Online-Social-Networking-Sucht und Depression: Die Ergebnisse einer groß angelegten prospektiven Kohortenstudie bei chinesischen Jugendlichen (2018)

J Behav Addict. 2018 11: 1-11. doi: 10.1556 / 2006.7.2018.69.

Li JB1,2, Mo PKH2,3, Lau JTF2,3, Su XF2,3, Zhang X.4, Wu AMS5, Mai JC6, Chen YX6.

Abstrakt

Hintergrund und Ziele

Ziel dieser Studie ist es, die longitudinalen Zusammenhänge zwischen Online-Sucht nach sozialen Netzwerken (OSNA) und Depression abzuschätzen, ob OSNA die Entwicklung einer Depression vorhersagt und umgekehrt, ob eine Depression die Entwicklung einer OSNA vorhersagt.

Methoden

Insgesamt 5,365 Schüler aus neun weiterführenden Schulen in Guangzhou, Südchina, wurden zu Studienbeginn im März 2014 befragt und neun Monate später nachuntersucht. Das Ausmaß von OSNA und Depression wurde anhand der validierten OSNA-Skala bzw. CES-D gemessen. Mehrstufige logistische Regressionsmodelle wurden angewendet, um die Längszusammenhänge zwischen OSNA und Depression abzuschätzen.

Die Ergebnisse

Bei Jugendlichen, die zu Studienbeginn depressiv, aber frei von OSNA waren, war die Wahrscheinlichkeit, bei der Nachuntersuchung eine OSNA zu entwickeln, 1.48-mal höher als bei Jugendlichen, die zu Studienbeginn nicht depressiv waren [bereinigtes OR (AOR): 1.48, 95 %-Konfidenzintervall (KI): 1.14–1.93 ]. Darüber hinaus hatten Jugendliche, die während der Nachbeobachtungszeit anhaltend depressiv waren oder depressiv wurden, im Vergleich zu denen, die während der Nachbeobachtungszeit nicht depressiv waren, ein erhöhtes Risiko, bei der Nachbeobachtungszeit OSNA zu entwickeln (AOR: 3.45, 95 %-KI: 2.51–4.75 für anhaltende Depression; AOR: 4.47, 95 % KI: 3.33–5.99 für neu auftretende Depression). Umgekehrt hatten Jugendliche, die zu Studienbeginn keine Depression hatten, ein höheres Risiko, eine Depression zu entwickeln, als Jugendliche, die als persistierende OSNA oder neu auftretende OSNA eingestuft wurden, als Jugendliche ohne OSNA (AOR: 1.65, 95 %-KI: 1.01–2.69 für persistierende OSNA; AOR: 4.29; 95 %-KI: 3.17–5.81 für neu auftretendes OSNA).

Zusammenfassung

Die Ergebnisse deuten auf einen bidirektionalen Zusammenhang zwischen OSNA und Depression hin, was bedeutet, dass die süchtig machende Nutzung sozialer Online-Netzwerke mit einem erhöhten Ausmaß an depressiven Symptomen einhergeht.

KEYWORDS: Jugendliche; Depression; longitudinale Assoziation; Online-Sucht nach sozialen Netzwerken

PMID: 30203664

DOI: 10.1556/2006.7.2018.69

Online-Sucht und Depression in sozialen Netzwerken: Die Ergebnisse einer groß angelegten prospektiven Kohortenstudie an chinesischen Jugendlichen.

J Behav Addict. 2018 September 11:1-11. doi: 10.1556/2006.7.2018.69. [Epub vor Druck]

Li JB1,2, Mo PKH2,3, Lau JTF2,3, Su XF2,3, Zhang X.4, Wu AMS5, Mai JC6, Chen YX6.

Abstrakt

Hintergrund und Ziele Ziel dieser Studie ist es, die longitudinalen Zusammenhänge zwischen Online-Sucht nach sozialen Netzwerken (OSNA) und Depression abzuschätzen, ob OSNA die Entwicklung einer Depression vorhersagt und umgekehrt, ob Depression die Entwicklung einer OSNA vorhersagt. Methoden: Insgesamt 5,365 Schüler aus neun weiterführenden Schulen in Guangzhou, Südchina, wurden zu Studienbeginn im März 2014 befragt und neun Monate später nachuntersucht. Das Ausmaß von OSNA und Depression wurde anhand der validierten OSNA-Skala bzw. CES-D gemessen. Mehrstufige logistische Regressionsmodelle wurden angewendet, um die Längszusammenhänge zwischen OSNA und Depression abzuschätzen. Ergebnisse Bei Jugendlichen, die zu Studienbeginn depressiv, aber frei von OSNA waren, war die Wahrscheinlichkeit, bei der Nachuntersuchung eine OSNA zu entwickeln, 9-mal höher als bei Jugendlichen, die zu Studienbeginn nicht depressiv waren [bereinigtes OR (AOR): 1.48, 1.48 %-Konfidenzintervall (KI): 95- 1.14]. Darüber hinaus hatten Jugendliche, die während der Nachbeobachtungszeit anhaltend depressiv waren oder depressiv wurden, im Vergleich zu denen, die während der Nachbeobachtungszeit nicht depressiv waren, ein erhöhtes Risiko, bei der Nachbeobachtungszeit OSNA zu entwickeln (AOR: 1.93, 3.45 %-KI: 95–2.51 für anhaltende Depression; AOR: 4.75, 4.47 % KI: 95–3.33 für neu auftretende Depression). Umgekehrt hatten Jugendliche, die zu Studienbeginn keine Depression hatten, ein höheres Risiko, eine Depression zu entwickeln, als Jugendliche, die als persistierende OSNA oder neu auftretende OSNA eingestuft wurden, als Jugendliche ohne OSNA (AOR: 5.99, 1.65 %-KI: 95–1.01 für persistierende OSNA; AOR: 2.69; 4.29 %-KI: 95–3.17 für neu auftretendes OSNA). Schlussfolgerung: Die Ergebnisse deuten auf einen bidirektionalen Zusammenhang zwischen OSNA und Depression hin, was bedeutet, dass die süchtig machende Nutzung sozialer Online-Netzwerke mit einem erhöhten Ausmaß an depressiven Symptomen einhergeht.

KEYWORDS: Jugendliche; Depression; longitudinale Assoziation; Online-Sucht nach sozialen Netzwerken

PMID: 30203664

DOI: 10.1556/2006.7.2018.69

Einleitung

Depression, die am häufigsten gemeldete psychiatrische Störung (Knopf, Park & ​​Mulye, 2008; Thapar, Collishaw, Potter & Thapar, 2010) ist ein wichtiges Problem der öffentlichen Gesundheit bei Jugendlichen. Über 9 % der Jugendlichen berichteten über mittelschwere bis schwere Depressionen, und die 1-Jahres-Inzidenzrate wurde in den Vereinigten Staaten auf 3 % geschätzt (Rushton, Forcier & Schectman, 2002). In Südchina berichtete unsere vorherige Studie über eine einwöchige Depressionsprävalenz von 1 % bei Schülern weiterführender Schulen (Li et al., 2017).

In beiden Querschnittsstudien wurde über einen positiven Zusammenhang zwischen Internetsucht und Depression bei Jugendlichen berichtet (Moreno, Jelenchick & Breland, 2015; Yoo, Cho & Cha, 2014) und Längsschnittstudien (Cho, Sung, Shin, Lim & Shin, 2013; Ko, Yen, Chen, Yeh & Yen, 2009; Lam, 2014). Allerdings untersuchten diese Studien die Internetsucht im Allgemeinen und nicht bestimmte Arten von Online-Aktivitäten. Jugendliche könnten mehrere Arten von Online-Aktivitäten im Internet durchführen. Mehrere Studien haben die Bedeutung und Notwendigkeit hervorgehoben, die Sucht nach bestimmten internetbezogenen Aktivitäten von der Internetsucht im Allgemeinen zu unterscheiden (Davis, 2001; Laconi, Tricard & Chabrol, 2015; Pontes, Szabo & Griffiths, 2015). Online-Soziale Netzwerke sind ein relativ neues Phänomen, und unter der Bevölkerung, die Online-Social-Networking-Nutzer ist, wurde eine hohe Prävalenz von Depressionen beobachtet (Lin et al., 2016; Tang & Koh, 2017). Im Vergleich zur Allgemeinbevölkerung sind Jugendliche und Studenten die häufigsten Nutzer sozialer Online-Netzwerke (Griths, Kuss & Demetrovics, 2014). Die Online-Sucht nach sozialen Netzwerken (OSNA) ist ein relativ neues Suchtverhalten bei Jugendlichen, das mit der zwanghaften Beteiligung an Online-Aktivitäten in sozialen Netzwerken einhergeht. Als spezifische Art internetbezogener Verhaltenssüchte umfasst OSNA die klassischen Kernsymptome der Sucht (Griffiths, 2013; Kuss & Griffiths, 2011) und ist definiert als „übermäßige Besorgnis über die Nutzung sozialer Online-Netzwerke, eine starke Motivation, sich bei sozialen Online-Netzwerken anzumelden oder diese zu nutzen, die andere soziale Aktivitäten, Studium/Beruf, zwischenmenschliche Beziehungen und/oder die psychische Gesundheit und das Wohlbefinden beeinträchtigt"(Andreassen, 2015). OSNA ist bei Jugendlichen deutlich gestiegen. Rund 9.78 % der US-amerikanischen College-Studenten gaben an, Facebook-süchtig zu sein (Pempek, Yermolayeva & Calvert, 2009), und 29.5 % der singapurischen College-Studenten besitzen OSNA (Tang & Koh, 2017). Eine Studie aus dem Jahr 2010 ergab, dass die OSNA-Prävalenz bei chinesischen College-Studenten sogar über 30 % lag (Zhou & Leung, 2010). Es gibt Hinweise darauf, dass übermäßiges und zwanghaftes Online-Sozialnetzwerken selten von Vorteil ist, sondern potenziell schädliche Auswirkungen auf das psychosoziale Wohlbefinden von Jugendlichen hat, einschließlich emotionaler, relationaler und anderer gesundheitsbezogener Folgen (Andreassen, 2015).

