Untersuchung der differentiellen Effekte von Social-Networking-Site-Sucht und Internet-Gaming-Störung auf die psychische Gesundheit (2017)

J Behav Addict. 2017 13: 1-10. doi: 10.1556 / 2006.6.2017.075.

Pontes HM1.

Abstrakt

Hintergrund und Ziele

Frühere Studien konzentrierten sich auf die Untersuchung der Wechselbeziehungen zwischen der Sucht nach sozialen Netzwerken (SNS) und der Internet-Spielstörung (IGD). Darüber hinaus ist wenig über die möglichen simultanen Differentialeffekte von SNS-Abhängigkeit und IGD auf die psychische Gesundheit bekannt. Diese Studie untersuchte das Wechselspiel zwischen diesen beiden technologischen Abhängigkeiten und stellte fest, wie sie unter Berücksichtigung potenzieller Effekte, die von soziodemografischen und technologischen Variablen herrühren, eindeutig und eindeutig zur zunehmenden psychischen Belastung beitragen können.

Methoden

Es wurde eine Stichprobe von 509 Jugendlichen (53.5 % Männer) im Alter von 10–18 Jahren (Mittelwert = 13.02, SD = 1.64) rekrutiert.

Die Ergebnisse

Es wurde festgestellt, dass wichtige demografische Variablen eine besondere Rolle bei der Erklärung von SNS-Sucht und IGD spielen können. Darüber hinaus wurde festgestellt, dass SNS-Sucht und IGD die Symptome gegenseitig verstärken und gleichzeitig auf ähnliche Weise zur Verschlechterung der allgemeinen psychischen Gesundheit beitragen können, was den potenziell gemeinsamen ätiologischen und klinischen Verlauf dieser beiden Phänomene weiter verdeutlicht. Schließlich wurde festgestellt, dass die schädlichen Auswirkungen von IGD auf die psychische Gesundheit etwas ausgeprägter sind als die von SNS-Sucht hervorgerufenen, ein Ergebnis, das einer weiteren wissenschaftlichen Untersuchung bedarf.

Diskussion und Schlussfolgerung

Die Implikationen dieser Ergebnisse werden im Lichte der vorhandenen Erkenntnisse und Debatten über den Status von Technologieabhängigkeiten als primäre und sekundäre Störungen weiter diskutiert.

KEYWORDS: Internet-Gaming-Störung; Verhaltensabhängigkeiten; Psychische Gesundheit; Sucht nach sozialen Netzwerken; technologische Süchte

PMID: 29130329

DOI: 10.1556/2006.6.2017.075

Einleitung

 

Die neuesten technologischen Fortschritte spielten eine Schlüsselrolle bei der Veränderung der Art und Weise, wie Menschen soziale Netzwerke (SNS) und Videospiele erleben. Obwohl diese Entwicklungen das Gesamterlebnis der Benutzer bei beiden Aktivitäten verbesserten, haben sie auch dazu beigetragen, die Trennlinie zwischen SNS-Nutzung und Videospielen weiter zu verwischen (Rikkers, Lawrence, Hafekost & Zubrick, 2016; Starcevic & Aboujaoude, 2016).

Virtuelle soziale Erfahrungen und interaktive Prozesse sind in verschiedenen Spielgenres stark verankert, insbesondere in Massively Multiplayer Online Role-Playing Games (MMORPGs), bei denen Benutzer in virtuellen sozialen Welten spielen können. Eine relativ große Umfrage unter 912 MMORPG-Spielern aus 45 Ländern ergab, dass soziale Interaktionen in Spielumgebungen einen erheblichen Teil des Spielspaßes ausmachen, da Spieler während ihrer Spielerlebnisse lebenslange Freunde und Partner finden können (Cole & Griffiths, 2007). Interessanterweise umfassen Social-Media-Erlebnisse im Zeitalter von Web 2.0 beliebte Social-Media-Spiele, die immer beliebter werden (Bright, Kleiser & Grau, 2015), wobei die neuesten Zahlen von Facebook darauf hindeuten, dass im Jahr 2014 durchschnittlich 375 Millionen Menschen jeden Monat mit Facebook verbundene Spiele gespielt haben und dass mobile Anwendungen täglich durchschnittlich 735 Millionen Empfehlungen zu Spielen gesendet haben (Facebook, 2014).

Trotz der weithin berichteten positiven und vorteilhaften Wirkungen sowohl von SNS als auch von Videospielen auf vielen Ebenen (z. B. kognitive Funktionen, Wohlbefinden usw.) (z. B. Chopik, 2016; Heo, Chun, Lee, Lee und Kim, 2015; Howard, Wilding & Guest, 2016; Stroud & Whitbourne, 2015), gibt es auch immer mehr Beweise aus mehreren landesweiten repräsentativen empirischen Studien, die belegen, dass SNS und Videospiele bei einer Minderheit der Nutzer zu psychosozialen Beeinträchtigungen und Verhaltensstörungen beitragen können, darunter junge Jugendliche, die diese Technologien aufgrund ihres aktuellen Entwicklungsstadiums möglicherweise übermäßig und ungesund nutzen (Andreassen, 2015; Bányai et al., 2017; Cock et al., 2014; Morioka et al., 2016; Pápay et al., 2013). In jüngerer Zeit haben Sioni, Burleson und Bekerian (2017) führte eine empirische Studie mit einer Stichprobe von 595 MMORPG-Spielern aus den Vereinigten Staaten durch und stellte fest, dass süchtig machendes Videospielen positiv mit den Symptomen einer sozialen Phobie verbunden war, selbst nach Berücksichtigung des gemeinsamen Einflusses wöchentlicher Spielstunden, was weiter verdeutlicht, dass sozialphobe Personen es bevorzugen Online-Formen sozialer Interaktionen (Lee & Stapinski, 2012), da sie Benutzern die einzigartige Möglichkeit bieten, ihre Bedürfnisse nach sozialen Kontakten zu befriedigen und ihnen gleichzeitig ermöglichen, soziale Situationen zu verlassen, in denen sie sich unwohl fühlen (z. B. indem sie sich aus dem Spiel abmelden). Im Hinblick auf die übermäßige Nutzung von SNS wurde eine aktuelle Studie von Xanidis und Brignell (2016) in einer Stichprobe von 324 Social-Media-Nutzern ergab, dass die SNS-Sucht ein wichtiger Prädiktor für eine verminderte Schlafqualität und ein erhöhtes Auftreten kognitiver Ausfälle ist. Darüber hinaus Xanidis und Brignell (2016) stellte fest, dass SNS-Sucht aufgrund ihrer negativen Auswirkungen auf die Schlafqualität kognitive Ausfälle verstärken kann, was die zentrale klinische und soziologische Bedeutung der Forschung im Zusammenhang mit Technologiesüchten im Bildungskontext weiter verdeutlicht, da übermäßige und pathologische SNS- und Videospielnutzung sowohl körperliche als auch geistige Beeinträchtigungen verursachen kann Gesundheit in verschiedenen Kontexten und Altersgruppen.

Auf theoretischer Ebene handelt es sich bei Videospielsucht [auch bekannt als Internet-Gaming-Störung (IGD)] um eine klinische Erkrankung, die ein Verhaltensmuster umfasst, das die anhaltende und wiederkehrende Nutzung von Videospielen umfasst und über einen Zeitraum von 12 Monaten zu erheblichen Beeinträchtigungen oder Belastungen führt angegeben durch die Unterstützung von fünf (oder mehr) der folgenden neun Kriterien: (i) Beschäftigung mit Spielen; (ii) Entzugserscheinungen, wenn das Spielen weggenommen wird; (iii) Toleranz, die dazu führt, dass man immer mehr Zeit mit Spielen verbringen muss; (iv) erfolglose Versuche, die Teilnahme an Spielen zu kontrollieren; (v) Verlust des Interesses an früheren Hobbys und Unterhaltung infolge und mit Ausnahme von Spielen; (vi) anhaltende übermäßige Nutzung von Spielen trotz Kenntnis psychosozialer Probleme; (vii) Täuschung von Familienmitgliedern, Therapeuten oder anderen hinsichtlich des Ausmaßes des Spielens; (viii) Nutzung von Spielen, um negativen Stimmungen zu entkommen oder sie zu lindern; und (ix) Gefährdung oder Verlust einer wichtigen Beziehung, eines Arbeitsplatzes oder einer Ausbildung oder Karrierechance aufgrund der Teilnahme an Spielen (American Psychiatric Association [APA], 2013). Was die SNS-Sucht betrifft, wird dieses Konstrukt allgemein definiert als „übermäßige Sorge um SNSs, eine starke Motivation, sich bei SNSs anzumelden oder diese zu nutzen, und so viel Zeit und Mühe in SNSs zu investieren, dass dadurch andere soziale Aktivitäten beeinträchtigt werden.“ Studium/Beruf, zwischenmenschliche Beziehungen und/oder psychische Gesundheit und Wohlbefinden“ (Andreassen & Pallesen, 2014, p. 4054).

