Pathologische Internetnutzung und Risikobewusstsein bei europäischen Jugendlichen (2016)

Int. J. Environ. Res. Öffentliche Gesundheit 2016, 13(3), 294; doi:10.3390 / ijerph13030294

Tony Durkee 1,*Vladimir Carli 1, Birgitta Floderus 2, Camilla Wasserman 3,4Marco Sarchiapone 3,5Alan Apter 6Judit A. Balazs 7,8Julio Bobes 9Romuald Brunner 10Paul Corcoran 11Doina Cosman 12Christian Haring 13Christina W. Hoven 4,14Michael Kaess 10Jean-Pierre Kahn 15Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9Peeter Värnik 17 und Danuta Wasserman 1
1
Nationales Zentrum für Suizidforschung und Prävention von psychischen Erkrankungen (NASP), Karolinska Institutet, Stockholm SE-17177, Schweden
2
Abteilung für klinische Neurowissenschaften, Karolinska Institutet, Stockholm SE-17177, Schweden
3
Institut für Medizin und Gesundheitswissenschaften, Universität Molise, Campobasso 86100, Italien
4
Klinik für Kinder- und Jugendpsychiatrie, New York State Psychiatric Institute, Columbia Universität, New York, NY 10032, USA
5
Nationales Institut für Migration und Armut, Via San Gallicano, Roma 25 / A, Italien
6
Feinberg Child Study Center, Kinderkrankenhaus Schneider, Universität Tel Aviv, Tel Aviv 49202, Israel
7
Psychiatrische Klinik für Kinder und Jugendliche in Vadaskert, Budapest 1021, Ungarn
8
Institut für Psychologie, Eötvös Loránd Universität, Budapest 1064, Ungarn
9
Klinik für Psychiatrie, Zentrum für biomedizinische Forschung im Mental Health Network (CIBERSAM), Universität Oviedo, Oviedo 33006, Spanien
10
Sektion für Persönlichkeitsstörungen, Klinik für Kinder- und Jugendpsychiatrie, Zentrum für Psychosoziale Medizin, Universität Heidelberg, Heidelberg 69115, Deutschland
11
National Suicide Research Foundation, Western Road, Cork, Irland
12
Abteilung für Klinische Psychologie, Iuliu Hatieganu Universität für Medizin und Pharmazie, Str. Victor Babes Nr. 8, Cluj-Napoca 400000, Rumänien
13
Forschungsabteilung für Psychische Gesundheit, Universität für Medizinische Informationstechnik (UMIT), Klagenfurt, Innsbruck 6060, Österreich
14
Abteilung für Epidemiologie, Mailman School of Public Health, Universität Columbia, New York, NY 10032, USA
15
Klinik für Psychiatrie, Centre Hospitalo-Universitaire de Nancy, Lothringische Universität, Nancy, Vandoeuvre-lès-Nancy 54500, Frankreich
16
Slowenisches Zentrum für Suizidforschung, Andrej Marušič Institut, Universität Primorska, Koper 6000, Slowenien
17
Zentrum für Verhaltens- und Gesundheitswissenschaften, estnisch-schwedisches Institut für psychische Gesundheit und Suizidologie, Universität Tallinn, Tallinn 10120, Estland
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Akademischer Herausgeber: Paul B. Tchounwou
Erhalten: 1 Dezember 2015 / Akzeptiert: 3 März 2016 / Veröffentlicht: 8 März 2016

Abstrakt

: Risikoverhalten trägt maßgeblich zu den Hauptursachen für Morbidität bei Jugendlichen und jungen Menschen bei. Ihr Zusammenhang mit der pathologischen Internetnutzung (PIU) ist jedoch, insbesondere im europäischen Kontext, relativ unerforscht. Das Hauptziel dieser Studie ist es, den Zusammenhang zwischen Risikoverhalten und PIU bei europäischen Jugendlichen zu untersuchen. Diese Querschnittsstudie wurde im Rahmen des FP7-Projekts der Europäischen Union durchgeführt: Rettung und Stärkung junger Menschen in Europa (SEYLE). Daten über Jugendliche wurden an randomisierten Schulen an Studienorten in elf europäischen Ländern gesammelt. Die PIU wurde unter Verwendung des Young's Diagnostic Questionnaire (YDQ) gemessen. Das Risikoverhalten wurde anhand der Fragen des Global School Based Student Health Survey (GSHS) bewertet. Insgesamt wurden 11,931-Jugendliche in die Analysen einbezogen: 43.4% männlich und 56.6% weiblich (M / F: 5179 / 6752) mit einem Durchschnittsalter von 14.89 ± 0.87 Jahren. Jugendliche, die über schlechte Schlafgewohnheiten und Risikobereitschaft berichteten, zeigten die stärksten Assoziationen mit PIU, gefolgt von Tabakkonsum, schlechter Ernährung und körperlicher Inaktivität. Bei Jugendlichen in der PIU-Gruppe wurde 89.9% mit mehreren Risikoverhalten charakterisiert. Die signifikante Assoziation zwischen PIU und Risikoverhalten in Kombination mit einer hohen Häufigkeit des gleichzeitigen Auftretens unterstreicht die Bedeutung der Berücksichtigung von PIU beim Screening, der Behandlung oder Prävention von Risikoverhalten bei Jugendlichen.

Schlüsselwörter: pathologische Internetnutzung; Internetsucht; Risikoverhalten; multiple Risikoverhaltensweisen; ungesunde Lebensweise; Jugendliche; SEYLE

1. Einleitung

Die Adoleszenz ist eine Übergangszeit, die durch erhebliche Veränderungen der körperlichen, sozialen und psychischen Eigenschaften gekennzeichnet ist [1]. Darüber hinaus verändern sich die Beziehungen zu Gleichaltrigen, Familie und Gesellschaft in dieser Übergangsphase deutlich, da Jugendliche beginnen, ihre Entscheidungen, Gefühle und Verhaltensweisen selbstständig zu bestimmen [2]. Soziale Fähigkeiten bei Jugendlichen entwickeln sich häufig im Zuge psychosozialer Interaktionen in unterschiedlichen Lernkontexten [3]. Angesichts der umfangreichen Plattform zur Förderung der sozialen Erkenntnis und der zwischenmenschlichen Fähigkeiten [4,5] hat sich das Internet als neuer und einzigartiger Kanal für die psychosoziale Entwicklung bei Jugendlichen erwiesen [6,7].
Trotz dieser inhärenten Vorteile haben Studien gezeigt, dass die häufige und längere Nutzung von Online-Anwendungen die Tendenz hat, herkömmliche soziale Interaktionen und Beziehungen zu verdrängen [8,9]. Es gibt Beweise dafür, dass die Online-Akkumulationszeit die Zeit für die persönliche Interaktion mit Familie und Freunden verdrängt [10], Teilnahme an außerschulischen Aktivitäten [11], akademische Aufgaben erledigen [12], richtige Essgewohnheiten [13], physische Aktivität [14] und schlafen [15]. Da Jugendliche mehr Zeit online verbringen, besteht die Gefahr, dass ihre Internetnutzung übermäßig oder sogar pathologisch wird [16].
 
Pathologische Internetnutzung (PIU) ist gekennzeichnet durch übermäßige oder schlecht kontrollierte Bedenken, Dränge oder Verhaltensweisen in Bezug auf die Internetnutzung, die zu Beeinträchtigungen oder Belastungen führen. [17]. PIU wurde konzeptionell als eine Störung der Impulskontrolle modelliert und als eine Taxonomie der Verhaltensabhängigkeit klassifiziert, die der Natur des pathologischen Glücksspiels ähnelt [18]. Trotz der jüngsten Fortschritte in der PIU-Forschung werden die Bemühungen, dieses Phänomen zu verstehen, durch das Fehlen eines internationalen Konsenses über die diagnostischen Kriterien der Erkrankung behindert. Es ist weder im diagnostischen und statistischen Handbuch für psychische Störungen (DSM) noch in den nosologischen Systemen der Internationalen Klassifikation von Krankheiten (ICD) aufgeführt. Die größte Herausforderung für die PIU-Forschung besteht in ihrer Konzeption als Suchtstörung.
 