Einige Querschnittsumfragen berichteten über einen positiven Zusammenhang zwischen OSNA und Depression bei Jugendlichen (Hong, Huang, Lin & Chiu, 2014; Koc & Gulyagci, 2013). Aufgrund der inhärenten Einschränkung des Querschnittsstudiendesigns ist jedoch immer noch unklar, ob OSNA eine Ursache oder Folge einer Depression oder bidirektional ist. Soziale Online-Netzwerke könnten Jugendlichen soziale Bequemlichkeit und Kapital, selektive Selbstoffenlegung und potenzielle soziale Unterstützung bieten (Ellison, Steinfield & Lampe, 2007; Steinfield, Ellison & Lampe, 2008). Personen, die unter psychiatrischen Störungen (z. B. Depressionen und Angstzuständen) leiden, betrachten soziale Online-Netzwerke möglicherweise als eine sichere und wichtige virtuelle Gemeinschaft (Gámez-Guadix, 2014), wo sie emotionalen Problemen in der realen Welt entkommen konnten (Andreassen, 2015; Griths et al., 2014) und außerdem zu einer potenziellen Suchtbeteiligung führen (Oberst, Wegmann, Stodt, Brand & Chamarro, 2017). Unterdessen würde ein übermäßiger Kontakt mit der virtuellen Gemeinschaft zu negativen Emotionen führen (McDougall et al., 2016). Bei Jugendlichen, die sich nicht an ihre depressive Verstimmung anpassen, kann übermäßiges soziales Online-Netzwerken schädlichere Auswirkungen haben (Selfhout, Branje, Delsing, Ter Bogt & Meeus, 2009). Daher ist ein bidirektionaler Zusammenhang zwischen OSNA und Depression theoretisch sinnvoll. Allerdings gibt es unseres Wissens keine prospektive Studie, die sich auf die Untersuchung der Längsschnittbeziehungen zwischen OSNA und Depression bei Jugendlichen und anderen Bevölkerungsgruppen konzentriert.

Daher haben wir eine prospektive Studie entworfen, um den longitudinalen Zusammenhang zwischen Depression und OSNA im Zeitverlauf umfassend abzuschätzen, z. B. ob OSNA die Entwicklung einer Depression vorhersagt und ob eine Depression die Entwicklung einer OSNA vorhersagt, indem wir Veränderungen der OSNA und des Depressionsstatus (z. B. Remission von) berücksichtigen Störung) während einer 9-monatigen Nachbeobachtungszeit.

Studiendesign

Diese prospektive Kohortenstudie wurde in Guangzhou, Südchina, durchgeführt. Die Basiserhebung wurde von März bis April 2014 durchgeführt, die anschließende Folgeerhebung im Abstand von 9 Monaten nach dem gleichen Verfahren.

Teilnehmer und Probenahme                                                               

Die Teilnehmer wurden mithilfe einer geschichteten Cluster-Stichprobenmethode rekrutiert. Aus jeder der drei Regionen (d. h. Kern-, Vorort- und Außenvorortregionen) in Guangzhou wurde bequem jeweils ein Bezirk/Kreis ausgewählt (rote Punkte in der Abbildung). 1). Anschließend wurden bequemerweise drei öffentliche weiterführende Schulen aus jedem ausgewählten Bezirk/Landkreis ausgewählt, sodass insgesamt neun Schulen ausgewählt wurden. Alle Schüler der siebten und achten Klassen der ausgewählten Schulen wurden freiwillig zur Teilnahme an der Studie eingeladen. Der anonyme Fragebogen wurde von den Teilnehmern im Klassenzimmer ohne Anwesenheit eines Lehrers unter der Aufsicht gut ausgebildeter Forschungsassistenten selbst ausgefüllt.

Figur Eltern entfernen

Abbildung 1. Der Standort der Studienorte

Insgesamt haben 5,365 Studierende (Rücklaufquote = 98.04 %) an der Basisumfrage teilgenommen. Die beiden Fragebögen derselben Schüler wurden anhand der letzten vier Ziffern der privaten Telefonnummer, der letzten vier Ziffern der Mobiltelefonnummer der Eltern, der letzten vier Ziffern der Personalausweisnummer der Teilnehmer, des Geburtsdatums der Teilnehmer und des letzten Buchstabens von sich selbst und den Eltern abgeglichen ' Zaubername. Schließlich reichten 4,871 von 5,365 Teilnehmern bei der Nachuntersuchung vollständige Fragebögen ein (Follow-up-Rate = 90.8 %). Nach Ausschluss derjenigen, die keine sozialen Online-Netzwerke nutzten (n = 643) waren insgesamt 4,237 Teilnehmer an unserer Längsschnittstudie beteiligt.

Reduzierung des Depressionsrisikos

Das Ausmaß der depressiven Symptome wurde mithilfe der 20-Punkte-chinesischen Version der Center for Epidemiology Scale for Depression (CES-D) gemessen. Seine psychometrischen Eigenschaften wurden bei chinesischen Jugendlichen validiert (Chen, Yang & Li, 2009; Cheng, Yen, Ko & Yen, 2012; Lee et al., 2008; Wang et al., 2013). Höhere Werte weisen auf ein schwerwiegenderes Ausmaß depressiver Symptome hin, wobei der Gesamtwert zwischen 0 und 60 liegt (Radloff, 1977). Die Cronbach-α-Koeffizienten betrugen in dieser Studie 86 zu Studienbeginn und 87 bei der Nachuntersuchung, was eine gute interne Zuverlässigkeit zeigt. Eine Person, die einen CES-D-Score ≥21 meldet, wird als depressiver Fall definiert (Strümpfe et al., 2015). Im Anschluss an die bisherigen Studien (Penninx, Deeg, van Eijk, Beekman & Guralnik, 2000; Van Gool et al., 2003), wurde die Veränderung des Depressionsstatus während der Nachbeobachtungszeit in dieser Studie wie folgt kategorisiert: keine Depression (Teilnehmer ohne Depression sowohl zu Studienbeginn als auch in der Nachbeobachtungszeit), Remission von Depressionen (Teilnehmer mit Depression zu Studienbeginn, die jedoch bei der Nachbeobachtung zu keiner Depression übergingen). -up), anhaltende Depression (Teilnehmer mit Depression sowohl zu Studienbeginn als auch in der Nachuntersuchung) und neu auftretende Depression (Teilnehmer ohne Depression zu Studienbeginn, die jedoch bei der Nachuntersuchung zu einer Depression übergingen).

Online-Sucht nach sozialen Netzwerken (OSNA)

Der Suchtgrad für soziale Online-Netzwerke wurde mithilfe einer OSNA-Skala gemessen, die acht Elemente umfasst, die die wichtigsten Suchtsymptome wie kognitive und verhaltensbezogene Hervorhebung, Konflikt mit anderen Aktivitäten, Euphorie, Kontrollverlust, Rückzug, Rückfall und Wiedereingliederung messen. Höhere Werte auf der OSNA-Skala weisen auf eine höhere Suchtneigung bei sozialen Online-Netzwerken hin, mit einem Höchstwert von 40. Seine psychometrischen Eigenschaften wurden in unserer vorherigen Studie gründlich untersucht (Li et al., 2016). Es gibt keinen etablierten Grenzwert für die OSNA-Skala zur Identifizierung von OSNA-Fällen: Teilnehmer, die im 10. Dezil der Scores punkteten (d. h. OSNA-Score ≥ 24), wurden zu Studienbeginn als OSNA-Fälle klassifiziert, und es galt derselbe Grenzwert Wird zur Klassifizierung von Fällen bei der Nachuntersuchung verwendet. Die ähnliche Klassifizierungsstrategie wurde in der vorherigen Studie angewendet (Verkuijl et al., 2014). Die Cronbach-α-Koeffizienten der OSNA-Skala betrugen in dieser Studie 86 zu Studienbeginn und 89 bei der Nachuntersuchung. In ähnlicher Weise wurde die Änderung des OSNA-Status vom Ausgangswert zum Follow-up wie folgt kategorisiert: kein OSNA (Teilnehmer ohne OSNA sowohl zu Studienbeginn als auch zum Follow-up), Remission von OSNA (Teilnehmer mit OSNA zu Studienbeginn, aber Übergang zu ohne OSNA zum Follow-up). ), persistierendes OSNA (Teilnehmer mit OSNA sowohl zu Studienbeginn als auch bei der Nachuntersuchung) und neu auftretendes OSNA (Teilnehmer ohne OSNA zu Studienbeginn, die jedoch bei der Nachuntersuchung zu OSNA übergingen).