Seit dem ersten Vorschlag der IGD als vorläufige Störung durch die APA in der fünften Ausgabe des Diagnostic and Statistical Manual of Mental Disorders (DSM-5; APA, 2013), wurden mehrere wissenschaftliche Debatten veröffentlicht, die unterschiedliche und widersprüchliche Ansichten hinsichtlich der Durchführbarkeit und des Status von IGD als offizielle Störung vertreten (Aarseth et al., 2016; Griffiths, Van Rooij et al., 2016; Lee, Choo & Lee, 2017; Petry et al., 2014, 2015; Saunders et al., 2017). Einige dieser Bedenken entstanden aufgrund der Tatsache, dass die diagnostischen Kriterien für IGD größtenteils aus einer Kombination bestehender klinischer Kriterien und inoffizieller Bedingungen wie pathologischem Glücksspiel, Substanzstörung und allgemeiner Internetsucht abgeleitet wurden (Kuss, Griffiths & Pontes, 2017). Obwohl IGD- und SNS-Abhängigkeiten keine offiziell anerkannten psychischen Störungen sind, hat die Weltgesundheitsorganisation (2016) verschärfte die Debatte über Videospielsucht durch die Entscheidung, die Gaming-Störung (Gaming Disorder, GD) als formelle Störung in die nächste Überarbeitung der Internationalen Klassifikation der Krankheiten aufzunehmen. Ein weiteres Problem im Zusammenhang mit Verhaltensabhängigkeiten wie SNS-Sucht und IGD hängt mit der Tatsache zusammen, dass es in vielen Fällen zu einer spontanen Remission kommen kann. Untersuchungen zur Untersuchung der Remissionsraten bei IGD ergaben, dass in bis zu 50 % der Fälle eine spontane Remission auftreten kann (z. B. Gentile et al., 2011; Scharkow, Festl & Quandt, 2014; Van Rooij, Schönmacher, Vermulst, Van den Eijnden und Van de Mheen, 2011).

Obwohl die Prävalenzraten von SNS-Sucht und IGD erheblich durch Faktoren wie methodische und konzeptionelle Probleme beeinflusst werden können, wie bereits erwähnt (Griffiths, Király, Pontes & Demetrovics, 2015; Griffiths, Kuss & Pontes, 2016; Griffiths & Pontes, 2015), belastbare Studien (d. h. landesweit repräsentative Studien) berichteten über Prävalenzraten der SNS-Sucht von 2.9 % in der erwachsenen belgischen Bevölkerung (Cock et al., 2014) bis 4.5 % bei ungarischen Jugendlichen (Bányai et al., 2017). Obwohl die IGD-Prävalenzraten robuster Studien zufolge bei slowenischen Jugendlichen zwischen 2.5 % (Pontes, Macur & Griffiths, 2016) auf 5.8 % bei niederländischen Jugendlichen und Erwachsenen (Lemmens & Hendriks, 2016), andere groß angelegte Studien berichteten von Prävalenzraten von nur 0.3 % (Scharkow et al., 2014). Obwohl die Ergebnisse zur Prävalenz in fundierten Studien relativ konsistent zu sein scheinen, können einige Faktoren zur Inflation der Schätzungen beitragen. Beispielsweise wurde herausgefunden, dass boshafte und extreme Reaktionsmuster die Schätzungen der Prävalenzraten in die Höhe treiben können (Przybylski, 2017). Ebenso hat sich gezeigt, dass die Art der verwendeten psychometrischen Beurteilung zur Überschätzung der Prävalenzraten seltener Erkrankungen wie IGD beiträgt (Maraz, Király & Demetrovics, 2015).

Da das vorhandene Wissen über die Auswirkungen von SNS und Videospielen auf die psychische Gesundheit junger Jugendlicher wohl spärlich ist, ist die Erforschung der möglichen unterschiedlichen Auswirkungen von SNS-Sucht und IGD auf die psychische Gesundheit von größter Bedeutung, da diese beiden Phänomene eine gemeinsame zugrunde liegende Ätiologie haben andere Substanz- und Verhaltenssüchte (Griffiths, 2015; Griffiths & Pontes, 2015; Shaffer et al., 2004) und dass vermehrtes Social Gaming die Gesamtqualität zwischenmenschlicher Beziehungen bei Jugendlichen beeinträchtigt, indem es die emotionale Unterstützung beeinträchtigt (Kowert, Domahidi, Festl & Quandt, 2014).

Die aktuelle Studie

Frühere Studien (z. B. Andreassen et al., 2016; Cock et al., 2014; Pontes & Griffiths, 2015b; Yu, Li und Zhang, 2015) fanden heraus, dass Geschlecht und Alter die Anfälligkeit sowohl für SNS-Sucht als auch für IGD erhöhen können. Da das männliche Geschlecht systematisch mit IGD und das weibliche Geschlecht mit SNS-Sucht in Verbindung gebracht wird (Andreassen et al., 2016), geht diese Studie davon aus Geschlecht und Alter lassen auf ein höheres Ausmaß an SNS-Sucht und IGD-Symptomen schließen (H1). Darüber hinaus wurden mehrere Studien (z. Andreassen et al., 2013, 2016; Sussman et al., 2014) haben über positive Zusammenhänge zwischen verschiedenen Arten von Technologieabhängigkeiten berichtet, was auf gemeinsame zugrunde liegende Zusammenhänge schließen lässt. Daher wird die Hypothese aufgestellt, dass SNS-Sucht und IGD werden positiv miteinander verbunden sein (H2). Obwohl der Zusammenhang zwischen SNS-Sucht, IGD und psychischer Gesundheit komplex ist und bestenfalls umstritten bleibt (Pantic, 2014), eine große Menge an Belegen berichtet über wichtige Korrelationen von Technologieabhängigkeiten, wie Depressionen, Angstzuständen und Stress (z. B.  Király et al., 2014; Lehenbauer-Baum et al., 2015; Ostovar et al., 2016; Pontes & Griffiths, 2016). Daher wird die Hypothese aufgestellt, dass SNS-Sucht und IGD werden beide auf einzigartige und unterschiedliche Weise zur Erhöhung des Gesamtniveaus der psychiatrischen Belastung beitragen (H3). Alle drei oben genannten Hypothesen werden untersucht und dabei mögliche Auswirkungen berücksichtigt, die sich aus der hohen Häufigkeit der Internetnutzung und des Spielens von Videospielen ergeben, da die mit diesen Aktivitäten verbrachte Zeit häufig mit Suchttendenzen verbunden ist (Pontes & Griffiths, 2015a; Pontes, Király, Demetrovics & Griffiths, 2014; Stubblefield et al., 2017; Wu, Cheung, Ku und Hung, 2013).

Methoden

Teilnehmer und Verfahren

Potenzielle Teilnehmer dieser Studie waren alle Studenten (N = 700) eingeschrieben in der sechsten, siebten, achten und neunten Klasse einer großen Mittelschule an der Algarve (Portugal). Die Genehmigung des Schulleiters und der Eltern wurde eingeholt, und die Schüler führten während außerschulischer Aktivitäten eine Umfrage in der Schulbibliothek durch. Diese Studie wurde vom College Research Ethics Committee der Nottingham Trent University genehmigt, die Einverständniserklärung aller einzelnen an der Studie beteiligten Teilnehmer wurde eingeholt und der Zeitraum der Datenerfassung erstreckte sich von Mai bis Juni 2015, und die Schule wurde auf dieser Grundlage ausgewählt Die Schüler wurden nach dem Zufallsprinzip aus dem Klassenpool der sechsten, siebten, achten und neunten Klassen (d. h. im Alter von 10 bis 18 Jahren) ausgewählt, um eine optimale Repräsentativität der Schülerpopulation der teilnehmenden Schule zu erreichen. Die Daten wurden von 509 Studierenden (72.7 % der gesamten befragten Bevölkerung) erhoben. Das Durchschnittsalter der Stichprobe betrug 13.02 Jahre (SD = 1.64) und es gab eine relativ gleichwertige Geschlechteraufteilung mit 53.5 % (n = 265) männlich (Tabelle 1).

 

 

  

Tisch

Tabelle 1. Die wichtigsten soziodemografischen Merkmale der Stichprobe, Muster der Technologienutzung, Ausmaß der süchtig machenden Nutzung von Technologie und psychische Gesundheit (N = 495)

 

 


  

 

Tabelle 1. Die wichtigsten soziodemografischen Merkmale der Stichprobe, Muster der Technologienutzung, Ausmaß der süchtig machenden Nutzung von Technologie und psychische Gesundheit (N = 495)

Variable MindestensMaximal
Alter (Jahre) (Mittelwert, SD)13.02 (1.64)1018
Geschlecht männlich, %)265 (53.5)--
In einer Beziehung (n,%)99 (20)--
Wöchentliche im Internet verbrachte Zeit (Durchschnitt, SD)17.91 (23.34)149
Wöchentliche Zeit, die mit Spielen verbracht wird (Durchschnitt, SD)10.21 (17.86)152
SNS-Suchtniveaus (Mittelwert, SD)10.70 (4.83)630
IGD-Werte (Mittelwert, SD)15.92 (6.99)941
Depressionsniveaus (Mittelwert, SD)3.12 (3.94)021
Angstniveau (Mittelwert, SD)2.66 (3.78)021
Stresslevel (Mittelwert, SD)3.32 (3.97)021

Note. Die wöchentlich im Internet und beim Spielen verbrachte Zeit bezieht sich auf die selbst angegebene Anzahl der Stunden, die man während der Woche für diese Aktivitäten aufgewendet hat. SD: Standardabweichung; SNS: Social-Networking-Site; IGD: Internet-Gaming-Störung.

Maßnahmen
Soziodemografie und Häufigkeit der Technologienutzung

Es wurden demografische Daten zu Alter, Geschlecht und Beziehungsstatus erhoben. Daten zur SNS-Nutzung wurden erhoben, indem die durchschnittliche wöchentliche Zeit der Teilnehmer im Internet für Freizeitzwecke und unspezifische (allgemeine) Zwecke (d. h. Anzahl der Stunden) abgefragt wurde. Die Spielhäufigkeit wurde beurteilt, indem die Teilnehmer nach der durchschnittlichen wöchentlichen Spielzeit (dh Anzahl der Stunden) gefragt wurden.

