Validace malajské verze škály závislosti na inteligentním telefonu mezi zdravotnickými studenty v Malajsii (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337.

Ching SM1, Yee A2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

Abstraktní

ÚVOD:

Tato studie byla zahájena s cílem určit psychometrické vlastnosti stupnice závislosti na chytrých telefonech (SAS) pomocí překladu a ověření této stupnice do malajského jazyka (SAS-M), což je hlavní jazyk používaný v Malajsii. Tato studie dokáže odlišit závislost chytrých telefonů a internetu od multietnických malajských studentů medicíny. Kromě toho byla také prokázána spolehlivost a platnost SAS.

MATERIÁLY A METODY:

Od srpna 228 do září 2014 bylo vybráno celkem účastníků 2014, aby se vyplnil soubor dotazníků, včetně SAS a modifikovaného testu závislosti na internetu Kimberly Young (IAT) v malajském jazyce.

Výsledky:

Do této studie bylo zahrnuto 99 mužů a 129 žen ve věku od 19 do 22 let (21.7 ± 1.1). Byly provedeny deskriptivní a faktorové analýzy, koeficienty v rámci třídy, t-testy a korelační analýzy k ověření spolehlivosti a platnosti SAS. Bartlettův test sfericity byl významný (p <0.01) a Kaiser-Mayer-Olkinova míra přiměřenosti vzorkování pro SAS-M byla 0.92, což záslužně naznačuje, že faktorová analýza byla vhodná. Byla ověřena vnitřní konzistence a souběžná platnost SAS-M (Cronbachova alfa = 0.94). Všechny subškály SAS-M, s výjimkou pozitivního očekávání, významně souvisely s malajskou verzí IAT.

Závěr:

Tato studie vyvinula první stupnici závislosti na chytrých telefonech mezi studenty medicíny. Ukázalo se, že tato stupnice je spolehlivá a platná v malajském jazyce.

Citace: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validace malajské verze stupnice závislosti na smartphonu mezi studenty medicíny v Malajsii. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, University of Ariel, ISRAEL

obdržel: Březen 18, 2015; Přijato: Září 11, 2015; Publikováno: Října 2, 2015

Copyright: © 2015 Ching a kol. Toto je článek s otevřeným přístupem distribuovaný podle podmínek Licence Creative Commons Attribution, který umožňuje neomezené použití, distribuci a reprodukci v jakémkoliv médiu za předpokladu, že původní autor a zdroj jsou připsány

Dostupnost dat: Veškerá relevantní data jsou obsažena v dokumentu a jeho podpůrných informačních souborech.

Financování: Autoři také děkují za finanční podporu výzkumnému fondu UPM (č. Grantu: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500). URL je http://www.rmc.upm.edu.my/.

Konkurenční zájmy: Autoři prohlásili, že neexistují žádné konkurenční zájmy.

Úvod

To je bezpochyby, že nám smartphone poskytoval obrovské pohodlí v našem každodenním životě, protože má pokročilejší výpočetní možnosti a možnosti připojení než telefony s běžnými funkcemi [1]. Používání smartphonu má vlastní řadu cílů a účelů. Řada studií uvedla, že smartphone má řadu výhod pro sociální a lékařské účely [2-5]. Přestože se smartphone stal jedním z nejpopulárnějších a nejdůležitějších komunikačních nástrojů, jeho nadměrné používání se objevilo na celém světě jako sociální problém a vytvořilo nový problém týkající se duševního zdraví, přičemž uživatel má tendenci k němu vyvíjet závislost [6-8].

Závislost na smartphonu se také nazývá „závislost na mobilním telefonu“, „nutkavé nadužívání mobilního telefonu“ nebo „nadužívání mobilního telefonu“. Tyto výrazy hlavně popisují fenomén problematického používání mobilních telefonů [9, 10]. „Závislost na smartphonu“ je termín, který se v literatuře obvykle používá. Tato závislost je hlavně charakterizována nadměrným nebo špatně kontrolovaným zaujetím, nutkáním nebo chováním týkajícím se používání chytrých telefonů do té míry, že jednotlivci zanedbávají jiné oblasti života [11-13]. Studie uvádějí, že nadměrné používání mobilních telefonů bylo spojeno se stresem, poruchami spánku, kouřením a příznaky deprese [14-16].