Kovariaten

Zu den Kovariaten gehörten Geschlecht, Schulstufe, Bildungsstand der Eltern, wahrgenommene finanzielle Situation der Familie, Lebensumstände (mit beiden Elternteilen oder nicht), selbstberichtete schulische Leistungen und wahrgenommener Studiendruck zu Studienbeginn.

Statistische Analysen

Beschreibende Statistiken (z. B. Mittelwerte, Standardabweichung und Prozentsätze) wurden gegebenenfalls vorgelegt. Die klasseninternen Korrelationskoeffizienten für die Clusterbildung über Schulen hinweg betrugen 1.56 % (p = .002) für Vorfalldepression und 1.42 % (p = .042) für den Vorfall OSNA, was auf erhebliche Unterschiede zwischen den Schulen hinweist (Wang, Xie & Fisher, 2009). Daher wurden mehrstufige logistische Regressionsmodelle (Stufe 1: Schüler; Stufe 2: Schule) angewendet, um die longitudinalen Zusammenhänge zwischen OSNA und Depression im Zeitverlauf zu bewerten und dabei den Cluster-Sampling-Effekt aus der Schule zu berücksichtigen. Hintergrundkovariaten im Zusammenhang mit Vorfalldepression/OSNA mit p < 05 in der univariaten Analyse oder weit verbreitet in der Literatur (dh Geschlecht und Grad) wurden in den multivariablen logistischen Regressionsmodellen angepasst.

Zur Vorhersage von OSNA auf die Neuinzidenz von Depressionen bei Teilnehmern, die zu Studienbeginn nicht depressiv waren (n = 3,196) schätzten wir zunächst das Odds Ratio (OR) der Baseline-OSNA, sowohl binäre Variable (d. h. OSNA oder nicht) als auch kontinuierliche Variable (OSNA-Skalenwerte), für das neue Auftreten von Depressionen nach Anpassung signifikanter Kovariaten und dann weiter Anpassung des Basiswertes der CES-D-Skala (Hinkley et al., 2014). Anschließend schätzten wir die Vorhersage der Veränderung des OSNA-Status im Laufe der Zeit bei neuer Inzidenz von Depressionen, einschließlich eines Modells, das anhand signifikanter Kovariaten angepasst wurde, und eines Modells, das zusätzlich anhand des Basiswerts der CES-D-Skala angepasst wurde.

Umgekehrt ist die Vorhersage einer Depression bei Neuinzidenz von OSNA bei Teilnehmern ohne OSNA zu Studienbeginn (n = 3,657) wurde auf ähnliche Weise wie oben beschrieben geschätzt, wobei die neue Inzidenz von OSNA als Ergebnis und Depressionen als Exposition galten. Die Vorhersage einer Baseline-Depression (kontinuierliche und kategoriale Version) bei neuer OSNA-Inzidenz und die Vorhersage der Veränderung des Depressionsstatus im Laufe der Zeit bei neuer OSNA-Inzidenz wurden jeweils geschätzt.

Statistische Analysen wurden mit SAS Version 9.4 (SAS Institute, Cary, NC, USA) durchgeführt. Eine zweiseitige p Ein Wert <.05 wurde als statistisch signifikant angesehen.

Ethik

Die Studienverfahren wurden in Übereinstimmung mit der Deklaration von Helsinki durchgeführt. Das Einverständnis und die Genehmigung der Schule für die schulinterne Umfrage wurden von den Schulleitern eingeholt, bevor die Umfrage durchgeführt wurde. Vor ihrer Teilnahme wurde von den Studierenden eine mündliche Einwilligung eingeholt. Diese Studie und das Einwilligungsverfahren wurden von der Ethikkommission für Umfragen und Verhaltensforschung der Chinesischen Universität Hongkong genehmigt.

Die Ergebnisse

Merkmale der Teilnehmer und Fluktuationsanalyse

Die Fluktuationsanalyse zeigte, dass es keine signifikanten Unterschiede hinsichtlich des Bildungsniveaus der Eltern und der selbstberichteten schulischen Leistungen zwischen den Jugendlichen gab, die an der Längsschnittanalyse beteiligt waren (n = 4,237) und die von der Längsschnittanalyse ausgeschlossen wurden (n = 1,128). Jugendliche, die an der Längsschnittstichprobe teilnahmen, waren eher weiblich, stammten aus der achten Klasse, hatten eine gute familiäre finanzielle Situation, lebten mit beiden Elternteilen zusammen und verspürten keinen/leichten Lerndruck (Tabelle 1).

Tisch

Tabelle 1. Fluktuationsanalyse und Teilnehmermerkmale in der Längsschnittstichprobe
 

Tabelle 1. Fluktuationsanalyse und Teilnehmermerkmale in der Längsschnittstichprobe

 

Baseline

Teilnehmer der Längsschnittstichprobe

Teilnehmer ohne Depression zu Studienbeginn

Teilnehmer ohne OSNA zu Studienbeginn

 

Ja

Nein

p*

Nicht-OSNA

OSNA

p*

Nicht depressiv

Niedergeschlagen

p*

Gesamt5,3654,2371,128-2,922274-2,922735-
Geschlecht
 Männlich2,533 (47.2)2,105 (49.7)727 (64.4)<.0011,464 (50.1)164 (59.8).0021,464 (50.1)309 (42.0)<.001
 Female2,832 (52.8)2,132 (50.3)401 (35.6) 1,458 (49.9)110 (40.2) 1,458 (49.9)426 (58.0) 
Klasse
 Sieben2,592 (48.3)2,011 (47.5)581 (51.5).0161,418 (48.5)131 (47.8).8201,418 (48.5)337 (45.9).194
 Acht2,773 (51.7)2,226 (52.5)547 (48.5) 1,504 (51.5)143 (52.2) 1,504 (51.5)398 (54.2) 
Bildungsniveau des Vaters
 Grundschule oder darunter356 (6.6)273 (6.4)83 (7.4).376165 (5.7)21 (7.7).049165 (5.7)61 (8.3).010
 Mittelschule1,816 (33.9)1,425 (33.6)391 (34.7) 958 (32.8)108 (39.4) 958 (32.8)259 (35.2) 
 Oberstufe1,646 (30.7)1,312 (31.0)334 (29.6) 911 (31.2)79 (28.8) 911 (31.2)230 (31.3) 
 College oder höher1,317 (24.5)1,053 (24.9)264 (23.4) 763 (26.1)54 (6.6) 763 (26.1)159 (21.6) 
 Weiß es nicht230 (4.3)174 (4.1)56 (5.0) 125 (4.3)12 (4.4) 125 (4.3)26 (3.5) 
Bildungsstand der Mutter
 Grundschule oder darunter588 (11.0)445 (10.5)143 (12.7).144267 (9.1)35 (12.8).108267 (9.1)103 (14.0)<.001
 Mittelschule1,909 (35.6)1,507 (35.6)402 (35.6) 1,030 (35.3)108 (39.4) 1,030 (35.3)274 (37.3) 
 Oberstufe1,497 (27.9)1,199 (28.3)298 (26.4) 860 (29.4)71 (25.9) 860 (29.4)180 (24.5) 
 College oder höher1,143 (21.3)913 (21.6)230 (20.4) 634 (21.7)50 (18.3) 634 (21.7)156 (21.2) 
 Weiß es nicht228 (4.3)173 (4.1)55 (4.9) 131 (4.5)10 (3.6) 131 (4.5)22 (3.0) 
Finanzielle Situation der Familie
 Sehr gut/gut2,519 (47.0)2,047 (48.3)472 (41.8)<.0011,495 (51.2)123 (44.9).1151,495 (51.2)300 (40.8)<.001
 Durchschnittlich2,664 (49.6)2,072 (48.9)592 (52.5) 1,366 (46.7)143 (52.2) 1,366 (46.8)405 (55.1) 
 Schlecht/sehr schlecht182 (3.4)118 (2.8)64 (5.7) 61 (2.1)8 (8.6) 61 (2.1)30 (4.1) 
Lebt mit beiden Elternteilen zusammen
 Nein4,712 (87.8)490 (11.6)163 (14.4).008312 (10.7)30 (11.0).890312 (10.7)107 (14.6).003
 Ja653 (12.2)3,747 (88.4)965 (85.6) 2,610 (89.3)244 (89.0) 2,610 (89.3)628 (85.4) 
Akademischeleistung
 Obere1,817 (33.9)1,465 (34.6)223 (19.8).2761,142 (39.1)51 (18.6)<.0011,142 (39.1)205 (27.9)<.001
 Medium2,396 (44.6)1,920 (45.3)619 (54.9) 1,306 (44.7)134 (48.9) 1,306 (44.7)347 (47.2) 
 Senken1,152 (21.5)490 (20.1)286 (25.4) 474 (16.2)89 (32.5) 474 (16.2)183 (24.9) 
Wahrgenommener Lerndruck
 Null/Licht1,034 (19.3)811 (19.1)352 (31.2)<.001667 (22.8)31 (11.3)<.001667 (22.8)78 (10.6)<.001
 Allgemeines3,052 (56.9)2,433 (57.4)476 (42.2) 1,769 (60.5)172 (62.8) 1,769 (60.5)359 (48.8) 
 Schwer/sehr schwer1,279 (23.8)993 (23.4)300 (26.6) 486 (16.6)71 (25.9) 486 (16.6)298 (40.5) 

Hinweis. Daten werden als angezeigt n (%). OSNA: Online-Sucht nach sozialen Netzwerken; CES-D: Center for Epidemiology Scale for Depression; -: unzutreffend.

