Validering af en malaysisk version af Smartphone Addiction Scale blandt medicinske studerende i Malaysia (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.

Abstrakt

INDLEDNING:

Denne undersøgelse blev indledt for at bestemme de psykometriske egenskaber ved Smart Phone Addiction Scale (SAS) ved at oversætte og validere denne skala til det malaysiske sprog (SAS-M), som er det vigtigste sprog, der tales i Malaysia. Denne undersøgelse kan skelne smart telefon og internet afhængighed blandt multi-etniske malaysiske medicinske studerende. Desuden blev SAS pålidelighed og validitet også påvist.

MATERIALER OG METODER:

I alt 228 deltagere blev valgt mellem August 2014 og September 2014 for at udfylde et sæt spørgeskemaer, herunder SAS og den ændrede Kimberly Young Internet Addiction Test (IAT) på det malaysiske sprog.

RESULTATER:

Der var 99 mænd og 129 kvinder i alderen 19 til 22 år (21.7 ± 1.1) inkluderet i denne undersøgelse. Beskrivende og faktoranalyser, koefficienter inden for klassen, t-tests og korrelationsanalyser blev udført for at verificere pålideligheden og validiteten af ​​SAS. Bartlett's test af sfæricitet var signifikant (p <0.01), og Kaiser-Mayer-Olkin-målingen af ​​prøveudtagningens tilstrækkelighed for SAS-M var 0.92, hvilket tydeligt angav, at faktoranalysen var passende. Den interne konsistens og samtidige gyldighed af SAS-M blev verificeret (Cronbachs alfa = 0.94). Alle underskalaer af SAS-M, bortset fra positiv forventning, var signifikant relateret til den malaysiske version af IAT.

KONKLUSIONER:

Denne undersøgelse udviklede den første smarte telefon afhængighed skala blandt medicinske studerende. Denne skala viste sig at være pålidelig og gyldig på det malaysiske sprog.

Citation: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman, WA, Foo YL, et al. (2015) Validering af en malay version af Smartphone Addiction Scale blandt medicinske studerende i Malaysia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

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

modtaget: Marts 18, 2015; Accepteret: September 11, 2015; Udgivet: Oktober 2, 2015

Copyright: © 2015 Ching et al. Dette er en open access artikel distribueret under vilkårene i Creative Commons Navngivelseslicens, som tillader ubegrænset brug, distribution og reproduktion i ethvert medium, forudsat at den oprindelige forfatter og kilde krediteres

Data tilgængelighed: Alle relevante data er indeholdt i papiret og dets understøttende informationsfiler.

Finansiering: Forfatterne vil også gerne takke UPM forskningsfond (tilskud nr: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) til den økonomiske støtte. URL'en er http://www.rmc.upm.edu.my/.

Konkurrerende interesser: Forfatterne har erklæret, at der ikke findes konkurrerende interesser.

Introduktion

Det er ingen tvivl om, at smarttelefonen har givet os enorm bekvemmelighed i vores daglige liv, da den har en mere avanceret computerkapacitet og tilslutningsmuligheder end basale telefoner [1]. Anvendelse af smartphone har deres egen række mål og formål. En lang række studier rapporterede, at smartphone har mange fordele for sociale og medicinske formål [2-5]. Selvom smartphone er blevet et af de mest populære og vigtige kommunikationsværktøjer, er dets overdrevne brug fremkommet som et socialt problem globalt og skabt et nyt psykisk problem, hvor brugeren har tendens til at udvikle afhængighed af det [6-8].

Smartphoneafhængighed kaldes også "afhængighed af mobiltelefoner", "tvangsmodus overbrug" eller "overstyring af mobiltelefoner". Disse udtryk beskriver hovedsageligt fænomenet problematisk mobiltelefonbrug [9, 10]. "Smartphoneafhængighed" er det udtryk, der typisk bruges i litteraturen. Denne afhængighed er primært præget af overdreven eller dårligt kontrolleret optagelser, indtrængende eller adfærd i forbindelse med smartphone brug, i det omfang enkeltpersoner forsømmer andre områder af livet [11-13]. Undersøgelser rapporterer, at overdreven brug af mobiltelefoner var forbundet med stress, søvnforstyrrelser, rygning og symptomer på depression [14-16].

