Frühere Studien haben einen Zusammenhang zwischen Internet-Gaming-Störung (IGD) und Depression berichtet, die Richtwirkung der Beziehung bleibt jedoch unklar. Daher untersuchten wir in einer Längsschnittstudie die Wechselbeziehung zwischen dem Grad der depressiven Symptome und der IGD bei Kindern.
Methoden
Die Forschungsgremien für diese Studie bestanden aus 366 Grundschülern der iCURE-Studie. Alle Teilnehmer waren aktuelle Internetnutzer, so dass sie als Risikopopulation für IGD angesehen werden konnten. Der selbst gemeldete Schweregrad der IGD-Merkmale und der Grad der Depression wurden anhand des Internet-Game-Use-Elicited Symptom Screen bzw. des Children's Depression Inventory bewertet. Die Nachuntersuchung wurde nach 12 Monaten abgeschlossen. Wir haben übergreifende Strukturgleichungsmodelle angepasst, um die Assoziation zwischen den beiden Variablen zu zwei Zeitpunkten gleichzeitig zu untersuchen.
Die Cross-Lagged-Analyse ergab, dass der Grad der Depression zu Studienbeginn den Schweregrad der IGD-Merkmale im 12-Monats-Follow-up signifikant vorhersagte (β = 0.15, p = 003). Der Schweregrad der IGD-Merkmale zu Studienbeginn prognostizierte auch signifikant das Ausmaß der Depression bei der 12-monatigen Nachuntersuchung (β = 0.11, p = .018), Kontrolle möglicher Störfaktoren.
Die Cross-Lagged-Path-Analyse zeigt eine wechselseitige Beziehung zwischen dem Schweregrad der IGD-Merkmale und dem Grad der depressiven Symptome. Das Verständnis der wechselseitigen Beziehung zwischen depressiven Symptomen und der Schwere von IGD-Merkmalen kann bei Interventionen zur Verhinderung beider Zustände hilfreich sein. Diese Ergebnisse liefern theoretische Unterstützung für Präventions- und Sanierungspläne für IGD und depressive Symptome bei Kindern.
Einleitung
Kinder entwickeln sich in einer Ära digitaler Technologie und lernen schon früh Computer, mobile Geräte und das Internet kennen. Spielstörungen treten weltweit bei Kindern und Jugendlichen als großes psychisches Problem auf (Ioannidis et al., 2018), obwohl immer noch diskutiert wird, ob das Spielen für Kinder und Jugendliche vorteilhaft oder schädlich ist.
Die Hälfte aller psychischen Erkrankungen beginnt im Alter von 14 Jahren, und Stimmungsregulationsprobleme treten manchmal im Alter von 11 Jahren vor der Pubertät auf (Forbes & Dahl, 2010; Guo et al., 2012). Psychische Gesundheitsprobleme stellen die größte Krankheitslast unter jungen Menschen dar. Frühere Studien haben Zusammenhänge zwischen Internetabhängigkeit und psychiatrischen Symptomen wie Depressionen, Angstzuständen und Einsamkeit bei Jugendlichen berichtet. Unter den psychiatrischen Symptomkategorien zeigen depressive Symptome den stärksten Einfluss auf die Entwicklung der Internetabhängigkeit bei Kindern und Jugendlichen (Erceg, Flander & Brezinšćak, 2018; Niall McCrae, Gettings & Purssell, 2017; Piko, Milin, O'Connor & Sawyer, 2011).
Internet-Gaming-Störung (IGD) und Depression interagieren miteinander und teilen neuronale Mechanismen (Choi et al., 2017; Liu et al., 2018). Ähnliche Hirnregionen zeigen sowohl bei Depressionen als auch bei IGD eine abnormale Funktion. Die Amygdala, der präfrontale Kortex, der Gyrus und die Verbindung zwischen dem Frontoparietallappen und der Amygdala scheinen bei Menschen mit Spielproblemen und bei Menschen mit Depressionen ähnlich gestört zu sein.
Eine systematische Überprüfung ergab, dass Personen mit depressiven Symptomen fast dreimal so häufig eine Internetabhängigkeit entwickeln wie Personen ohne depressive Symptome (Carli et al., 2013). 19 von 20 Studien in der Übersicht waren jedoch Querschnittsstudien, in denen die Richtungsabhängigkeit der Assoziationen zwischen Depression und Internetsucht nicht identifiziert werden konnte. Dennoch berichteten 75% der Studien über signifikante Korrelationen zwischen problematischer Internetnutzung und Depression.
In einer begrenzten Anzahl von Längsschnittstudien wurden die Beziehungen zwischen IGD und den Ergebnissen der psychischen Gesundheit bei jungen Menschen untersucht. Eine prospektive Kohortenstudie in China ergab, dass College-Studenten, die zu Studienbeginn anfangs frei von psychischen Gesundheitsproblemen waren, nach einer selbstberichteten Depressionsskala 2.5-mal häufiger bei der 9-monatigen Nachuntersuchung eine Depression entwickelten, wenn sie dies zeigten problematische Nutzung des Internets zu Studienbeginn (Lam, Peng, Mai & Jing, 2009). In einer 2-Jahres-Längsschnittstudie an Kindern und Jugendlichen haben Gentile et al. (2011) fanden heraus, dass problematisches Spielen statistisch höhere zukünftige Niveaus von Depressionen, sozialer Phobie und Angst vorhersagte, gemessen am selbstbewerteten psychischen Gesundheitszustand (Gentile et al., 2011). Ein höheres Maß an Depression wurde mit einem höheren Internet-Suchtverhalten in Verbindung gebracht (Stavropoulos & Adams, 2017).
Obwohl frühere Studien dazu beitragen können, Faktoren zu identifizieren, die mit der zeitlichen Reihenfolge der Beziehungen zwischen Depression und IGD zusammenhängen, ist immer noch unklar, ob IGD mit der Entwicklung einer Depression verbunden ist oder ob die umgekehrte Beziehung auch gilt. Daher untersuchten wir die Stabilität und die Beziehungen zwischen depressiven Symptomen und IGD im Zeitverlauf, um mithilfe eines Cross-Lagged-Path-Modells besser zu verstehen, wie sich diese beiden Variablen im Zeitverlauf gegenseitig beeinflussen. Wir untersuchten die wechselseitige Beziehung zwischen depressiven Symptomen und der Schwere der IGD-Merkmale bei präpubertären Kindern, um den Einfluss von Stimmungsänderungen während der Pubertät zu verringern.