*p Werte wurden mit χ erhalten2 Test.

Unter den 4,237 Jugendlichen (Durchschnittsalter: 13.9 Jahre, Standardabweichung: 0.7) in der Längsschnittstichprobe waren 49.7 % (2,105 von 4,237) weiblich und 47.5 % (2,011 von 4,237) Schüler der siebten Klasse. Die meisten Jugendlichen (88.4 %; 3,747 von 4,237) lebten bei ihren Eltern. In der Längsschnittstichprobe stieg die Prävalenz von Depressionen signifikant von 24.6 % (1,041 von 4,237) zu Studienbeginn auf 26.6 % bei der Nachuntersuchung (McNemar-Test = 7.459, p = .006). Es gab keinen signifikanten Unterschied in der Prävalenz von OSNA zwischen Baseline und Follow-up (13.7 % zu Baseline vs. 13.6 % bei Follow-up; McNemar-Test = 0.053, p = .818). Insgesamt 3,196 Studenten waren zu Studienbeginn nicht depressiv und 3,657 Studenten waren zu Studienbeginn frei von OSNA (Tabelle 1).

Potenzielle Störfaktoren im Zusammenhang mit der Neuinzidenz von Depressionen oder OSNA

Tisch 2 zeigt, dass eine wahrgenommene schlechte finanzielle Situation der Familie, selbstberichtete schlechte schulische Leistungen und ein wahrgenommener starker Studiendruck signifikant mit einer höheren Inzidenz von Depressionen (Bereich des univariaten OR: 1.32–1.98) und einer höheren Inzidenz von OSNA (Bereich des univariaten OR: 1.61–2.76) verbunden waren. 0.65–95). Das Zusammenleben mit den Eltern war nur ein signifikanter Schutzfaktor für die Inzidenz von OSNA [univariates OR: 0.48, 0.89 %-Konfidenzintervall (KI): XNUMX–XNUMX].

Tisch

Tabelle 2. Univariate Assoziationen zwischen Hintergrundkovariaten und der Inzidenz von Depressionen/OSNA
 

Tabelle 2. Univariate Assoziationen zwischen Hintergrundkovariaten und der Inzidenz von Depressionen/OSNA

 

Auftreten von Depressionen

Inzidenz von OSNA

 

n (%) (n = 515)

ORu (95 % KI)

p

n (%) (n = 335)

ORu (95 % KI)

p

Geschlecht 
 Männlich249 (15.9)1 168 (8.9)1 
 Female266 (16.3)0.96 (0.79, 1.16).641167 (9.4)0.94 (0.75, 1.17).573
Klasse 
 Sieben250 (16.1)1 160 (9.1)1 
 Acht265 (16.1)1.00 (0.83, 1.21).977175 (9.2)1.00 (0.80, 1.26).977
Bildungsniveau des Vaters 
 Grundschule oder darunter32 (17.2)1 26 (11.5)1 
 Sekundarschule190 (17.8)1.04 (0.69, 1.59).827116 (9.5)0.81 (0.52, 1.28).377
 Obere Mittelschule139 (14.0)0.80 (0.52, 1.23).31793 (8.2)0.67 (0.42, 1.07).090
 Universität oder höher129 (15.8)0.92 (0.60, 1.42).70586 (9.3)0.78 (0.49, 1.26).310
 Weiß es nicht25 (18.3)1.14 (0.63, 2.04).66614 (9.3)0.79 (0.40, 1.59).516
Bildungsstand der Mutter 
 Grundschule oder darunter47 (15.6)1 31 (8.4)1 
 Sekundarschule196 (17.2)1.15 (0.81, 1.63).424118 (9.1)1.11 (0.73, 1.69).621
 Obere Mittelschule141 (15.2)1.01 (0.70, 1.46).939109 (10.5)1.28 (0.84, 1.96).257
 Universität oder höher105 (15.4)1.03 (0.70, 1.52).86164 (8.1)0.97 (0.61, 1.53).891
 Weiß es nicht26 (18.4)1.32 (0.77, 2.25).31013 (8.5)1.03 (0.52, 2.03).940
Finanzielle Situation der Familie 
 Sehr gut/gut229 (14.2)1 145 (8.1)1 
 Durchschnittlich269 (17.8)1.32 (1.08, 1.60).006172 (9.7)1.21 (0.96, 1.53).105
 Schlecht/sehr schlecht17 (24.6)1.98 (1.12, 3.49).01918 (19.8)2.76 (1.60, 4.76)<.001
Lebt mit beiden Elternteilen zusammen 
 Nein64 (18.7)1 54 (12.9)1 
 Ja451 (15.8)0.80 (0.60, 1.07).135281 (8.7)0.65 (0.48, 0.89).008
Akademischeleistung 
 Obere169 (14.2)1 109 (8.1)1 
 Medium226 (15.7)1.13 (0.91, 1.41).254145 (8.8)1.10 (0.85, 1.42).488
 Senken120 (21.3)1.66 (1.28, 2.16)<.00181 (12.3)1.61 (1.19, 2.19).002
Wahrgenommener Lerndruck 
 Null/Licht96 (13.8)1 59 (7.9)1 
 Durchschnittlich305 (15.7)1.16 (0.90, 1.48).253178 (8.4)1.05 (0.77, 1.44).735
 Schwer/sehr schwer114 (20.5)1.63 (1.20, 2.20).00296 (12.5)1.65 (1.17, 2.32).004

Hinweis. OSNA: Online-Sucht nach sozialen Netzwerken; ORu: univariates Odds Ratio; 95 %-KI: 95 %-Konfidenzintervall, ermittelt durch die univariaten logistischen Regressionsmodelle.

OSNA prognostiziert neue Inzidenz von Depressionen

Unter 3,196 Jugendlichen, die zu Studienbeginn nicht depressiv waren, zeigte das univariate Modell, dass OSNA zu Studienbeginn signifikant mit einer höheren Inzidenz von Depressionen während der Nachbeobachtungszeit verbunden war (univariates OR: 1.65, 95 %-KI: 1.22–2.22). Nach Anpassung von Geschlecht, Besoldungsgruppe, finanzieller Situation der Familie, akademischer Leistung und wahrgenommenem Studiendruck blieb der Zusammenhang signifikant [bereinigtes OR (AOR): 1.48, 95 %-KI: 1.09–2.01]. Bei einer weiteren Anpassung des CES-D-Ausgangswerts wird der Zusammenhang statistisch nicht signifikant (AOR: 1.16, 95 %-KI: 0.85–1.60). Ähnliche Ergebnisse wurden beobachtet, wenn der OSNA-Score (kontinuierliche Variable) als Prädiktor für neue Depressionsfälle verwendet wurde (Tabelle 3).

Tisch

Tabelle 3. Längszusammenhänge zwischen OSNA und Depression: mehrstufige logistische Regressionsmodelle
 

Tabelle 3. Längszusammenhänge zwischen OSNA und Depression: mehrstufige logistische Regressionsmodelle

 

n

Anzahl neuer Vorfälle

Univariate Modelle

Multivariable Modelle

 

ORu (95 % KI)

p

AOR (95% CI)

p

AOR (95% CI)

p

OSNA prognostiziert neue Depressionsvorfälle (n = 3,196)
Baseline-OSNA-Score (kontinuierlich)--1.05 (1.03, 1.07)<.0011.04 (1.02, 1.06)a<.0011.01 (0.99, 1.03)b.242
Basis-OSNA
 Nein2,9224511 1a 1b 
 Ja274641.65 (1.22, 2.22).0011.48 (1.09, 2.01).0121.16 (0.85, 1.60).342
Änderung des OSNA-Status im Laufe der Zeit
 Keine OSNA2,6943541 1a 1b 
 Remission von OSNA179381.77 (1.21, 2.58).0031.61 (1.10, 2.37).0151.29 (0.87, 1.91).202
 Anhaltende OSNA95262.46 (1.54, 3.93)<.0012.23 (1.39, 3.58)<.0011.65 (1.01, 2.69).044
 Aufstrebendes OSNA228974.89 (3.67, 6.52)<.0014.67 (3.49, 6.24)<.0014.29 (3.17, 5.81)<.001
Depression prognostiziert neuen Vorfall OSNA (n = 3,657)
Baseline-CES-D-Score (kontinuierlich)--1.05 (1.03, 1.06)<.0011.04 (1.03, 1.05)c<.0011.03 (1.01, 1.04)d<.001
Baseline-Depression
 Nein2,9222281 1c 1d 
 Ja7351072.02 (1.58, 2.58)<.0011.78 (1.38, 2.31)<.0011.48 (1.14, 1.93).004
Veränderung des Depressionsstatus im Laufe der Zeit
 Keine Depression2,4711311 1c 1d 
 Remission von Depressionen315211.28 (0.80, 2.07).3071.19 (0.73, 1.93).4860.97 (0.60, 1.59).918
 Anhaltende Depression420864.62 (3.43, 6.21)<.0014.17 (3.05, 5.69)<.0013.45 (2.51, 4.75)<.001
 Aufkommende Depression451974.88 (3.67, 6.50)<.0014.70 (3.53, 6.28)<.0014.47 (3.33, 5.99)<.001