Nylige data fra Malaysia viste, at smartphoneindtrængning steg fra 47% i 2012 til 63% i 2013. I 2014 var 10.13 millioner malaysiere aktive smartphone-brugere sammenlignet med 7.7 millioner i 2012 [17-20]. Patologisk brug af smartphone ligner internetafhængighed. Brug af internetafhængighed bliver overdreven blandt unge og voksne over hele verden [21]. Overdreven internetafhængighed fører til psykiatriske lidelser, lavt selvværd, depression og nedsat akademisk og erhvervsmæssig ydeevne [22-25]. Lokale undersøgelser rapporterede, at forekomsten af ​​internetafhængighed var 43% [26], og der er mere end 4.2 millioner aktive Facebook-brugere i Malaysia; Faktisk er Facebook det bedste netsted i dette land. Da der er sket en hurtig stigning i smartphoneforbruget i Malaysia, er der et presserende behov for at validere en skala til måling af smartphoneafhængighed i lokalbefolkningen for at bestemme dens udbredelse og for at identificere, hvem der er i risiko for at udvikle smartphoneafhængighed, således at beslutningstagere kan planlægge en passende indsats i den nærmeste fremtid.

Ligesom den factorial struktur forberedt til internetafhængighed test [27], Smartphone Addiction Scale (SAS) udviklet af Min Kwon et al. var den første skala til smartphoneafhængighed, der blev brugt til diagnose [28]. Denne skala består af 33-elementer og er blevet rapporteret at være pålidelig, med god intern konsistens (Cronbachs alpha = 0.967), og den samtidige gyldighed af de seks abonnementer varierer fra 0.32 til 0.61 [28].

Denne undersøgelse har til formål at oversætte SAS til det malaysiske sprog og at studere de psykometriske egenskaber i den malaysiske version af SAS (SAS-M) for at lette brugen heraf til yderligere forskning i lokalområdet.

Metode

Undersøg design og indstilling

Dette var en tværsnitsundersøgelse af alle første- og andenårige medicinske studerende fra Universiti Putra Malaysia. Disse studerende blev henvendt til en valideringsundersøgelse fra august 2014 til september 2014. Dette universitet ligger i Serdang, ved siden af ​​Malaysias administrative hovedstad Putrajaya. Vi estimerede stikprøvestørrelsen til at være mindst 165 baseret på beregningen af ​​fem tilfælde pr. Vare i SAS (som har i alt 33-poster) [29]. Derfor var en prøvestørrelse af 228 i denne undersøgelse tilstrækkelig.

Procedure.

Stage 1: Forfatteren opnåede den engelske version af SAS fra Kwon et al. Oversættelse fra engelsk til malaysisk blev udført parallelt af to tosprogede sprogeksperter, og en backoversættelse blev udført af en tredje tosproget sprogekspert. Forskelle mellem den oprindelige version og den bageste oversættelse blev diskuteret, og justeringer blev foretaget i overensstemmelse hermed. En endelig version af den oversatte SAS, som vi kaldte et udkast til SAS-M, blev genereret af et ekspertpanel bestående af en psykiater, to ledende læger og en familielæge, som alle var kvalificerede fagfolk vedrørende brug af psykometriske instrumenter og som alle havde klinisk erfaring med depressive tilstande.

Stage 2: SAS-M's første udkast blev pilotprøvet blandt 20-indfødte malayspredende studerende for at identificere eventuelle fejl i denne version. Eventuelle ord, som respondenterne fandt upassende eller uhensigtsmæssige i denne version, blev noteret og korrigeret. De fleste elever havde svært ved at acceptere punkt 15: "Være vrede og vred, når jeg ikke har en smartphone". Denne vare blev revideret og oversat til "Følelse utålmodig og rastløs, når jeg ikke har en smartphone" på det malaysiske sprog. Den afsluttede version af SAS-M blev yderligere gennemgået af to konsulentpsykiatere med mere end 10 års erfaring med at vurdere indholdets gyldighed og sikre et tilfredsstillende ansigt og tilfredsstillende semantik, kriterier og konceptuel ækvivalens.

Stage 3: Hver studerende gav skriftligt informeret samtykke efter at have modtaget en fuldstændig forklaring på undersøgelsens karakter og fortrolighed, og 228-studerende indvilgede i at deltage i undersøgelsen med en manglende respons på 9%. Sociodemografiske data (alder, køn, etnicitet og husstandsindkomst) blev opnået fra eleverne. Oplysninger om elevernes smartphone-brug ud fra deres eget skøn, som antallet af brugstimer pr. Uge, antallet af år som en almindelig smartphone-bruger og den alder, hvor de begyndte at bruge en smartphone, blev dokumenteret. Eleverne fik følgende spørgeskemaer:

  1. SAS og SAS-M (tabel A i S1 Tekst).
  2. Malay version af Internet Addiction Test.

Instrumenter

Smartphone Addiction Scale [28].