Methoden
Die Studienpopulation wurde aus der iCURE-Studie abgeleitet, die an anderer Stelle ausführlich beschrieben wurde (Jeong et al., 2017). Kurz gesagt, die iCURE-Studie ist eine fortlaufende schulbasierte Längsschnittstudie zur Untersuchung der Naturgeschichte der IGD bei Grundschülern der 3. und 4. Klasse und Mittelschülern der 7. Klasse in Korea. Alle Teilnehmer gaben an, derzeit Internetnutzer zu sein, weshalb sie als gefährdete Bevölkerung für IGD eingestuft wurden. Die erste Nachuntersuchung wurde 12 Monate nach der Basisbewertung abgeschlossen. Um mögliche Auswirkungen pubertärer Stimmungsschwankungen auf die Studienergebnisse zu verringern, bestanden die Forschungsgremien für diese Studie nur aus Studenten der 3. und 4. Klasse, die Teil der iCURE-Studie waren. Von 399 Grundschülern, die sich zu Studienbeginn für die iCURE-Studie eingeschrieben hatten, schlossen 366 (91.5%) die 12-monatige Nachuntersuchung ab und wurden in diese Studie aufgenommen.
Bei der Basisbewertung füllten alle Teilnehmer die Fragebögen in einer Klassenumgebung aus. Ein wissenschaftlicher Mitarbeiter las die Fragen mit einem Standard-Skript, um das Verständnis zu erleichtern. Für die 12-monatige Nachuntersuchung füllten alle Schüler die Fragebögen selbst aus, wobei sie eine webbasierte Selbstverwaltungsmethode verwendeten und ein betreuender wissenschaftlicher Mitarbeiter zur Beantwortung von Fragen zur Verfügung stand.
Der Schweregrad der IGD-Funktionen wurde anhand des IGUESS-Bildschirms (Internet Game Use-Elicited Symptom Screen) bewertet. Dieses Instrument wurde basierend auf den neun DSM-5-IGD-Kriterien erstellt, wobei jeder Gegenstand auf einer 4-Punkte-Skala bewertet wurde (1 = entschieden widersprechen, 2 = etwas nicht einverstanden, 3 = stimme etwas zu, 4 = stimme voll und ganz zu). Eine höhere Punktzahl zeigt einen höheren Schweregrad der IGD-Merkmale an. Diese Skala ist mit einem Cronbach-α von 85 in dieser Studie zuverlässig. Es wurde angenommen, dass der Schweregrad der IGD eine kontinuierliche Schweregraddimension aufweist, wobei höhere Werte für den IGUESS einen höheren Schweregrad für die Analyse mit dem Cross-Lagged-Path-Modell anzeigen. Der beste Cut-off-Wert war 10, um bei erhöhtem IGD-Risiko berücksichtigt zu werden (Jo et al., 2017). Wir haben diesen Schwellenwert für dichotome Analysen verwendet.
Der Grad der Depression wurde anhand des Kinderdepressionsinventars (CDI) ermittelt. Der CDI umfasst 27 Elemente zur Quantifizierung von Symptomen wie depressiver Verstimmung, hedonischer Kapazität, vegetativen Funktionen, Selbsteinschätzung und zwischenmenschlichem Verhalten. Jedes Element besteht aus drei Anweisungen, die bewertet wurden, um den Schweregrad von 0 auf 2 zu erhöhen. Kinder wählen diejenige aus, die ihre Symptome in den letzten 2 Wochen am besten charakterisiert. Die Item-Scores werden zu einem Gesamt-Depressions-Score kombiniert, der zwischen 0 und 54 liegt. Wir haben die koreanische Version des CDI verwendet, die eine gute Zuverlässigkeit und Validität für die Beurteilung depressiver Symptome aufweist (Cho & Choi, 1989). Es wurde angenommen, dass das Ausmaß der depressiven Symptome eine kontinuierliche Schweregraddimension aufweist, wobei höhere Werte auf dem CDI einen höheren Schweregrad der depressiven Symptome für die Analyse mit dem Cross-Lagged-Path-Modell anzeigen. Eine Gesamtpunktzahl von 22 oder mehr wurde als Hinweis auf depressive Symptome in der dichotomen Analyse angesehen. Sowohl der Schweregrad der IGD-Merkmale als auch das Ausmaß der Depression wurden zu Studienbeginn und bei der 12-monatigen Nachuntersuchung anhand von interviewergeführten Selbstberichtsbewertungen bewertet.
Allgemeine Merkmale, einschließlich Alter, Geschlecht, Familientyp und durchschnittliche tägliche Zeit, die für das Spielen von Internetspielen aufgewendet wurde, wurden aus den Basisdaten ermittelt, die im Selbstbericht des befragten Kindes erfasst wurden. Für den Familientyp wurde eine intakte Familie als Kinder definiert, die mit beiden Elternteilen leben. Zu den als nicht intakt definierten gehörten Kinder, die aufgrund von Scheidung, Tod oder Trennung ihrer Eltern nur mit einer Mutter oder einem Vater oder mit keinem Elternteil leben. Die Pubertät wurde anhand der Antworten der Teilnehmer auf zwei Fragen bestimmt: Entweder "Haben Sie Ihre Periode begonnen?" für Mädchen oder "Haben Sie begonnen, Ihre Achselhaare zu wachsen?" für Jungs. Wenn die Teilnehmer mit „Ja“ geantwortet haben, haben wir angenommen, dass sie in die Pubertät eingetreten sind. Sowohl die schulische Leistung ihrer Kinder als auch der sozioökonomische Status (SES) wurden aus der Selbstberichtsbewertung der Eltern ermittelt.
Deskriptive Statistiken und Wechselbeziehungen zwischen Studienvariablen wurden mit SAS 9.4 (SAS Institute Inc., Cary, NC, USA) durchgeführt. Cross-Lagged-Panel-Modellierung wurde unter Verwendung von Structural Equation Modeling (SEM) mit Hilfe des Statistikpakets Analysis of Moment Structures, Version 23.0, durchgeführt. (IBM Inc., Chicago, IL, USA). Die beschreibenden Daten werden mit Zahlen und Prozentsätzen für kategoriale Variablen oder Mittelwert ± SD oder Median (Bereich) für kontinuierliche Variablen zusammengefasst. Der longitudinale Zusammenhang zwischen dem Schweregrad der IGD-Merkmale und dem Grad der Depression wurde mit Cross-Lagged-Panel-Modellen bewertet. Vor der Durchführung der Analyse wurden sowohl der Grad der Depression als auch der Schweregrad der IGD-Merkmale logarithmisch transformiert, um eine ungefähre Normalität zu erreichen.