In Anbetracht dieser Behauptungen hat die kürzlich veröffentlichte DSM-5 [19] hat die Verhaltensabhängigkeit (nicht substanzbezogene Suchtstörungen) als offizielle diagnostische Kategorie aufgenommen, wobei die Glücksspielstörung (GD) die einzige in dieser neuen Klassifikation aufgeführte Erkrankung ist. Die Internet-Gaming-Störung (IGD) ist ebenfalls ein potenzieller Subtyp der Verhaltenssucht, der für die Einbeziehung in das nosologische DSM-System in Betracht gezogen wurde. Beweise für IGD als diagnostische Störung fehlten jedoch noch. IGD wurde anschließend in Abschnitt III des DSM-5 aufgenommen, als eine Bedingung, die weitere Studien erforderte [20], um seine eventuelle Eignung als diagnostische Störung festzustellen. Trotz der gegenwärtigen nosologischen Ambiguität der PIU gibt es immer noch Hinweise darauf, dass eine enge Verbindung zwischen der PIU und anderen Formen der Sucht besteht [21,22,23,24].
Untersuchungen zeigen, dass Personen mit PIU neurologische, biologische und psychosoziale Eigenschaften mit Verhaltens- und Substanzabhängigkeiten teilen [25,26,27,28,29]. Basierend auf einem theoretischen Modell von Griffiths [30], gibt es sechs Kernsymptome bei Suchtstörungen, die auf die PIU anwendbar sind. Dazu gehören: Salience (Beschäftigung mit Online-Aktivitäten), Stimmungsschwankungen (Nutzung des Internets zur Flucht oder Linderung von Stress), Toleranz (Notwendigkeit, länger online zu bleiben), Entzug (Depression und Reizbarkeit im Offline-Zustand), Konflikte (zwischenmenschlich und intrapsychisch) und Rückfälle (Fehlgeschlagene Versuche, die Internetnutzung einzustellen). Diese Kernkomponenten bieten einen theoretischen Rahmen für die Schätzung des Betrags der PIU.
 
Die Prävalenzraten für PIU variieren von Land zu Land erheblich, was zum Teil auf die Heterogenität der Definition, der Nomenklatur und der diagnostischen Bewertung zurückzuführen ist. In dem Bemühen, eine globale Prävalenz abzuschätzen, haben Cheng und Li [31] begegneten diesen Unstimmigkeiten mit einer Zufalls-Meta-Analyse unter Verwendung von Studien mit vergleichbaren psychometrischen Instrumenten und Kriterien. Dieser Ansatz brachte insgesamt 89,281-Teilnehmer aus 31-Ländern hervor, die sich über mehrere Weltregionen erstreckten. Die Ergebnisse zeigten, dass die globale Prävalenz von PIU 6.0% (95% CI: 5.1 – 6.9) mit nur mäßiger Heterogenität betrug.
Prävalenzstudien zur Beurteilung der PIU auf europäischer Ebene anhand repräsentativer Stichproben sind begrenzt. Trotz dieses Mangels gibt es neue epidemiologische Hinweise auf stabile Trends der Prävalenzraten bei dieser Zielgruppe. In einer repräsentativen Stichprobe europäischer Jugendlicher (n = 18,709) im Alter von 11 – 16 Jahren haben Blinka et al. [32] zeigten, dass die Prävalenz von PIU 1.4% betrug. Dies stimmt mit den von Tsitsika et al. [33], der eine PIU-Prävalenz von 1.2% in einer repräsentativen Stichprobe europäischer Jugendlicher (n = 13,284) im Alter von 14 – 17 Jahren schätzte. Durkee und Kollegen [34] beobachteten jedoch eine geringfügig höhere PIU-Prävalenz von 4.4% in einer repräsentativen Stichprobe europäischer Jugendlicher (n = 11,956) im Alter von 14 – 16 Jahren. Es wurde gezeigt, dass die Prävalenzraten für PIU in Europa bei Männern signifikant höher sind als bei Frauen, mit zunehmendem Alter zunehmen, von Land zu Land unterschiedlich sind und mit einer Reihe von psychischen und Verhaltensstörungen zusammenhängen [35,36,37,38,39].
 
Das Auftreten von Risikoverhalten tritt häufig im Jugendalter auf, wobei die Wahrscheinlichkeit einer Kontinuität bis ins Erwachsenenalter hoch ist. Männer haben tendenziell eine höhere Prävalenz als Frauen, und die Häufigkeit von Risikoverhalten nimmt tendenziell mit dem Alter zu [40]. Es gibt unterschiedliche Schweregrade, die von geringem Risiko (schlechtes Schlafverhalten, schlechte Ernährung und körperliche Inaktivität) bis zu hohem Risiko (übermäßiger Alkoholkonsum, illegaler Drogenkonsum und Tabakkonsum) reichen. In der Forschung wurden Risikoverhaltensweisen in der Regel als unabhängige Einheiten bewertet, auch wenn eindeutige Beweise dafür vorliegen, dass sie bereits in jungen Jahren auftreten [41,42]. Populationen mit multiplem Risikoverhalten haben das größte Risiko für chronische Krankheiten, psychiatrische Störungen, Suizidverhalten und vorzeitigen Tod im Vergleich zu Personen mit einfachem oder keinem Risikoverhalten [43,44]. Angesichts der Gleichzeitigkeit von Risikoverhalten ist es unerlässlich, deren Auswirkungen auf das Risiko von PIU bei Jugendlichen zu verstehen.
 
Das US-amerikanische Youth Risk Behavior Surveillance System (YRBSS) stellt fest, dass Risikoverhalten einen wesentlichen Beitrag zu den häufigsten Ursachen für Morbidität bei Jugendlichen und Jugendlichen leistet [45]. Abgesehen von dieser impliziten Annahme gibt es relativ wenig Forschung, die systematisch untersucht, inwieweit sich diese Verhaltensformen auf jugendliche PIU beziehen, insbesondere im europäischen Kontext. Epidemiologische Untersuchungen sind notwendig, um dieses Phänomen besser verstehen zu können.
 
Anhand einer großen repräsentativen Stichprobe von Jugendlichen in Schulen in Europa soll in erster Linie der Zusammenhang zwischen Risikoverhalten (z. B. Alkoholkonsum, illegaler Drogenkonsum, Tabakkonsum, Risikobereitschaft, Schulschwänzen usw.) untersucht werden. schlechte Schlafgewohnheiten, schlechte Ernährung und Bewegungsmangel) und unterschiedliche Formen der Internetnutzung.

2. Materialen und Methoden

2.1. Studiendesign und Population

Die vorliegende Querschnittsstudie wurde im Rahmen des Projekts der Europäischen Union durchgeführt: Rettung und Stärkung junger Menschen in Europa (SEYLE) [46]. Jugendliche wurden aus zufällig ausgewählten Schulen an verschiedenen Standorten in Österreich, Estland, Frankreich, Deutschland, Ungarn, Irland, Israel, Italien, Rumänien, Slowenien und Spanien rekrutiert, wobei Schweden als Koordinierungszentrum fungierte.
 
Die Einschlusskriterien für die Auswahl der förderfähigen Schulen basierten auf den folgenden Bedingungen: (1) Schulen waren öffentlich; (2) enthielt mindestens 40-Studenten im Alter von 15 Jahren; (3) hatte mehr als zwei Lehrer für Schüler im Alter von 15 Jahren; und (4) hatten nicht mehr als 60% der Schüler des gleichen Geschlechts. Die teilnahmeberechtigten Schulen wurden nach Größe eingeteilt: (i) gering (≤ die mittlere Anzahl der Schüler an allen Schulen des Studienorts); und (ii) groß (≥ die mittlere Anzahl der Schüler an allen Schulen des Studienorts) [46]. Unter Verwendung eines Zufallsgenerators wurden die Schulen in Bezug auf soziokulturelle Faktoren, das Schulumfeld und die Schulsystemstruktur in jedem Studienort nach SEYLE-Interventionen und der Schulgröße randomisiert.
 