SAS er en selvudfyldt, 6-punkt Likert-type skala med 33-elementer. Hvert spørgsmål har en svarskala fra 1 til 6 (1 = stærkt uenig i 6 = stærkt enig), hvilket afspejler symptomernes frekvens. Respondenten kredser den erklæring, der nærmest beskriver deres smartphone brugskarakteristika. Den samlede score på SAS varierer fra 48 til 288. Jo højere score er, desto større er graden af ​​patologisk brug af smartphone.

Internet Addiction Test [26].

IAT-spørgeskemaet, som blev udviklet af Kimberly Young i 1998, er det værktøj, der oftest bruges til at diagnosticere internetafhængighed. Den malaysiske version er blevet valideret lokalt med god intern konsistens (Cronbachs alpha = 0.91) og parallel pålidelighed (ICC) = 0.88, P <0.001). Dette er et selvstændigt udfyldt spørgeskema bestående af en 5-punkts Likert-skala, der indeholder 20 emner, med en mindstepunktværdi på 20 og et maksimalt punkt på værdi 100. Scoringen for hvert spørgsmål varierer fra 1 til 5 (1 = aldrig til 5 = altid), der replikerer forekomsten af ​​symptomerne. Eleverne valgte den erklæring, der bedst beskriver funktionerne i deres internetbrug. Jo højere score er, jo større er graden af ​​patologisk brug af internettet. Når scoren på den malaysiske version af IAT er mere end 43, diagnosticeres personen som risiko for internetafhængighed [26].

Statistisk analyse

Alle analyser blev udført ved hjælp af den statistiske pakke til samfundsvidenskab version 21.0 (SPSS, Chicago, IL, USA). Beskrivende statistik blev beregnet for deltagernes baselineegenskaber. Cronbachs alfa blev brugt til at vurdere den interne konsistens af SAS-M, og dataenes normalitet blev vurderet ved hjælp af Kolmogorov-Smirnov-analyse. Skalaelementernes homogenitet blev analyseret baseret på korrelationskoefficienter mellem varer og samlede score, hvis et element blev slettet. Konstruktionens gyldighed blev undersøgt ved hjælp af sonderende faktoranalyse og skrå promax med Kaiser Normalization. Faktorbelastning på> 0.30 blev brugt til at bestemme emnerne for hver faktor. Baseret på Guttman-Kaiser-reglen bevares faktorerne med egenværdi større end 1 [30, 31]. ICC'en blev brugt til at undersøge parallel pålideligheden mellem SAS-M og den engelske version af SAS og SAS-M's test-retest pålidelighed. Pearsons korrelation blev brugt til at undersøge den samtidige gyldighed mellem SAS-M og den malaysiske version af IAT. Den optimale SAS-M cut-off score for risikosager blev bestemt ud fra koordinatpunkterne, når scoren for den malaysiske version af IAT var mere end 43 [26], hvor følsomheden og specificiteten var optimal i modtageroperationskarakteristiske (ROC) analyser. Arealet under kurven (AUC) blev bestemt for ROC-kurven.

Definition

Regelmæssig bruger defineres som dem, der bruger smartphone mindst 6 eller flere gange i 6 måneder [32]

Etisk godkendelse

Etik godkendelse til denne undersøgelse blev opnået fra etiske udvalg i Universiti Putra Malaysia (FPSK-EXP14 P091).

Resultater

I alt blev 228-studerende rekrutteret i denne undersøgelse. Tabel 1 viser de studerede populationers kliniske egenskaber. Samlet set var gennemsnitsalderen ca. 22 år ± 1.1. Mere end halvdelen af ​​eleverne var kvindelige (56.6%), og størstedelen var af malaysisk etnicitet (52.4%). Den gennemsnitlige antal brug af smartphone pr. Uge var 36.5 timer. I gennemsnit begyndte eleverne at bruge en smartphone i en alder af 19 år, og det gennemsnitlige antal år med regelmæssig smartphone brug var 2.4 år.

thumbnail  

 
Tabel 1. Karakteristik af undersøgelsespopulationen (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Faktorstruktur og intern konsistens af SAS-M

Bartletts test af sfæricitet var signifikant (p <0.01), og Kaiser-Meyer-Olkin-målingen af ​​prøveudtagningens tilstrækkelighed for SAS-M var 0.92, hvilket indikerer, at skalaen var fortjenstfuld [33], hvilket igen angav, at faktoranalysen var passende. Seks faktorer blev ekstraheret (egenværdi> 1.00) via den sonderende faktoranalysetilgang og den skrå promax-rotation med Kaiser-normalisering, som tegnede sig for 65.3% af den samlede varians. Dette resultat var i overensstemmelse med det oprindelige SAS [28].