Cross-Lagged-Panel-Modelle ermöglichen die gleichzeitige Untersuchung von Assoziationen zwischen zwei oder mehr wiederholt gemessenen Variablen. Daher geben die verzögerten Korrelationen den Einfluss einer Variablen zu einem bestimmten Zeitpunkt auf die Werte einer anderen Variablen zu einem späteren Zeitpunkt an, wobei Querschnittskorrelationen und Autokorrelationen kontrolliert werden.
Wie in Abbildung dargestellt 1ADer erste Cross-Lagged-Koeffizient βCL (a) repräsentiert die Assoziation zwischen dem zu Studienbeginn gemessenen Depressionsgrad und dem Schweregrad der IGD-Merkmale, die bei der 12-monatigen Nachuntersuchung gemessen wurden. Der zweite Cross-Lagged-Koeffizient βCL (b) repräsentiert den Zusammenhang zwischen dem Schweregrad der zu Studienbeginn gemessenen IGD-Merkmale und dem Grad der Depression, der bei der 12-monatigen Nachuntersuchung gemessen wurde. Die Querschnittsassoziation zwischen dem Schweregrad der IGD-Merkmale und dem Grad der Depression wird als βCL-Basislinie dargestellt. Die autoregressiven Koeffizienten βAR-Depression und βAR-IGD, die die Stabilität der Depression und den Schweregrad der IGD-Merkmale vom Ausgangswert bis zum 12-Monats-Follow-up darstellen, werden vorgestellt. Das Modell wurde an potenzielle Störfaktoren wie Alter, Geschlecht, Familientyp, akademische Leistung und SES angepasst.
Abbildung 1. (A) Die allgemeine Modellierung für Cross-Lagged-Panel-Modelle. (B) Das Cross-Lagged-Panel-Modell, das die longitudinale Assoziation zwischen IGD und Depression analysiert. Numerische Werte sind standardisierte strukturelle Regressionskoeffizienten. AR: autoregressiv; CL: Cross-Lagged; CS: Querschnitt. * *p <05. ** **.p <01.
Um den Mediationseffekt zu testen, wurden 2,000 Bootstrap-Resamples und ein 95% -Konfidenzintervall (CI) angewendet, um den indirekten Pfad zu erstellen. Bias-korrigierte CIs ohne 0 wurden für den indirekten Effekt als signifikant angesehen. Effektgrößen werden basierend auf der vorherigen Empfehlung als klein (0.01), mittel (0.09) und groß (0.25) interpretiert (Prediger & Kelley, 2011).
Die Modellanpassung wurde unter Verwendung mehrerer Anpassungsindizes bewertet, einschließlich absoluter Anpassungsindizes, inkrementeller Anpassungsindizes und Parsimony-Anpassungsindizes. Inkrementelle Anpassungsindizes wurden unter Verwendung des χ bewertet2 über Freiheitsgrade (χ2/df) Verhältnis, Anpassungsgüteindex (GFI), Vergleichsanpassungsindex (CFI) und quadratischer mittlerer Approximationsfehler (RMSEA). Inkrementelle Anpassungsindizes wurden unter Verwendung des Tucker-Lewis-Index (TLI), des normierten Anpassungsindex, des relativen Anpassungsindex (RFI) und des vergleichenden Anpassungsindex (CFI) bewertet. Ein angepasster GFI (AGFI) wurde für Parsimony-Fit-Indizes verwendet. Die SEM-Literatur legt nahe, dass die Modellanpassung gut ist, wenn χ2/df ≤ 3; CFI ≥ 0.95, TLI ≥ 0.95, GFI ≥ 0.95, NFI ≥ 0.95, RFI ≥ 0.95, AGFI ≥ 0.95 und RMSEA ≤ 0.06 (Kline, 2011).
Für eine zusätzliche Analyse wurde ein erhöhtes IGD-Risiko mit einem Gesamtwert von 10 oder höher auf der IGUESS-Skala und ein hohes Maß an depressiven Symptomen mit einem Gesamtwert auf dem CDI von 22 oder höher definiert. Wir verwendeten ein logarithmisches Binomialmodell, das mit PROC GENMOD durchgeführt wurde, um das relative Risiko (RR) für den Zusammenhang zwischen einem hohen Grad an depressiven Symptomen und einem erhöhten IGD-Risiko während der 12-monatigen Nachbeobachtungszeit bei Kindern mit geringerem IGD-Risiko abzuschätzen (<10 IGURSS-Werte) zu Studienbeginn. Die Inzidenzrate eines hohen Niveaus an depressiven Symptomen bei der 12-monatigen Nachuntersuchung wurde bei Kindern ohne depressive Symptome zu Studienbeginn berechnet. Wir haben rohe und angepasste RRs berechnet und dabei mögliche Störfaktoren berücksichtigt.
Um sich für die iCURE-Studie einzuschreiben, wurde von allen Teilnehmern und ihren Eltern oder Erziehungsberechtigten eine schriftliche Einverständniserklärung eingeholt, nachdem die Art der Forschungsgrundsätze einschließlich der Vertraulichkeit und der Wahlfreiheit zur Teilnahme gemäß der Erklärung von Helsinki von 1975 erläutert worden war (Weltärztebund, 2013). Diese Studie wurde vom Institutional Review Board der Katholischen Universität von Korea (MC19ENSI0071) vollständig geprüft und genehmigt. Das iCURE Data Management Board hat nicht identifizierte Daten für die Datenanalyse freigegeben.