Die Daten wurden durch strukturierte Fragebögen gesammelt, die an Jugendliche innerhalb des Schulmilieus verteilt wurden.
Repräsentativität, Zustimmung, Beteiligung und Rücklaufquote der Stichprobe werden in einer methodischen Analyse angegeben [47].
Die vorliegende Studie wurde gemäß der Deklaration von Helsinki durchgeführt, und das Protokoll wurde von der örtlichen Ethikkommission in jedem teilnehmenden Land genehmigt (Projektnummer HEALTH-F2-2009-223091). Vor der Teilnahme an der Studie gaben sowohl Jugendliche als auch Eltern ihre Einverständniserklärung zur Teilnahme ab.

2.2. Messungen

Die PIU wurde anhand des Young-Fragebogens (YDQ) beurteilt. [18]. Der YDQ ist ein 8-Fragebogen, in dem die Nutzungsmuster des Internets bewertet werden, die zu psychischen oder sozialen Beeinträchtigungen in den sechs Monaten vor der Datenerhebung führen. [48]. Die acht Elemente im YDQ entsprechen den sechs Elementen im Griffiths-Komponentenmodell und neun Elementen in den Diagnosekriterien der IGD im DSM-5 [49,50]. Basierend auf dem YDQ-Score von 0 – 8 wurden Internetbenutzer in drei Gruppen eingeteilt: Adaptive Internetbenutzer (AIU) (0 – 2); schlecht adaptierte Internetnutzer (MIU) (3 – 4); und pathologische Internetnutzer (PIU) (Bewertung ≥ 5) [51]. Darüber hinaus wurden die Online-Stunden pro Tag anhand einer Einzelfrage im strukturierten Fragebogen gemessen.
Daten zum Risikoverhalten wurden mithilfe von Fragen aus der Global School-Based Student Health Survey (GSHS) ermittelt. [52]. Die GSHS wurde von der Weltgesundheitsorganisation (WHO) und ihren Mitarbeitern entwickelt und ist eine schulbasierte Umfrage zur Bewertung des Gesundheitsrisikoverhaltens bei Jugendlichen im Alter von 13 bis 17 Jahren. Dieser Selbstberichtsfragebogen enthält Elemente, die den wichtigsten 10-Ursachen für Morbidität bei Jugendlichen und jungen Menschen entsprechen.

2.3. Individuelles Risikoverhalten

Basierend auf der GSHS wurden einzelne Risikoverhaltensweisen in drei Kategorien eingeteilt: (i) Substanzgebrauch; (ii) Sensationssuche; (iii) und Lebensstilmerkmale. Das daraus resultierende individuelle Risikoverhalten wurde als dichotome Variable kodiert.

2.3.1. Substanzgebrauch

Der Substanzkonsum umfasste den Alkoholkonsum, den illegalen Drogenkonsum und den Tabakkonsum. Die Variablen wurden entsprechend klassifiziert: (1) Häufigkeit des Alkoholkonsums: ≥2-Zeiten / Woche vs. ≤1-Zeiten / Woche; (2) Anzahl der Getränke an einem typischen Trinktag: ≥3 Getränke vs. ≤2 Getränke; (3) Inzidenz auf Lebenszeit des Trinkens bis zur Trunkenheit (Alkoholvergiftung): ≥3-mal vs. ≤2-mal; (4) lebenslange Inzidenz von Kater nach dem Trinken: ≥3-mal vs. ≤2-mal; (5) hat jemals Drogen genommen: ja / nein; (6) hat jemals Haschisch oder Marihuana verwendet: ja / nein; (7) jemals Tabak konsumiert: ja / nein; und (8) derzeit Zigaretten rauchen: ≥6 / Tag vs. ≤5 / Tag.

2.3.2. Sensation-Suche

Die Sensationssuche umfasste vier Elemente, die auf Risikomaßnahmen in den letzten zwölf Monaten hinweisen: (1), die in einem Fahrzeug von einem Freund gefahren wurden, der Alkohol getrunken hatte; (2) mit einem Skateboard oder Rollerblade im Verkehr gefahren, ohne einen Helm zu tragen und / oder (3) an einem fahrenden Fahrzeug entlang gezogen zu haben; und (4) in der Nacht auf gefährliche Straßen oder Gassen gegangen. Die Antwortalternativen lauteten in allen vier Punkten Ja / Nein.

2.3.3. Lifestyle-Eigenschaften

Zu den Lebensstilmerkmalen gehörten Variablen in Bezug auf Schlaf, Ernährung, körperliche Aktivität und Schulbesuch. Schlafgewohnheiten bezogen sich auf die letzten sechs Monate: (1) Müdigkeitsgefühl am Morgen vor der Schule: ≥3 Tage / Woche vs. ≤2 Tage / Woche; (2) Nickerchen nach der Schule: ≥3 Tage / Woche vs. ≤2 Tage / Woche; und (4) Schlafen: ≤ 6 Stunden / Nacht vs. ≥ 7 Stunden / Nacht. Ernährung bezogen auf die letzten sechs Monate: (4) Verzehr von Obst / Gemüse: ≤ 1-Zeit / Woche vs. ≥ 2-Zeit / Woche; und (5) frühstücken vor der Schule: ≤2 Tage / Woche vs. ≥3 Tage / Woche. Körperliche Aktivität bezogen auf die letzten sechs Monate: (6) körperliche Aktivität für mindestens 60 Minuten in den letzten zwei Wochen: ≤3 Tage vs. ≥4 Tage; und (7) regelmäßig Sport treiben: ja / nein. Der Schulbesuch umfasste einen Punkt zum Auftreten unentschuldigter Abwesenheiten von der Schule in den letzten zwei Wochen: ≥3 Tage vs. ≤2 Tage.

2.4. Mehrere Risikoverhalten

Die Gesamtzahl der Risikoverhalten wurde in einer einzelnen Variablen berechnet und als Ordnungszahl codiert. Zuverlässigkeit in zwei Hälften (rsb Die Werte für 0.742) und interne Konsistenz (α = 0.714) zeigten ein akzeptables Maß an Homogenität zwischen den Elementen in der Messung des multiplen Risikoverhaltens

3. Statistische Analysen

Die Prävalenz des individuellen Risikoverhaltens unter Internetnutzergruppen wurde für Männer und Frauen berechnet. Um statistisch signifikante Unterschiede zwischen den Gruppenanteilen festzustellen, wurden mehrere paarweise Vergleiche unter Verwendung des zweiseitigen z-Tests mit Bonferroni-angepassten p-Werten durchgeführt. Erweiterte Analysen wurden durchgeführt, um die Auswirkung des individuellen Risikoverhaltens auf MIU und PIU unter Verwendung von generalisierten linearen gemischten Modellen (GLMM) mit einer multinomialen logit-Verknüpfung und einer vollständigen Maximum-Likelihood-Schätzung zu testen. In der GLMM-Analyse wurden MIU und PIU als Ergebniskennzahlen mit AIU als Referenzkategorie eingegeben, das individuelle Risikoverhalten als Level 1-Fixeffekte, die Schule als Level 2-Zufallsschnitt und das Land als Level 3-Zufallsschnitt. Varianzkomponenten wurden als Kovarianzstruktur für die Zufallseffekte verwendet. Um den moderierenden Effekt des Geschlechts zu untersuchen, wurden Interaktionsterme (Geschlecht * Risikoverhalten) in das Regressionsmodell eingepasst. Anpassungen für Alter und Geschlecht wurden auf relevante GLMM-Modelle angewendet. Quotenverhältnisse (OR) mit 95% -Konfidenzintervallen (CI) werden für die jeweiligen Modelle angegeben.
In der Analyse zum multiplen Risikoverhalten wurden der Mittelwert (M) und der Standardfehler des Mittelwerts (SEM) für die verschiedenen Internetnutzergruppen berechnet und nach Geschlecht geschichtet. Box- und Whisker-Diagramme wurden verwendet, um diese Beziehungen zu veranschaulichen. Die statistische Signifikanz zwischen multiplem Risikoverhalten und Geschlecht wurde unter Verwendung eines unabhängigen Stichproben-T-Tests bewertet. Eine Einweg-Varianzanalyse (ANOVA) mit post-hoc-paarweisen Vergleichen wurde verwendet, um die statistische Signifikanz zwischen mehreren Risikoverhalten und Internetnutzergruppen zu bewerten.
Ein Regressionsvariablendiagramm wurde durchgeführt, um die lineare Beziehung zwischen der Anzahl der Online-Stunden pro Tag und der Anzahl des Risikoverhaltens zwischen Internetnutzergruppen zu untersuchen. Alle statistischen Tests wurden mit IBM SPSS Statistics 23.0 durchgeführt. Ein kritischer Wert von p <0.05 wurde als statistisch signifikant angesehen.