SAS-M udviser god intern konsistens; Cronbachs alfakoefficient for den totale skala var 0.94, og de respektive koefficienter for de seks faktorer var 0.877, 0.843, 0.865, 0.837, 0.865 og 0.861. De seks faktorer, der svarer til SAS-abonnementerne, blev omtalt som "cyberspace-orienterede forhold", "dagliglivsstørrelse", "primacy", "overuse", "positiv forventning" og "tilbagetrækning" (Tabel 2). Alle elementer havde korrigeret-elementets samlede korrelationer på mere end 0.9. Sletning af nogen af ​​varerne øgede ikke den interne sammenhæng i den samlede score (Tabel 3). Den parallelle pålidelighed mellem SAS-M og SAS var høj, som vist af en ICC af 0.95 (95% Tillid interval = 0.937-0.962). Test-retest pålideligheden af ​​SAS-M efter et 1-uger interval var høj, med en ICC af 0.85 (95% Tillid interval = 0.808-0.866).

thumbnail  

 
Tabel 2. Faktoranalyse af SAS-Malay-versionen.

 

doi: 10.1371 / journal.pone.0139337.t002

thumbnail  

 
Tabel 3. Korrigerede element-Samlede korrelationer og Cronbachs alpha if-element blev slettet for SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

SAS-M's samtidige gyldighed: Sammenhæng mellem abonnementerne på SAS-M og den malaysiske version af IAT

Resultaterne af Pearson korrelationsanalysen, der blev udført mellem abonnementerne på SAS-M og den malaysiske version af IAT, er vist i Tabel 4. Resultaterne viser, at alle SAS-M's abonnementer, bortset fra "positiv forventning", var væsentligt relateret til den malaysiske version af IAT.

thumbnail  

 
Tabel 4. SAS-M's samtidige gyldighed (Pearson's korrelation): Tegninger af SAS-M og den malaysiske version af IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

AUC for ROC-kurven var 0.801 (95% Cl = 0.746 til 0.855). Den optimale cut-off score til at identificere risikosager var mere end 98 med en følsomhed på 71.43%, en specificitet af 71.03%, en positiv forudsigelsesværdi (PPV) på 64.10% og en negativ forudsigelsesværdi (NPV) for 77.44 %. Forekomsten af ​​en risiko for at udvikle smartphoneafhængighed i dette studie var 46.9%, baseret på en score på 98.

Diskussion

Denne undersøgelse undersøgte SAS-M's interne konsistens, dimensioner og samtidige og konstruere validitet. Resultater fra undersøgelsen tyder på, at SAS-M er et pålideligt og gyldigt instrument til vurdering af smartphoneafhængighed i den malayalske befolkning.

I denne undersøgelse udviser SAS-M god intern konsistens; Cronbachs alfakoefficient for den totale skala var 0.94, og de respektive koefficienter for de seks faktorer var 0.877, 0.843, 0.865, 0.837, 0.865 og 0.861. SAS-M's parallelle pålidelighed og test-retest pålidelighed efter et 1-uger-interval viste sig at være gode med ICC'er henholdsvis 0.95 og 0.85, som er endnu bedre end dem i den oprindelige version af SAS [28]. Til dato er dette den første undersøgelse af sin art relateret til smartphone afhængighed, og det viser, at SAS-M er lige så god som den engelske version.

De seks dominerende komponenter, som forklarede en stor del af SAS-M's variabilitet, var imidlertid de samme som for den oprindelige SAS. I den foreliggende undersøgelse bestod komponenterne af "cyberspace-orienteret forhold", "dagliglivsstørrelse", "forrang", "overanvendelse", "positiv forventning" og "tilbagetrækning". Komponenterne i den oprindelige SAS var "dagliglivsstørrelse", "positiv forventning", "tilbagetrækning", "cyberspace-orienteret forhold", "overanvendt" og "tolerance". Ikke alle de faktorer, der er erhvervet i denne faktoranalyse parallelt med de faktorer, der er opnået i den oprindelige SAS. Det skyldes mere sandsynligt, at dette afspejler forskellene mellem malaysiske og koreanske prøver. Betydningen af ​​det oprindelige SAS var blevet ændret under oversættelsesprocessen.