Die Bergen Facebook Addiction Scale (BFAS)

Das BFAS (Andreassen, Torsheim, Brunborg & Pallesen, 2012) bewertet die SNS-Sucht im Kontext der Facebook-Nutzung und weist in einer Reihe von Ländern nachweislich hervorragende psychometrische Eigenschaften auf (Phanasathit, Manwong, Hanprathet, Khumsri und Yingyeun, 2015; Salem, Almenaye & Andreassen, 2016; Silva et al., 2015), einschließlich Portugal (Pontes, Andreassen & Griffiths, 2016). Das BFAS umfasst sechs Elemente, die die Kernmerkmale von Verhaltensabhängigkeiten abdecken (d. h. Hervorhebung, Stimmungsänderung, Toleranz, Rückzug, Konflikt und Rückfall) (Griffiths, 2005). Die Punkte werden auf einer 5-Punkte-Skala bewertet, d. h. im Bereich von 1 (sehr selten) zu 5 (sehr oft) innerhalb eines Zeitraums von 12 Monaten. Die Gesamtpunktzahl wird durch Aufsummieren der Teilnehmerbewertungen für jedes Element (im Bereich von 6 bis 30 Punkten) ermittelt, wobei höhere Punktzahlen auf eine erhöhte Facebook-Sucht hinweisen. Das BFAS hat in dieser Studie ein ausreichendes Maß an Zuverlässigkeit nachgewiesen (α = 0.83).

Skala für Internetspielstörungen – Kurzform (IGDS9-SF)

Das IGDS9-SF (Pontes & Griffiths, 2015a) ist ein kurzes psychometrisches Instrument zur Beurteilung des Schweregrads von IGD über einen Zeitraum von 12 Monaten gemäß dem von der APA in DSM-5 vorgeschlagenen Rahmen (APA, 2013). Das IGDS9-SF hat in einer Reihe von Ländern angemessene psychometrische Eigenschaften und interkulturelle Gültigkeit nachgewiesen (Monacis, De Palo, Griffiths & Sinatra, 2016; Pontes & Griffiths, 2015a; Pontes, Macur et al., 2016), einschließlich Portugal (Pontes & Griffiths, 2016). Die neun Fragen des IGDS9-SF werden anhand einer 5-Punkte-Skala beantwortet, d. h. im Bereich von 1 (hört niemals ) zu 5 (sehr oft) und die Punktzahlen können durch Summieren der Antworten ermittelt werden (im Bereich von 9 bis 45 Punkten), wobei höhere Punktzahlen auf einen höheren GD-Grad hinweisen. Die Zuverlässigkeit des IGDS9-SF war in dieser Studie zufriedenstellend (α = 0.87).

Psychische Gesundheit

Die allgemeine psychische Gesundheit wurde anhand der Skala „Depression Anxiety and Stress Scales – 21“ (DASS-21; Lovibond & Lovibond, 1995), die drei 7-Punkte-Subskalen umfasst, die die drei Symptome abdecken und auf einer 4-Punkte-Skala bewertet werden, d. h. im Bereich von 0 (traf überhaupt nicht auf mich zu) zu 3 (traf sehr oft oder die meiste Zeit auf mich zu). Es wurde zuvor gezeigt, dass die in dieser Studie verwendete Version des DASS-21 in der Studienpopulation über ausreichende psychometrische Eigenschaften verfügt (Pais-Ribeiro, Honrado & Leal, 2004). Die Cronbach-α-Koeffizienten für dieses Instrument betrugen in dieser Studie 84 (Depression), 86 (Angst) und 86 (Stress).

Datenmanagement und statistische Analyse

Das Datenmanagement umfasste (i) die Bereinigung des Datensatzes durch Untersuchung von Fällen mit fehlenden Werten über dem herkömmlichen Schwellenwert von 10 % in allen relevanten Instrumenten; (ii) Überprüfung auf univariate Normalität aller Elemente des BFAS und des IGDS9-SF unter Verwendung von Standardrichtlinien (d. h. Schiefe > 3 und Kurtosis > 9) (Kline, 2011); (iii) Screening auf univariate Ausreißer, die ±3.29 Standardabweichungen vom BFAS IGDS9-SF erzielten z-Scores (Feld, 2013); und (iv) Screening auf multivariate Ausreißer unter Verwendung von Mahalanobis-Abständen und dem kritischen Wert für jeden Fall basierend auf χ2 Verteilungswerte. Dieses Verfahren führte zum Ausschluss von 14 Fällen und ergab somit einen endgültigen Datensatz von 495 gültigen Fällen, die für nachfolgende Analysen in Frage kamen. Zu den statistischen Analysen gehörten (i) eine deskriptive Analyse der Merkmale der Hauptstichprobe, (ii) eine Korrelationsanalyse der Hauptvariablen der Studie durch Schätzung der Produkt-Moment-Korrelationskoeffizienten nach Pearson mit einem 95 % voreingenommenen und beschleunigten (BCa) Konfidenzintervall ( CI) und zugehörige Bestimmtheitsmaße (R2) und (iii) eine vergleichende Strukturgleichungsmodellierungsanalyse (SEM), um die unterschiedliche prädiktive Rolle von SNS-Sucht und IGD auf die psychische Gesundheit zu ermitteln, wenn die Auswirkungen, das Alter, das Geschlecht und die Häufigkeit der Internetnutzung und des Spielens von Videospielen berücksichtigt werden. Statistische Analysen wurden mit Mplus 7.2 und IBM SPSS Statistics Version 23 durchgeführt (IBM Corporation, 2015; Muthén & Muthén, 2012).

Ethik

Die Studienverfahren wurden in Übereinstimmung mit der Deklaration von Helsinki durchgeführt. Das Institutional Review Board der Nottingham Trent University genehmigte die Studie. Alle Probanden wurden über die Studie informiert und alle gaben ihre Einverständniserklärung ab. Darüber hinaus wurde von allen Teilnehmern unter 18 Jahren die Zustimmung der Eltern und Erziehungsberechtigten eingeholt.

Die Ergebnisse

 
Beschreibende Statistik

Tisch 1 fasst die Ergebnisse zu den wichtigsten soziodemografischen Merkmalen der Stichprobe, dem Muster der Technologienutzung sowie dem beobachteten Ausmaß der süchtig machenden Nutzung von Technologie (z. B. SNS-Sucht und IGD) und der psychischen Gesundheit zusammen. Darüber hinaus sind beide IGD (Mittelwert = 15.92 [95 % BCa = 15.31 − 16.56], SD = 6.99) und SNS-Sucht (Mittelwert = 10.70 [95 % BCa = 10.28 − 11.15], SD = 4.83) mit moderaten Werten innerhalb der Stichprobe. Was die psychische Gesundheit der Teilnehmer angeht, Depressionen (Mittelwert = 3.12 [95 % BCa = 2.78 − 3.47], SD = 3.94), Angst (Mittelwert = 2.66 [95 % BCa = 2.33 − 2.99]), SD = 3.78) und Stresslevel (Mittelwert = 3.32 [95 % BCa = 2.98 − 3.67], SD = 3.97) waren nicht übermäßig häufig.

Korrelationsanalyse

Eine Korrelationsanalyse unter Einbeziehung der Hauptvariablen der Studie wurde durchgeführt, um vorläufige Erkenntnisse und statistischen Kontext für die anschließende vergleichende SEM-Analyse zu liefern. Als Ergebnis ergab diese Analyse, dass SNS-Sucht positiv mit IGD assoziiert war (r = .39, p < .01, R2 = .15), Spannung (r = .36, p < .01, R2 = .13) und Depression (r = .33, p < .01, R2 = .11). In Bezug auf IGD zeigten sich positive Zusammenhänge mit der wöchentlichen Spielzeit (r = .42, p < .01, R2 = .18), Geschlecht (r = .41, p < .01, R2 = .17) und Spannung (r = .40, p < .01, R2 = .16) (Tabelle 2).

 

 

  

Tisch

Tabelle 2. Bootstrappinga Korrelationsmatrix mit verzerrungskorrigiertem und -beschleunigtem (BCa) 95 %-Konfidenzintervall (CI) zwischen SNS-Sucht, IGD und den Studienvariablen (N = 495)

 

 


  

 

Tabelle 2. Bootstrappinga Korrelationsmatrix mit verzerrungskorrigiertem und -beschleunigtem (BCa) 95 %-Konfidenzintervall (CI) zwischen SNS-Sucht, IGD und den Studienvariablen (N = 495)

Sekundäre VariablenSNS-SuchtR295 % BCa-KIIGDR295 % BCa-KI
Alter0.02--0.07-0.10-0.07--0.16-0.02
Geschlecht0.04--0.05-0.120.41*.170.34-0.48
Beziehungsstatus0.20*.040.11-0.290.13*.020.03-0.23
Wöchentliche im Internet verbrachte Zeit0.03--0.05-0.120.12*.010.03-0.22
Wöchentliche Spielzeit0.05--0.05-0.140.42*.180.34-0.50
Reduzierung des Depressionsrisikos0.33*.110.23-0.430.36*.130.26-0.46
Angst & Sorgen0.31*.100.22-0.410.33*.110.24-0.42
Stress0.36*.130.25-0.440.40*.160.32-0.49
IGD0.39*.150.30-0.48---

Hinweis. SNS: Social-Networking-Site; IGD: Internet-Gaming-Störung.

aBootstrap-Ergebnisse basieren auf 10,000 Bootstrap-Beispielen.

*Die Korrelation ist mit 0.01 signifikant.

Vergleichende SEM-Analyse

Um die Haupthypothesen der Studie zu testen, wurde eine vergleichende SEM-Analyse durchgeführt, um die potenziellen unterschiedlichen Auswirkungen von SNS-Sucht und IGD auf die psychische Gesundheit abzuschätzen. Genauer gesagt wurde ein Multiple Indicators, Multiple Causes Model (MIMIC) unter Verwendung der Maximum-Likelihood-Schätzmethode mit robusten Standardfehlern getestet. Zur Untersuchung der Anpassungsgüte des Modells wurden herkömmliche Anpassungsindizes und Schwellenwerte übernommen: χ2/df [1, 4], mittlerer quadratischer Näherungsfehler (RMSEA) [0.05, 0.08], RMSEA 90 % KI mit der Untergrenze nahe 0 und der Obergrenze unter 0.08, Wahrscheinlichkeitsniveauwert des Tests der engen Anpassung (Cfit ) > .05, standardisierter quadratischer Mittelwert (SRMR) [0.05, 0.08], vergleichender Anpassungsindex (CFI) und Tucker-Lewis-Anpassungsindex (TLI) [0.90, 0.95] (Bentler, 1990; Bentler & Bonnet, 1980; Hooper, Coughlan & Mullen, 2008; Hu & Bentler, 1999). Die Ergebnisse dieser Analyse ergaben folgende Ergebnisse: χ2(722) = 1,193.40, χ2/df =1.65; RMSEA = 0.036 [90 %-KI: 0.033–0.040], Cfit = 1.00; SRMR = 0.049, CFI = 0.92; TLI = 0.91, was darauf hindeutet, dass das Modell optimal zu den Daten passt (Abbildung 1).