4. Ergebnisse

4.1. Eigenschaften der Untersuchungsprobe

In der ersten SEYLE-Stichprobe von 12,395 Jugendlichen wurden 464 (3.7%) Probanden aufgrund fehlender Daten zu relevanten Variablen ausgeschlossen. Dies ergab eine Stichprobengröße von 11,931 schulbasierten Jugendlichen für die vorliegende Studie. Die Stichprobe umfasste 43.4% männliche und 56.6% weibliche Jugendliche (M / F: 5179/6752) mit einem Durchschnittsalter von 14.89 ± 0.87 Jahren. Die Prävalenz der MIU war bei Frauen (14.3%) signifikant höher als bei Männern (12.4%), während die PIU bei Männern (5.2%) signifikant höher war als bei Frauen (3.9%) (χ² (2, 11928) = 19.92, p < 0.001).

4.2. Prävalenz von Risikoverhalten

Tabelle 1 beschreibt die Prävalenz von Risikoverhalten, die nach Internetbenutzergruppen geordnet sind. Die durchschnittlichen Prävalenzraten unter den Internetnutzergruppen (AIU, MIU und PIU) betrugen 16.4%, 24.3% und 26.5% für den Substanzkonsum (Alkoholkonsum, illegaler Drogenkonsum und Tabakkonsum); 19.0%, 27.8% und 33.8% für sensationssuchendes Verhalten (Eingehen von Risiken); und 23.8%, 30.8% und 35.2% für Lifestyle-Merkmale (schlechte Schlafgewohnheiten, schlechte Ernährung, körperliche Inaktivität und Schwangerschaft). Die Prävalenz innerhalb der MIU- und PIU-Gruppen war in allen Risikokategorien (Substanzgebrauch, sensationssuchende und Lifestyle-Merkmale) signifikant höher als in der AIU-Gruppe. Mit Ausnahme von fünf Unterkategorien zeigten paarweise Vergleiche, dass sich die Prävalenzraten zwischen MIU- und PIU-Gruppen nicht signifikant unterschieden.

Tisch
Tabelle 1. Prävalenz von Risikoverhalten bei Jugendlichen nach Geschlecht und Internetnutzergruppe 1,2a – c.

4.3. Mehrere Risikoverhalten

Die Ergebnisse zeigten, dass 89.9% der Jugendlichen in der PIU-Gruppe mehrere Risikoverhalten berichteten. Der Einweg-ANOVA-Test ergab, dass die mittlere Rate multipler Risikoverhaltensweisen von adaptiver Anwendung (M = 4.89, SEM = 0.02) über maladaptive Anwendung (M = 6.38, SEM = 0.07) bis hin zu pathologischer Verwendung (M = 7.09, signifikant) signifikant anstieg. SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Dieser Trend war für Männer und Frauen praktisch gleichwertig (Figure 1).

Iserph 13 00294 001 1024
Abbildung 1. Box- und Whisker-Plot mit mehreren nach Geschlecht * geschichteten Risikoverhaltensweisen bei adaptiven Internetnutzern (AIU), nicht adaptiven Internetnutzern (MIU) und pathologischen Internetnutzern (PIU).
Darüber hinaus wurden keine statistischen Unterschiede zwischen den Geschlechtern in den beiden Gruppen MIU (t (1608) = 0.529, p = 0.597) und PIU (t (526) = 1.92, p = 0.054) beobachtet (Tabelle 2). Es ist jedoch zu beachten, dass der p-Wert für die PIU-Gruppe relativ nahe an der statistischen Signifikanz lag (p = 0.054). 

Tisch
Tabelle 2. Unabhängige Stichproben t-Test für mehrere Risikoverhaltensweisen und das Geschlecht nach Internetbenutzergruppen 1-3.
Die Darstellung der Regressionsvariablen zeigte einen klaren linearen Zusammenhang zwischen der Anzahl der Online-Stunden pro Tag und der Anzahl der Risikoverhaltensweisen bei Jugendlichen. Dieser Trend war bei den Internetnutzergruppen vergleichsweise identisch (Figure 2). 

Iserph 13 00294 002 1024
Abbildung 2. Linearer Zusammenhang zwischen der Anzahl der Online-Stunden pro Tag und der Anzahl der Risikoverhalten zwischen AIU-, MIU- und PIU-Gruppen *.

4.4. GLMM-Analyse des Zusammenhangs zwischen Risikoverhalten, MIU und PIU

Risikoverhalten, das signifikant mit der MIU assoziiert war, war auch signifikant mit der PIU assoziiert, mit Ausnahme von drei Unterkategorien, die unter Risikotragfähigkeiten und Schwänzen aufgeführt sind (Tabelle 3). Die GLMM-Analyse zeigte, dass alle Unterkategorien mit schlechten Schlafgewohnheiten die relative Wahrscheinlichkeit einer PIU mit Effektgrößen von OR = 1.45 bis OR = 2.17 signifikant erhöhten. Es wurden signifikante Assoziationen zwischen Risikotragemaßnahmen und PIU mit Effektgrößen zwischen OR = 1.55 und OR = 1.73 beobachtet. Darüber hinaus waren die Odds Ratios für einzelne Unterkategorien innerhalb der Bereiche Tabakkonsum (OR = 1.41), schlechte Ernährung (OR = 1.41) und körperliche Inaktivität (OR = 1.39) statistisch signifikant.

Tisch
Tabelle 3. Verallgemeinertes lineares Mischmodell (GLMM) des Zusammenhangs zwischen individuellem Risikoverhalten, Missbrauch und pathologischem Gebrauch mit einer erweiterten Analyse der geschlechtsspezifischen Interaktionen 1-4.

4.5. Geschlechtsspezifische Interaktionen

Die Analyse der geschlechtsspezifischen Interaktionen ergab, dass der Zusammenhang zwischen Risikobereitschaft, schlechten Schlafgewohnheiten und PIU bei Frauen signifikant höher war, während der Zusammenhang zwischen Schwangerschaft, schlechter Ernährung und PIU bei Männern signifikant höher war (Tabelle 3).

5. Diskussion

5.1. Prävalenz von Risikoverhalten

Die vorliegende Studie untersuchte den Zusammenhang zwischen PIU und Risikoverhalten. Die Ergebnisse zeigten, dass die Prävalenz von Risikoverhalten bei pathologischen Anwendern signifikant höher war als bei adaptiven Anwendern mit einigen Schwankungen zwischen den Geschlechtern. Die höchste Prävalenz, die bei schlecht angepassten und pathologischen Konsumenten beobachtet wurde, waren schlechte Schlafgewohnheiten, gefolgt von Tabakkonsum. Diese Schätzungen sind erheblich höher als die Prävalenzraten, die in Studien außerhalb der EU gemeldet wurden, und zwar in der Region Asien und Pazifik [53,54]. Eine plausible Erklärung könnte mit den auf ökologischer Ebene beobachteten Schwankungen (z. B. Penetrationsraten) zwischen diesen jeweiligen Regionen zusammenhängen. Statistiken zeigen, dass die europäische Region die weltweit höchste Internet-Penetrationsrate (78%) aufweist. Die europäischen Raten sind mehr als doppelt so hoch wie in den Regionen Asien und Pazifik (36%). [55]. Die tatsächliche Rolle, die die Penetrationsrate bei der Beeinflussung der Prävalenz von PIU spielt, ist weiterhin nicht eindeutig. Daher wären zukünftige Bemühungen, diese Beziehung zu untersuchen, von großem Wert, um diesen Zusammenhang zu erklären.