Nedávná data z Malajsie ukázala, že penetrace chytrých telefonů se zvýšila z 47% v 2012 na 63% v 2013. V 2014u byli aktivní uživatelé chytrých telefonů 10.13 miliony Malajsijců ve srovnání s miliony 7.7 v 2012 [17-20]. Patologické použití smartphonu je podobné závislosti na internetu. Užívání závislosti na internetu se stává u mládeže a dospělých na celém světě nadměrným [21]. Nadměrná závislost na internetu vede k psychiatrickým poruchám, nízké sebevědomí, depresi a zhoršenému akademickému a profesnímu výkonu [22-25]. Místní studie uvádějí, že prevalence závislosti na internetu byla 43% [26] a v Malajsii existuje více než 4.2 milionů uživatelů Facebooku; Facebook je ve skutečnosti nejlepším síťovým serverem v této zemi. Vzhledem k tomu, že v Malajsii došlo k rychlému nárůstu používání smartphonů, existuje naléhavá potřeba potvrdit stupnici pro měření závislosti na smartphonu v místní populaci, aby se určila její prevalence a aby se určilo, kdo je vystaven riziku rozvoje závislosti na smartphonech, aby tvůrci politik může naplánovat vhodný zásah v blízké budoucnosti.

Jako faktorová struktura připravená pro test závislosti na internetu [27], Smartphone Addiction Scale (SAS) vyvinuté Min Kwon et al. byla první stupnicí závislosti na smartphonu používanou pro diagnostiku [28]. Tato stupnice se skládá z položek 33 a bylo ohlášeno za spolehlivé, s dobrou vnitřní konzistencí (Cronbachův alfa = 0.967) a souběžná platnost šesti subškálek se pohybuje od 0.32 do 0.61 [28].

Tato studie měla za cíl převést SAS do malajštiny a studovat psychometrické vlastnosti malajské verze SAS (SAS-M), aby se usnadnilo její použití pro další výzkum v místním prostředí.

Metodologie

Návrh a nastavení studie

Jednalo se o průřezové studium všech studentů medicíny prvního a druhého ročníku univerzity Universita Putra Malajsie. Tito studenti byli osloveni pro validační studii od srpna 2014 do září 2014. Tato univerzita se nachází v Serdangu, vedle administrativního hlavního města Malajsie, Putrajaya. Velikost vzorku jsme odhadli na alespoň 165 na základě výpočtu pěti případů na položku v SAS (který má celkem 33 položek) [29]. Proto byla velikost vzorku 228 v této studii dostatečná.

Postup.

Stage 1: Autor získal anglickou verzi SAS od Kwona et al. Překlad z angličtiny do malajštiny provedli souběžně dva odborníci na dvojjazyčný jazyk a zadní překlad provedl třetí odborník na dvojjazyčný jazyk. Diskutovalo se o rozporech mezi původní verzí a zpětným překladem a podle toho byly provedeny úpravy. Konečnou verzi přeloženého SAS, kterou jsme nazvali návrhem SAS-M, vytvořil odborný panel složený z jednoho psychiatra, dvou vedoucích lékařů a jednoho rodinného lékaře, z nichž všichni byli kvalifikovanými odborníky na používání psychometrických nástrojů a všichni měli klinické zkušenosti s depresivními stavy.

Stage 2: První návrh SAS-M byl pilotně otestován mezi domácími malajsky mluvícími studenty 20, aby se identifikovaly případné nedostatky v této verzi. Všechna slova, která respondenti v této verzi považovali za nevhodná nebo nevhodná, byla zaznamenána a opravena. Většina studentů měla potíže s přijetím položky 15: „Rozzlobený a rozzlobený, když nemám smartphone“. Tato položka byla přepracována a přeložena do „pocitu netrpělivosti a neklidu, když nemám smartphone“ v malajském jazyce. Finální verze SAS-M byla dále přezkoumána dvěma poradenskými psychiatry s více než 10-letými zkušenostmi s cílem posoudit platnost obsahu a zajistit uspokojivou tvář a uspokojivou sémantiku, kritéria a koncepční ekvivalenci.

