 0.281, p = 0.05), ale ne u mužů (β = 0.082, p = 0.599). Všechny ostatní účinky a zastoupení latentních dimenzí se nelišily mezi muži a ženami a také se nelišily od celkového modelu znázorněného na obrázku 2. Celkově lze říci, že celý testovaný model je platný pro muže a ženy, ačkoli negativní vliv osobnostních aspektů na zvládání a očekávání se vyskytuje častěji u mužů ve srovnání se ženami a účinek psychopatologických aspektů na očekávání se vyskytuje u žen, nikoli však u mužů. .

Diskuse

Zavedli jsme nový teoretický model o vývoji a údržbě návykového používání internetu (Brand a kol., 2014), která vychází z hlavních argumentů společnosti Davis (2001) kdo nejprve navrhl rozlišení mezi zobecněným nadužíváním internetu (GIA) a specifickou závislostí na určitých internetových aplikacích (SIA). V této studii jsme převedli teoretický model o GIA do funkcionalizovaného modelu na latentní úrovni a statisticky jsme testovali SEM pomocí online průzkumu o internetové populaci respondentů 1019. Zjistili jsme celkově dobrý model, který odpovídá údajům a předpokládané SEM, což představuje hlavní aspekty teoretického modelu a vysvětlil 63.5% rozptylu symptomů GIA, měřeno pomocí s-IAT (Pawlikowski a kol., 2013).

Model je první, který spojil prvky spojené s IA, jako jsou deprese, sociální úzkost, nízká sebeúcta, nízká sebeúčinnost a vyšší zranitelnost stresem. Na základě důrazu na kognice související s rozvojem IA a na návykové chování obecně (Lewis a O'Neill, 2000; Dunne a kol., 2013; Newton a kol., 2014) model zkoumá, zda dvě proměnné zprostředkovatele (styly zvládání a očekávání používání internetu) ovlivňují přímé účinky proměnných prediktorů (psychopatologie, osobnost a sociální poznání) na vývoj GIA. Výsledky ukazují, že jak styly zvládání, tak očekávání používání internetu hrají významnou roli.

Všechny proměnné (prediktory a mediátory) obsažené v modelu byly významně korelovány se skóre s-IAT na úrovni bivariatu. To je v zásadě v souladu s předchozím výzkumem bivariačních vztahů mezi symptomy IA a osobnostními aspekty, psychopatologickými symptomy a dalšími osobními proměnnými, jak je uvedeno v úvodu. Při analýze SEM však již nebyly všechny přímé účinky tří hlavních prediktorů (na latentní rozměr) významné, když do modelu zahrnovali předpokládané mediátory. To znamená, že psychopatologické aspekty (deprese, sociální úzkost), osobnostní aspekty (sebevědomí, soběstačnost a zranitelnost stresem) a sociální kognice (emoční osamělost, vnímaná sociální podpora) nemají přímý dopad na příznaky GIA, ale že jejich vliv je zprostředkován buď nefunkčním stylem zvládání, nebo očekáváním používání internetu, nebo obojím. Psychopatologické aspekty a osobnostní aspekty však významně předpovídají dysfunkční styl zvládání a očekávání používání internetu. Sociální kognice však významně nesouvisejí s zvládáním a očekáváním, kdy je jejich relativní dopad kontrolován na účinky psychopatologických a osobnostních aspektů (ale všimněte si, že tři prediktivní latentní dimenze byly významně korelovány a že účinek sociálních kognící na používání internetu) očekávání mírně nedosáhla významu). Přímé účinky stylu zvládání a očekávání na symptomy GIA byly významné. Stručně řečeno, současná studie, i když s neklinickou populací, nejen potvrzuje předchozí zjištění týkající se významu stylu zvládání a řešení stresových životních událostí (Kardefelt-Winther, 2014; Tang a kol., 2014; Tonioni a kol., 2014) a očekávání využití internetu (Turel a Serenko, 2012; Xu a kol., 2012; Lee et al., 2014) pro rozvoj nebo udržování příznaků GIA, ale výslovně zdůrazňuje roli zvládání a očekávání jako zprostředkovatelů v procesu, který je základem GIA.