Die Ergebnisse
Die demografischen und klinischen Merkmale der 366 Teilnehmer sind in der Tabelle zusammengefasst 1. Das Durchschnittsalter der Teilnehmer betrug 10 Jahre (Bereich: 9–12 Jahre). Von den 366 Teilnehmern waren 188 (51.4%) Jungen. Die meisten Teilnehmer (n = 337; 92.1%) stammten aus intakten Familien, 68% der Teilnehmer hatten gute akademische Leistungen und 71% gaben an, dass ihr SES niedrig bis mäßig war.
|
Tabelle 1. Allgemeine und klinische Merkmale von 366 Grundschülern in der iCURE-Studie
| Variablen | N (%) | Median (Bereich) | Cronbachs α |
|---|---|---|---|
| Geschlecht | |||
| Jungen | 188 (51.4) | ||
| Mädchen | 178 (48.6) | ||
| Alter | 10 (9-12) | ||
| Familienstruktur | |||
| Intakte Familie | 337 (92.1) | ||
| Nicht intakte Familie | 29 (7.9) | ||
| Sozioökonomischen Status | |||
| Niedrig und mittel | 263 (71.9) | ||
| High | 103 (28.1) | ||
| Akademische Leistung | |||
| Gutes | 249 (68.0) | ||
| Badewanne | 117 (32.0) | ||
| Basisbewertungen | |||
| Internet-Gaming-Störung | 2 (0-22) | .78 | |
| Reduzierung des Depressionsrisikos | 6 (0-46) | .88 | |
| Angst & Sorgen | 26 (20-58) | .89 | |
| 12-monatige Nachuntersuchungen | |||
| Internet-Gaming-Störung | 2 (0-23) | .86 | |
| Reduzierung des Depressionsrisikos | 5 (0-45) | .89 | |
| Angst & Sorgen | 24 (20-58) | .94 |
Die Korrelationen zwischen den wichtigsten interessierenden Variablen sind in der Tabelle angegeben 2. Im Querschnitt korrelierte das Ausmaß der Depression zu Studienbeginn positiv mit dem Schweregrad der IGD sowohl zu Studienbeginn als auch nach 12 Monaten. In Längsrichtung korrelierte der Grad der Depression (Baseline) positiv mit dem Schweregrad der IGD (12-Monats-Follow-up), und der Schweregrad der IGD (Baseline) korrelierte positiv mit dem Grad der Depression (12-Monats-Follow-up).
|
Tabelle 2. Korrelationsmatrix, Mittelwert und Standardabweichung (SD) für Hauptvariablen
| Variablen | 1 | 2 | 3 | 4 | Bedeuten | SD |
|---|---|---|---|---|---|---|
| 1. Grad der Depression (Grundlinie) | 1 | 7.4 | 6.5 | |||
| 2. Schweregrad der IGD (Grundlinie) | .443 * | 1 | 2.6 | 3.2 | ||
| 3. Grad der Depression (12 Monate Follow-up) | .596 * | .339 * | 1 | 6.7 | 6.6 | |
| 4. Schweregrad der IGD (12 Monate Follow-up) | .359 * | .453 * | .447 * | 1 | 2.9 | 3.6 |
Hinweis. IGD: Internet-Gaming-Störung.
*p <001.
Abbildung 1 zeigt das theoretisierte Modell (A) und das analysierte Modell (B) mit standardisierten Pfadladungen (standardisiertes Beta, β). In Bezug auf die autokorrelierten Pfade prognostizierte der Grad der Depression zu Studienbeginn statistisch den Schweregrad der IGD-Merkmale bei der 12-monatigen Nachuntersuchung (β = 0.55, p <001). Darüber hinaus prognostizierte der Schweregrad der IGD-Merkmale zu Studienbeginn das statistisch vorhergesagte Depressionsniveau nach 12 Monaten (β = 0.37, p <001). Die Ergebnisse zeigten, dass sowohl das Ausmaß der depressiven Symptome als auch die Schwere der IGD-Merkmale zwischen dem Ausgangswert und dem 12-monatigen Follow-up signifikant korrelierten. In ähnlicher Weise wurde der Schweregrad der IGD-Merkmale über die beiden Zeitpunkte hinweg korreliert.
In Bezug auf den Querschnittskorrelationspfad waren das Ausmaß der depressiven Symptome und die Schwere der IGD-Merkmale zu jedem Zeitpunkt positiv korreliert (β = 0.46, p <0.001 zu Studienbeginn und β = 0.27, p <001 nach 12 Monaten). Die Ergebnisse zeigten zu jedem Zeitpunkt eine positive Korrelation zwischen dem Grad der depressiven Symptome und der Schwere der IGD-Merkmale.
Die Cross-Lagged-Analysen zeigten, dass der Grad der Depression zu Studienbeginn den Schweregrad der IGD-Merkmale bei der 12-monatigen Nachuntersuchung statistisch vorhersagte (β = 0.15, p = 003). Der Schweregrad der IGD-Merkmale zu Studienbeginn prognostizierte auch statistisch das Ausmaß der Depression bei der 12-monatigen Nachuntersuchung (β = 0.11, p = .018) nach Kontrolle möglicher Störfaktoren. Die Cross-Lagged-Path-Analyse zeigte eine wechselseitige Beziehung zwischen der Schwere der IGD-Merkmale und dem Grad der depressiven Symptome.
Unser Gesamtmodell zeigte eine gute Anpassung basierend auf Anpassungsindizes. Das Verhältnis der χ2 zu den Freiheitsgraden betrug 1.336, was auf eine gute Modellanpassung hinweist. Der RMSEA betrug 0.03, der GFI betrug 0.997, der TLI betrug 0.976, der CFI betrug 0.997 und der AGFI betrug 0.964, was ebenfalls auf eine gute Anpassung hinweist. Zusammengenommen deuten die Anpassungsstatistiken darauf hin, dass dies ausreichte, um ein gültiges Modell zu erstellen, das auf einem starken a priori theoretischen Rahmen und akzeptablen Zuverlässigkeitswerten basiert.
Von 366 Teilnehmern gaben 351 zu Studienbeginn kein erhöhtes IGD-Risiko an. Von diesen 351 Teilnehmern wurden 15 (4.3%) bei der 12-monatigen Nachuntersuchung als mit einem erhöhten IGD-Risiko eingestuft. Nach Bereinigung um mögliche Störfaktoren hatten Teilnehmer mit depressiven Symptomen zu Studienbeginn nach 3.7 Monaten eine 12-fach höhere IGD-RR als Teilnehmer ohne depressive Symptome zu Studienbeginn (RR = 3.7, 95% CI = 1.1–13.2).