Stage 3: Každý student poskytl písemný informovaný souhlas poté, co obdržel úplné vysvětlení povahy a důvěrnosti studie, a studenti 228 souhlasili s účastí na studii s mírou neodpovězení ve výši 9%. Od studentů byly získány sociodemografické údaje (věk, pohlaví, etnický původ a příjem domácnosti). Byly zdokumentovány informace o používání chytrých telefonů studentů na základě jejich vlastních odhadů, jako je počet hodin používání týdně, počet let jako běžný uživatel smartphonu a věk, ve kterém smartphone začali používat. Studenti dostali následující dotazníky:

  1. SAS a SAS-M (tabulka A v S1 Text).
  2. Malajská verze testu závislosti na internetu.

Přístroje

Stupnice závislosti na smartphonu [28].

SAS je self-vyplněné, 6-bod Likert typu stupnice s 33 položky. Každá otázka má stupnici od 1 do 6 (1 = silně nesouhlasím s 6 = silně souhlasím), což odráží frekvenci příznaků. Respondent obchází prohlášení, že nejpřesněji popisuje jejich vlastnosti používání chytrých telefonů. Celkové možné skóre na SAS se pohybuje od 48 do 288. Čím vyšší je skóre, tím vyšší je patologické použití smartphonu.

Test závislosti na internetu [26].

Dotazník IAT, který vyvinula Kimberly Young ve společnosti 1998, je nástrojem, který se nejčastěji používá při diagnostice závislosti na internetu. Malajská verze byla ověřena místně, s dobrou vnitřní konzistencí (Cronbachův alfa = 0.91) a paralelní spolehlivostí (koeficient korelace uvnitř třídy (ICC) = 0.88, P <0.001). Jedná se o samostatně vyplněný dotazník sestávající z 5bodové škály typu Likert obsahující 20 položek s minimální bodovou hodnotou 20 a maximálním bodem hodnoty 100. Bodování každé otázky se pohybuje od 1 do 5 (1 = nikdy až 5 = vždy), replikující výskyt příznaků. Studenti zvolili výrok, který nejlépe vystihuje vlastnosti jejich používání internetu. Čím vyšší je skóre, tím vyšší je stupeň patologického používání internetu. Pokud je skóre na malajské verzi IAT vyšší než 43, je diagnostikováno jako riziko závislosti na internetu [26].

Statistická analýza

Všechny analýzy byly prováděny pomocí statistického balíčku pro sociální vědy verze 21.0 (SPSS, Chicago, IL, USA). Byly vypočítány popisné statistiky pro základní charakteristiky účastníků. Cronbachova alfa byla použita k posouzení vnitřní konzistence SAS-M a normálnost dat byla hodnocena pomocí Kolmogorov-Smirnovovy analýzy. Homogenita položek v měřítku byla analyzována na základě korelačních koeficientů mezi položkami a celkového skóre, pokud byla položka odstraněna. Validita konstrukce byla zkoumána průzkumnou faktorovou analýzou a šikmým promaxem pomocí Kaiser Normisation. K určení položek pro každý faktor bylo použito zatížení faktorem> 0.30. Na základě pravidla Guttman-Kaiser jsou zachovány faktory s hodnotou vlastního čísla větší než 1 [30, 31]. ICC byl použit pro zkoumání paralelní spolehlivosti mezi SAS-M a anglickou verzí SAS a testovací a testovací spolehlivosti SAS-M. Pearsonova korelace byla použita k prozkoumání současné platnosti mezi SAS-M a malajskou verzí IAT. Optimální mezní skóre SAS-M pro rizikové případy bylo stanoveno z souřadných bodů, když skóre pro malajskou verzi IAT bylo více než 43 [26], ve kterém bodě byla senzitivita a specificita optimální při analýze provozních charakteristik přijímače (ROC). Plocha pod křivkou (AUC) byla stanovena pro ROC křivku.

Definice

Běžný uživatel je definován jako ten, kdo používá smartphone alespoň 6 nebo vícekrát za 6 měsíců [32]

Etické schválení

Etické schválení této studie bylo získáno od Etické komise univerzity Universita Putra Malajsie (FPSK-EXP14 P091).

výsledky

Do této studie bylo přijato celkem 228 studentů. Tabulka 1 ukazuje klinické charakteristiky studované populace. Celkově byl průměrný věk přibližně 22 let ± 1.1. Více než polovina studentů byla žena (56.6%) a většina z nich byla malajská etnika (52.4%). Průměrná doba používání smartphonu týdně byla 36.5 hodin. V průměru začali studenti používat smartphone ve věku 19 let a průměrný počet let pravidelného používání smartphonů byl 2.4 let.

thumbnail  

 
Tabulka 1. Charakteristika populace studie (N = 228).