Størstedelen af ​​de komponenter, der er rapporteret i den aktuelle undersøgelse, er de samme, bortset fra komponenten "primacy", som er forskellig fra komponenten "tolerance" i den oprindelige SAS. De mulige årsager kan være vores studiepopulation var yngre (21.7 ± 1.1 år med en aldersgruppe fra 20 til 27) i forhold til den koreanske befolkning (26.1 ± 6.0 med aldersgrupper fra 18 til 53). Baggrunden for vores studiepopulation var homogen, da alle fagene var lægeelever sammenlignet med den brede vifte af besættelses- og uddannelsesniveauet i den oprindelige SAS-undersøgelse. Den forskellige fortolkning kan kompliceres af heterogeniteten i baggrunden og uddannelsen af ​​den studerede befolkning.

I denne undersøgelse var alle SAS-M's abonnementer, bortset fra "positiv forventning", væsentligt relateret til den malaysiske version af IAT. Dette kan være det eneste abonnement, der ikke korrelerer godt med IAT, fordi IAT primært måler negativ brug af internettet, så der er ingen punkter, der spørger om positiv forventning. Ikke desto mindre reducerer dette aspekt ikke den samtidige validitet, fordi de andre 5-abonnenter er stærkt korrelerede.

Forekomsten af ​​risikosager, der kunne identificeres som smartphoneafhængighed ved hjælp af denne skala var 46.9%. Der er flere mulige forklaringer til dette resultat. Den høje forekomst af smartphoneafhængighed forventes, da en lokal undersøgelse har vist, at 85% af malaysiens egne mobiltelefoner [18]. Smartphones er den foretrukne løsning, fordi malaysierne har tendens til at følge udviklingen i samfundet [20]. Derudover tilbyder smartphone gratis onlinemeddelelser via visse platforme, f.eks. WhatsApp og WeChat, som beriger brugerens liv. Underholdning er en anden mulig forklaring på den høje forekomst af smartphoneafhængighed, fordi med disse telefoner kan lægeelever lytte til musik, se film og spille spil for at lindre stress [34]. Derfor kan de have en tendens til at bruge mere tid med deres smartphone i slutningen af ​​dagen og til sidst blive patologiske brugere.

En af bekymringerne i vores undersøgelse ville imidlertid være den optimale SAS-M cut-off score for risikosager blev bestemt ud fra koordinatpointsne, da scoren for den malaysiske version af IAT var mere end 43. Dette er ikke opdateret veletablerede cut-offs for IAT. Tilsvarende er der ikke etableret diagnostisk kriterium for internet- eller smartphoneafhængighed i henhold til DSM V i spektret af afhængighedsforstyrrelse [21, 25]. Således var det afsnittet, der var foreslået af vores undersøgelse, formentlig for lavt, hvilket førte til en meget høj estimeret frekvens af smartphoneafhængighed. Til højre skal diagnosen internetafhængighed baseres på tre kriterier som beskrevet af Ko et al., 2012 [25].

SAS-M fungerer mere som en screening eller en skala til vurdering af sværhedsgraden af ​​vanedannende brug af smartphone end et diagnostisk instrument. At foretage en ordentlig diagnose af smartphone afhængighed vil være et vigtigt spørgsmål for fremtidig forskning. Vi foreslog, at diagnosen smartphoneafhængighed fremover skulle indeholde flere kriterier, der består af kriterierne A, B og C. Kriterium A indeholder seks karakteristiske symptomer på smartphoneafhængighed som cyberspace orienteret forhold, dagliglivsstørrelse, forrang, overanvendelse, positiv forventning og tilbagekaldelse. Kriterium B skal omfatte funktionsnedsættelsen sekundært til brug af smartphone. Kriterium C bør udelukke anden psykiatrisk lidelse som bipolar lidelse eller anden impulsiv lidelse. Emner, der opfylder alle kriterierne A, B og C, vil kun blive betragtet som smarte smartphoneafhængighed.