Von 366 Teilnehmern berichteten 353 zu Studienbeginn nicht über ein hohes Maß an depressiven Symptomen. Von diesen 353 Teilnehmern hatten 8 (2.3%) bei der 12-monatigen Nachuntersuchung ein hohes Maß an depressiven Symptomen. Nach Bereinigung um mögliche Störfaktoren hatten Teilnehmer mit einem erhöhten IGD-Risiko zu Studienbeginn ein 3.6-fach erhöhtes Depressionsrisiko bei der 12-monatigen Nachuntersuchung im Vergleich zu Teilnehmern, die zu Studienbeginn kein erhöhtes IGD-Risiko hatten war statistisch nicht signifikant (RR = 3.6, 95% CI = 0.5–29.0; Tabelle 3).
|
Tabelle 3. Inzidenz von IGD und Depression bei Kindern nach 12 Monaten
| Ja | Nein | IR | RR | aRRa | ||
|---|---|---|---|---|---|---|
| 12 Monate IGDb | ||||||
| Baseline-Depression | Ja | 2 | 8 | 20 | 5.2 (1.4-20.2) | 3.7 (1.1-13.2) |
| Nein | 13 | 328 | 3.8 | |||
| 12 Monate Depressionc | ||||||
| Grundlinie IGD | Ja | 1 | 11 | 8.3 | 4.1 (0.5-30.4) | 3.6 (0.5-29.0) |
| Nein | 7 | 334 | 2.1 | |||
Hinweis. IR: Inzidenzrate; RR: relatives Risiko; aRR: angepasstes relatives Risiko; IGD: Internet-Gaming-Störung.
aAngepasst an Geschlecht, Familientyp, akademische Leistung und sozioökonomischen Status.
bInzidenzrate von IGD bei der 12-monatigen Nachuntersuchung bei Kindern ohne IGD zu Studienbeginn (n = 351).
cInzidenzrate von Depressionen bei der 12-monatigen Nachuntersuchung bei Kindern ohne Depression zu Studienbeginn (n = 353).
Diskussion
Wir fanden eine signifikante positive Korrelation zwischen dem Grad der depressiven Symptome und dem Schweregrad der IGD-Merkmale sowohl zu Studienbeginn als auch nach 12 Monaten bei Kindern. Diese Ergebnisse legen nahe, dass depressive Symptome einen potenziellen Risikofaktor für einen erhöhten Schweregrad der IGD darstellen und der Schweregrad der IGD-Merkmale ein Jahr später einen potenziellen Risikofaktor für depressive Symptome darstellen kann.
Eine Cross-Lagged-Path-Analyse ermöglicht die gleichzeitige Analyse mehrerer Beziehungen, wodurch komplexere statistische Modelle erstellt werden, als sie durch Ausführen mehrerer separater linearer Regressionen erhalten werden könnten. Die relativen Stärken von Längsbeziehungen können durch Vergleich standardisierter Korrelationskoeffizienten bestimmt werden. Sowohl der Schweregrad der IGD-Merkmale als auch das Ausmaß der depressiven Symptome zeigten signifikante Querschnitts-, Autokorrelations- und verzögerte Korrelationskoeffizienten.
Querschnittskorrelationen zeigten zu jedem Zeitpunkt einen positiven Zusammenhang zwischen dem Grad der depressiven Symptome und der Schwere der IGD-Merkmale. In ähnlicher Weise ergab die Autokorrelation, dass sowohl das Ausmaß der depressiven Symptome als auch die Schwere der IGD-Merkmale signifikant mit der Stabilität über die beiden Zeitpunkte korrelierten. Die Cross-Lagged-Path-Analyse zeigte eine wechselseitige Kausalität zwischen dem IGD-Risiko und dem Ausmaß der depressiven Symptome. Diese Querschnitts- und Längsassoziationen blieben bestehen, nachdem mögliche Störfaktoren kontrolliert wurden. Die Stärke der Beziehung war zwischen dem Depressionsniveau und dem Schweregrad der IGD-Merkmale nach 12 Monaten stärker (β = 0.15, p = 003) als zwischen dem Schweregrad der IGD-Merkmale zu Studienbeginn und dem 12-Monats-Depressionsniveau (β = 0.11, p = .018), die als mittlere Effektgröße vorgeschlagen werden. Dieser Befund legt nahe, dass Depressionen am stärksten zur Schwere der IGD-Merkmale beitragen als umgekehrt, und dass im Laufe der Zeit eine wechselseitige Beziehung besteht.
Assoziationen zwischen IGD und Depression wurden manchmal durch eine Hypothese zur Stimmungsverbesserung erklärt, die darauf hindeutet, dass Personen mit negativen Emotionen am ehesten nach Freizeitaktivitäten suchen, um dysphorischen Zuständen zu entkommen. Frühere Studien stimmten mit einer Hypothese zur Stimmungsverbesserung darin überein, dass eine signifikante, positive Beziehung zwischen Depression und IGD beobachtet wurde (Ostovar et al., 2019; Seyrek, Cop, Sinir, Ugurlu & Senel, 2017; Yen, Chou, Liu, Yang & Hu, 2014; Younes et al., 2016). Versuche, Depressionen und realen Problemen durch Online-Interaktionen zu entkommen, können zu einem Teufelskreis führen, der Depressionen verschlimmert.
Nach der Hypothese der sozialen Verschiebung gilt: Je mehr Zeit eine Person mit einer Sache verbringt, desto weniger Zeit kann für eine andere Sache aufgewendet werden. Kinder, die übermäßig viel Zeit mit Internetspielen verbringen, verbringen normalerweise weniger Zeit mit der Interaktion mit anderen Menschen (Caplan, 2003). Eine Annahme des sozialen Verschiebungseffekts ist, dass die für das Spielen aufgewendete Zeit andere Aktivitäten wie die soziale Interaktion verdrängt, die für die psychosoziale Entwicklung von Kindern wesentlich sind (Zamani, Kheradmand, Cheshmi, Abedi & Hedayati, 2010). Ein Mangel an sozialer Interaktion kann zu negativen Emotionen führen. Gentile et al. (2011) berichteten über erhöhte depressive Symptome nach Beginn der Videospielprobleme, und diese Symptome blieben bestehen (Gentile et al., 2011). Wenn die Hypothese der sozialen Vertreibung korrekt ist, kann IGD zu Depressionen führen (Amorosi, Ruggieri, Franchi & Masci, 2012; Dalbudak et al., 2013).