 

dva: 10.1371 / journal.pone.0139337.t001

Struktura faktoru a vnitřní konzistence SAS-M

Bartlettův test sfericity byl významný (p <0.01) a Kaiser-Meyer-Olkinova míra adekvátnosti vzorkování pro SAS-M byla 0.92, což naznačuje, že škála byla záslužná [33], což dále naznačovalo, že faktorová analýza byla vhodná. Šest faktorů bylo extrahováno (vlastní hodnota> 1.00) pomocí metody průzkumné faktorové analýzy a šikmé promaxové rotace s Kaiserovou normalizací, která představovala 65.3% celkové odchylky. Tento výsledek byl v souladu s původním SAS [28].

SAS-M vykazoval dobrou vnitřní konzistenci; Cronbachův alfa koeficient pro celkovou stupnici byl 0.94 a příslušné koeficienty pro šest faktorů byly 0.877, 0.843, 0.865, 0.837, 0.865 a 0.861. Šest faktorů odpovídajících podskupinám SAS bylo označováno jako „vztah zaměřený na kyberprostor“, „narušení každodenního života“, „nadřazenost“, „nadužívání“, „pozitivní očekávání“ a „stažení“ (Tabulka 2). Všechny položky měly celkové korelace opravené položky větší než 0.9. Vymazání kterékoli z položek nezvýšilo vnitřní konzistenci celkového skóre (Tabulka 3). Paralelní spolehlivost mezi SAS-M a SAS byla vysoká, jak dokazuje ICC 0.95 (95% Interval spolehlivosti 0.937 – 0.962). Spolehlivost opakovaného testu SAS-M po intervalu 1-týden byla vysoká, s ICC 0.85 (95% Interval spolehlivosti 0.808 – 0.866).

thumbnail  

 
Tabulka 2. Faktorová analýza verze SAS-Malay.

 

dva: 10.1371 / journal.pone.0139337.t002

thumbnail  

 
Tabulka 3. Opravená položka - celkové korelace a Cronbachovo alfa, pokud byla položka odstraněna pro SAS-M.

 

dva: 10.1371 / journal.pone.0139337.t003

Souběžná platnost SAS-M: Korelace mezi subškály SAS-M a malajskou verzí IAT

Výsledky Pearsonovy korelační analýzy, která byla provedena mezi subškály SAS-M a malajskou verzí IAT, jsou uvedeny v Tabulka 4. Výsledky ukazují, že všechny dílčí škály SAS-M, s výjimkou „pozitivního očekávání“, významně souvisely s malajskou verzí IAT.

thumbnail  

 
Tabulka 4. Souběžná platnost SAS-M (Pearsonova korelace): Subškály SAS-M a malajské verze IAT.

 

dva: 10.1371 / journal.pone.0139337.t004

AUC pro ROC křivku byla 0.801 (95% CI = 0.746 až 0.855). Optimální mezní skóre pro identifikaci rizikových případů bylo více než 98, s citlivostí 71.43%, specificitou 71.03%, pozitivní prediktivní hodnotou (PPV) 64.10% a negativní prediktivní hodnotou (NPV) 77.44 %. Prevalence rizikového případu rozvoje závislosti na smartphonu v této studii byla 46.9%, na základě skóre 98.

Diskuse

Tato studie zkoumala vnitřní konzistenci, rozměrnost a souběžnou a konstrukční platnost SAS-M. Výsledky studie naznačují, že SAS-M je spolehlivým a platným nástrojem pro hodnocení závislosti na smartphonu u malajsky mluvící populace.

V této studii vykazoval SAS-M dobrou vnitřní konzistenci; Cronbachův alfa koeficient pro celkovou stupnici byl 0.94 a příslušné koeficienty pro šest faktorů byly 0.877, 0.843, 0.865, 0.837, 0.865 a 0.861. Souběžná spolehlivost SAS-M a spolehlivost opakovaného testu po intervalu 1-týden byly shledány jako dobré, s ICC 0.95 a 0.85, v daném pořadí, které jsou ještě lepší než u původní verze SAS [28]. K dnešnímu dni se jedná o první studii svého druhu související se závislostí na smartphonu a ukazuje, že SAS-M je stejně dobrý jako anglická verze.