Model byl testován s velkou online populací. Model musí být testován s jasně definovanými klinickými vzorky, jako jsou jednotlivci, kteří hledají léčbu. Význam modelu by byl robustnější s klinickou populací, aby bylo možné vyvodit přesnější klinické důsledky. Přestože 11.3% vzorku uvedlo problematické používání internetu a 3.7% se označilo za návykové používání internetu, tato studie se považuje pouze za počáteční pohled, aby se zjistilo, zda model funguje, a nakreslí statistické závěry, které by mohly mít klinický význam. Avšak jako nový model se statistickým významem využívající řadu psychologických a osobnostních testů na online uživatelích lze s opatrností učinit několik klinických důsledků, které mohou inspirovat budoucí výzkum.

Za prvé, u jedinců s dysfunkčním zvládáním problémů v jejich životě, kteří mají očekávání, že internet může být použit ke zvýšení pozitivní nebo snížení negativní nálady, může být GIA pravděpodobně pravděpodobnější. Účinky psychopatologických aspektů na dysfunkční zvládání a očekávání používání internetu byly navíc pozitivní, což naznačuje, že vyšší příznaky deprese a sociální úzkosti mohou zvyšovat riziko dysfunkčních zvládání strategií a také očekávání, že internet poskytuje pomoc při řešení stresu nebo negativního nálada. Pravděpodobnost používání návykových způsobů se zvyšuje, pouze pokud tyto procesy působí souběžně, což znamená kombinaci psychopatologických symptomů a zvládání / očekávání.

Zadruhé, ačkoli počet studií zabývajících se léčbou GIA je omezený, metaanalýza publikovaná autorem Winkler a kol. (2013) tvrdí, že kognitivně-behaviorální terapie je metoda výběru. To je založeno zejména na analýze účinků léčby na čas strávený online, deprese a symptomy úzkosti. Ve skutečnosti kognitivně-behaviorální terapie IA (CBT-IA; Young, 2011a) byla identifikována jako nejrozšířenější forma léčby IA (Cash a kol., 2012). V rámci kognitivně-behaviorální léčby GIA navržené Young (2011a), jednotlivé charakteristiky i očekávání copingu a používání internetu již byly považovány za relevantní pro léčbu GIA, ale empirické důkazy byly velmi řídké (např. Young, 2013).

Zjištění uvedená v této studii poskytují další zdroj důkazů, které ukazují, že kognitivně-behaviorální terapie a CBT-IA mohou pracovat na léčbě IA. Specifické poznání osoby (styl zvládání a očekávání používání internetu) zprostředkovávají dopad psychopatologických symptomů (deprese, sociální úzkost), osobnostních rysů a sociálního poznání (osamělost, sociální podpora) na příznaky GIA. Při použití kognitivní terapie by při hodnocení měl být kladen důraz na identifikaci dysfunkčních kognitivních funkcí, které je třeba řešit. To znamená, že lékaři by měli při prohlídce prozkoumat očekávání používání internetu, aby porozuměli potřebám klienta a jakým způsobem může klient podle jeho názoru uspokojit internet.