Styrke og begrænsninger

Resultaterne af denne undersøgelse skal fortolkes i sammenhæng med undersøgelsens begrænsninger: For det første er der intet etableret diagnostisk kriterium for internet- eller smartphone-afhængighed ifølge DSM V i spektret af afhængighedsforstyrrelse [21, 25]. Men i lyset af de begrænsede undersøgelser af smartphoneafhængighed i lokal indstilling kan resultaterne af denne undersøgelse stadig give nogle indsigter til sundhedspersonalet. For det andet var trods stikprøvestørrelsen tilstrækkelig, men den blev ikke randomiseret. Køn og race blev ikke lige fordelt. Desuden blev denne undersøgelse udført på et enkelt center, så prøvepopulationen var homogen og kan ikke afspejle den generelle befolkning i Malaysia.

På trods af denne begrænsning viste resultaterne af den foreliggende undersøgelse, at SAS-M kan bruges til evaluering af smartphoneafhængighed blandt uddannede malaysiske unge voksne.

Konklusion

Denne undersøgelse udviklede den første smarte telefon afhængighed skala blandt medicinske studerende. Denne undersøgelse viser også, at SAS-M er et gyldigt og pålideligt, selvstyret redskab til at skærmme for dem, der er i risiko for at have smartphoneafhængighed.

Understøttende oplysninger

S1_Text.doc
 
 

S1 Tekst. Smart telefonafhængighed Malay Version Spørgeskema.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

Forfatterbidrag

Opfattet og designet eksperimenterne: SMC AY FKH. Udført forsøgene: VR SMSL WAWS YLF. Analyseret data: SMC AY. Bidragede reagenser / materialer / analyseværktøjer: SMC AY. Skrev papiret: SMC AY VR.