Hinweis. OSNA: Online-Sucht nach sozialen Netzwerken; CES-D: Center for Epidemiology Scale for Depression; ORu: univariables Odds Ratio; AOR: angepasstes Quotenverhältnis; 95 %-KI: 95 %-Konfidenzintervall.

aDie Modelle wurden hinsichtlich Geschlecht, Klasse, finanzieller Situation der Familie, akademischer Leistung und wahrgenommenem Lerndruck angepasst. bDie Modelle wurden hinsichtlich Geschlecht, Besoldungsgruppe, finanzieller Situation der Familie, schulischer Leistung, wahrgenommenem Lerndruck und Basispunktzahl der CES-D-Skala (kontinuierliche Variable) angepasst. cDie Modelle wurden hinsichtlich Geschlecht, Klassenstufe, finanzieller Situation der Familie, Wohnverhältnisse mit den Eltern, schulischer Leistung und wahrgenommenem Lerndruck angepasst. dDie Modelle wurden hinsichtlich Geschlecht, Klassenstufe, finanzieller Situation der Familie, Wohnverhältnisse mit den Eltern, schulischer Leistung, wahrgenommenem Lerndruck und Basispunktzahl der OSNA-Skala (kontinuierliche Variable) angepasst.

Wir fanden einen signifikanten Zusammenhang zwischen der Veränderung des OSNA-Status und einer höheren Inzidenz von Depressionen. Im Vergleich zu Jugendlichen ohne OSNA war das Risiko, an einer Depression zu erkranken, bei denen mit persistierender OSNA um das 1.65-fache (95 %-KI: 1.01–2.69) und bei denen mit persistierender OSNA um das 4.29-fache (95 %-KI: 3.17–5.81) höher entstehendes OSNA, nach Anpassung von Geschlecht, Besoldungsgruppe, finanzieller Situation der Familie, akademischer Leistung, wahrgenommenem Lerndruck und CES-D-Ausgangswerten (Tabelle 3).

Depressionen sagen ein neues Auftreten von OSNA voraus

Unter 3,657 Jugendlichen, die zu Studienbeginn frei von OSNA waren, zeigten univariate Ergebnisse einen signifikanten positiven Zusammenhang zwischen Depression zu Studienbeginn und einer höheren Inzidenz von OSNA (univariates OR: 2.02, 95 %-KI: 1.58–2.58). Nach Anpassung von Geschlecht, Besoldungsgruppe, finanzieller Situation der Familie, Wohnverhältnissen mit den Eltern, schulischer Leistung und wahrgenommenem Lerndruck schwächte sich der Zusammenhang leicht ab, blieb jedoch signifikant (AOR: 1.78, 95 %-KI: 1.38–2.31). Der Zusammenhang zwischen dem Depressionsstatus zu Studienbeginn und der Inzidenz von OSNA war nach einer weiteren Anpassung der OSNA-Ausgangswerte immer noch statistisch signifikant (AOR: 1.48, 95 %-KI: 1.14–1.93). Die Ergebnisse waren immer noch signifikant, wenn der CES-D-Score (kontinuierliche Variable) als Prädiktor für neue OSNA-Vorfälle verwendet wurde (Tabelle 3).

In der multivariablen Analyse wurde ein signifikanter Zusammenhang zwischen der Veränderung des Depressionsstatus und der Inzidenz von OSNA beobachtet. Nach Anpassung von Geschlecht, Schulstufe, finanzieller Situation der Familie, Wohnverhältnissen mit den Eltern, schulischer Leistung, wahrgenommenem Lerndruck und OSNA-Ausgangswert betrug die Wahrscheinlichkeit, an OSNA zu erkranken, im Vergleich zu Jugendlichen ohne Depression das 3.45-Fache (95 %-KI: 2.51– 4.75) höher bei denjenigen, die anhaltend depressiv waren, und 4.47-mal (95 % KI: 3.33–5.99) höher bei denjenigen, die depressiv wurden (Tabelle 3).

Diskussion

In dieser groß angelegten Längsschnittstudie haben wir herausgefunden, dass Jugendliche, die zu Studienbeginn depressiv, aber frei von ONSA waren, ein um 48 % höheres Risiko hatten, innerhalb der 9-monatigen Nachbeobachtungszeit eine OSNA zu entwickeln, verglichen mit Jugendlichen ohne Depression zu Studienbeginn, aber die Vorhersage von Die Baseline-OSNA zur Neuinzidenz von Depressionen wurde in dieser Studie nicht unterstützt. Darüber hinaus zeigten die Ergebnisse einen bidirektionalen Zusammenhang zwischen OSNA und Depression, wenn in den Modellen die Auswirkungen von Statusänderungen im Laufe der Zeit (d. h. Remission von Depression/OSNA zu Studienbeginn zu Nicht-Depression/Nicht-OSNA bei der Nachuntersuchung) berücksichtigt wurden . Jugendliche, die anhaltend depressiv waren oder depressiv wurden, hatten ein höheres Risiko, an OSNA zu erkranken, verglichen mit Jugendlichen, die während der 9-monatigen Nachbeobachtungszeit nicht depressiv waren. Umgekehrt haben Jugendliche mit persistierender OSNA oder neu auftretender OSNA auch ein erhöhtes Risiko, an einer Depression zu erkranken, im Vergleich zu Jugendlichen, die weder zu Studienbeginn noch in der Nachbeobachtung an OSNA litten.

Der Unterschied in den Ergebnissen, die unter Verwendung von Basismessungen (d. h. Baseline-OSNA) und Statusänderungen (d. h. Änderung des OSNA-Status) zur Vorhersage eines Inzidenzergebnisses (d. h. neuer Inzidenz von Depressionen) erzielt wurden, könnte durch die hohen Remissionsraten von OSNA und erklärt werden Depression während der Nachbeobachtungszeit. Die hohe natürliche Remissionsrate von Internet-Suchtverhalten (49.5 %–51.5 %) wurde in zwei früheren Längsschnittstudien in Taiwan beobachtet (Ko, Yen, Yen, Lin & Yang, 2007; Ko et al., 2015). Die Ergebnisse unserer vorherigen Umfrage in Hongkong zeigten auch durchweg eine hohe Remissionsrate des Internetsuchtverhaltens während eines Zeitraums von 12 Monaten (59.29 pro 100 Personenjahre; Lau, Wu, Gross, Cheng & Lau, 2017). In ähnlicher Weise wurde in dieser Studie während des Untersuchungszeitraums ein großer Anteil von Remissionsfällen aufgrund von Depressionen (41.4 %) und OSNA (58.8 %) beobachtet. Diese Ergebnisse deuten darauf hin, dass OSNA und der Depressionsstatus in der Basisbewertung nicht als unveränderliche Zustände im Zeitverlauf behandelt werden konnten und daher die Auswirkung von OSNA auf Depressionen möglicherweise unterschätzt werden würde, wenn der Remissionseffekt im Zeitverlauf ignoriert würde. Daher haben wir spekuliert, dass der Modellierungsansatz, der dynamische Veränderungen der OSNA und des Depressionsstatus im Laufe der Zeit berücksichtigt, eine überzeugendere und robustere Schätzung liefern könnte, indem er die potenziellen Ausgleichseffekte von Remissionsfällen ausschließt.