Šest dominantních komponent, které vysvětlovaly velkou část variability SAS-M, byly však podobné těm, které byly původní SAS. V této studii se složky skládaly z „vztahu zaměřeného na kyberprostor“, „narušení každodenního života“, „nadřazenosti“, „nadužívání“, „pozitivního očekávání“ a „stažení“. Komponenty v původní SAS byly „narušení každodenního života“, „pozitivní očekávání“, „stažení“, „vztah orientovaný na kyberprostor“, „nadužívání“ a „tolerance“. Ne všechny faktory získané v této faktorové analýze byly souběžné s faktory získanými v původní SAS. Je pravděpodobnější, že to odráží rozdíly mezi malajskými a korejskými vzorky. Význam původního SAS byl během procesu překladu změněn.

Většina složek uváděných v současné studii je stejná, s výjimkou složky „primacy“, která se liší od složky „tolerance“ v původní SAS. Možné důvody by mohly být, že naše studijní populace byla mladší (21.7 ± 1.1 let s věkovým rozsahem od 20 do 27) ve srovnání s korejskou populací (26.1 ± 6.0 s věkovým rozpětím od 18 do 53). Pozadí naší studijní populace bylo homogenní, protože všechny předměty byly studenty medicíny ve srovnání s širokým rozsahem úrovně zaměstnání a vzdělání v původní studii SAS. Rozdílnou interpretaci by mohla komplikovat různorodost pozadí a vzdělání studované populace.

V této studii byly všechny dílčí škály SAS-M, s výjimkou „pozitivního očekávání“, významně spojeny s malajskou verzí IAT. To může být jediný dílčí rozsah, který dobře nesouvisí s IAT, protože IAT měří hlavně nepříznivé používání internetu, takže neexistují žádné položky, které by kladly pozitivní očekávání. Tento aspekt však nesnižuje současnou platnost, protože ostatní dílčí škály 5 jsou silně korelovány.

Prevalence rizikových případů, které lze pomocí této stupnice identifikovat jako závislost na smartphonu, byla 46.9%. Pro tento výsledek existuje několik možných vysvětlení. Vysoká prevalence závislosti na smartphonech se očekává, protože místní studie ukázala, že 85% Malajců vlastní mobilní telefony [18]. Smartphony jsou oblíbenou možností, protože Malajci mají tendenci sledovat trendy v komunitě [20]. Kromě toho poskytuje smartphone bezplatné rychlé zasílání zpráv prostřednictvím určitých platforem, např. WhatsApp a WeChat, které obohacují životy uživatelů. Zábava je dalším možným vysvětlením vysoké prevalence závislosti na smartphonu, protože s těmito telefony mohou studenti medicíny poslouchat hudbu, sledovat filmy a hrát hry, aby zmírnili stres [34]. Na konci dne proto mohou mít tendenci trávit více času se svým smartphonem a nakonec se stanou patologickými uživateli.

Jedním z problémů v naší studii by však bylo optimální mezní skóre SAS-M pro rizikové případy bylo určeno z souřadných bodů, když skóre pro malajskou verzi IAT bylo více než 43. Toto není aktuální zavedená omezení pro IAT. Podobně není stanoveno diagnostické kritérium závislosti na internetu nebo smartphonu podle DSM V ve spektru poruchy závislosti [21, 25]. Mezní bod navrhovaný naší studií byl tedy pravděpodobně příliš nízký, což vedlo k velmi vysoké odhadované míře závislosti na smartphonu. Správně by měla být diagnóza závislosti na internetu založena na třech kritériích popsaných Ko, et al, 2012 [25].

SAS-M funguje spíše jako screening nebo stupnice pro hodnocení závažnosti návykového používání smartphonu než diagnostický nástroj. Správná diagnostika závislosti na chytrých telefonech bude důležitým tématem budoucího výzkumu. Navrhli jsme, že v budoucnu by diagnóza závislosti na smartphonu měla zahrnovat více kritérií, která se skládají z kritérií A, B a C. Kritérium A obsahuje šest charakteristických příznaků závislosti na smartphonu, jako je vztah orientovaný na kyberprostor, každodenní narušení života, nadřazenost, nadužívání, pozitivní očekávání a stažení. Kritérium B musí zahrnovat funkční poškození sekundární k použití smartphonu. Kritérium C by mělo vylučovat další psychiatrickou poruchu, jako je bipolární porucha nebo jiná impulzivní porucha. Subjekty, které splňují všechna kritéria A, B a C, by se považovaly pouze za závislé na smartphonu.

