Plus eins. 2016 17, 11 (8): e0159788. doi: 10.1371 / journal.pone.0159788.
Kim Y1, Jeong JE2, Cho H2, Jung DJ2, Kwak M2, Rho MJ3, Yu H1, Kim DJ2, Choi ich3.
Abstrakt
Der Zweck dieser Studie bestand darin, mit Persönlichkeitsfaktoren verbundene Prädiktoren der Smartphone-Sucht-Prädisposition (SAP) zu identifizieren. Teilnehmer waren 2,573-Männer und 2,281-Frauen (n = 4,854) im Alter von 20-49 (Mittelwert ± SD: 33.47 ± 7.52); Die Teilnehmer füllten die folgenden Fragebögen aus: die koreanische Smartphone-Abhängigkeitsskala (K-SAPS) für Erwachsene, den Fragebogen Verhaltensinhibitionssystem / Verhaltensaktivierungssystem (BIS / BAS), das Dickman Dysfunctional Impulsivity Instrument (DDII) und die Brief Self-Control Maßstab (BSCS). Darüber hinaus berichteten die Teilnehmer über ihre demografischen Informationen und ihr Smartphone-Nutzungsmuster (durchschnittliche Nutzungsdauer an Wochentagen oder am Wochenende und Hauptnutzung). Wir haben die Daten in drei Schritten analysiert: (1) Identifizieren von Prädiktoren mit logistischer Regression, (2) Ableiten kausaler Beziehungen zwischen SAP und seinen Prädiktoren mithilfe eines Bayes'schen Glaubensnetzwerks (BN), und (3) Berechnen optimaler Grenzwerte für die identifizierten Prädiktoren, die den Youden-Index verwenden.
Folgende Prädiktoren für SAP wurden identifiziert: Geschlecht (weiblich), durchschnittliche Nutzungsstunden am Wochenende und Ergebnisse für BAS-Drive, BAS-Reward Responsiveness, DDII und BSCS. Das weibliche Geschlecht und die Punktzahlen bei BAS-Drive und BSCS haben SAP direkt erhöht. BAS-Reward Responsiveness und DDII haben SAP indirekt erhöht. Wir haben festgestellt, dass SAP mit maximaler Sensitivität wie folgt definiert wurde: durchschnittliche Nutzungsstunden am Wochenende> 4.45, BAS-Drive> 10.0, BAS-Belohnungsreaktivität> 13.8, DDII> 4.5 und BSCS> 37.4. Diese Studie eröffnet die Möglichkeit, dass Persönlichkeitsfaktoren zu SAP beitragen. Und wir haben Grenzwerte für wichtige Prädiktoren berechnet. Diese Ergebnisse können Klinikern helfen, anhand von Grenzwerten nach SAP zu suchen und das Verständnis der SA-Risikofaktoren zu fördern.
PMID: 27533112
DOI: 10.1371 / journal.pone.0159788
;