Figur Eltern entfernen  

Figure 1. Grafische Darstellung der unterschiedlichen Auswirkungen der Sucht nach sozialen Netzwerken und Internet-Spielstörungen auf die psychische Gesundheit (N = 495). Note. Gesamtgüte der Anpassung: χ2(722) = 1,193.40, χ2/df = 1.65; RMSEA = 0.036 [90 %-KI: 0.033–0.040], Cfit = 1.00; SRMR = 0.049, CFI = 0.92; TLI = 0.91. β = standardisierte direkte Wirkung; r = Korrelationskoeffizient. *p <.0001

Was die potenzielle Rolle von Geschlecht und Alter bei der Verstärkung der Symptome von SNS-Sucht und IGD (d. h. H1) betrifft, wurde keine Unterstützung für die kombinierte Wirkung dieser beiden Variablen auf die SNS-Sucht gefunden. Allerdings ist das Geschlecht (β = 0.32, p < .001) und Alter (β = −0.11, p = .007) trugen zur Zunahme der IGD-Symptome bei. Insbesondere war das männliche Geschlecht mit einer höheren Inzidenz von IGD-Symptomen verbunden (Mittelwert = 18.60 [95 % BCa = 4.59 − 5.97]). SD = 5.32) im Vergleich zu Frauen (Mittelwert = 12.83 [95 % BCa = 6.60 − 7.70], SD = 7.17), und es wurde festgestellt, dass ein jüngeres Alter die IGD-Gesamtwerte erhöht. Im Großen und Ganzen bestätigen diese Ergebnisse H1 teilweise.

Die Ergebnisse dieser Analyse stützen H2, da die standardisierten Effekte, die für den Zusammenhang zwischen SNS-Sucht und IGD erzielt wurden, darauf hindeuten, dass diese beiden Phänomene positiv miteinander verbunden sind (r = .53, p < .001), ein Befund, der mit den Ergebnissen der Korrelationsanalyse übereinstimmt, wobei diese Variablen als beobachtbare Maße operationalisiert wurden (r = .39 [95 % BCa = 0.30 − 0.48], R2 = .15, p < .01) (Tabelle 2).

Schließlich ergab die Analyse der unterschiedlichen Auswirkungen von SNS-Sucht und IGD auf die psychische Gesundheit von Jugendlichen, dass beide Technologieabhängigkeiten einen statistisch signifikanten positiven Effekt auf die Erhöhung des Gesamtniveaus der psychiatrischen Belastung haben können. Genauer gesagt schien IGD die Symptome einer Depression zu verschlimmern (β = 0.28, p < .001), Angst (β = 0.26, p < .001) und Spannung (β = 0.33, p < .001). Darüber hinaus trug die SNS-Sucht auch dazu bei, die Schwere der Depression zu verstärken (β = 0.27, p < .001), Angst (β = 0.25, p < .001) und Spannung (β = 0.26, p < .001), jedoch in etwas geringerem Ausmaß. Obwohl diese Ergebnisse H3 stützen, sind die Auswirkungen von SNS-Sucht und IGD auf die psychische Gesundheit möglicherweise nicht übermäßig unterschiedlich, da die standardisierten Effekte sehr gut vergleichbar waren.

Diskussion

 

Ziel dieser Studie war es, das Zusammenspiel zwischen SNS-Sucht und IGD zu untersuchen und zu untersuchen, wie diese beiden aufkommenden Technologieabhängigkeiten auf einzigartige und besondere Weise zur Verschlechterung der psychischen Gesundheit bei Jugendlichen beitragen können, und zwar über die potenziellen Auswirkungen soziodemografischer und technologiebezogener Variablen hinaus. Im Hinblick auf H1 (d. h. Geschlecht und Alter tragen dazu bei, sowohl die SNS-Sucht als auch die IGD-Symptome zu verstärken), konnte diese Studie diese Hypothese in Bezug auf IGD bestätigen und eine große Anzahl früherer Studien weiter untermauern, in denen festgestellt wurde, dass junges Alter und männliches Geschlecht Schlüsselvariablen für die Vorhersage von IGD sind (Cock et al., 2014; Guillot et al., 2016; Rehbein, Staudt, Hanslmaier & Kliem, 2016).

Dessen ungeachtet wurde H1 im Zusammenhang mit der SNS-Sucht nicht bestätigt, ein Befund, der frühere Studien, in denen berichtet wurde, dass die SNS-Sucht bei jungen Menschen häufiger vorkommt, noch komplexer macht (Andreassen et al., 2013, 2012; Turel & Serenko, 2012), ältere Benutzer (Floros & Siomos, 2013), Weibchen (Andreassen et al., 2012) und Männer (Çam & Işbulan, 2012). Dennoch stimmen die in dieser Studie erzielten Ergebnisse mit früheren Untersuchungen überein, bei denen festgestellt wurde, dass die SNS-Sucht nicht mit dem Alter zusammenhängt (Koc & Gulyagci, 2013; Wu et al., 2013) und Geschlecht (Koc & Gulyagci, 2013; Tang, Chen, Yang, Chung & Lee, 2016; Wu et al., 2013). Wie bereits erwähnt, könnte dies auf die schlechte Qualität der bisherigen Forschung zur SNS-Sucht in Bezug auf Stichproben, Studiendesign, Bewertung und angenommene Cut-off-Scores zurückzuführen sein (Andreassen, 2015). Interessanterweise war die wöchentlich im Internet verbrachte Zeit kein Hinweis auf eine erhöhte SNS-Sucht. Eine mögliche Erklärung für diesen Befund könnte in der Tatsache liegen, dass die Online-Nutzung sozialer Netzwerke im modernen Leben alltäglich und unvermeidlich geworden ist, wodurch es für viele Jugendliche immer schwieriger wird, ihre Nutzung richtig einzuschätzen, was den Zusammenhang zwischen übermäßigem Zeitaufwand für diese Nutzung noch komplexer macht Technologien und Suchtniveaus. Aus diesem Grund ist es notwendig, den Unterschied zwischen hohem Engagement und der Abhängigkeit von SNS anzuerkennen, da einige Jugendliche viele Stunden damit verbringen, SNS als Teil einer gesunden und normalen Routine zu nutzen (Andreassen, 2015; Andreassen & Pallesen, 2014; Turel & Serenko, 2012).

Die vorliegenden Ergebnisse unterstützen H2 auch empirisch (d. h. SNS-Sucht und IGD werden positiv miteinander verbunden sein), was eine Reihe von Studien validiert, die ähnliche Ergebnisse lieferten (Andreassen et al., 2013, 2016; Chiu, Hong & Chiu, 2013; Dowling & Brown, 2010). Dieser Befund kann durch die Tatsache erklärt werden, dass eine große Anzahl von Personen, darunter auch junge Jugendliche, mittlerweile regelmäßig Spiele über SNS spielen (Griffiths, 2014). Darüber hinaus ist es seit langem erwiesen, dass die sozialisierenden Aspekte von Spielen eine wichtige motivierende Rolle beim Spielen von Videospielen spielen, wie viele Studien nahe legen (Demetrovics et al., 2011; Fuster, Chamarro, Carbonell & Vallerand, 2014; Yee, 2006). Auf klinischer Ebene könnte dieser Befund auf gemeinsame Gemeinsamkeiten hinweisen, die diesen beiden Technologieabhängigkeiten zugrunde liegen (Griffiths, 2015; Griffiths & Pontes, 2015; Shaffer et al., 2004). Angesichts der Tatsache, dass die Nutzung süchtig machender Technologien Einzelpersonen in Bildungseinrichtungen betrifft, kann die Forschung zur IGD- und SNS-Sucht bei schulischen Jugendlichen politischen Entscheidungsträgern dabei helfen, präventive Maßnahmen zu entwickeln, die darauf abzielen, die negativen Auswirkungen der süchtig machenden Nutzung von Technologie bei jungen Jugendlichen abzumildern.

Schließlich H3 (d. h. SNS-Sucht und IGD werden beide auf einzigartige und unterschiedliche Weise zur Erhöhung des Gesamtniveaus der psychiatrischen Belastung beitragen) wurde ebenfalls bestätigt und lieferte neue Erkenntnisse über die kombinierten unterschiedlichen Auswirkungen von SNS-Sucht und IGD auf die psychische Gesundheit von Jugendlichen. In dieser Studie trugen sowohl SNS-Sucht als auch IGD zur Verschlechterung der psychischen Gesundheit bei, indem sie das Ausmaß von Depressionen, Angstzuständen und Stress erhöhten. Dieser Befund stützt frühere Untersuchungen, die festgestellt haben, dass diese beiden technologischen Süchte unabhängig voneinander die psychische Gesundheit beeinträchtigen (Kim, Hughes, Park, Quinn & Kong, 2016; Primack et al., 2017; Sampasa-Kanyinga & Lewis, 2015; Sarda, Bègue, Bry & Gentile, 2016). Diese Erkenntnisse können von Fachleuten für psychische Gesundheit und Schulberatern genutzt werden, die Interventionsprogramme entwickeln möchten, die darauf abzielen, das Wohlbefinden von Schülern durch die Reduzierung des süchtig machenden Einsatzes von Technologie zu verbessern. Obwohl dieser Befund vielversprechend ist und eine zukünftige Untersuchung wert ist, ist es erwähnenswert, dass die Beweise für den Zusammenhang zwischen psychischen Störungen und Verhaltensabhängigkeiten noch nicht schlüssig sind. Genauer gesagt haben Forscher berichtet, dass Verhaltensabhängigkeiten psychiatrische Belastungen vorhersagen können (d. h. Hypothese der primären Störung) und durch diese vorhergesagt werden können (d. h. Hypothese der sekundären Störung) (z. B. Ostovar et al., 2016; Snodgrass et al., 2014; Zhang, Brook, Leukefeld & Brook, 2016). Daher ist es nicht möglich, eindeutige Schlussfolgerungen über die Richtungsabhängigkeit von Verhaltenssüchten und psychischen Belastungen zu ziehen.