Zjištění rovněž naznačují, že terapie by měla řešit maladaptivní poznání spojené s nefunkčním používáním internetu. Tato zjištění potvrzují dřívější studie, které ukázaly maladaptivní poznání, jako je nadgenerace, vyhýbání se, potlačení, zvětšení, maladaptivní řešení problémů nebo negativní sebepojetí spojené s návykovým používáním internetu (Young, 2007). Klinickým důsledkem těchto nálezů je, že terapie by měla aplikovat kognitivní restrukturalizaci a přeměnu na boj proti myšlenkám, které vedou k návykovému používání internetu. Například pacient trpící GIA může mít známky sociální úzkosti a plachosti, a proto několik přátel a také problémy s ostatními ve škole. Potom si může myslet, že komunikace s ostatními lidmi prostřednictvím sociálních sítí uspokojuje její sociální potřebu, aniž by měla strašidelné situační aspekty „skutečné“ sociální interakce. Kromě toho může mít očekávání, že také hraní online hry ji může odvrátit od problémů ve škole a že nákup online nebo vyhledávání informací na internetu může snížit pocity osamělosti. Terapie by ji zaměřila na to, aby viděla alternativní místa ve škole nebo v soukromém životě, kde si dokáže vybudovat úctu a uspokojit sociální potřeby. Pokud přestane ospravedlňovat, že sociální sítě, hry a nákupní weby jsou jedinými místy, která se cítí dobře ve svém životě, a najde jiné zdravější odbytiště, tím méně bude závislá na různých internetových aplikacích. Kognitivní terapie, která si je vědoma role, kterou hrají kognitivní funkce při vývoji GIA, může pomoci klientům restrukturalizovat předpoklady a interpretace, které je udržují online. Tyto potenciální klinické důsledky výsledků studie musí být znovu ošetřeny s opatrností, protože musí být replikovány do klinického vzorku hledajícího léčbu.

Z širšího pohledu však tato zjištění získají vhled do toho, jak terapeuti mohou specificky aplikovat CBT-IA na pacienty závislé na internetu. Modifikace chování může klientům pomoci vyvinout a přizpůsobit nové a funkčnější strategie zvládání, aby se vypořádaly s každodenními problémy. Terapie se musí zaměřit na pomoc klientům při hledání zdravějších způsobů zvládání, než na internet. Hlavním prvkem CBT-IA je behaviorální terapie, která pomáhá klientům vyrovnat se se základními problémy, které přispívají k IA, specifické nebo generalizované (Young, 2011a, 2013). Tato zjištění naznačují, že zlepšení dovedností při zvládání by snížilo potřebu online připojení pro klienty. Přestože jsme studovali na vzorku obecné populace, domníváme se, že zjištění, že zvládání a očekávání jsou prostředníky ve vývoji a udržování GIA, přispívají k lepšímu pochopení mechanismů GIA a že pravděpodobně budou mít některé důsledky léčby, jak je uvedeno výše . Dalším aspektem, který nebyl v současné studii zaměřen, je role integrity prefrontální kůry. Účinnost CBT-IA může také záviset na prefrontálním fungování pacienta, protože posílení kognitivní kontroly nad používáním internetu v průběhu terapie souvisí s výkonnými funkcemi a dalšími kognitivními procesy vyššího řádu. To je důležité řešit v budoucích studiích, protože v poslední době bylo publikováno několik článků, které ukazují, že funkce prefrontální kůry jsou pravděpodobně sníženy u pacientů s IA (viz přehled v Brand a kol., 2014).

V našem vzorku byl věk nepřímo korelován s příznaky GIA, ale s velmi nízkou velikostí efektu (vysvětlující pouze 1.96% rozptylu). Vzhledem k nedávným článkům o používání internetu u starších jedinců (např. Eastman a Iyer, 2004; Vuori a Holmlund-Rytkönen, 2005; Campbell, 2008; Nimrod, 2011), lze s výjimkou vlivu věku určitě na několik aspektů používání internetu, jako je používání motivů a způsob, jakým senioři zažívají zábavu a spokojenost na internetu, určitě. Vzhledem k tomu, že starší lidé mají také vyšší šanci na rozvoj výkonných dysfunkcí v důsledku prefrontálních kortexových změn s rostoucím věkem (Alvarez a Emory, 2006), které souvisejí také s redukcí rozhodování (Značka a Markowitsch, 2010), můžeme spekulovat, že ti starší lidé s redukcí vedení, kteří zažívají velké potěšení na internetu, mohou GIA rozvíjet. To však naše data nepředstavují, protože náš vzorek nezahrnoval starší subjekty. Budoucí studie mohou zkoumat specifické faktory zranitelnosti spojené s rizikem GIA u starších dospělých.

