Validierung einer malaysischen Version der Smartphone-Sucht-Skala unter Medizinstudenten in Malaysia (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337.

Ching SM1, Yee A2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

Abstrakt

EINFÜHRUNG:

Diese Studie wurde initiiert, um die psychometrischen Eigenschaften der Smart Phone Addiction Scale (SAS) zu ermitteln, indem diese Skala in die malaysische Sprache (SAS-M) übersetzt und validiert wurde, die in Malaysia die Hauptsprache ist. Diese Studie kann die Smartphone- und Internetsucht von multiethnischen malaysischen Medizinstudenten unterscheiden. Darüber hinaus wurde die Zuverlässigkeit und Gültigkeit des SAS nachgewiesen.

MATERIALEN UND METHODEN:

Insgesamt wurden 228-Teilnehmer zwischen August 2014 und September 2014 ausgewählt, um eine Reihe von Fragebögen auszufüllen, darunter den SAS und den modifizierten Kimberly Young Internet-Suchttest (IAT) in malaiischer Sprache.

ERGEBNISSE:

In diese Studie wurden 99 Männer und 129 Frauen im Alter zwischen 19 und 22 Jahren (21.7 ± 1.1) eingeschlossen. Deskriptive und Faktoranalysen, klasseninterne Koeffizienten, t-Tests und Korrelationsanalysen wurden durchgeführt, um die Zuverlässigkeit und Validität der SAS zu überprüfen. Der Bartlett-Test der Sphärizität war signifikant (p <0.01), und das Kaiser-Mayer-Olkin-Maß für die Stichprobenadäquanz für das SAS-M betrug 0.92, was verdienstvoll darauf hinweist, dass die Faktoranalyse angemessen war. Die interne Konsistenz und gleichzeitige Gültigkeit des SAS-M wurde überprüft (Cronbachs Alpha = 0.94). Alle Subskalen des SAS-M, mit Ausnahme der positiven Erwartung, waren signifikant mit der malaiischen Version des IAT verbunden.

FAZIT:

Diese Studie entwickelte die erste Smartphone-Sucht-Skala unter Medizinstudenten. Diese Skala erwies sich in der malayischen Sprache als zuverlässig und gültig.

Zitat: Ching SM, Yee A, Ramachandran V, Sazlly Lim, Wan Sulaiman, WA, Foo YL, et al. (2015) Validierung einer malaiischen Version der Skala für Smartphone-Sucht unter Medizinstudenten in Malaysia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, Universität Ariel, ISRAEL

Empfangen: März 18, 2015; Akzeptiert: September 11, 2015; Veröffentlicht am: 2. Oktober 2015

Copyright: © 2015 Ching et al. Dies ist ein Open-Access-Artikel, der unter den Bedingungen der veröffentlicht wird Creative Commons Attribution License, die uneingeschränkte Nutzung, Verbreitung und Reproduktion in jedem Medium erlaubt, vorausgesetzt, dass der ursprüngliche Autor und die Quelle gutgeschrieben werden

Datenverfügbarkeit: Alle relevanten Daten sind in dem Papier und den Hintergrundinformationen enthalten.

Finanzierung: Die Autoren danken auch dem UPM-Forschungsfonds (Förderungsnummer: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) für die finanzielle Unterstützung. Die URL lautet http://www.rmc.upm.edu.my/.

Konkurrierende Interessen: Die Autoren haben erklärt, dass keine konkurrierenden Interessen bestehen.

Einleitung

Es ist kein Zweifel, dass das Smartphone uns im täglichen Leben enorm bequem gemacht hat, denn es verfügt über modernere Rechenkapazitäten und Konnektivität als Standardtelefone.1]. Die Verwendung von Smartphones hat unterschiedliche Ziele und Zwecke. Eine Vielzahl von Studien berichtete, dass das Smartphone zahlreiche Vorteile für soziale und medizinische Zwecke bietet [2-5]. Obwohl das Smartphone zu einem der beliebtesten und wichtigsten Kommunikationsmittel geworden ist, hat sich der übermäßige Gebrauch als ein soziales Problem weltweit herauskristallisiert und ein neues psychisches Problem geschaffen, bei dem der Benutzer dazu neigt, eine Abhängigkeit davon zu entwickeln.6-8].

Smartphone-Sucht wird auch als "Abhängigkeit von Mobiltelefonen", "zwanghafter Handyüberbrauch" oder "Handyüberbrauch" bezeichnet. Diese Begriffe beschreiben hauptsächlich das Phänomen der problematischen Nutzung von Mobiltelefonen [9, 10]. „Smartphone-Sucht“ ist der in der Literatur übliche Begriff. Diese Sucht ist hauptsächlich durch übermäßige oder schlecht kontrollierte Beschäftigungen, Bedürfnisse oder Verhaltensweisen in Bezug auf die Verwendung von Smartphones gekennzeichnet, sofern andere Bereiche des Lebens vernachlässigt werden.11-13]. Studien berichten, dass die übermäßige Nutzung von Mobiltelefonen mit Stress, Schlafstörungen, Rauchen und Depressionssymptomen verbunden war [14-16].