Síla a omezení

Výsledky této studie by měly být interpretovány v kontextu omezení studie: Zaprvé neexistuje žádné diagnostické kritérium pro závislost na internetu nebo smartphonu podle DSM V ve spektru závislostí [21, 25]. Avšak vzhledem k omezeným studiím závislosti na chytrých telefonech v místním prostředí mohou výsledky této studie poskytnout zdravotnickému týmu určité poznatky. Za druhé, navzdory velikosti vzorku byla adekvátní, ale nebyla náhodná. Pohlaví a rasa nebyly rovnoměrně rozloženy. Tato studie byla navíc provedena v jednom centru, takže populace vzorků byla homogenní a nemusí odrážet obecnou populaci Malajsie.

Přes toto omezení výsledky této studie prokázaly, že SAS-M lze použít pro hodnocení závislosti na smartphonu u vzdělaných malajských mladých dospělých.

Proč investovat do čističky vzduchu?

Tato studie vyvinula první stupnici závislosti na chytrých telefonech mezi studenty medicíny. Tato studie také poskytuje důkaz, že SAS-M je platný a spolehlivý, samosprávný nástroj k detekci osob ohrožených závislostí na smartphonu.

Podpůrné informace

S1_Text.doc
 
 

S1 Text. Dotazník malajské verze pro chytré telefony.

dva: 10.1371 / journal.pone.0139337.s001

(DOC)

Autorské příspěvky

Koncipovány a navrženy experimenty: SMC AY FKH. Provedené experimenty: VR SMSL WAWS YLF. Analyzovaná data: SMC AY. Přidaná činidla / materiály / analytické nástroje: SMC AY. Napsal článek: SMC AY VR.