Die Ergebnisse dieser Studie deuten auf einen bidirektionalen Zusammenhang zwischen OSNA und Depression bei Jugendlichen hin, was darauf hindeutet, dass Depressionen den Einzelnen anfällig für die Entwicklung von OSNA machen und dass die negativen Folgen von OSNA wiederum die Symptome einer Depression weiter verschlimmern. Maladaptive Kognitionen (z. B. Grübeln, Selbstzweifel, geringe Selbstwirksamkeit und negative Selbsteinschätzung) und dysfunktionale Verhaltensweisen (z. B. die Nutzung des Internets, um emotionalen Problemen zu entkommen) sind entscheidend für die Entwicklung internetbezogener Suchtverhalten (Davis, 2001). Depressive Personen weisen in der Regel kognitive Symptome auf und haben bei der Internetnutzung positive Erwartungen, dass das Internet sie von negativen Stimmungen und persönlichen Problemen ablenken könnte (z. B. Depression und Einsamkeit; Brand, Laier & Young, 2014; Wu, Cheung, Ku und Hung, 2013). Insbesondere soziale Online-Netzwerke sind für Menschen mit Stimmungsproblemen attraktiv, da sie im Vergleich zur Kommunikation von Angesicht zu Angesicht anonym sind und keine sozialen Hinweise (z. B. Gesichtsausdruck, Stimmlage und Augenkontakt) aufweisen (Young & Rogers, 1998). Depressive Personen bevorzugen möglicherweise soziale Online-Netzwerke als sichereres und weniger bedrohliches Kommunikationsmittel sowie als Mittel zur Regulierung ihrer negativen Stimmung (dh zur Linderung negativer Emotionen, Ängste und persönlicher Probleme). Diese schlecht angepassten Kognitions- und Vermeidungsbewältigungsstrategien beschleunigen die Entwicklung von OSNA. Übermäßiges Online-Engagement in sozialen Netzwerken verdrängt die Zeit, die man mit Familie und Gleichaltrigen in der realen Welt verbringt, und führt zu einem Rückzug aus zwischenmenschlichen Offline-Aktivitäten, was die negativen Stimmungen verstärkt (z. B. depressive Symptome und Einsamkeit; Kraut et al., 1998), wodurch eine reziproke Beziehung dargestellt wird.

Die Ergebnisse dieser Studie haben mehrere Auswirkungen auf die Gestaltung von Präventions- und Interventionsprogrammen. Erstens impliziert die positive Vorhersage einer Baseline-Depression bei Neuinzidenz von OSNA, dass depressive Jugendliche einem hohen Risiko ausgesetzt sind, später an OSNA zu erkranken. Interventionsstrategien zur Reduzierung depressiver Symptome, d. h. Reduzierung des maladaptiven Glaubens an positive Ergebniserwartungen der Internetnutzung, Schulung sozialer Kompetenzen und Planung von Offline-Freizeitaktivitäten (Chou et al., 2015), könnte die Entwicklung von OSNA wirksam verhindern. Zweitens ist es sinnvoll, das Ausmaß der depressiven Symptome als Marker für die Anfälligkeit für OSNA zu beurteilen. Interventionen und Präventionsmaßnahmen, die sich an Jugendliche mit hohem Risiko und festgestellten depressiven Symptomen richten, könnten die Wahrscheinlichkeit einer OSNA-Erkrankung bei Schuljugendlichen verringern. Drittens impliziert die starke Vorhersage einer Änderung des OSNA-Status (d. h. persistierende OSNA und neu auftretende OSNA) in Abhängigkeit von der Inzidenz von Depressionen und die Vorhersage einer Änderung des Depressionsstatus (d. h. anhaltende Depression und neu auftretende Depression) in Abhängigkeit von der Inzidenz von OSNA, dass OSNA ist stark komorbid mit Depressionen, was auf einen negativen Verstärkungsmechanismus hinweist.

Es gibt einige Implikationen für die zukünftige Forschung. Erstens zeigten unsere Ergebnisse zusammen mit früheren Studien, dass das Ausmaß von OSNA und depressiven Symptomen während des Studienzeitraums dynamisch und reversibel ist und keine zufälligen Fluktuationen im Zufall (Lau et al., 2017). Zukünftige Studien zu Depressions- oder OSNA-Messungen schlagen vor, diese Störungen wiederholt und nicht nur zu einem Zeitpunkt zu messen, indem man davon ausgeht, dass sie sich im Laufe der Zeit nicht ändern. Darüber hinaus sollte die statistische Methodik solche Statusänderungen in den Modellierungsspezifikationen berücksichtigen, z. B. die Verwendung einer Änderung des pathologischen Status im Laufe der Zeit anstelle des Ausgangsstatus als Prädiktor für die Ergebnisse im Bereich der psychischen Gesundheit. Zweitens gab es Bedenken, ob diese Störungen (d. h. depressive Symptome und internetbezogenes Verhalten) langanhaltend oder kurzfristig sind. Weitere Längsschnittstudien mit einem Ansatz zur Trajektorienmodellierung latenter Klassen sind eine Alternative, um den natürlichen Entwicklungsverlauf dieser Störungen abzuschätzen.

Unseres Wissens ist unsere Kohortenstudie die erste, die einen bidirektionalen Zusammenhang zwischen OSNA und Depression bei Jugendlichen abschätzt. Die Hauptstärke dieser Studie ist ein prospektives, groß angelegtes Studiendesign mit wiederholten Messungen für OSNA und Depression. Ein weiterer großer Vorteil besteht darin, dass in derselben Stichprobe eine bidirektionale Assoziation getestet wurde, einschließlich der longitudinalen Vorhersage von OSNA bei der Entwicklung einer Depression und der longitudinalen Vorhersage von Depression bei der Entwicklung von OSNA.

Bei der Interpretation der Ergebnisse sind jedoch einige Einschränkungen zu beachten. Erstens kann es aufgrund der selbst gemeldeten Datenerhebungsmethode zu einer Berichterstattungsverzerrung kommen (z. B. sozial wünschenswerte Voreingenommenheit und Erinnerungsverzerrung). Zweitens konzentrierte sich diese Studie auf eine bestimmte demografische Bevölkerungsgruppe (z. B. nichtklinische, schulische Studierende), und die Übertragbarkeit der Ergebnisse auf andere Bevölkerungsgruppen sollte vorsichtig sein. Studien in anderen demografischen Populationen (z. B. psychiatrische klinische Populationen) sind erforderlich, um die in dieser Studie gefundenen Längsschnittzusammenhänge weiter zu bestätigen. Drittens kann es zu einer Fehlklassifizierung von Depressionen als Quelle von Messfehlern kommen, wenn man bedenkt, dass Depressionen anhand einer selbst verabreichten epidemiologischen Screening-Skala und nicht anhand einer klinischen Diagnose zur Beurteilung der Depression gemessen wurden. Viertens war diese Studie auf zwei Zeitpunkte im Abstand von 9 Monaten beschränkt. Da wir die Veränderung der OSNA/Depression (d. h. anhaltende ONSA/Depression und Remission von OSNA/Depression) durch den Vergleich der Ergebnisse von Baseline- und Follow-up-Erhebungen definiert haben, die im Abstand von 9 Monaten durchgeführt wurden, wissen wir nicht, ob sich der OSNA/Depressionsstatus geändert hat oder schwankte während des 9-Monats-Zeitraums. Längsschnittstudien mit mehreren Beobachtungen und kurzen Zeitintervallen sind erforderlich, um das dynamische Bild dieser negativen Zustände zu erfassen. Fünftens haben wir angesichts der Tatsache, dass es kein goldenes Standardinstrument und keine Diagnosekriterien für OSNA gibt, das 10. Dezil der OSNA-Scores zu Studienbeginn verwendet, um OSNA-Fälle nach einer ähnlichen veröffentlichten Studie zu definieren (Verkuijl et al., 2014). Die Sensitivität und Spezifität eines solchen Kriteriums für den OSNA-Status ist unklar und muss in zukünftigen Forschungen evaluiert werden. Allerdings zeigte die OSNA-Skala in dieser und unseren früheren Studien akzeptable psychometrische Eigenschaften. Sechstens wurden die longitudinalen Zusammenhänge zwischen OSNA und Depression anhand von zwei Teilstichproben separat geschätzt. Wir glauben, dass die Verwendung des pathologischen Status als Ergebnis anstelle kontinuierlicher Scores eine aussagekräftigere Erklärung in epidemiologischen Studien liefern könnte. Die verzögerungsübergreifende Modellierung von Strukturgleichungen könnte ein alternativer Ansatz sein, um kausale Richtungen in zukünftigen Längsschnittstudien mit drei oder mehr Beobachtungen zu untersuchen. Darüber hinaus liefern unsere Ergebnisse starke Hinweise auf zeitliche Zusammenhänge (ein wichtiges Kriterium für kausale Schlussfolgerungen) zwischen OSNA und Depression. Allerdings konnten wir die Möglichkeit nicht ausschließen, dass eine dritte Variable, die nicht in dieser Studie berücksichtigt wurde, die longitudinalen Zusammenhänge zwischen OSNA und Depression in Verbindung bringt.

Schlussfolgerungen

Diese Studie ergab einen bidirektionalen Zusammenhang zwischen OSNA und Depression bei Jugendlichen, was bedeutet, dass Depressionen erheblich zur Entwicklung von OSNA beitragen und depressive Personen wiederum schädlichere Auswirkungen durch die süchtig machende Nutzung sozialer Online-Netzwerke haben. Zur weiteren Bestätigung der Ergebnisse dieser Studie sind weitere Längsschnittstudien mit mehreren Beobachtungszeitpunkten und kurzen Zeitintervallen erforderlich.

Beitrag der Autoren

J-BL, JTFL, PKHM und X-FS haben die Studie konzipiert und gestaltet. J-BL, J-CM und Y-XC haben die Daten erfasst. J-BL, JTFL und PKHM führten die statistischen Analysen durch. J-BL, JTFL, PKHM, XZ und AMSW haben das Manuskript entworfen und überarbeitet. Alle Autoren trugen zur Interpretation der Ergebnisse und zur kritischen Überarbeitung des Manuskripts hinsichtlich wichtiger intellektueller Inhalte bei und stimmten der endgültigen Fassung des Manuskripts zu.