Depressive Symptome bei Jugendlichen treten in der Regel vor der Pubertät auf. In Bezug auf die genetische Anfälligkeit für eine Major Depression wurden die Erfahrungen mit stressigen Lebensereignissen oder das Vorhandensein von psychiatrischen Störungen während der Kindheit mit dem Ausbruch einer Depression in Verbindung gebracht (Piko et al., 2011; Shapero et al., 2014). Da präpubertäre Depressionen mit der Entwicklung von asozialen Störungen und Sucht verbunden sind (Ryan, 2003) ist es wahrscheinlich, dass Präventionsbemühungen gegen Internetabhängigkeit in jungen Jahren durchgeführt werden sollten, um die sich verschärfenden Auswirkungen auf Depressionen zu minimieren. Daher sollte der Depression und ihren möglichen Auswirkungen auf die IGD-Entwicklung bei Kindern mehr Aufmerksamkeit gewidmet werden.
Kinder mit depressiven Symptomen zu Studienbeginn zeigten ein 3.7-fach erhöhtes Risiko für die Entwicklung von IGD-Symptomen bei der 12-monatigen Nachuntersuchung im Vergleich zu Kindern ohne depressive Symptome zu Studienbeginn, nachdem mögliche Störfaktoren berücksichtigt wurden. Da der 95% -KI so breit wie 1.1–13.2 ist, kann es Einschränkungen geben, um die Genauigkeit der Schätzungen sicherzustellen. Daher sollten diese Ergebnisse mit Vorsicht interpretiert werden. Darüber hinaus besteht bei Kindern mit IGD-Symptomen zu Studienbeginn ein erhöhtes Risiko, bei der 12-monatigen Nachuntersuchung depressive Symptome zu entwickeln, im Vergleich zu Kindern ohne IGD-Symptome zu Studienbeginn. Die Ergebnisse waren jedoch statistisch nicht signifikant.
Mädchen erreichen die Pubertät etwa 12 Jahre früher als Jungen. Das Durchschnittsalter für Mädchen zu Beginn der Pubertät beträgt 12.7 Jahre in repräsentativen landesweiten Stichproben (Lee, Kim, Oh, Lee & Park, 2016). Aus dieser Perspektive hätten die meisten Teilnehmer dieser Studie noch keine Pubertät durchlaufen. Es wurde festgestellt, dass insgesamt 8 (2.2%) Kinder die Pubertät erreicht haben (3 zu Studienbeginn; 5 bei der 12-monatigen Nachuntersuchung). Aufgrund der geringen Anzahl von Kindern, die in die Pubertät eingetreten sind, wurden die Ergebnisse dieser Studie wahrscheinlich nicht durch Veränderungen im Zusammenhang mit der Pubertät beeinflusst.
Die Abnutzungsrate bei der 12-monatigen Nachuntersuchung betrug 9.1% (33 Kinder). Der gesamte Abrieb trat auf, weil die Schüler in eine andere Schule gewechselt waren. Es gab keine signifikanten Unterschiede in den Ausgangsmerkmalen, einschließlich Geschlecht, Alter, Familientyp, akademische Leistung, SES, Internetaktivität oder Schweregrad der IGD-Merkmale, zwischen den Teilnehmern, die die Studie abgeschlossen haben und nicht abgeschlossen haben.
Die mit Depressionen verbundenen Faktoren können von Land zu Land unterschiedlich sein. Depression ist eine multifaktorielle Erkrankung, die erhebliche Unterschiede zwischen verschiedenen Bevölkerungsgruppen aufweist und mit einer Vielzahl genetischer und sozioökologischer Faktoren verbunden ist, wobei mehrere Subtypen unterschiedliche Ätiologien aufweisen. Korea war das erste Land, das einen Staatshaushalt bereitstellte, um die Probleme der Internet- und Spielsucht anzugehen (Koh, 2015). Psychosoziale, ökologische und kulturelle Unterschiede können die Beziehungen zwischen depressiven Symptomen und der Schwere von IGD-Merkmalen beeinflussen, obwohl erwartet werden kann, dass ein grundlegender Zusammenhang zwischen Depression und IGD in verschiedenen Gerichtsbarkeiten und Kulturen beobachtet wird. Daher können die Ergebnisse dieser Studie für Kinder in anderen Ländern relevant sein, obwohl bei der Verallgemeinerung der Ergebnisse Vorsicht geboten ist. Weil die Befragten unter Jugendlichen befragt wurden, die Schulen besuchten und Kinder ausschlossen, die nicht zur Schule gingen. Die teilnehmenden Schulen sowie die Kinder und Eltern waren freiwillig beteiligt; Daher hatten diese Schulen Interesse daran, IGD im Vergleich zu nicht teilnehmenden Schulen zu verhindern. Die Möglichkeit einer Selektionsverzerrung und einer Unterschätzung der IGD-Prävalenz kann nicht ausgeschlossen werden.
Die Kindheit ist ein Risiko für die Entwicklung von Depressionen und IGD. Diese beiden Störungen treten häufig im Kindesalter gleichzeitig auf und sind im späteren Leben mit erheblichen Funktionsstörungen verbunden. Angesichts der ständigen Entwicklung der geistigen Eigenschaften während der gesamten Adoleszenz und im frühen Erwachsenenalter wird ein besseres Verständnis der Richtung des Auftretens und des Verlaufs dieser Störungen während der Kindheit hilfreich sein, um wirksamere Präventions- und Behandlungsstrategien zu entwickeln.
Eine Analyse des verzögerten Pfades zeigte bidirektionale Beziehungen zwischen dem Schweregrad der IGD-Merkmale und dem Grad der Depression. Ein höheres Maß an depressiven Symptomen zu Studienbeginn sagte eine höhere Schwere der IGD-Merkmale nach 12 Monaten voraus. Darüber hinaus war der Schweregrad der IGD-Merkmale zu Studienbeginn signifikant mit einem höheren Grad an depressiven Symptomen nach 12 Monaten bei Kindern verbunden. Das Verständnis der wechselseitigen Beziehungen zwischen depressiven Symptomen und der Schwere von IGD-Merkmalen kann bei Interventionen helfen, um beide Zustände zu verhindern. Diese Ergebnisse bieten theoretische Unterstützung für Präventions- und Sanierungspläne für IGD und depressive Symptome bei Kindern.
HJ führte die Analysen durch und leitete das Schreiben des Manuskripts. HWY leitete und überwachte das Schreiben des Manuskripts. HJ und HWY entwickelten und schlugen die Grundidee der Studie vor. S-YL, HL und MNP überprüften den wissenschaftlichen Inhalt und redigierten das Manuskript. HWY, HJ, S-YJ und HS führten die Studie durch. Alle Autoren haben redaktionelle Kommentare zum Manuskript abgegeben.