5.2. Substanzgebrauch

Die Merkmale zwischen Risikoverhalten und Suchtverhalten überschneiden sich stark. Dies zeigt sich vielleicht am deutlichsten beim Substanzgebrauch. Substanzgebrauch wird oft als Risikoverhalten eingestuft; Es ist jedoch auch ein Vorbote des Drogenmissbrauchs. Wenn risikoreiche Verhaltensweisen ähnliche zugrunde liegende Mechanismen aufweisen, kann ein Problemverhalten den Schwellenwert für die Entwicklung anderer Problemverhaltensweisen senken. Diese Behauptung wird durch evidenzbasierte Untersuchungen bestätigt, die ein hohes Maß an Vernetzung zwischen verschiedenen Risikoverhaltensweisen belegen. [56]. Basierend auf diesem Konzept ist es plausibel anzunehmen, dass Jugendliche mit vorbestehendem Risikoverhalten wahrscheinlich ein höheres Risiko für PIU haben als Jugendliche ohne Risikoverhalten.

5.3. Sensation-Suche

In Übereinstimmung mit den vorstehenden Untersuchungen [57] zeigten die Ergebnisse, dass die Mehrzahl der risikobehafteten Maßnahmen in der Kategorie der sensationssuchenden Maßnahmen in signifikantem Zusammenhang mit PIU stand. Sensationssucht ist ein Persönlichkeitsmerkmal, das mit Defiziten in der Selbstregulierung und verzögerter Befriedigung einhergeht. [58]. Diese Merkmale bei Jugendlichen stehen häufig im Zusammenhang mit einer wahrgenommenen Veranlagung zu einem „optimistischen Verzerrungseffekt“, bei dem Jugendliche Risiken für sich selbst eher abschätzen, während sie Risiken für andere überschätzen [59]. Jugendliche, die diese ablenkenden Eigenschaften aufweisen, neigen wahrscheinlich häufiger zu Verhaltensproblemen.

5.4. Lifestyle-Eigenschaften

Schlechte Schlafgewohnheiten erwiesen sich als die stärksten Faktoren im Zusammenhang mit PIU. Dies ist wahrscheinlich auf einen Verschiebungseffekt des Schlafes bei Online-Aktivitäten zurückzuführen. Es gibt bestimmte Online-Aktivitäten, die Benutzer ausdrücklich dazu veranlassen, länger als erwartet online zu bleiben. Eine Studie über Massively Multiplayer Online-Rollenspiele (MMORPG) ergab, dass Benutzer dazu verleitet werden, länger online zu bleiben, um der progressiven Handlung ihres Online-Charakters zu folgen [60]. In den letzten Jahren ist auch eine übermäßige Nutzung von Social-Networking-Sites aufgetreten, was sowohl auf eine Zunahme des Online-Zeitaufwands als auch auf negative Korrelationen mit realen sozialen Interaktionen hinweist. [61,62]. Studien zeigen, dass Jugendliche, die übermäßig das Internet nutzen, aufgrund ihrer längeren Online-Zeit häufig an Schlafstörungen leiden [63,64]. Die chronische Verschiebung des Schlafes bei Online-Aktivitäten kann zu Schlafentzug führen, der bekanntermaßen schwerwiegende nachteilige Auswirkungen auf die soziale, psychologische und somatische Funktionsweise hat.
Störungen in regulierten Schlafmustern könnten auch ein vermittelnder Faktor in der Beziehung zwischen Schulabbruch und missbräuchlicher Nutzung des Internets sein. Jugendliche, die in übermäßigem Maße Online-Aktivitäten durchführen, laufen Gefahr, ihre natürliche Schlafordnung zu stören. Es gibt Hinweise darauf, dass eine erhöhte Schlafwartezeit und ein verringerter Schlaf bei schnellen Augenbewegungen (REM-Schlaf) signifikant mit einer übermäßigen Internetnutzung verbunden sind [65], während subjektive Insomnien und Parasomnien mit der Schwangerschaft zusammenhängen [66]. Schlafstörungen haben ausgeprägte Auswirkungen auf die Tagesfunktion und die schulischen Leistungen. Dies könnte dazu führen, dass Jugendliche sich nicht mehr für die Schule interessieren, wodurch das Risiko von Schulverweigerung und chronischer Abwesenheit steigt. [66].
Es wurde gezeigt, dass eine schlechte Ernährung und körperliche Inaktivität signifikant mit PIU zusammenhängen. Jugendliche, die längere Stunden online verbringen, navigieren möglicherweise zu ungesünderen Lebensmitteln. Es wird postuliert, dass Online-Gamer koffeinreiche Energy-Drinks und zuckerreiche Snacks zu sich nehmen, um die Aufmerksamkeit für Online-Spiele zu erhöhen [67]. In der Folge könnten diese Faktoren dazu führen, dass Online-Spieler im Vergleich zu Nicht-Spielern eher zu sitzendem Verhalten neigen. Darüber hinaus besteht eine große Loyalität unter den Spielern, insbesondere unter denen, die Nahrung, Körperpflege und körperliche Aktivität verdrängen, um mit Online-Spielen fortzufahren. [68]. Dies kann ernste Gesundheitsrisiken mit sich bringen und zu schweren psychosomatischen Symptomen führen.

5.5. Mehrere Risikoverhalten

Es wurde festgestellt, dass das Risikoverhalten von Natur aus parallel ist, wobei 89.9% der Jugendlichen in der PIU-Gruppe mehrere Risikoverhalten angaben. Diese Ergebnisse stimmen mit Jessors Theorie zum Problemverhalten überein [69,70]. Die Problemverhaltenstheorie ist ein psychosoziales Modell, das versucht, Verhaltensergebnisse bei Jugendlichen zu erklären. Es besteht aus drei konzeptionellen Systemen, die auf psychosozialen Komponenten basieren: Persönlichkeitssystem, wahrgenommenes Umweltsystem und Verhaltenssystem. Im letzteren System treten Risikoverhaltensstrukturen (z. B. Alkoholkonsum, Tabakkonsum, Kriminalität und Abweichung) häufig gleichzeitig auf und bilden ein allgemeines Risikoverhaltenssyndrom [71]. Laut Jessor rühren diese Problematiken häufig von der Behauptung der Jugendlichen her, von Eltern und gesellschaftlichen Einflüssen unabhängig zu sein.
Jugendliche, die um Autonomie kämpfen, könnten teilweise für den signifikanten linearen Trend verantwortlich sein, der zwischen Online-Stunden pro Tag und mehreren Risikoverhalten festgestellt wird. Dieser Trend war in allen Internetnutzergruppen vergleichsweise identisch. Diese Ergebnisse sind von hoher Relevanz, da sie darauf hindeuten, dass übermäßige Online-Zeiten die Anzahl der Risikoverhaltensweisen für alle Jugendlichen und nicht nur für diejenigen, bei denen PIU diagnostiziert wurde, erhöhen können. Überstunden im Internet können auch ein moderierender Faktor für die Beziehung zwischen PIU und Risikoverhalten sein. Weitere Untersuchungen zu diesem Zusammenhang sind jedoch erforderlich.