Darüber hinaus wurde in dieser Studie festgestellt, dass die schädlichen Auswirkungen von IGD auf die psychische Gesundheit etwas ausgeprägter waren als die durch SNS-Sucht hervorgerufenen. Angesichts der breiten Defizite, die Gamer in mehreren Bereichen der psychischen Gesundheit und des Wohlbefindens aufweisen, steht dieser Befund im Einklang mit Berichten, die darauf hindeuten, dass IGD im Vergleich zur SNS-Sucht möglicherweise eine schwerwiegendere Psychopathologie widerspiegelt (Leménager et al., 2016), was teilweise die Entscheidung der APA stützt (2013), IGD als eine vorläufige Störung zu betrachten. Allerdings wären zusätzliche empirische Untersuchungen mit größeren und repräsentativeren Stichproben erforderlich, um diese Hypothese weiter zu untermauern. Zusätzlich zu dem Potenzial, die Politik mitzugestalten, tragen die vorliegenden Ergebnisse zu den laufenden Debatten darüber bei, ob Technologieabhängigkeiten wie IGD- und SNS-Sucht als primäre oder sekundäre Störungen konzeptualisiert werden sollten. Den in dieser Studie berichteten Erkenntnissen zufolge ist die Konzeptualisierung von Technologieabhängigkeiten als primäre Störungen (d. h. ein Problem, das sich negativ auf die psychische Gesundheit auswirken kann) ein empirisch gangbarer Weg, der frühere wissenschaftliche Debatten zugunsten der Sichtweise von Technologieabhängigkeiten als sekundäre Störungen nicht entkräftet (d. h. ein Produkt zugrunde liegender psychischer Gesundheits- und Wohlbefindensprobleme) (Kardefelt-Winther, 2016; Snodgrass et al., 2014; Thorens et al., 2014).

Obwohl die in dieser Studie erzielten Ergebnisse empirisch fundiert sind, gibt es mögliche Einschränkungen, die es zu beachten gilt. Erstens waren die Daten alle selbst gemeldet und anfällig für bekannte Verzerrungen (z. B. soziale Erwünschtheit, Gedächtnisverzerrungen usw.). Zweitens könnten Studien mit robusteren Designs (z. B. longitudinales Cross-Lagged-Design) konkretere Antworten auf die einzigartigen Zusammenhänge zwischen SNS-Sucht und IGD und der psychischen Gesundheit liefern. Drittens ist eine Verallgemeinerung der vorliegenden Ergebnisse auf die breite Bevölkerung nicht direkt möglich, da alle Teilnehmer selbst ausgewählt wurden. Angesichts des relativ jungen Alters der rekrutierten Stichprobe ist es möglich, dass die elterliche Kontrolle einen Einfluss auf den selbst gemeldeten Grad der Technologienutzung und den Gesamtgrad des Suchtkonsums hatte. Zukünftige Studien zur Bewertung des Technologieeinsatzes bei kleinen Kindern und frühen Jugendlichen sollten daher diese Variable berücksichtigen, damit bessere Schätzungen zum Ausmaß der Suchtgefahr erhalten werden können. Ungeachtet dieser potenziellen Einschränkungen erweitern die Ergebnisse dieser Studie frühere Untersuchungen zu den Zusammenhängen zwischen Technologieabhängigkeiten und ihren isolierten schädlichen Auswirkungen auf die psychische Gesundheit, indem sie einen empirisch tragfähigen Rahmen bieten, in dem Technologieabhängigkeiten auch die Wahrscheinlichkeit negativer Folgen für die psychische Gesundheit erhöhen können. Zusammenfassend stützen die vorliegenden Ergebnisse die Konzeptualisierung von Technologieabhängigkeiten als primäre Störungen, die die psychische Gesundheit gefährden können.

Beitrag des Autors

Der Autor dieser Studie war für alle Phasen dieser Studie verantwortlich und er ist der alleinige Autor dieses Manuskripts.

Interessenkonflikt

Der Autor erklärt keinen Interessenkonflikt.

Danksagung

Der Autor dieser Studie möchte der teilnehmenden Schule, allen Schülern, Eltern und Lehrern danken, die bei der Organisation der Logistik im Zusammenhang mit dem Datenerfassungsprozess dieser Studie geholfen haben.