Die Autoren erklären keinen Interessenkonflikt hinsichtlich des Inhalts des Manuskripts. Dr. MNP berichtet über die folgenden Angaben. Er hat Game Day Data, das Addiction Policy Forum, RiverMend Health, Lakelight Therapeutics / Opiant und Jazz Pharmaceuticals konsultiert und beraten. hat Forschungsunterstützung vom Mohegan Sun Casino und dem National Center for Responsible Gaming erhalten; hat an Umfragen, Mailings oder telefonischen Konsultationen im Zusammenhang mit Drogenabhängigkeit, Impulskontrollstörungen oder anderen Gesundheitsthemen teilgenommen; und hat Anwaltskanzleien und Glücksspielunternehmen zu Fragen im Zusammenhang mit Impulskontrolle oder Suchtstörungen konsultiert.
Die während dieser Studie erzeugten und / oder analysierten Datensätze sind beim entsprechenden Autor erhältlich.
Bibliographie
| Amorosi, M., Ruggieri, F., Franken, G., & Masci, I. (2012). Depressionen, pathologische Abhängigkeit und riskantes Verhalten im Jugendalter. Psychiatria Danubina, 24 (Suppl. 1), S77-S81. Medline, Google Scholar | |
| Kaplan, S. E. (2003). Präferenz für soziale Online-Interaktion eine Theorie der problematischen Internetnutzung und des psychosozialen Wohlbefindens. Kommunikationsforschung, 30 (6), 625-648. doi:https://doi.org/10.1177/0093650203257842 CrossRef, Google Scholar | |
| Karl, V., Durkee, T., Wassermann, D., Hadlaczky, G., Despalin, R., & Kramarz, E. (2013). Der Zusammenhang zwischen pathologischer Internetnutzung und komorbider Psychopathologie: Eine systematische Überprüfung. Psychopathologie, 46 (1), 1-13. doi:https://doi.org/10.1159/000337971 CrossRef, Medline, Google Scholar | |
| Cho, S., & Choi, J. (1989). Entwicklung einer staatlichen Skala für Angstzustände bei koreanischen Kindern. Medicine Journal der Seoul National University, 14 (3), 150-157. Google Scholar | |
| Choi, J., Cho, H., Kim, J. Y., Jung, D. J., Ahn, K. J., Kan, H. B., Choi, J. S., Chun, J. W., & Kim, D. J. (2017). Strukturelle Veränderungen im präfrontalen Kortex vermitteln die Beziehung zwischen Internet-Gaming-Störung und depressiver Stimmung. Wissenschaftliche Berichte, 7 (1), 1245. doi:https://doi.org/10.1038/s41598-017-01275-5 CrossRef, Medline, Google Scholar | |
| Dalbudak, E., Evren, C., Aldemir, S., Koskun, K. S., Ugurlu, H., & Yildirim, F. G. (2013). Zusammenhang zwischen der Schwere der Internetabhängigkeit und Depressionen, Angstzuständen und Alexithymie, Temperament und Charakter bei Universitätsstudenten. Cyberpsychologie, Verhalten und soziale Netzwerke, 16 (4), 272-278. doi:https://doi.org/10.1089/cyber.2012.0390 CrossRef, Medline, Google Scholar | |
| Erceg, T., Flandern, G., & Brezinšćak, T. (2018). Die Beziehung zwischen zwanghafter Internetnutzung und Symptomen von Depressionen und Angstzuständen im Jugendalter. Alkoholismus- und Psychiatrieforschung, 54 (2), 101-112. doi:https://doi.org/10.20471/dec.2018.54.02.02 CrossRef, Google Scholar | |
| Forbes, E. E., & Dahl, R. E. (2010). Pubertäre Entwicklung und Verhalten: Hormonelle Aktivierung sozialer und motivationaler Tendenzen. Gehirn und Kognition, 72 (1), 66-72. doi:https://doi.org/10.1016/j.bandc.2009.10.007 CrossRef, Medline, Google Scholar | |
| Nichtjude, D. A., Tschüss, H., Liau, A., Ja, T., Li, D., Pilz, D., & Khoo, A. (2011). Pathologische Videospielnutzung bei Jugendlichen: Eine zweijährige Längsschnittstudie. Pediatrics, 127 (2), e319-e329. doi:https://doi.org/10.1542/peds.2010-1353 CrossRef, Medline, Google Scholar | |
| Guo, J., Chen, L., Wang, X., Liu, Y., Chui, CH., er, H., Qu, Z., & Tian, D. (2012). Die Beziehung zwischen Internetabhängigkeit und Depression bei Migrantenkindern und zurückgelassenen Kindern in China. Cyberpsychologie, Verhalten und soziale Netzwerke, 15 (11), 585-590. doi:https://doi.org/10.1089/cyber.2012.0261 CrossRef, Medline, Google Scholar | |
| Ioannidis, K., Treder, MS., Kammerherr, S. R., Kiraly, F., Röten, S. A., Stein, D. J., Lochner, C., & Gewähren, J. E. (2018). Problematische Internetnutzung als altersbedingtes facettenreiches Problem: Belege aus einer Umfrage an zwei Standorten. Suchtverhalten, 81, 157-166. doi:https://doi.org/10.1016/j.addbeh.2018.02.017 CrossRef, Medline, Google Scholar | |
| Jeong, H., Yim, H. W., Jo S. J., Lee, S. Y., Kim, E., Sohn, H. J., Han, H. H., Lee, H. K., Kweon, Y. S., Bhang, S. Y., Choi, J. S., Kim, B. N., Nichtjude, D. A., & Macht, M. N. (2017). Studienprotokoll der Internetnutzer-Kohorte für die unvoreingenommene Erkennung von Spielstörungen im frühen Jugendalter (iCURE), Korea, 2015–2019. BMJ Open, 7 (10), e018350. doi:https://doi.org/10.1136/bmjopen-2017-018350 CrossRef, Medline, Google Scholar | |
| Jo S. J., Yim, H. W., Lee, H. K., Lee, H. C., Choi, J. S., & Baek, K. Y. (2017). Der von Internet Game Use Elicited Symptom Screen erwies sich als gültiges Tool für Jugendliche im Alter von 10 bis 19 Jahren. Acta Paediatrica, 107 (3), 511-516. doi:https://doi.org/10.1111/apa.14087 CrossRef, Medline, Google Scholar | |