Interessenkonflikt

Die Autoren erklären keinen Interessenkonflikt.

Danksagung

Die Autoren möchten allen Teilnehmern und ihren Familien und Schulen für die Unterstützung dieser Studie danken.

Bibliographie

 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 CrossRefGoogle Scholar
 Brand, M., Laier, C. & Young, K. S. (2014). Internetsucht: Bewältigungsstile, Erwartungen und Auswirkungen auf die Behandlung. Frontiers in Psychology, 5, 1256. doi:https://doi.org/10.3389/fpsyg.2014.01256 CrossRef, MedlineGoogle Scholar
 Chen, Z. Y., Yang, X. D. & Li, X. Y. (2009). Psychometrische Merkmale von CES-D bei chinesischen Jugendlichen. Chinesisches Journal für klinische Psychologie, 17(4), 443–448. doi:https://doi.org/10.16128/j.cnki.1005-3611.2009.04.027 Google Scholar
 Cheng, C. P., Yen, C. F., Ko, C. H. & Yen, J. Y. (2012). Faktorstruktur der Depressionsskala des Center for Epidemiological Studies bei taiwanesischen Jugendlichen. Umfassende Psychiatrie, 53(3), 299–307. doi:https://doi.org/10.1016/j.comppsych.2011.04.056 CrossRef, MedlineGoogle Scholar
 Cho, S. M., Sung, M. J., Shin, K. M., Lim, K. Y. und Shin, Y. M. (2013). Kann die Psychopathologie im Kindesalter eine Internetsucht bei männlichen Jugendlichen vorhersagen? Kinderpsychiatrie und menschliche Entwicklung, 44(4), 549–555. doi:https://doi.org/10.1007/s10578-012-0348-4 CrossRef, MedlineGoogle Scholar
 Chou, W. P., Ko, C. H., Kaufman, E. A., Crowell, S. E., Hsiao, R. C., Wang, P. W., Lin, J. J. & Yen, C. F. (2015). Zusammenhang zwischen Stressbewältigungsstrategien und Internetsucht bei College-Studenten: Die moderierende Wirkung von Depressionen. Umfassende Psychiatrie, 62, 27–33. doi:https://doi.org/10.1016/j.comppsych.2015.06.004 MedlineGoogle Scholar
 Davis, R. A. (2001). Ein kognitiv-verhaltensbezogenes Modell der pathologischen Internetnutzung. Computer im menschlichen Verhalten, 17 (2), 187–195. doi:https://doi.org/10.1016/S0747-5632(00)00041-8 CrossRefGoogle Scholar
 Ellison, N. B., Steinfield, C. & Lampe, C. (2007). Die Vorteile von Facebook-„Freunden“: Sozialkapital und Nutzung von Online-Websites sozialer Netzwerke durch Studenten. Journal of Computer-Mediated Communication, 12(4), 1143–1168. doi:https://doi.org/10.1111/j.1083-6101.2007.00367.x CrossRefGoogle Scholar
 Gámez-Guadix, M. (2014). Depressive Symptome und problematische Internetnutzung bei Jugendlichen: Analyse der Längszusammenhänge aus dem kognitiv-verhaltensbezogenen Modell. Cyberpsychologie, Verhalten und soziale Netzwerke, 17(11), 714–719. doi:https://doi.org/10.1089/cyber.2014.0226 MedlineGoogle Scholar
 Griffiths, MD (2013). Sucht nach sozialen Netzwerken: Neue Themen und Probleme. Journal of Addiction Research & Therapy, 4(5), e118. doi:https://doi.org/10.4172/2155-6105.1000e118 Google Scholar
 Griths, M. D., Kuss, D. J. & Demetrovics, Z. (2014). Sucht nach sozialen Netzwerken: Ein Überblick über vorläufige Ergebnisse. In K. P. Rosenberg & L. C. Feder (Hrsg.), Verhaltensabhängigkeiten: Kriterien, Beweise und Behandlung (S. 119–141). London, Großbritannien: Elsevier. Google Scholar
 Hinkley, T., Verbestel, V., Ahrens, W., Lissner, L., Molnár, D., Moreno, L. A., Pigeot, I., Pohlabeln, H., Reisch, L. A. & Russo, P. (2014 ). Die Nutzung elektronischer Medien in der frühen Kindheit als Prädiktor für schlechteres Wohlbefinden: Eine prospektive Kohortenstudie. JAMA Pediatrics, 168(5), 485–492. doi:https://doi.org/10.1001/jamapediatrics.2014.94 MedlineGoogle Scholar
 Hong, F. Y., Huang, D. H., Lin, H. Y. & Chiu, S. L. (2014). Analyse der psychologischen Merkmale, der Facebook-Nutzung und des Facebook-Suchtmodells taiwanesischer Universitätsstudenten. Telematik und Informatik, 31(4), 597–606. doi:https://doi.org/10.1016/j.tele.2014.01.001 CrossRefGoogle Scholar
 Knopf, D., Park, M. J. und Mulye, T. P. (2008). Die psychische Gesundheit von Jugendlichen: Ein nationales Profil, 2008. San Francisco, Kalifornien: National Adolescent Health Information Center. Google Scholar
 Ko, C. H., Wang, P. W., Liu, T. L., Yen, C. F., Chen, C. S. & Yen, J. Y. (2015). Bidirektionale Zusammenhänge zwischen familiären Faktoren und Internetsucht bei Jugendlichen in einer prospektiven Untersuchung. Psychiatrie und klinische Neurowissenschaften, 69(4), 192–200. doi:https://doi.org/10.1111/pcn.12204 MedlineGoogle Scholar
 Ko, C. H., Yen, J. Y., Chen, C. S., Yeh, Y. C. & Yen, C. F. (2009). Vorhersagewerte psychiatrischer Symptome für Internetsucht bei Jugendlichen: Eine zweijährige prospektive Studie. Archiv für Kinderheilkunde und Jugendmedizin, 2(163), 10–937. doi:https://doi.org/10.1001/archpediatrics.2009.159 CrossRef, MedlineGoogle Scholar
 Ko, C. H., Yen, J. Y., Yen, C. F., Lin, H. C. und Yang, M. J. (2007). Prädiktive Faktoren für das Auftreten und Verschwinden der Internetsucht bei jungen Jugendlichen: Eine prospektive Studie. CyberPsychology & Behavior, 10(4), 545–551. doi:https://doi.org/10.1089/cpb.2007.9992 CrossRef, MedlineGoogle Scholar
 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, MedlineGoogle Scholar
 Kraut, R., Patterson, M., Lundmark, V., Kiesler, S., Mukopadhyay, T. & Scherlis, W. (1998). Internet-Paradoxon. Eine soziale Technologie, die soziales Engagement und psychisches Wohlbefinden verringert? Amerikanischer Psychologe, 53(9), 1017–1031. doi:https://doi.org/10.1037/0003-066X.53.9.1017 CrossRef, MedlineGoogle Scholar
 Kuss, D. J. & Griffiths, M. D. (2011). Online-Social-Networking und Sucht – Eine Überprüfung der psychologischen Literatur. International Journal of Environmental Research and Public Health, 8(9), 3528–3552. doi:https://doi.org/10.3390/ijerph8093528 CrossRef, MedlineGoogle Scholar
 Laconi, S., Tricard, N. & Chabrol, H. (2015). Unterschiede zwischen spezifischer und allgemeiner problematischer Internetnutzung nach Geschlecht, Alter, Online-Zeit und psychopathologischen Symptomen. Computer im menschlichen Verhalten, 48, 236–244. doi:https://doi.org/10.1016/j.chb.2015.02.006 CrossRefGoogle Scholar
 Lam, LT (2014). Internetspielsucht, problematische Nutzung des Internets und Schlafprobleme: Eine systematische Übersicht. Current Psychiatry Reports, 16(4), 444. doi:https://doi.org/10.1007/s11920-014-0444-1 CrossRef, MedlineGoogle Scholar
 Lau, J. T. F., Wu, A. M. S., Gross, D. L., Cheng, K. M. & Lau, M. M. C. (2017). Ist Internetsucht vorübergehend oder anhaltend? Inzidenz und voraussichtliche Prädiktoren für die Remission der Internetsucht bei chinesischen Schülern weiterführender Schulen. Suchtverhalten, 74, 55–62. doi:https://doi.org/10.1016/j.addbeh.2017.05.034 MedlineGoogle Scholar
 Lee, S. W., Stewart, S. M., Byrne, B. M., Wong, J. P. S., Ho, S. Y., Lee, P. W. H. & Lam, T. H. (2008). Faktorstruktur der Depressionsskala des Center for Epidemiological Studies bei Jugendlichen in Hongkong. Journal of Personality Assessment, 90(2), 175–184. doi:https://doi.org/10.1080/00223890701845385 MedlineGoogle Scholar