Bibliographie

 
 Aarseth, E., Bean, A. M., Boonen, H., Colder, C. M., Coulson, M., Das, D., Deleuze, J., Dunkels, E., Edman, J., Ferguson, C. J., Haagsma, M. C. , Helmersson Bergmark, K., Hussain, Z., Jansz, J., Kardefelt-Winther, D., Kutner, L., Markey, P., Nielsen, R. K., Prause, N., Przybylski, A., Quandt, T., Schimmenti, A., Starcevic, V., Stutman, G., Van Looy, J. & Van Rooij, A. J. (2016). Offenes Debattenpapier von Wissenschaftlern zum Vorschlag der Weltgesundheitsorganisation ICD-11 Gaming Disorder. Journal of Behavioral Addictions, 6(3), 267–270. doi:https://doi.org/10.1556/2006.5.2016.088 Link
 American Psychiatric Association [APA]. (2013). Diagnostisches und statistisches Handbuch von psychischen Störungen (5th ed.). Arlington, VA: Amerikanische Psychiatrische Vereinigung. CrossRef
 Andreassen, C. S. (2015). Online-Sucht nach sozialen Netzwerken: Eine umfassende Übersicht. Aktuelle Suchtberichte, 2(2), 175–184. doi:https://doi.org/10.1007/s40429-015-0056-9 CrossRef
 Andreassen, C. S., Billieux, J., Griffiths, M. D., Kuss, D. J., Demetrovics, Z., Mazzoni, E. & Ståle, P. (2016). Der Zusammenhang zwischen der süchtig machenden Nutzung von sozialen Medien und Videospielen und den Symptomen psychiatrischer Störungen: Eine groß angelegte Querschnittsstudie. Psychologie des Suchtverhaltens, 30(2), 252–262. doi:https://doi.org/10.1037/adb0000160 CrossRef, Medline
 Andreassen, C. S., Griffiths, M. D., Gjertsen, S. R., Krossbakken, E., Kvam, S. & Pallesen, S. (2013). Die Beziehungen zwischen Verhaltensabhängigkeiten und dem Fünf-Faktoren-Modell der Persönlichkeit. Journal of Behavioral Addictions, 2(2), 90–99. doi:https://doi.org/10.1556/JBA.2.2013.003 Link
 Andreassen, C. S. & Pallesen, S. (2014). Sucht nach sozialen Netzwerken – Ein Überblick. Current Pharmaceutical Design, 20(25), 4053–4061. doi:https://doi.org/10.2174/13816128113199990616 CrossRef, Medline
 Andreassen, C. S., Torsheim, T., Brunborg, G. S. & Pallesen, S. (2012). Entwicklung einer Facebook-Suchtskala. Psychologische Berichte, 110(2), 501–517. doi:https://doi.org/10.2466/02.09.18.PR0.110.2.501-517 CrossRef, Medline
 F. Bányai, Á Zsila, O. Király, A. Maraz, Z. Elekes, M. D. Griffiths, C. S. Andreassen & Z. Demetrovics (2017). Problematische Nutzung sozialer Medien: Ergebnisse einer groß angelegten national repräsentativen Stichprobe von Jugendlichen. PLoS One, 12 (1), e0169839. doi:https://doi.org/10.1371/journal.pone.0169839 CrossRef, Medline
 Bentler, P. M. (1990). Vergleichende Anpassungsindizes in Strukturmodellen. Psychological Bulletin, 107 (2), 238–246. doi:https://doi.org/10.1037/0033-2909.107.2.238 CrossRef, Medline
 Bentler, P. M. & Bonnet, D. G. (1980). Signifikanztests und Anpassungsgüte bei der Analyse von Kovarianzstrukturen. Psychological Bulletin, 88 (3), 588–606. doi:https://doi.org/10.1037/0033-2909.88.3.588 CrossRef
 Bright, L. F., Kleiser, S. B. & Grau, S. L. (2015). Zu viel Facebook? Eine explorative Untersuchung der Social-Media-Müdigkeit. Computer im menschlichen Verhalten, 44, 148–155. doi:https://doi.org/10.1016/j.chb.2014.11.048 CrossRef
 Çam, E. & Işbulan, O. (2012). Eine neue Sucht für Lehramtsanwärter: Soziale Netzwerke. Das türkische Journal für Bildungstechnologie, 11, 14–19.
 Chiu, S.-I., Hong, F.-Y., & Chiu, S.-L. (2013). Eine Analyse der Korrelation und des Geschlechtsunterschieds zwischen der Internetsucht und der Handysucht von College-Studenten in Taiwan. ISRN Addiction, 2013, 1–10. doi:https://doi.org/10.1155/2013/360607 CrossRef
 Chopik, WJ (2016). Die Vorteile der Nutzung sozialer Technologien bei älteren Erwachsenen werden durch eine geringere Einsamkeit vermittelt. Cyberpsychologie, Verhalten und soziale Netzwerke, 19(9), 551–556. doi:https://doi.org/10.1089/cyber.2016.0151 CrossRef, Medline
 Cock, R. D., Vangeel, J., Klein, A., Minotte, P., Rosas, O. & Meerkerk, G. (2014). Zwanghafte Nutzung sozialer Netzwerke in Belgien: Prävalenz, Profil und die Rolle der Einstellung gegenüber Arbeit und Schule. Cyberpsychologie, Verhalten und soziale Netzwerke, 17(3), 166–171. doi:https://doi.org/10.1089/cyber.2013.0029 CrossRef, Medline
 Cole, H. & Griffiths, M. D. (2007). Soziale Interaktionen bei Massively Multiplayer Online-Rollenspielern. CyberPsychology & Behavior, 10 (4), 575–583. doi:https://doi.org/10.1089/cpb.2007.9988 CrossRef, Medline
 Demetrovics, Z., Urbán, R., Nagygyörgy, K., Farkas, J., Zilahy, D., Mervó, B., Reindl, A., Ágoston, C., Kertész, A. & Harmath, E. (2011). Warum spielst du? Die Entwicklung der Motive für den Online-Gaming-Fragebogen (MOGQ). Verhaltensforschungsmethoden, 43(3), 814–825. doi:https://doi.org/10.3758/s13428-011-0091-y CrossRef, Medline
 Dowling, N. A. & Brown, M. (2010). Gemeinsamkeiten bei den psychologischen Faktoren, die mit problematischem Glücksspiel und Internetabhängigkeit verbunden sind. Cyberpsychologie, Verhalten und soziale Netzwerke, 13(4), 437–441. doi:https://doi.org/10.1089/cyber.2009.0317 CrossRef, Medline
 Facebook. (2014). Facebook @ GDC: Entdeckung und Engagement für plattformübergreifende Spiele fördern. Abgerufen von https://developers.facebook.com/blog/post/2014/03/19/facebook-at-gdc-2014
 Feld, A. (2013). Ermitteln von Statistiken mit IBM SPSS Statistics (4. Aufl.). London, Großbritannien: Sage Publications Ltd.
 Floros, G. & Siomos, K. (2013). Der Zusammenhang zwischen optimaler Elternschaft, Internetsucht und Motiven für soziale Netzwerke im Jugendalter. Psychiatry Research, 209(3), 529–534. doi:https://doi.org/10.1016/j.psychres.2013.01.010 CrossRef, Medline
 Fuster, H., Chamarro, A., Carbonell, X. & Vallerand, R. J. (2014). Zusammenhang zwischen Leidenschaft und Motivation für das Spielen bei Spielern von Massively Multiplayer Online-Rollenspielen. Cyberpsychologie, Verhalten und soziale Netzwerke, 17, 292–297. doi:https://doi.org/10.1089/cyber.2013.0349
 Gentile, D. A., Choo, H., Liau, A., Sim, T., Li, D., Fung, D. & Khoo, A. (2011). Pathologische Videospielnutzung bei Jugendlichen: Eine zweijährige Längsschnittstudie. Pädiatrie, 127, e319–e329. doi:https://doi.org/10.1542/peds.2010-1353
 Griffiths, MD (2005). Ein „Komponenten“-Modell der Sucht im biopsychosozialen Rahmen. Journal of Substance Use, 10(4), 191–197. doi:https://doi.org/10.1080/14659890500114359 CrossRef
 Griffiths, M. D. (2014). Social Gaming für Kinder und Jugendliche: Welche Themen sind besorgniserregend? Bildung und Gesundheit, 32, 9–12.
 Griffiths, M. D. (2015). Klassifizierung und Behandlung von Verhaltenssüchten. Krankenpflege in der Praxis, 82, 44–46.
 Griffiths, M. D., Király, O., Pontes, H. M. & Demetrovics, Z. (2015). Ein Überblick über problematisches Spielen. In E. Aboujaoude & V. Starcevic (Hrsg.), Psychische Gesundheit im digitalen Zeitalter: Große Gefahren, großes Versprechen (S. 27–45). Oxford, Großbritannien: Oxford University Press. CrossRef
 Griffiths, M. D., Kuss, D. J. & Pontes, H. M. (2016). Ein kurzer Überblick über die Internet-Gaming-Störung und ihre Behandlung. Australischer klinischer Psychologe, 2, 1–12.
 Griffiths, M. D. & Pontes, H. M. (2015). Sucht- und Unterhaltungsprodukte. In R. Nakatsu, M. Rauterberg und P. Ciancarini (Hrsg.), Handbook of Digital Games and Entertainment Technologies (S. 1–22). Singapur: Springer. CrossRef
 Griffiths, M. D., Van Rooij, A. J., Kardefelt-Winther, D., Starcevic, V., Király, O., Pallesen, S., Müller, K., Dreier, M., Carras, M., Prause, N. , King, D. L., Aboujaoude, E., Kuss, D. J., Pontes, H. M., Fernandez, O. L., Nagygyorgy, K., Achab, S., Billieux, J., Quandt, T., Carbonell, X., Ferguson, C. J. , Hoff, R. A., Derevensky, J., Haagsma, M. C., Delfabbro, P., Coulson, M., Hus, Z. & Demetrovics, Z. (2016). Auf der Suche nach einem internationalen Konsens über Kriterien zur Beurteilung von Internet-Spielstörungen: Ein kritischer Kommentar zu Petry et al. (2014). Sucht, 111(1), 167–175. doi:https://doi.org/10.1111/add.13057 CrossRef, Medline
 Guillot, C. R., Bello, M. S., Tsai, J. Y., Huh, J., Leventhal, A. M. & Sussman, S. (2016). Längsschnittzusammenhänge zwischen Anhedonie und internetbezogenem Suchtverhalten bei aufstrebenden Erwachsenen. Computer im menschlichen Verhalten, 62, 475–479. doi:https://doi.org/10.1016/j.chb.2016.04.019 CrossRef, Medline
 Heo, J., Chun, S., Lee, S., Lee, K. H. und Kim, J. (2015). Internetnutzung und Wohlbefinden bei älteren Erwachsenen. Cyberpsychologie, Verhalten und soziale Netzwerke, 18(5), 268–272. doi:https://doi.org/10.1089/cyber.2014.0549 CrossRef, Medline
 Hooper, D., Coughlan, J. & Mullen, M. R. (2008). Modellierung von Strukturgleichungen: Richtlinien zur Bestimmung der Modellanpassung. Electronic Journal of Business Research Methods, 6, 53–60.
 Howard, C. J., Wilding, R. & Guest, D. (2016). Leichtes Spielen von Videospielen ist mit einer verbesserten visuellen Verarbeitung schneller serieller visueller Präsentationsziele verbunden. Wahrnehmung, 46(2), 161–177. doi:https://doi.org/10.1177/0301006616672579 CrossRef, Medline