Referencer

  1. 1. Rashvand HF, Hsiao KF (2015) Smartphone intelligente applikationer: en kort gennemgang. Multimediesystemer 21 (1): 103-119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Sheets L (2012) En systematisk gennemgang af sundhedsapplikationer til smartphones. BMC Medicinsk Informatik og beslutningstagning 12: 67. doi: 10.1186 / 1472-6947-12-67. PMID: 22781312
  3. Se artikel
  4. PubMed / NCBI
  5. Google Scholar
  6. Se artikel
  7. PubMed / NCBI
  8. Google Scholar
  9. Se artikel
  10. PubMed / NCBI
  11. Google Scholar
  12. Se artikel
  13. PubMed / NCBI
  14. Google Scholar
  15. Se artikel
  16. PubMed / NCBI
  17. Google Scholar
  18. Se artikel
  19. PubMed / NCBI
  20. Google Scholar
  21. Se artikel
  22. PubMed / NCBI
  23. Google Scholar
  24. Se artikel
  25. PubMed / NCBI
  26. Google Scholar
  27. Se artikel
  28. PubMed / NCBI
  29. Google Scholar
  30. Se artikel
  31. PubMed / NCBI
  32. Google Scholar
  33. Se artikel
  34. PubMed / NCBI
  35. Google Scholar
  36. Se artikel
  37. PubMed / NCBI
  38. Google Scholar
  39. Se artikel
  40. PubMed / NCBI
  41. Google Scholar
  42. Se artikel
  43. PubMed / NCBI
  44. Google Scholar
  45. Se artikel
  46. PubMed / NCBI
  47. Google Scholar
  48. Se artikel
  49. PubMed / NCBI
  50. Google Scholar
  51. Se artikel
  52. PubMed / NCBI
  53. Google Scholar
  54. Se artikel
  55. PubMed / NCBI
  56. Google Scholar
  57. Se artikel
  58. PubMed / NCBI
  59. Google Scholar
  60. Se artikel
  61. PubMed / NCBI
  62. Google Scholar
  63. Se artikel
  64. PubMed / NCBI
  65. Google Scholar
  66. Se artikel
  67. PubMed / NCBI
  68. Google Scholar
  69. Se artikel
  70. PubMed / NCBI
  71. Google Scholar
  72. Se artikel
  73. PubMed / NCBI
  74. Google Scholar
  75. Se artikel
  76. PubMed / NCBI
  77. Google Scholar
  78. Se artikel
  79. PubMed / NCBI
  80. Google Scholar
  81. Se artikel
  82. PubMed / NCBI
  83. Google Scholar
  84. Se artikel
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Lane N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: En smartphone applikation til overvågning, model og fremme velvære. 5th International Conference om Pervasive Computing Technologies for Healthcare, Dublin.
  88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Sundhed og mobiltelefonen. 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 medicinske applikationer til kvinders sundhed: Hvad er bevisbasen og feedbacken? International Journal of Telemedicine and Applications Artikel-ID 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) Påvirkningen af ​​smarte telefoner om menneskers sundhed og adfærd: jordanske opfattelser. International Journal of Computer Networks and Applications 2 (2): 52-56.
  91. 7. Sarwar M, Soomro TR (2013) Impact of Smartphone's on Society. Den Europæiske Journal of Scientific Research 98 (2): 216-226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) En undersøgelse af nogle af de almindelige sundhedseffekter af mobiltelefoner blandt universitetsstuderende. 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) Udvikling og validering af Smartphone Addiction Inventory (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) Er impulsivitet relateret til opfattet afhængighed af og faktisk brug af mobiltelefonen? Anvendt kognitiv psykologi 21: 527–537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Sociale implikationer af smartphone-brug: Koreanske universitetsstuderendes smartphone-brug og psykologiske velbefindende. Cyberpsykologi, adfærd og sociale netværk 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) Symptomer på problematisk mobiltelefonanvendelse, funktionsnedsættelse og tilknytning til depression blandt unge i det sydlige Taiwan. Journal of Adolescence 32: 863-873. doi: 10.1016 / j.adolescence.2008.10.006. PMID: 19027941
  97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problematisk brug af internet og mobiltelefon og kliniske symptomer på universitetsstuderende: Den følelsesmæssige intelligens rolle. Computere i menneskelig adfærd 25: 1182-1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Mobilbrug og stress, søvnforstyrrelser og symptomer på depression blandt unge voksne - et prospektivt kohortstudie. 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) Forhold til personlighed og livsstil med mobilitetsafhængighed blandt kvindelige sygeplejersker. Socialt adfærd og personlighed: en international tidsskrift 37 (2): 231-238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Mobilafhængighed og sundhedsrelateret livsstil for universitetsstuderende. Socialt adfærd og personlighed 34 (10): 1277-1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Malaysian Communications and Multimedia Commission (2012) Håndtelefon Brugere Survey 2011. Ledig: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Malaysian Communications and Multimedia Commission (2014) Håndtelefon Brugere Survey 2012. Ledig: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Ledig: 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) En undersøgelse af trenden af ​​smartphone og dens brugsadfærd i Malaysia. International Journal of New Computer Architectures og deres applikationer 2: 274-285.
  105. 21. Weinstein A, Lejoyeux M (2010) Internetafhængighed eller overdreven internetbrug. Den amerikanske Journal of Drug and Alcohol Abuse 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) Problematisk internet- og mobiltelefonbrug: Psykologiske, adfærdsmæssige og sundhedsmæssige korrelater. Addiction research & theory 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) Udbredelse af patologisk internetbrug blandt universitetsstuderende og korrelationer med selvtillid, General Health Questionnaire (GHQ) og disinhibition. CyberPsykologi og adfærd 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) Forholdet mellem depression og internetafhængighed. CyberPsykologi og adfærd 1: 25-28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Forbindelsen mellem internetafhængighed og psykiatrisk lidelse: en gennemgang af litteraturen. Europæisk Psykiatri 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) Gyldigheden af ​​den malaysiske version af Internet Addiction Test: en undersøgelse af en gruppe medicinske studerende i Malaysia. Asien-Stillehavet 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, et al. (2008) Fransk validering af internetafhængighedstesten. CyberPsykologi og adfærd 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) Udvikling og validering af en smartphone-afhængighedsskala (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. PMID: 23468893
  113. 29. Gorsuch RL (1983) Faktoranalyse. 2ed ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) Anvendelsen af ​​elektroniske computere til faktoranalyse. Uddannelsesmæssig og psykologisk måling 20: 141-151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Nogle nødvendige betingelser for fælles faktor analyse. Psychometrika 19: 149-161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Forbindelser mellem depressiv symptomatologi og internetchikane blandt unge regelmæssige brugere. CyberPsykologi og adfærd 7: 247-257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Et faktorialfeltindeks. Psychometrika 39: 31-36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS, Abdullah MC (2011) Stress og akademisk præstation blandt bachelorstuderende i Universiti Putra Malaysia. Procedur-samfunds- og adfærdsvidenskab 29: 646-655. doi: 10.1016 / j.sbspro.2011.11.288