5.6. Geschlechtsspezifische Interaktionen

Die Analyse der geschlechtsspezifischen Interaktionen ergab, dass signifikante Assoziationen zwischen Risikoverhalten und PIU zwischen Männern und Frauen gleichmäßig verteilt waren. Dies ist etwas widersprüchlich zu früheren Untersuchungen, die typischerweise zeigen, dass die PIU und das Risikoverhalten spezifisch für das männliche Geschlecht sind. Diese Verschiebung der Geschlechter könnte ein Hinweis darauf sein, dass sich die Kluft zwischen den Geschlechtern für Risikoverhalten bei europäischen Jugendlichen möglicherweise verringert.
Aus einer anderen Perspektive könnte die Beziehung zwischen Geschlecht und Risikoverhalten durch einen dritten Faktor wie die Psychopathologie vermittelt werden. In einer großen geschlechtsspezifischen Studie an Jugendlichen (n = 56,086) im Alter von 12 bis 18 Jahren wurde die Prävalenzrate für PIU in der Gesamtstichprobe auf 2.8% geschätzt, wobei signifikant höhere Raten bei Männern (3.6%) beobachtet wurden als bei Frauen ( 1.9%) [72]. In der jeweiligen Studie wurde festgestellt, dass Frauen mit emotionalen Problemen wie subjektivem Unglück oder depressiven Symptomen eine signifikant höhere PIU-Prävalenz aufweisen als Männer mit ähnlichen emotionalen Symptomen. Geschlechtsspezifische Studien, die die Auswirkung von Geschlechterinteraktionen auf die PIU untersuchen, sind eine wesentliche Voraussetzung für die zukünftige Ausrichtung der PIU-Forschung.

5.7. Griffiths 'Komponentenmodell

Griffiths 'Komponentenmodell der Sucht [30] stellt die Hypothese auf, dass Verhaltensabhängigkeiten (z. B. PIU) und substanzbezogene Abhängigkeiten über ähnliche biopsychosoziale Prozesse voranschreiten und zahlreiche Physiognomien gemeinsam haben. Die Suchtkriterien der jeweiligen sechs Kernkomponenten in diesem Modell sind (1) Ausprägung, (2) Stimmungsänderung, (3) Toleranz, (4) Rückzug, (5) Konflikt und (6) Rückfall. Kuss et al. [73] untersuchten das Komponentenmodell der Sucht in zwei unabhängigen Stichproben (n = 3105 und n = 2257). Die Ergebnisse zeigten, dass das Komponentenmodell von PIU in beiden Stichproben sehr gut zu den Daten passte.
In der vorliegenden Studie wurde die YDQ-Kennzahl verwendet, um Jugendliche mit unanpassungsfähigen und pathologischen Risiken im Zusammenhang mit ihrer Internetnutzung und ihrem Online-Verhalten zu bewerten und zu erkennen. Da die YDQ-Messung alle sechs im Griffiths-Komponentenmodell festgelegten Suchtkriterien umfasst, wird die Validität der in dieser Studie berichteten Ergebnisse durch diesen theoretischen Rahmen gestützt.

5.8. Starken und Einschränkungen

Die große, repräsentative, länderübergreifende Stichprobe ist eine der Hauptstärken dieser Studie. Die in allen Ländern einheitliche Methodik und standardisierte Vorgehensweise erhöht die Validität, Zuverlässigkeit und Vergleichbarkeit der Daten. Nach unserem Kenntnisstand war das geografische Gebiet in Europa das größte, das jemals zur Durchführung einer Studie über die PIU und das Risikoverhalten genutzt wurde.
Es gibt auch einige Einschränkungen der Studie. Selbst gemeldete Daten neigen dazu, sich zu erinnern und die soziale Erwünschtheit zu beeinträchtigen, was wahrscheinlich von Land zu Land und von Kultur zu Kultur unterschiedlich sein kann. Die Querschnittsgestaltung kann zeitliche Zusammenhänge nicht berücksichtigen, so dass die Kausalität nicht bestimmt werden konnte. In der GSHS-Messung stellen die Unterkategorien der Risikotraghandlungen nur einen Teil des sensationssuchenden Verhaltens dar; Daher ist bei der Interpretation der Ergebnisse Vorsicht geboten.

6. Schlussfolgerungen

In allen Risikokategorien (Substanzgebrauch, sensationssuchende und Lifestyle-Merkmale) wurde eine signifikant steigende Prävalenzrate über AIU-, MIU- und PIU-Gruppen hinweg beobachtet. Jugendliche, die über schlechte Schlafgewohnheiten und Risikobereitschaft berichteten, zeigten die stärksten Assoziationen mit PIU, gefolgt von Tabakkonsum, schlechter Ernährung und körperlicher Inaktivität. Die signifikante Assoziation zwischen PIU und Risikoverhalten in Kombination mit einer hohen Häufigkeit des gleichzeitigen Auftretens unterstreicht die Bedeutung der Berücksichtigung von PIU beim Screening, der Behandlung oder Prävention von Risikoverhalten bei Jugendlichen.
Bei Jugendlichen in der PIU-Gruppe wurde 89.9% mit mehreren Risikoverhalten charakterisiert. Daher sollten die Bemühungen auf Jugendliche abzielen, die das Internet übermäßig nutzen, da ein signifikanter linearer Trend zwischen Online-Stunden pro Tag und mehreren Risikoverhalten festgestellt wurde. Dieser Trend war in allen Internetnutzergruppen ähnlich. Dies zeigt, dass übermäßige Online-Zeiten an sich ein wichtiger Faktor für das Risikoverhalten sind. Diese Ergebnisse müssen repliziert und weiter untersucht werden, bevor ihre theoretischen Implikationen festgestellt werden.

Anerkennungen

Das SEYLE-Projekt wurde durch das Koordinierungsthema 1 (Gesundheit) des Siebten Rahmenprogramms der Europäischen Union (RP7), Finanzhilfevereinbarung Nr. HEALTH-F2-2009-223091, unterstützt. Die Autoren waren in allen Aspekten des Studiendesigns, der Datenanalyse und des Schreibens dieses Manuskripts unabhängig von den Geldgebern. Die Projektleiterin und Koordinatorin des SEYLE-Projekts ist Professorin für Psychiatrie und Suizidologie Danuta Wasserman, Karolinska-Institut (KI), Leiterin des Nationalen Zentrums für Suizidforschung und Prävention von psychischen Erkrankungen und Suizid (NASP) am KI in Stockholm. Schweden. Weitere Mitglieder des Exekutivkomitees sind Dozent Vladimir Carli, Nationales Zentrum für Suizidforschung und Prävention psychischer Erkrankungen (NASP), Karolinska-Institut, Stockholm, Schweden; Christina WH Hoven und Anthropologin Camilla Wasserman, Abteilung für Kinder- und Jugendpsychiatrie, New York State Psychiatric Institute, Columbia University, New York, USA; und Marco Sarchiapone, Institut für Gesundheitswissenschaften, Universität Molise, Campobasso, Italien. Das SEYLE-Konsortium umfasst Zentren in 12 europäischen Ländern. Die Standortleiter für das jeweilige Zentrum und Land sind: Danuta Wasserman (NASP, Karolinska-Institut, Schweden, Koordinierungszentrum), Christian Haring (Universität für medizinische Informationstechnologie, Österreich), Airi Varnik (estnisch-schwedisches Institut für psychische Gesundheit und Suizidologie, Estland), Jean-Pierre Kahn (Universität Lothringen, Nancy, Frankreich), Romuald Brunner (Universität Heidelberg, Deutschland), Judit Balazs (Vadaskert Kinder- und Jugendpsychiatrische Klinik, Ungarn), Paul Corcoran (National Suicide Research Foundation, Irland), Alan Apter (Schneider Kinderkrankenhaus in Israel, Universität Tel Aviv, Tel Aviv, Israel), Marco Sarchiapone (Universität Molise, Italien), Doina Cosman (Universität für Medizin und Pharmazie Iuliu Hatieganu, Rumänien), Vita Postuvan (Universität Primorska, Slowenien) ) und Julio Bobes (Universität von Oviedo, Spanien). Die Unterstützung für „Ethische Fragen in der Forschung mit Minderjährigen und anderen schutzbedürftigen Gruppen“ wurde durch ein Stipendium der Botnar-Stiftung, Basel, für die Ethikprofessorin Stella Reiter-Theil, Psychiatrische Klinik der Universität Basel, erhalten, die als unabhängige ethische Beraterin für das SEYLE-Projekt.