 Hu, L. T. & Bentler, P. M. (1999). Cutoff-Kriterien für Fit-Indizes in der Kovarianzstrukturanalyse: Konventionelle Kriterien versus neue Alternativen. Modellierung von Strukturgleichungen: Ein multidisziplinäres Journal, 6 (1), 1–55. doi:https://doi.org/10.1080/10705519909540118 CrossRef
 IBM Corporation. (2015). IBM SPSS-Statistiken für Windows, Version 23. New York, NY: IBM Corporation.
 Kardefelt-Winther, D. (2016). Konzeptualisierung von Internetnutzungsstörungen: Sucht oder Bewältigungsprozess? Psychiatrie und klinische Neurowissenschaften, 71(7), 459–466. doi:https://doi.org/10.1111/pcn.12413 CrossRef, Medline
 Kim, N., Hughes, T. L., Park, C. G., Quinn, L. & Kong, I. D. (2016). Periphere Katecholamin- und Angstzustände im Ruhezustand bei koreanischen männlichen Jugendlichen mit Internetspielsucht. Cyberpsychologie, Verhalten und soziale Netzwerke, 19(3), 202–208. doi:https://doi.org/10.1089/cyber.2015.0411 CrossRef, Medline
 Király, O., Griffiths, M.D., Urbán, R., Farkas, J., Kökönyei, G., Elekes, Z., Tamás, D. & Demetrovics, Z. (2014). Problematische Internetnutzung und problematisches Online-Gaming sind nicht dasselbe: Ergebnisse einer großen national repräsentativen Stichprobe von Jugendlichen. Cyberpsychology, Behavior and Social Networking, 17 (12), 749–754. doi:https://doi.org/10.1089/cyber.2014.0475 CrossRef, Medline
 Kline, RB (2011). Prinzipien und Praxis der Strukturgleichungsmodellierung (3. Aufl.). New York, NY: Guilford Press.
 Koc, M. & Gulyagci, S. (2013). Facebook-Sucht unter türkischen Studenten: Die Rolle der psychischen Gesundheit, demografischer Merkmale und Nutzungsmerkmale. Cyberpsychologie, Verhalten und soziale Netzwerke, 16(4), 279–284. doi:https://doi.org/10.1089/cyber.2012.0249 CrossRef, Medline
 Kowert, R., Domahidi, E., Festl, R. & Quandt, T. (2014). Social Gaming, einsames Leben? Die Auswirkungen des digitalen Spielens auf die sozialen Kreise von Jugendlichen. Computer im menschlichen Verhalten, 36, 385–390. doi:https://doi.org/10.1016/j.chb.2014.04.003 CrossRef
 Kuss, D. J., Griffiths, M. D. & Pontes, H. M. (2017). Chaos und Verwirrung bei der DSM-5-Diagnose einer Internet-Spielstörung: Probleme, Bedenken und Empfehlungen für Klarheit auf diesem Gebiet. Journal of Behavioral Addictions, 6(2), 103–109. doi:https://doi.org/10.1556/2006.5.2016.062 Link
 Lee, B. W. & Stapinski, L. A. (2012). Suche nach Sicherheit im Internet: Zusammenhang zwischen sozialer Angst und problematischer Internetnutzung. Journal of Anxiety Disorders, 26(1), 197–205. doi:https://doi.org/10.1016/j.janxdis.2011.11.001 CrossRef, Medline
 Lee, S. Y., Choo, H. & Lee, H. K. (2017). Abwägung zwischen Vorurteilen und Tatsachen bei Spielstörungen: Stigmatisiert die Existenz einer Alkoholkonsumstörung gesunde Trinker oder behindert sie die wissenschaftliche Forschung? Journal of Behavioral Addictions, 6(3), 302–305. doi:https://doi.org/10.1556/2006.6.2017.047 Link
 Lehenbauer-Baum, M., Klaps, A., Kovacovsky, Z., Witzmann, K., Zahlbruckner, R. & Stetina, B. U. (2015). Sucht und Engagement: Eine explorative Studie zu Klassifizierungskriterien für Internet-Spielstörungen. Cyberpsychologie, Verhalten und soziale Netzwerke, 18(6), 343–349. doi:https://doi.org/10.1089/cyber.2015.0063 CrossRef, Medline
 Leménager, T., Dieter, J., Hill, H., Hoffmann, S., Reinhard, I., Beutel, M., Vollstädt-Klein, S., Kiefer, F. & Mann, K. (2016) . Erforschung der neuronalen Grundlagen der Avatar-Identifikation bei pathologischen Internetspielern und der Selbstreflexion bei pathologischen Nutzern sozialer Netzwerke. Journal of Behavioral Addictions, 5(3), 1–15. doi:https://doi.org/10.1556/2006.5.2016.048 Link
 Lemmens, J. S. & Hendriks, S. J. F. (2016). Süchtig machende Online-Spiele: Untersuchung der Beziehung zwischen Spielgenres und Internet-Spielstörung. Cyberpsychologie, Verhalten und soziale Netzwerke, 19 (4), 270–276. doi:https://doi.org/10.1089/cyber.2015.0415 CrossRef, Medline
 Lovibond, P. F. & Lovibond, S. H. (1995). Die Struktur negativer emotionaler Zustände: Vergleich der Depression Anxiety Stress Scales (DASS) mit den Beck Depression and Anxiety Inventorys. Verhaltensforschung und Therapie, 33(3), 335–343. doi:https://doi.org/10.1016/0005-7967(94)00075-U CrossRef, Medline
 Maraz, A., Király, O. & Demetrovics, Z. (2015). Kommentar zu: Pathologisieren wir den Alltag zu sehr? Ein tragfähiger Entwurf für die Verhaltenssuchtforschung. Die diagnostischen Fallstricke von Umfragen: Wer bei einem Suchttest positiv abschneidet, hat immer noch gute Chancen, nicht abhängig zu werden. Journal of Behavioral Addictions, 4(3), 151–154. doi:https://doi.org/10.1556/2006.4.2015.026 Link
 Monacis, L., De Palo, V., Griffiths, M. D., & Sinatra, M. (2016). Validierung der Internet Gaming Disorder Scale – Short-Form (IGDS9-SF) in einer italienischsprachigen Stichprobe. Journal of Behavioral Addictions, 5(4), 683–690. doi:https://doi.org/10.1556/2006.5.2016.083 Link
 Morioka, H., Itani, O., Osaki, Y., Higuchi, S., Jike, M., Kaneita, Y., Kanda, H., Nakagome, S. & Ohida, T. (2016). Zusammenhang zwischen Rauchen und problematischer Internetnutzung bei japanischen Jugendlichen: Groß angelegte landesweite epidemiologische Studie. Cyberpsychologie, Verhalten und soziale Netzwerke, 19(9), 557–561. doi:https://doi.org/10.1089/cyber.2016.0182 CrossRef, Medline
 Muthén, L. K. & Muthén, B. O. (2012). Mplus-Benutzerhandbuch (7. Aufl.). Los Angeles, Kalifornien: Muthén & Muthén.
 Ostovar, S., Allahyar, N., Aminpoor, H., Moafian, F., Nor, M. B. M., & Griffiths, M. D. (2016). Internetsucht und ihre psychosozialen Risiken (Depression, Angst, Stress und Einsamkeit) bei iranischen Jugendlichen und jungen Erwachsenen: Ein Strukturgleichungsmodell in einer Querschnittsstudie. International Journal of Mental Health and Addiction, 14(3), 257–267. doi:https://doi.org/10.1007/s11469-015-9628-0 CrossRef
 Pais-Ribeiro, J., Honrado, A. & Leal, I. (2004). Beitrag zur portugiesischen Validierungsstudie von Lovibond und Lovibonds Kurzversion der Depression Anxiety and Stress Scale (DASS)]. Psicologia, Saúde & Doenças, 21, 5–229.
 Pantic, I. (2014). Online-Social-Networking und psychische Gesundheit. Cyberpsychologie, Verhalten und soziale Netzwerke, 17(10), 652–657. doi:https://doi.org/10.1089/cyber.2014.0070 CrossRef, Medline
 Pápay, O., Urbán, R., Griffiths, M. D., Nagygyörgy, K., Farkas, J., Kökönyei, G., Felvinczi, K., Oláh, A., Elekes, Z. & Demetrovics, Z. ( 2013). Psychometrische Eigenschaften der Kurzform des Fragebogens zu problematischem Online-Glücksspiel und Prävalenz problematischen Online-Glücksspiels in einer nationalen Stichprobe von Jugendlichen. Cyberpsychologie, Verhalten und soziale Netzwerke, 16(5), 340–348. doi:https://doi.org/10.1089/cyber.2012.0484 CrossRef, Medline
 Petry, N. M., Rehbein, F., Gentile, D. A., Lemmens, J. S., Rumpf, H.-J., Mößle, T., Bischof, G., Tao, R., Fung, D. S. S., Borges, G., Auriacombe , M., González-Ibáñez, A., Tam, P. & O'Brien, C. P. (2014). Ein internationaler Konsens zur Beurteilung von Internet-Spielstörungen mithilfe des neuen DSM-5-Ansatzes. Sucht, 109(9), 1399–1406. doi:https://doi.org/10.1111/add.12457 CrossRef, Medline
 Petry, N. M., Rehbein, F., Gentile, D. A., Lemmens, J. S., Rumpf, H.-J., Mößle, T., Bischof, G., Tao, R., Fung, D. S. S., Borges, G., Auriacombe , M., González-Ibáñez, A., Tam, P. & O'Brien, C. P. (2015). Kommentare von Griffiths et al. zur internationalen Konsenserklärung zur Internet-Gaming-Störung: Den Konsens fördern oder den Fortschritt behindern? Sucht, 111(1), 175–178. doi:https://doi.org/10.1111/add.13189 CrossRef
 Phanasathit, M., Manwong, M., Hanprathet, N., Khumsri, J. & Yingyeun, R. (2015). Validierung der thailändischen Version der Bergen Facebook Addiction Scale (Thai-BFAS). Zeitschrift der Medical Association of Thailand, 98, 108–117.
 Pontes, H. M., Andreassen, C. S. & Griffiths, M. D. (2016). Portugiesische Validierung der Bergen Facebook Addiction Scale: Eine empirische Studie. International Journal of Mental Health and Addiction, 14(6), 1062–1073. doi:https://doi.org/10.1007/s11469-016-9694-y CrossRef
 Pontes, H. M. & Griffiths, M. D. (2015a). Messung der DSM-5-Internetspielstörung: Entwicklung und Validierung einer kurzen psychometrischen Skala. Computer im menschlichen Verhalten, 45, 137–143. doi:https://doi.org/10.1016/j.chb.2014.12.006 CrossRef
 Pontes, H. M. & Griffiths, M. D. (2015b). Die Rolle des Alters, des Alters des Internetzugangs und der online verbrachten Zeit bei der Ätiologie der Internetsucht. Journal of Behavioral Addictions, 4(Suppl. 1), 30–31. doi:https://doi.org/10.1556/JBA.4.2015.Suppl.1