Pohlaví neovlivnilo celkovou strukturu modelu. V předchozích článcích byly zjištěny genderové efekty u konkrétních typů IA, jako je online hraní (např. Ko et al., 2005) a zejména cybersex (Meerkerk a kol., 2006; Griffiths, 2012; Laier a kol., 2013, 2014), ale také se tvrdí, že obě pohlaví jsou obecně ohrožena rozvojem návykového používání internetu (Young a kol., 1999, 2011). V naší studii byly účinky pohlaví na GIA, měřeno pomocí s-IAT, velmi nízké (d = 0.19, viz výsledky), což naznačuje, že přinejmenším v obecné populaci jsou obě pohlaví stejně ohroženy rozvojem GIA. Ačkoli pohlaví neovlivnilo obecnou strukturu údajů v SEM, byly mezi muži a ženami určité rozdíly, pokud jde o tři přímé účinky proměnných prediktorů na mediátory. Jak je shrnuto v části výsledků, psychopatologické aspekty měly vliv na naděje u žen, nikoli u mužů, na negativní vliv osobnostních aspektů na zvládání a očekávání se vyskytuje častěji u mužů než u žen. Tyto účinky odpovídají literatuře o genderových rozdílech s ohledem na depresi a sociální úzkost (Sprock a Yoder, 1997; Moscovitch a kol., 2005), stejně jako sebevědomí a soběstačnost (Huang, 2012). Fakta, na kterou se studie zaměřuje, a to mediační účinky zvládání a očekávání a jejich význam pro GIA, však nebyla genderem ovlivněna (viz výsledky analýzy střední struktury). Takže nezávisle na tom, jak může pohlaví ovlivnit sociální úzkost, depresi nebo některé aspekty osobnosti, by se v CBT-IA mělo u obou pohlaví uvažovat o zvládání a očekáváních.

A konečně, existuje několik omezení této studie. Jedná se o nově vyvinutý model, který vyžaduje další testování klinické populace, aby bylo možné plně vidět jeho klinickou účinnost v léčbě. Mělo by být také testováno pomocí delší verze IAT (Young, 1998; Widyanto a McMurran, 2004) jako testované opatření v literatuře. Použili jsme kratší verzi vzhledem k délce hodnotícího nástroje, který jsme použili pro celý model, ale pokud by tato práce byla replikována s klinickým vzorkem, bylo by doporučeno použít IAT spolu s dalšími opatřeními IA, jako je hodnocení internetu a Počítačová hra Závislost jako měřítko (AICA-S) nebo klinický rozhovor (AICA-C) vyvinutá a ověřená s klinickými skupinami (Wölfling a kol., 2010, 2012). Pro účely této studie jsme dále vyvinuli a testovali dotazník o očekávání používání internetu. Přestože jsme byli ve vývoji měřítka metodicky konzervativní a opatrní, toto opatření by mělo být vyhodnoceno z hlediska platnosti dalších populací a dotazník vyžaduje další empirické testování v budoucích studiích. Další a podrobnější škály a rozhovory by se měly vztahovat také na klinické vzorky, protože většina aspektů hodnocených v naší studii byla měřena pomocí krátkých dotazníků s omezujícím počtem položek, a to z praktických důvodů (časové omezení v souvislosti s online průzkumy). . Dalším potencionálním problémem je problém běžné metody rozptylu (Podsakoff a kol., 2003). Bohužel, žádná jasná markerová proměnná, která by se teoreticky neměla vztahovat ke všem ostatním proměnným, nebyla do studie zahrnuta z praktických důvodů (průzkum trval téměř 25 min, což je kritický práh pro online průzkumy). Ačkoli nemůžeme vyloučit vliv rozptylu společné metody na výsledky, tvrdíme, že tento efekt pravděpodobně nebude odpovídat za celou vykazovanou strukturu dat. Při kontrole korelací bivariate (tabulka 3) je vidět, že některé z nich jsou velmi nízké (např. r = –0.08, r = –0.09, r = 0.12 atd.). Domníváme se, že tyto nízké korelace dávají určité náznaky pro tendenci k předpokladu, že běžné rozptyly metod dramaticky neovlivní hlavní analýzy. Model by však měl být testován systematickým přístupem založeným na více vlastnostech a více metodách (Campbell a Fiske, 1959) v budoucích studiích.