Reference

  1. 1. Rashvand HF, Hsiao KF (2015) Smartphone inteligentní aplikace: krátký přehled. Multimediální systémy 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Sheets L (2012) Systematická recenze zdravotnických aplikací pro chytré telefony. Lékařská informatika a rozhodování BMC 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. Zobrazit článek
  4. PubMed / NCBI
  5. Google Scholar
  6. Zobrazit článek
  7. PubMed / NCBI
  8. Google Scholar
  9. Zobrazit článek
  10. PubMed / NCBI
  11. Google Scholar
  12. Zobrazit článek
  13. PubMed / NCBI
  14. Google Scholar
  15. Zobrazit článek
  16. PubMed / NCBI
  17. Google Scholar
  18. Zobrazit článek
  19. PubMed / NCBI
  20. Google Scholar
  21. Zobrazit článek
  22. PubMed / NCBI
  23. Google Scholar
  24. Zobrazit článek
  25. PubMed / NCBI
  26. Google Scholar
  27. Zobrazit článek
  28. PubMed / NCBI
  29. Google Scholar
  30. Zobrazit článek
  31. PubMed / NCBI
  32. Google Scholar
  33. Zobrazit článek
  34. PubMed / NCBI
  35. Google Scholar
  36. Zobrazit článek
  37. PubMed / NCBI
  38. Google Scholar
  39. Zobrazit článek
  40. PubMed / NCBI
  41. Google Scholar
  42. Zobrazit článek
  43. PubMed / NCBI
  44. Google Scholar
  45. Zobrazit článek
  46. PubMed / NCBI
  47. Google Scholar
  48. Zobrazit článek
  49. PubMed / NCBI
  50. Google Scholar
  51. Zobrazit článek
  52. PubMed / NCBI
  53. Google Scholar
  54. Zobrazit článek
  55. PubMed / NCBI
  56. Google Scholar
  57. Zobrazit článek
  58. PubMed / NCBI
  59. Google Scholar
  60. Zobrazit článek
  61. PubMed / NCBI
  62. Google Scholar
  63. Zobrazit článek
  64. PubMed / NCBI
  65. Google Scholar
  66. Zobrazit článek
  67. PubMed / NCBI
  68. Google Scholar
  69. Zobrazit článek
  70. PubMed / NCBI
  71. Google Scholar
  72. Zobrazit článek
  73. PubMed / NCBI
  74. Google Scholar
  75. Zobrazit článek
  76. PubMed / NCBI
  77. Google Scholar
  78. Zobrazit článek
  79. PubMed / NCBI
  80. Google Scholar
  81. Zobrazit článek
  82. PubMed / NCBI
  83. Google Scholar
  84. Zobrazit článek
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Lane N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: Aplikace smartphonu pro sledování, modelování a podporu pohody. 5th International Conference on Pervasive Computing Technologies for Healthcare, Dublin.
  88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Health a mobilní telefon. American Journal of Preventive Medicine 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E, Dancey D (2013) Smartphone Medical Applications for Women's Health: What is the Evidence-Base and Feedback? International Journal of Telemedicine and Applications ID článku 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) Vliv inteligentních telefonů na lidské zdraví a chování: vnímání Jordánců. Mezinárodní žurnál počítačových sítí a aplikací 2 (2): 52 – 56.
  91. 7. Sarwar M, Soomro TR (2013) Dopad smartphonu na společnost. Evropský časopis pro vědecký výzkum 98 (2): 216 – 226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) A Study on Some of the Common of Health Effects of Cell-Phones mezi vysokoškoláky. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Vývoj a validace seznamu závislostí na smartphonu (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) Souvisí impulzivnost s vnímanou závislostí a skutečným používáním mobilního telefonu? Aplikovaná kognitivní psychologie 21: 527–537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Sociální důsledky používání chytrých telefonů: používání chytrých telefonů korejskými vysokoškoláky a psychická pohoda. Cyberpsychologie, chování a sociální sítě 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Příznaky problematického používání mobilních telefonů, funkční poruchy a její souvislost s depresí mezi dospívajícími na jižním Tchaj-wanu. Žurnál dospívání 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problematické používání internetu a mobilních telefonů a klinické příznaky u vysokoškoláků: Role emoční inteligence. Počítače v lidském chování 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Užívání a stres mobilních telefonů, poruchy spánku a příznaky deprese u mladých dospělých - prospektivní kohortová studie. BMC Public Health 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Vztahy osobnosti a životního stylu se závislostí na mobilních telefonech mezi studentkami ošetřovatelky. Sociální chování a osobnost: mezinárodní časopis 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Závislost na mobilních telefonech a zdravý životní styl studentů vysokých škol. Sociální chování a osobnost 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Malajská komise pro komunikaci a multimédia (2012) Průzkum uživatelů mobilních telefonů 2011. Dostupný: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Malajská komise pro komunikaci a multimédia (2014) Průzkum uživatelů mobilních telefonů 2012. Dostupný: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Dostupný: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Studie trendu smartphonu a jeho chování v Malajsii. Mezinárodní žurnál nových počítačových architektur a jejich aplikace 2: 274 – 285.
  105. 21. Weinstein A, Lejoyeux M (2010) Závislost na internetu nebo nadměrné používání internetu. Americký deník zneužívání drog a alkoholu 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Problematické používání internetu a mobilních telefonů: Psychologické, behaviorální a zdravotní koreláty. Výzkum a teorie závislosti 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) Prevalence patologického používání internetu mezi studenty vysokých škol a korelace s sebeúctou, dotazník General Health Questionnaire (GHQ) a dezinhibice. CyberPsychology & Behavior 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) Vztah mezi depresí a závislostí na internetu. CyberPsychology & Behavior 1: 25–28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Asociace mezi závislostí na internetu a psychiatrickou poruchou: přehled literatury. Evropská psychiatrie 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Platnost malajské verze testu závislosti na internetu: studie o skupině studentů medicíny v Malajsii. Asia-Pacific Journal of Public Health 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E a kol. (2008) Francouzská validace testu závislosti na internetu. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28. Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C, et al. (2013) Vývoj a ověření stupnice závislosti na smartphonu (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29. Gorsuch RL (1983) Analýza faktorů. 2nd ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) Aplikace elektronických počítačů pro faktorovou analýzu. Vzdělávací a psychologické měření 20: 141 – 151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Některé nezbytné podmínky pro analýzu společných faktorů. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Propojení mezi depresivní symptomatologií a internetovým obtěžováním mezi mladými běžnými uživateli. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Index faktoriální jednoduchosti. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS, Abdullah MC (2011) Stres a akademické úspěchy vysokoškolských studentů na univerzitě Putra Malajsie. Procedia-sociální a behaviorální vědy 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288