 Pontes, H. M. & Griffiths, M. D. (2016). Portugiesische Validierung der Internet Gaming Disorder Scale – Kurzform. Cyberpsychologie, Verhalten und soziale Netzwerke, 19(4), 288–293. doi:https://doi.org/10.1089/cyber.2015.0605 CrossRef, Medline
 Pontes, H. M., Király, O., Demetrovics, Z. & Griffiths, M. D. (2014). Die Konzeptualisierung und Messung der DSM-5-Internetspielstörung: Die Entwicklung des IGD-20-Tests. PLoS One, 9(10), e110137. doi:https://doi.org/10.1371/journal.pone.0110137 CrossRef, Medline
 Pontes, H. M., Macur, M. & Griffiths, M. D. (2016). Internetspielstörung bei slowenischen Grundschulkindern: Ergebnisse einer landesweit repräsentativen Stichprobe von Jugendlichen. Journal of Behavioral Addictions, 5(2), 304–310. doi:https://doi.org/10.1556/2006.5.2016.042 Link
 Primack, B. A., Shensa, A., Escobar-Viera, C. G., Barrett, E. L., Sidani, J. E., Colditz, J. B. & James, A. E. (2017). Nutzung mehrerer Social-Media-Plattformen und Symptome von Depressionen und Angstzuständen: Eine landesweit repräsentative Studie unter jungen Erwachsenen in den USA. Computer im menschlichen Verhalten, 69, 1–9. doi:https://doi.org/10.1016/j.chb.2016.11.013 CrossRef
 Przybylski, A. (2017). Boshafte Reaktionen in der Forschung zu Internet-Spielstörungen. PeerJ, 4, e2401. doi:https://doi.org/10.7717/peerj.2401 CrossRef
 Rehbein, F., Staudt, A., Hanslmaier, M. & Kliem, S. (2016). Videospiele in der allgemeinen erwachsenen Bevölkerung Deutschlands: Lässt sich eine höhere Spielzeit von Männern durch geschlechtsspezifische Genrepräferenzen erklären? Computer im menschlichen Verhalten, 55 (Teil B), 729–735. doi:https://doi.org/10.1016/j.chb.2015.10.016 CrossRef
 Rikkers, W., Lawrence, D., Hafekost, J. & Zubrick, S. R. (2016). Internetnutzung und elektronisches Spielen durch Kinder und Jugendliche mit emotionalen und Verhaltensproblemen in Australien – Ergebnisse der zweiten Kinder- und Jugendumfrage zur psychischen Gesundheit und zum Wohlbefinden. BMC Public Health, 16(1), 399. doi:https://doi.org/10.1186/s12889-016-3058-1 CrossRef, Medline
 Salem, AAMS, Almenaye, N. S. & Andreassen, C. S. (2016). Eine psychometrische Auswertung der Bergen Facebook Addiction Scale (BFAS) von Universitätsstudenten. International Journal of Psychology and Behavioral Sciences, 6, 199–205. doi:https://doi.org/10.5923/j.ijpbs.20160605.01
 Sampasa-Kanyinga, H. & Lewis, R. F. (2015). Die häufige Nutzung sozialer Netzwerke ist mit einer Beeinträchtigung der psychischen Leistungsfähigkeit von Kindern und Jugendlichen verbunden. Cyberpsychologie, Verhalten und soziale Netzwerke, 18(7), 380–385. doi:https://doi.org/10.1089/cyber.2015.0055 CrossRef, Medline
 Sarda, E., Bègue, L., Bry, C. & Gentile, D. (2016). Internet-Gaming-Störung und Wohlbefinden: Eine Skalenvalidierung. Cyberpsychologie, Verhalten und soziale Netzwerke, 19(11), 674–679. doi:https://doi.org/10.1089/cyber.2016.0286 CrossRef, Medline
 Saunders, J. B., Hao, W., Long, J., King, D. L., Mann, K., Fauth-Bühler, M., Rumpf, H.-J., Bowden-Jones, H., Rahimi-Movaghar, A ., Chung, T., Chan, E., Bahar, N., Achab, S., Lee, H. K., Potenza, M., Petry, N., Spritzer, D., Ambekar, A., Derevensky, J. , Griffiths, M. D., Pontes, H. M., Kuss, D., Higuchi, S., Mihara, S., Assangangkornchai, S., Sharma, M., Kashef, A. E., Ip, P., Farrell, M., Scafato, E., Carragher, N. & Poznyak, V. (2017). Spielstörung: Ihre Abgrenzung als wichtige Erkrankung für Diagnose, Management und Prävention. Journal of Behavioral Addictions, 6(3), 271–279. doi:https://doi.org/10.1556/2006.6.2017.039 Link
 M. Scharkow, R. Festl & T. Quandt (2014). Längsschnittmuster problematischer Computerspielnutzung bei Jugendlichen und Erwachsenen - Eine 2-Jahres-Panel-Studie. Addiction, 109 (11), 1910–1917. doi:https://doi.org/10.1111/add.12662 CrossRef, Medline
 Shaffer, H. J., LaPlante, D. A., LaBrie, R. A., Kidman, R. C., Donato, A. N. und Stanton, M. V. (2004). Auf dem Weg zu einem Syndrommodell der Sucht: Mehrere Ausdrücke, gemeinsame Ätiologie. Harvard Review of Psychiatry, 12(6), 367–374. doi:https://doi.org/10.1080/10673220490905705 CrossRef, Medline
 Silva, H. R. S., Areco, K. C. N., Bandiera-Paiva, P., Galvão, P. V. M., Garcia, A. N. M. und Silveira, D. X. (2015). Equivalência semântica e confiabilidade da versão em português da Bergen Facebook Addiction Scale [Semantische Äquivalenz und Konfizierbarkeit der portugiesischen Version der Bergen Facebook Addiction Scale]. Jornal Brasileiro de Psiquiatria, 64(1), 17–23. doi:https://doi.org/10.1590/0047-2085000000052 CrossRef
 Sioni, S. R., Burleson, M. H. & Bekerian, D. A. (2017). Internet-Gaming-Störung: Soziale Phobie und Identifikation mit Ihrem virtuellen Selbst. Computer im menschlichen Verhalten, 71, 11–15. doi:https://doi.org/10.1016/j.chb.2017.01.044 CrossRef
 Snodgrass, J. G., Lacy, M. G., Dengah II, H. J. F., Eisenhauer, S., Batchelder, G. & Cookson, R. J. (2014). Eine Auszeit vom Kopf: Problematisches Online-Gaming ist eine Stressreaktion. Computer im menschlichen Verhalten, 38, 248–260. doi:https://doi.org/10.1016/j.chb.2014.06.004 CrossRef
 Starcevic, V. & Aboujaoude, E. (2016). Internetsucht: Neubewertung eines zunehmend unzureichenden Konzepts. ZNS-Spektren, 22(1), 7–13. doi:https://doi.org/10.1017/S1092852915000863 CrossRef, Medline
 Stroud, M. J. & Whitbourne, S. K. (2015). Casual-Videospiele als Trainingstool für Aufmerksamkeitsprozesse im Alltag. Cyberpsychologie, Verhalten und soziale Netzwerke, 18(11), 654–660. doi:https://doi.org/10.1089/cyber.2015.0316 CrossRef, Medline
 Stubblefield, S., Datto, G., Phan, T.-LT, Werk, L. N., Stackpole, K., Siegel, R., Stratbucker, W., Tucker, J. M., Christison, A. L., Hossain, J., & Gentile, DA (2017). Problematische Videospiele bei Kindern, die an tertiären Gewichtsmanagementprogrammen teilnehmen. Cyberpsychologie, Verhalten und soziale Netzwerke, 20(2), 109–116. doi:https://doi.org/10.1089/cyber.2016.0386 CrossRef, Medline
 Sussman, S., Arpawong, T. E., Sun, P., Tsai, J., Rohrbach, L. A. & Spruijt-Metz, D. (2014). Prävalenz und gleichzeitiges Auftreten von Suchtverhalten bei ehemaligen alternativen High-School-Jugendlichen. Journal of Behavioral Addictions, 3(1), 33–40. doi:https://doi.org/10.1556/JBA.3.2014.005 Link
 Tang, J.-H., Chen, M.-C., Yang, C.-Y., Chung, T.-Y. & Lee, Y.-A. (2016). Persönlichkeitsmerkmale, zwischenmenschliche Beziehungen, soziale Online-Unterstützung und Facebook-Sucht. Telematik und Informatik, 33(1), 102–108. doi:https://doi.org/10.1016/j.tele.2015.06.003 CrossRef
 Thorens, G., Achab, S., Billieux, J., Khazaal, Y., Khan, R., Pivin, E., Gupta, V. & Zullino, D. (2014). Merkmale und Behandlungsreaktion von selbst identifizierten problematischen Internetnutzern in einer Ambulanz für Verhaltenssucht. Journal of Behavioral Addictions, 3(1), 78–81. doi:https://doi.org/10.1556/JBA.3.2014.008 Link
 Turel, O. & Serenko, A. (2012). Die Vorteile und Gefahren der Nutzung von Social-Networking-Websites. Europäisches Journal für Informationssysteme, 21(5), 512–528. doi:https://doi.org/10.1057/ejis.2012.1 CrossRef
 Van Rooij, A. J., Schoenmakers, T. M., Vermulst, A. A., Van den Eijnden, R. & Van de Mheen, D. (2011). Online-Videospielsucht: Identifizierung süchtiger jugendlicher Spieler. Sucht, 106(1), 205–212. doi:https://doi.org/10.1111/j.1360-0443.2010.03104.x CrossRef, Medline
 Weltgesundheitsorganisation. (2016). ICD-11 Beta Draft: Spielstörung. Abgerufen von https://icd.who.int/dev11/l-m/en#/http%3a%2f%2fid.who.int%2ficd%2fentity%2f1448597234
 Wu, A. M. S., Cheung, V. I., Ku, L. & Hung, E. P. W. (2013). Psychologische Risikofaktoren der Sucht nach sozialen Netzwerken bei chinesischen Smartphone-Nutzern. Journal of Behavioral Addictions, 2(3), 160–166. doi:https://doi.org/10.1556/JBA.2.2013.006 Link
 Xanidis, N. & Brignell, C. M. (2016). Der Zusammenhang zwischen der Nutzung sozialer Netzwerke, der Schlafqualität und der kognitiven Funktion während des Tages. Computer im menschlichen Verhalten, 55 (Teil A), 121–126. doi:https://doi.org/10.1016/j.chb.2015.09.004 CrossRef
 Yee, N. (2006). Motivationen für das Spielen in Online-Spielen. CyberPsychology & Behavior, 9 (6), 772–775. doi:https://doi.org/10.1089/cpb.2006.9.772 CrossRef, Medline
 Yu, C., Li, X. & Zhang, W. (2015). Vorhersage der problematischen Nutzung von Online-Spielen bei Jugendlichen anhand der Unterstützung der Lehrerautonomie, der Befriedigung grundlegender psychologischer Bedürfnisse und des schulischen Engagements: Eine zweijährige Längsschnittstudie. Cyberpsychologie, Verhalten und soziale Netzwerke, 2(18), 4–228. doi:https://doi.org/10.1089/cyber.2014.0385 CrossRef, Medline
 Zhang, C., Brook, J. S., Leukefeld, C. G. & Brook, D. W. (2016). Längsschnittliche psychosoziale Faktoren im Zusammenhang mit Symptomen der Internetsucht bei Erwachsenen im frühen mittleren Lebensalter. Suchtverhalten, 62, 65–72. doi:https://doi.org/10.1016/j.addbeh.2016.06.019 CrossRef, Medline