Současná studie se zaměřuje na GIA, což znamená, že model na SIA, jak je popsán Brand et al. (2014), je třeba ještě testovat empiricky. Měly by být vyzkoušeny různé formy SIA (např. Hraní her, online porno nebo internetové hazardní hry), aby se zjistilo, zda dovednosti v oblasti zvládání a očekávání používání internetu hrají při rozvoji problému podobnou roli. Rovněž je stále debatou, zda je koncept GIA v zásadě vhodný pro pokrytí problematického chování pacientů. Našli jsme důkazy o souvislostech mezi nahlášenými problémy souvisejícími s nespecifickým použitím několika různých internetových aplikací a proměnnými navrženými v modelu. Koncept GIA byl zprovozněn pomocí instrukcí a formulací položek s-IAT, ale také skutečností, že více než 97% účastníků uvádělo, že pravidelně používají tři nebo více různých internetových aplikací, jako je komunikace, hraní, hazardní hry, kyberex, nakupování nebo vyhledávání informací. Z klinického hlediska je nicméně předmětem debaty, zda GIA může být důvodem pro vyhledání léčby nebo pokud pacienti hledající léčbu v podstatě trpí ztrátou kontroly nad použitím pouze jedné určité aplikace. Navrhujeme zvážit tento bod v klinickém výzkumu systematickým vyšetřováním kritického chování v souvislosti s používáním internetu a analyzovat, jak často je nekontrolované a návykové použití více než jedné internetové aplikace v klinických vzorcích. Do této studie navíc nemohly být zahrnuty všechny komponenty navržené v teoretickém modelu GIA. Například v budoucích studiích mohou být zahrnuty další osobnostní rysy nebo jiné psychopatologické poruchy.

Proč investovat do čističky vzduchu?

Hlavní hypotézy modelu na GIA jsou podloženy empirickými údaji. Základní charakteristiky člověka souvisejí s příznaky GIA, ale tyto účinky jsou zprostředkovány specifickým poznáním osoby, zejména stylem zvládání a očekáváním používání internetu. Tato poznání by měla být řešena při léčbě návykového používání internetu.

Autorské příspěvky

Matthias Brand napsal první návrh příspěvku, dohlížel na sběr dat a analyzoval a interpretoval data. Christian Laier přispěl zejména k konceptualizaci empirické studie a sběru dat a revidoval rukopis. Kimberly S. Young redigoval návrh, kriticky ho upravil a přispěl intelektuálně a prakticky k rukopisu. Rukopis nakonec schválili všichni autoři. Všichni autoři odpovídají za všechny aspekty práce.

Prohlášení o konfliktu zájmů

Autoři prohlašují, že výzkum byl proveden bez obchodních či finančních vztahů, které by mohly být považovány za potenciální střet zájmů.

Poděkování

Děkujeme Elisa Wegmann a Jan Snagowski za jejich cenné příspěvky ke studii a rukopisu. Pomohli nám významně při programování online průzkumu a kontrole dat.

Reference

Úprava:

Ofir Turel, California State University, Fullerton a University of Southern California, USA

Recenze:

Aviv M. Weinstein, Hadassah Medical Organization, Israel
Daria Joanna Kussová, Nottingham Trent University, Velká Británie