 Li, J. B., Lau, J. T. F., Mo, P. K. H., Su, X. F., Tang, J., Qin, Z. G. & Gross, D. L. (2017). Schlaflosigkeit vermittelte teilweise den Zusammenhang zwischen problematischer Internetnutzung und Depression bei Schülern weiterführender Schulen in China. Journal of Behavioral Addictions, 6(4), 554–563. doi:https://doi.org/10.1556/2006.6.2017.085 LinkGoogle Scholar
 Li, J. B., Lau, J. T. F., Mo, P. K. H., Su, X. F., Wu, A. M., Tang, J. & Qin, Z. G. (2016). Validierung der Aktivitätsintensitätsskala für soziale Netzwerke bei Mittelschülern in China. PLoS One, 11(10), e0165695. doi:https://doi.org/10.1371/journal.pone.0165695 CrossRef, MedlineGoogle Scholar
 Lin, L. Y., Sidani, J. E., Shensa, A., Radovic, A., Miller, E., Colditz, J. B., Hoffman, B. L., Giles, L. M. und Primack, B. A. (2016). Zusammenhang zwischen der Nutzung sozialer Medien und Depressionen bei jungen Erwachsenen in den USA. Depression und Angst, 33(4), 323–331. doi:https://doi.org/10.1002/da.22466 MedlineGoogle Scholar
 McDougall, M. A., Walsh, M., Wattier, K., Knigge, R., Miller, L., Stevermer, M. & Fogas, B. S. (2016). Die Wirkung von Social-Networking-Sites auf den Zusammenhang zwischen wahrgenommener sozialer Unterstützung und Depression. Psychiatrieforschung, 246, 223–229. doi:https://doi.org/10.1016/j.psychres.2016.09.018 MedlineGoogle Scholar
 Moreno, M. A., Jelenchick, L. A. & Breland, D. J. (2015). Untersuchung von Depressionen und problematischer Internetnutzung bei College-Frauen: Eine Multisite-Studie. Computer im menschlichen Verhalten, 49, 601–607. doi:https://doi.org/10.1016/j.chb.2015.03.033 Google Scholar
 Oberst, U., Wegmann, E., Stodt, B., Brand, M. & Chamarro, A. (2017). Negative Folgen starker sozialer Netzwerke bei Jugendlichen: Die vermittelnde Rolle der Angst, etwas zu verpassen. Journal of Adoleszenz, 55, 51–60. doi:https://doi.org/10.1016/j.adolescence.2016.12.008 CrossRef, MedlineGoogle Scholar
 Pempek, T. A., Yermolayeva, Y. A. & Calvert, S. L. (2009). Erfahrungen von College-Studenten in sozialen Netzwerken auf Facebook. Journal of Applied Developmental Psychology, 30(3), 227–238. doi:https://doi.org/10.1016/j.appdev.2008.12.010 CrossRefGoogle Scholar
 Penninx, B. W., Deeg, D. J., van Eijk, J. T., Beekman, A. T. und Guralnik, J. M. (2000). Veränderungen bei Depressionen und körperlichem Verfall bei älteren Erwachsenen: Eine Längsschnittperspektive. Journal of Affective Disorders, 61(1–2), 1–12. doi:https://doi.org/10.1016/s0165-0327(00)00152-x MedlineGoogle Scholar
 Pontes, H. M., Szabo, A. & Griffiths, M. D. (2015). Der Einfluss internetbasierter spezifischer Aktivitäten auf die Wahrnehmung von Internetsucht, Lebensqualität und übermäßiger Nutzung: Eine Querschnittsstudie. Suchtverhaltensberichte, 1, 19–25. doi:https://doi.org/10.1016/j.abrep.2015.03.002 CrossRef, MedlineGoogle Scholar
 Radloff, L. S. (1977). Die CES-D-Skala: Eine selbstberichtete Depressionsskala für die Forschung in der Allgemeinbevölkerung. Angewandte psychologische Messung, 1(3), 385–401. doi:https://doi.org/10.1177/014662167700100306 CrossRefGoogle Scholar
 Rushton, J. L., Forcier, M. & Schectman, R. M. (2002). Epidemiologie depressiver Symptome in der nationalen Längsschnittstudie zur Gesundheit von Jugendlichen. Zeitschrift der American Academy of Child & Adolescent Psychiatry, 41(2), 199–205. doi:https://doi.org/10.1097/00004583-200202000-00014 MedlineGoogle Scholar
 Selfhout, M. H. W., Branje, S. J. T., Delsing, M., Ter Bogt, T. F. M. und Meeus, W. H. J. (2009). Verschiedene Arten der Internetnutzung, Depression und soziale Ängste: Die Rolle der wahrgenommenen Freundschaftsqualität. Journal of Adoleszenz, 32(4), 819–833. doi:https://doi.org/10.1016/j.adolescence.2008.10.011 CrossRef, MedlineGoogle Scholar
 Steinfield, C., Ellison, N. B. und Lampe, C. (2008). Sozialkapital, Selbstwertgefühl und Nutzung sozialer Online-Netzwerke: Eine Längsschnittanalyse. Journal of Applied Developmental Psychology, 29(6), 434–445. doi:https://doi.org/10.1016/j.appdev.2008.07.002 CrossRefGoogle Scholar
 Stockings, E., Degenhardt, L., Lee, Y. Y., Mihalopoulos, C., Liu, A., Hobbs, M. & Patton, G. (2015). Symptom-Screening-Skalen zur Erkennung einer schweren depressiven Störung bei Kindern und Jugendlichen: Eine systematische Überprüfung und Metaanalyse der Zuverlässigkeit, Validität und des diagnostischen Nutzens. Journal of Affective Disorders, 174, 447–463. doi:https://doi.org/10.1016/j.jad.2014.11.061 MedlineGoogle Scholar
 Tang, C. S. & Koh, Y. Y. (2017). Online-Sucht nach sozialen Netzwerken bei College-Studenten in Singapur: Komorbidität mit Verhaltenssucht und affektiver Störung. Asian Journal of Psychiatry, 25, 175–178. doi:https://doi.org/10.1016/j.ajp.2016.10.027 MedlineGoogle Scholar
 Thapar, A., Collishaw, S., Potter, R. & Thapar, A. K. (2010). Behandlung und Vorbeugung von Depressionen bei Jugendlichen. BMJ, 340, c209. doi:https://doi.org/10.1136/bmj.c209 CrossRef, MedlineGoogle Scholar
 Van Gool, C. H., Kempen, GIJM, Penninx, BWJH, Deeg, D. J. H., Beekman, A. T. F., & Van Eijk, J. T. M. (2003). Zusammenhang zwischen Veränderungen depressiver Symptome und ungesunder Lebensweise bei Menschen im späten mittleren und höheren Alter: Ergebnisse der Longitudinal Aging Study Amsterdam. Alter und Alter, 32(1), 81–87. doi:https://doi.org/10.1093/ageing/32.1.81 MedlineGoogle Scholar
 Verkuijl, N. E., Richter, L., Norris, S. A., Stein, A., Avan, B. & Ramchandani, P. G. (2014). Postnatale depressive Symptome und psychische Entwicklung von Kindern im Alter von 10 Jahren: Eine prospektive Studie mit Längsschnittdaten aus der südafrikanischen Kohorte „Birth to Twenty“. Lancet Psychiatry, 1(6), 454–460. doi:https://doi.org/10.1016/S2215-0366(14)70361-X MedlineGoogle Scholar
 Wang, J. C., Xie, H. Y. & Fisher, J. H. (2009). Mehrebenenmodelle für diskrete Ergebnismessungen. In L.-P. Wang (Hrsg.), Mehrebenenmodelle: Anwendungen mit SAS® (S. 113–174). Peking, China: Higher Education Press. Google Scholar
 Wang, M., Armour, C., Wu, Y., Ren, F., Zhu, X. & Yao, S. (2013). Faktorstruktur des CES-D und Messinvarianz zwischen den Geschlechtern bei Jugendlichen auf dem chinesischen Festland. Journal of Clinical Psychology, 69(9), 966–979. doi:https://doi.org/10.1002/jclp.21978 MedlineGoogle Scholar
 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 LinkGoogle Scholar
 Yoo, Y.-S., Cho, O.-H., & Cha, K.-S. (2014). Zusammenhänge zwischen übermäßiger Nutzung des Internets und psychischer Gesundheit bei Jugendlichen. Pflege- und Gesundheitswissenschaften, 16(2), 193–200. doi:https://doi.org/10.1111/nhs.12086 CrossRef, MedlineGoogle Scholar
 Young, K. S. & Rogers, R. C. (1998). Der Zusammenhang zwischen Depression und Internetsucht. CyberPsychology & Behavior, 1(1), 25–28. doi:https://doi.org/10.1089/cpb.1998.1.25 CrossRefGoogle Scholar
 Zhou, S. X. & Leung, L. (2010). Befriedigung, Einsamkeit, Langeweile in der Freizeit und Selbstwertgefühl als Prädiktoren für SNS-Spielsucht und Nutzungsmuster bei chinesischen Studenten. Master of Science in New Media, The Chinese University of Hong Kong, Hongkong. Google Scholar