Autorenbeiträge

Tony Durkee ist der erste und korrespondierende Autor, der das Studiendesign entwickelt, die statistischen Analysen durchgeführt und alle Phasen des Manuskripts kritisch überarbeitet hat. Vladimir Carli, Birgitta Floderus und Danuta Wasserman haben am Studiendesign teilgenommen und das Manuskript kritisch überarbeitet. Camilla Wasserman, Christina W. Hoven, Michael Kaess und Peeter Värnik führten Konsultationen durch und überarbeiteten das Manuskript kritisch. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn und Vita Postuvan sind die wichtigsten Ermittler für das SEYLE-Projekt in ihren jeweiligen Ländern und haben zu kritischen Überarbeitungen beigetragen das Manuskript. Bogdan Nemes und Pilar A. Saiz sind Projektmanager des SEYLE-Projekts in ihren jeweiligen Ländern und haben an wichtigen Überarbeitungen des Manuskripts teilgenommen.

Interessenskonflikte

Die Autoren erklären keinen Interessenkonflikt.

Abkürzungen

Die folgenden Abkürzungen werden in diesem Manuskript verwendet: 

SEYLE
Rettung und Stärkung junger Menschen in Europa
YRBSS
System zur Überwachung des Jugendrisikoverhaltens
GSHS
Globale schulbasierte Gesundheitsumfrage für Schüler
YDQ
Young's Diagnose Fragebogen
GLMM
Verallgemeinerte lineare gemischte Modelle
ANOVA
Einweg-Varianzanalyse
PIU
Pathologische Internetnutzung
MIU
Missbräuchliche Internetnutzung
AIU
Adaptive Internetnutzung
CI
Vertrauensintervalle
SEM
Standardfehler des Mittelwerts
M
Bedeuten