| Kline, R. B. (2011). Prinzipien und Praxis der Modellierung von Strukturgleichungen (3rd ed.). New York, NY / London, Großbritannien: Das Guilford Press. Google Scholar | |
| Koh, Y. (2015). Die koreanische nationale Politik zur Internetabhängigkeit. in C. Montag & M. Reuter (Hrsg.), Internetabhängige neurowissenschaftliche Ansätze und therapeutische Interventionen (pp. 219-234). London, Vereinigtes Königreich: Springer. CrossRef, Google Scholar | |
| Lam, L. T., Peng, Z. W., Mai, J. C., & Jing, J. (2009). Faktoren im Zusammenhang mit der Internetabhängigkeit bei Jugendlichen. CyberPsychology & Behavior, 12 (5), 551-555. doi:https://doi.org/10.1089/cpb.2009.0036 CrossRef, Medline, Google Scholar | |
| Lee, M. H., Kim, SCH., Oh, M., Lee, K. W., & Park, M. J. (2016). Alter bei Menarche bei koreanischen Jugendlichen: Trends und Einflussfaktoren. Reproduktive Gesundheit, 42 (1), 121-126. doi:https://doi.org/10.1530/jrf.0.0420121 CrossRef, Google Scholar | |
| Liu, L., Ja, Y. W., Li, C. R., Zhang, J. T., Xia, C. C., Lan, J., Ma, S. S., Zhou, N., & Fang, X. Y. (2018). Die Komorbidität zwischen Internet-Gaming-Störung und Depression: Wechselbeziehung und neuronale Mechanismen. Frontpsychiatrie, 9, 154. doi:https://doi.org/10.3389/fpsyt.2018.00154 CrossRef, Medline, Google Scholar | |
| Niall McCrae, N., Sachen, S., & Geldbörse, E. (2017). Social Media und depressive Symptome in Kindheit und Jugend: Eine systematische Überprüfung. Adolescent Research Review, 2 (4), 315-330. doi:https://doi.org/10.1007/s40894-017-0053-4 CrossRef, Google Scholar | |
| Ostovar, S., Allahyar, N., Aminpoor, H., Moafian, F., Noch, M., & Griffiths, M. D. (2019). Internetsucht und ihre psychosozialen Risiken (Depression, Angstzustände, Stress und Einsamkeit) bei iranischen Jugendlichen und jungen Erwachsenen: Ein Strukturgleichungsmodell in einer Querschnittsstudie. Internationales Journal für psychische Gesundheit und Sucht, 14 (3), 257-267. doi:https://doi.org/10.1007/s11469-015-9628-0 CrossRef, Google Scholar | |
| Piko, B. F., Milin, R., O'Connor, R., & Säger, M. (2011). Multidisziplinärer Ansatz bei Depressionen bei Kindern und Jugendlichen. Depressionsforschung und -behandlung, 2011, 1-3. doi:https://doi.org/10.1155/2011/854594 CrossRef, Google Scholar | |
| Prediger, K. J., & Kelly, K. (2011). Effektgrößenmaße für Mediationsmodelle: Quantitative Strategien zur Kommunikation indirekter Effekte. Psychological Methods, 16 (2), 93-115. doi:https://doi.org/10.1037/a0022658 CrossRef, Medline, Google Scholar | |
| Ryan, N. D. (2003). Depression bei Kindern und Jugendlichen: Kurzfristige Wirksamkeit der Behandlung und langfristige Chancen. Internationales Journal of Methods in Psychiatric Research, 12 (1), 44-53. doi:https://doi.org/10.1002/mpr.141 CrossRef, Medline, Google Scholar | |
| Seyrek, S., Polizist, E., Sinir, H., Ugurlu, M., & Senel, S. (2017). Mit der Internetabhängigkeit verbundene Faktoren: Querschnittsstudie türkischer Jugendlicher. Pediatrics International, 59 (2), 218-222. doi:https://doi.org/10.1111/ped.13117 CrossRef, Medline, Google Scholar | |
| Former, B. G., Schwarz, S. K., Liu, R. T., Klugmann, J., Bender, R. E., Abramson, L. Y., & Legierung, PFUND. (2014). Stressvolle Lebensereignisse und Depressionssymptome: Die Auswirkung von emotionalem Missbrauch in der Kindheit auf die Stressreaktivität. Journal of Clinical Psychology, 70 (3), 209-223. doi:https://doi.org/10.1002/jclp.22011 CrossRef, Medline, Google Scholar | |
| Stavropoulos, V., & Adams, B. L. M. (2017). Symptome einer Internet-Gaming-Störung im aufstrebenden Erwachsenenalter: Das Zusammenspiel von Angst und familiärem Zusammenhalt. Zeitschrift für Verhaltensauffälligkeiten, 6 (2), 237-247. doi:https://doi.org/10.1556/2006.6.2017.026 Link, Google Scholar | |
| Weltärztebund (2013). Erklärung von Helsinki: Ethische Grundsätze für die medizinische Forschung an Menschen. JAMA, 310 (20), 2191-2194. doi:https://doi.org/10.1001/jama.2013.281053 CrossRef, Medline, Google Scholar | |
| Yen, C. F., Chou, W J., Liu, T. L., Yang, P., & Hu, H. F. (2014). Der Zusammenhang von Internetabhängigkeitssymptomen mit Angstzuständen, Depressionen und Selbstwertgefühl bei Jugendlichen mit Aufmerksamkeitsdefizit- / Hyperaktivitätsstörung. Umfassende Psychiatrie, 55 (7), 1601-1608. doi:https://doi.org/10.1016/j.comppsych.2014.05.025 CrossRef, Medline, Google Scholar | |
| Younes, F., Halawi, G., Jabbour, H., El Osta, N., Karam, L., Hadsch, A., & Rabbaa Khabbaz, L. (2016). Internetabhängigkeit und Beziehungen zu Schlaflosigkeit, Angstzuständen, Depressionen, Stress und Selbstwertgefühl bei Universitätsstudenten: Eine Querschnittsstudie. PLoS One, 11 (9), e0161126. doi:https://doi.org/10.1371/journal.pone.0161126 CrossRef, Medline, Google Scholar | |
| Zamani, E., Kheradmand, A., Cheschmi, M., Abedi, A., & Hedayati, N. (2010). Vergleich der sozialen Fähigkeiten von Schülern, die von Computerspielen abhängig sind, mit normalen Schülern. Sucht und Gesundheit, 2 (3–4), 59-65. doi:https://doi.org/10.1016/S0924-9338(12)74212-8 Medline, Google Scholar |
;