Bibliographie

  1. Moshman, D. Kognitive Entwicklung über die Kindheit hinaus. In Handbook of Child Psychology, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, Eds .; Wiley: New York, New York, USA, 1998; Band 2, S. 947 – 978. [Google Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Soziale kognitive Entwicklung im Jugendalter. Soc. Cogn. Beeinflussen. Neurosci. 2006, 1, 165-174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Kognitive Entwicklung im Jugendalter. Im Handbuch der Psychologie: Entwicklungspsychologie; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, USA, 2003; Band 6, S. 325 – 350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Gross, E. Die Auswirkungen der Computernutzung auf die Entwicklung von Kindern und Jugendlichen. J. Appl. Dev. Psychol. 2001, 22, 7-30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. Die Vorteile von Facebook „Freunden“: Social Capital und die Nutzung von sozialen Online-Netzwerkseiten durch Studenten. J. Comput. Med. Kommun. 2007, 12, 1143-1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Soziales Kapital, Selbstwertgefühl und Nutzung von Websites sozialer Online-Netzwerke: Eine Längsschnittanalyse. J. Appl. Dev. Psychol. 2008, 29, 434-445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Digital aufwachsen: Der Aufstieg der Netzgeneration; McGraw-Hill Education: New York, New York, USA, 2008; p. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. Internet-Paradoxon. Eine soziale Technologie, die soziales Engagement und psychologisches Wohlbefinden mindert? Am. Psychol. 1998, 53, 1017-1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V .; Crawford, A. Internet-Paradoxon überarbeitet. J. Soc. Probleme 2002, 58, 49-74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Internetnutzung, zwischenmenschliche Beziehungen und Geselligkeit: Eine Zeittagebuchstudie. Im Internet im Alltag; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd .: Oxford, Großbritannien, 2002; S. 213 – 243. [Google Scholar]
  11. Nalwa, K .; Anand, AP Internetabhängigkeit bei Studenten: Anlass zur Sorge. Cyberpsychol. Behav. 2003, 6, 653-656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Beziehung zwischen Internetabhängigkeit und akademischer Leistung unter Hochschulabsolventen. Edu. Res. Rev. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Yurt, S .; Bulduk, S .; Atagöz, S. Internetabhängigkeit und physische und psychosoziale Verhaltensprobleme bei Schülern der ländlichen Sekundarstufe. Krankenschwestern. Health Sci. 2015, 17, 331-338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. Starke Internetnutzung und ihre Assoziationen zu Gesundheitsrisiken und gesundheitsförderndem Verhalten bei thailändischen Universitätsstudenten. Int. J. Adolesc. Med. Gesundheit 2014, 26, 187-194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Einsatz von Informations- und Kommunikationstechnologie (IKT) und wahrgenommener Gesundheit im Jugendalter: Die Rolle von Schlafgewohnheiten und Wachzeitmüdigkeit. J. Adolesc. 2007, 30, 569-585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. Grundsätze für den klugen Umgang mit Computern bei Kindern. Ergonomie 2009, 52, 1386-1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Black, DW Internet-Sucht: Definition, Bewertung, Epidemiologie und klinisches Management. CNS Drogen 2008, 22, 353-365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Internetabhängigkeit: Die Entstehung einer neuen klinischen Störung. CyberPsychol. Behav. 1998, 1, 237-244. [Google Scholar] [CrossRef]
  19. American Psychiatric Association (APA). Diagnostisches und Statistisches Handbuch der Geistigen Störungen. Online verfügbar: http://www.dsm5.org (Zugriff auf 2 Februar 2016).
  20. Petry, NM; O'Brien, CP Internet Gaming Disorder und der DSM-5. Sucht 2013, 108, 1186-1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N; Griffiths, M. Prävalenz der Sucht: Ein Problem der Mehrheit oder der Minderheit? Eval. Gesundheit Prof. 2011, 34, 3-56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsivität in der Internetsucht: Ein Vergleich mit pathologischem Glücksspiel. Cyberpsychol. Behav. Soc. Netw. 2012, 15, 373-377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Ist Internetsucht eine psychopathologische Erkrankung, die sich von pathologischem Glücksspiel unterscheidet? Süchtiger. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N; Raj, Z .; Abraham, A. Störungen der Internetsucht und des Substanzgebrauchs bei jugendlichen Studenten - eine Querschnittsstudie. J. Int. Med. Delle. 2015, 2, 172-179. [Google Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Nicht substanzabhängiges Verhalten in der Jugend: Pathologisches Glücksspiel und problematische Internetnutzung. Kind Adoles. Psychiatr. Clin. N. Am. 2010, 19, 625-641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Funktionsstörung des präfrontalen Kortex bei Sucht: Neuroimaging-Befunde und klinische Implikationen. Nat. Rev. Neurosci. 2011, 12, 652-669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. Die Rolle des Gens chrna4 bei der Internetsucht: Eine Fall-Kontroll-Studie. J. Addict. Med. 2012, 6, 191-195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Risikofaktoren und psychosoziale Merkmale einer möglichen problematischen und problematischen Internetnutzung bei Jugendlichen: Eine Querschnittsstudie. BMC Public Health 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Anomalien der grauen Substanz bei Internetsucht: Eine voxelbasierte Morphometrie-Studie. EUR. J. Radiol. 2011, 79, 92-95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Ein "Komponenten" -Modell der Sucht in einem biopsychosozialen Rahmen. J. Subst. Benutzen 2005, 10, 191-197. [Google Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Internet-Suchtprävalenz und Lebensqualität: Eine Meta-Analyse von 31-Nationen in sieben Weltregionen. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 755-760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Übermäßige Internetnutzung bei europäischen Jugendlichen: Was bestimmt Unterschiede in der Schwere? Int. J. Öffentliche Gesundheit 2015, 60, 249-256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Internet-Suchtverhalten im Jugendalter: Eine Querschnittsstudie in sieben europäischen Ländern. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 528-535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. Prävalenz der pathologischen Internetnutzung bei Jugendlichen in Europa: Demographische und soziale Faktoren. Sucht 2012, 107, 2210-2222. [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internetsucht: Ein systematischer Überblick über die epidemiologische Forschung des letzten Jahrzehnts. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Scholar] [CrossRef] [PubMed]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. Der Zusammenhang zwischen pathologischer Internetnutzung und komorbider Psychopathologie: Ein systematischer Rückblick. Psychopathologie 2013, 46, 1-13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. Der Zusammenhang zwischen Internetsucht und psychiatrischer Komorbidität: Eine Metaanalyse. BMC Psychiatrie 2014, 14, 1-10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Pathologische Internetnutzung bei europäischen Jugendlichen: Psychopathologie und selbstzerstörerisches Verhalten. EUR. Kind Adolesc. Psychiatrie 2014, 23, 1093-1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD Die klinische Psychologie der Internetsucht: Ein Überblick über ihre Konzeptualisierung, Prävalenz, neuronalen Prozesse und Auswirkungen auf die Behandlung. Neurosci. Neuroökonomie 2015, 4, 11-23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Mehrfaches Risikoverhalten im Jugendalter. J. Öffentliche Gesundheit 2012, 34, i1-i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Lebensstil-Risikofaktoren von Studenten: Ein clusteranalytischer Ansatz. Vorherige Med. 2010, 51, 73-77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Lifestyle-Management der unipolaren Depression. Acta Psychiatr. Scand. 2013, 127, 38-54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Spring, B .; Nigg, CR Multiple Health Behaviour Change Research: Eine Einführung und ein Überblick. Vorherige Med. 2008, 46, 181-188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C .; Chiesa, F; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. Eine neu identifizierte Gruppe von Jugendlichen mit „unsichtbarem“ Risiko für Psychopathologie und Suizidverhalten: Ergebnisse der SEYLE-Studie. Weltpsychiatrie 2014, 13, 78-86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Überwachung des Jugendrisikoverhaltens - USA, 2013. MMWR Surveill. Summ. 2014, 63, 1-168. [Google Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. Jugendleben in Europa retten und stärken (SEYLE): Eine randomisierte, kontrollierte Studie. BMC Public Health 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. Die randomisierte kontrollierte Studie (RCT) zur Rettung und Stärkung des jungen Lebens in Europa (SEYLE): Methodische Fragen und Merkmale der Teilnehmer. BMC Public Health 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS im Netz gefangen: Wie man die Anzeichen von Internetsucht erkennt - und eine erfolgreiche Strategie für die Genesung; J. Wiley: New York, NY, USA, 1998; p. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Screening auf Internetabhängigkeit: Unterscheiden sich die vorgeschlagenen Diagnosekriterien normal von der abhängigen Internetnutzung? Cyberpsychol. Behav. 2009, 12, 21-27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Diagnosekriterien für problematische Internetnutzung bei Studenten der US-Universität: Eine Bewertung nach gemischten Methoden. Plus eins 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD Die Konzeptualisierung und Messung der dsm-5-Internet-Gaming-Störung: Die Entwicklung des IGD-20-Tests. Plus eins 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Weltgesundheitsorganisation (WHO). Globale Umfrage zur Schülergesundheit (GSHS). Online verfügbar: http://www.who.int/chp/gshs/en/ (Zugriff auf 12 Dezember 2015).
  53. Choi, K .; Son, H .; Park, M .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Internet-Überbeanspruchung und übermäßige Tagesmüdigkeit bei Jugendlichen. Psychiatry Clin. Neurosci. 2009, 63, 455-462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B .; Demirci, AC Hohes Risiko für Internetsucht und ihre Beziehung zum lebenslangen Substanzkonsum sowie zu psychologischen Problemen und Verhaltensproblemen bei Jugendlichen der 10th-Klasse. Psychiatria Danub. 2014, 26, 330-339. [Google Scholar]
  55. Internationale Fernmeldeunion (ITU). Zahlen und Fakten zur IKT. Online verfügbar: http://www.itu.int/en (Zugriff auf 8 August 2015).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Kovarianz unter mehreren gesundheitlichen Risikoverhalten bei Jugendlichen. Plus eins 2014, 9, e98141. [Google Scholar]
  57. Cao, F; Su, L .; Liu, T .; Gao, X. Die Beziehung zwischen Impulsivität und Internetsucht in einer Stichprobe chinesischer Jugendlicher. EUR. Psychiatrie: J. Assoc. EUR. Psychiatr. 2007, 22, 466-471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Entfremdung, Aggression und Sensation als Prädiktoren für die jugendliche Nutzung gewalttätiger Filme, Computer- und Website-Inhalte. J. Commun. 2003, 53, 105-121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Auf dem Weg zu einer umfassenden Theorie der problematischen Internetnutzung: Bewertung der Rolle von Selbstwertgefühl, Angst, Fluss und der selbstbewerteten Bedeutung von Internetaktivitäten. Comput. Summen. Behav. 2009, 25, 490-500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Unterscheidung zwischen Sucht und hohem Engagement im Zusammenhang mit Online-Spielen. Comput. Summen. Verhalten 2007, 23, 1531-1548. [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Online Social Networking und Sucht - Eine Überprüfung der psychologischen Literatur. Int. J. Environ. Res. Gesundheitswesen 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Problematische Nutzung von Social-Networking-Sites bei Teenagern in städtischen Schulen. Ind. Psychiatrie J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Merkmale der Internetabhängigkeit / pathologischen Internetnutzung bei US-Studenten: Eine qualitative Methodenuntersuchung. Plus eins 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Internet-Spielsucht, problematische Nutzung des Internets und Schlafstörungen: Eine systematische Überprüfung. Curr. Psychiatrie-Repräsentant 2014, 16, 1-9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N; Gradisar, M. Nutzung und Schlaf elektronischer Medien bei Kindern und Jugendlichen im schulpflichtigen Alter: Ein Rückblick. Schlaf med. 2010, 11, 735-742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Prävalenz von Schlafstörungen und Zusammenhang zwischen Schlafstörungen und Schulverweigerungsverhalten bei Kindern im schulpflichtigen Alter in Kinder- und Elternratings. Psychopathologie 2014, 47, 119-126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC Sensationssuche und Internetabhängigkeit taiwanesischer Jugendlicher. Comput. Summen. Behav. 2002, 18, 411-426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L; Shu-ming, W. Die Rolle der Internetsucht bei der Online-Spieletreue: Eine explorative Studie. Internet Res. 2008, 18, 499-519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Problemverhalten und psychosoziale Entwicklung: Eine Längsschnittstudie der Jugend; Akademische Presse: Cambridge, MA, USA, 1977; p. 281. [Google Scholar]
  70. Jessor, R. Problemverhaltenstheorie, psychosoziale Entwicklung und jugendliches Problemtrinken. Br. J. Addict. 1987, 82, 331-342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Strukturelle Äquivalenz der Beteiligung von Jugendlichen an Problemverhalten über Rassengruppen hinweg unter Verwendung einer Analyse mehrerer Gruppenbestätigungsfaktoren. Soc. Arbeit Res. 1996, 20, 168-177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Geschlechtsspezifische Unterschiede bei der Internetabhängigkeit im Zusammenhang mit psychologischen Gesundheitsindikatoren bei Jugendlichen, die eine nationale webbasierte Umfrage durchführen. Int. J. Ment. Gesundheitssüchtiger. 2014, 12, 660-669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Kürzer, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Bewertung der Internetabhängigkeit anhand des Modells für sparsame Internetabhängigkeitskomponenten - Eine vorläufige Studie. Int. J. Ment. Gesundheitssüchtiger. 2014, 12, 351-366. [Google Scholar] [CrossRef]