Aktuelle Daten aus Malaysia zeigten, dass die Smartphone-Penetration von 47% bei 2012 auf 63% bei 2013 anstieg. In 2014 waren 10.13 Millionen Malaysier aktive Smartphone-Benutzer, verglichen mit 7.7 Millionen in 2012 [17-20]. Die pathologische Nutzung des Smartphones ähnelt der Internetsucht. Die Nutzung der Internetsucht wird bei Jugendlichen und Erwachsenen weltweit zu stark [21]. Übermäßige Internetsucht führt zu psychiatrischen Störungen, niedrigem Selbstwertgefühl, Depressionen und Beeinträchtigung der akademischen und beruflichen Leistungsfähigkeit.22-25]. Lokale Studien berichteten, dass die Prävalenz der Internetsucht 43% war [26], und in Malaysia gibt es mehr als 4.2 Millionen aktive Facebook-Nutzer. Facebook ist in der Tat die beste Netzwerkseite in diesem Land. Angesichts der rapiden Zunahme der Smartphone-Nutzung in Malaysia ist es dringend erforderlich, eine Skala zur Messung der Smartphone-Abhängigkeit in der lokalen Bevölkerung zu validieren, um deren Prävalenz zu ermitteln und zu ermitteln, wer in der Lage ist, die Smartphone-Abhängigkeit zu entwickeln kann in naher Zukunft einen geeigneten Eingriff planen.

Wie die für den Internetsuchtest vorbereitete faktorielle Struktur [27], die von Min Kwon et al. entwickelte Smartphone Addiction Scale (SAS). war die erste Skala für die Smartphone-Sucht, die zur Diagnose verwendet wurde [28]. Diese Skala besteht aus 33-Elementen und gilt als zuverlässig, mit guter interner Konsistenz (Cronbachs Alpha = 0.967), und die gleichzeitige Gültigkeit der sechs Subskalen reicht von 0.32 bis 0.61 [28].

Diese Studie zielte darauf ab, die SAS in die malaiische Sprache zu übersetzen und die psychometrischen Eigenschaften der malaiischen Version der SAS (SAS-M) zu untersuchen, um deren Verwendung für die weitere Forschung vor Ort zu erleichtern.

Methodik

Studiendesign und -einstellung

Dies war eine Querschnittsstudie aller Medizinstudenten im ersten und zweiten Studienjahr der Universität Putra Malaysia. Diese Studenten wurden für eine Validierungsstudie von August 2014 bis September 2014 angesprochen. Diese Universität befindet sich in Serdang, neben der Verwaltungshauptstadt Malaysias, Putrajaya. Wir schätzten die Stichprobengröße auf mindestens 165, basierend auf der Berechnung von fünf Fällen pro Artikel in der SAS (die insgesamt 33-Artikel umfasst) [29]. Daher war eine Stichprobengröße von 228 in dieser Studie ausreichend.

Verfahren.

Stufe : Der Autor erhielt die englische Version des SAS von Kwon et al. Die Übersetzung von Englisch nach Malaiisch wurde parallel von zwei zweisprachigen Sprachexperten und eine Rückübersetzung von einem dritten zweisprachigen Sprachexperten durchgeführt. Diskrepanzen zwischen der Originalversion und der Rückübersetzung wurden diskutiert und entsprechende Anpassungen vorgenommen. Eine endgültige Version des übersetzten SAS, die wir als Entwurf des SAS-M bezeichneten, wurde von einem Expertengremium erstellt, das aus einem Psychiater, zwei Oberärzten und einem Hausarzt bestand, die alle qualifizierte Fachleute in Bezug auf den Einsatz psychometrischer Instrumente waren Alle hatten klinische Erfahrungen mit depressiven Erkrankungen.

Stufe : Der erste Entwurf des SAS-M wurde unter 20-Muttersprachlern im Pilotversuch getestet, um Fehler in dieser Version zu ermitteln. Alle Wörter, die die Befragten in dieser Version für ungeeignet oder unangemessen hielten, wurden zur Kenntnis genommen und korrigiert. Die meisten Schüler hatten Schwierigkeiten, Artikel 15 zu akzeptieren: "Wütend und verärgert sein, wenn ich kein Smartphone habe". Dieser Artikel wurde überarbeitet und in die Sprache "Malayisch" übersetzt: "Ungeduldig und unruhig, wenn ich kein Smartphone habe". Die endgültige Version des SAS-M wurde ferner von zwei Psychiater mit mehr als 10-Erfahrung überprüft, um die Gültigkeit des Inhalts zu bewerten und ein zufriedenstellendes Gesicht und zufriedenstellende Semantiken, Kriterien und konzeptuelle Äquivalenz sicherzustellen.

Stufe : Jeder Student gab eine schriftliche Einwilligungserklärung ein, nachdem er eine vollständige Erklärung über die Art und Vertraulichkeit der Studie erhalten hatte, und die 228-Studenten stimmten der Teilnahme an der Studie zu, mit einer Nichtantwortrate von 9%. Soziodemographische Daten (Alter, Geschlecht, ethnische Zugehörigkeit und Haushaltseinkommen) wurden von den Studierenden erhalten. Informationen über die Smartphone-Nutzung der Schüler basierend auf ihrer eigenen Einschätzung, wie z. B. die Anzahl der Stunden pro Woche, die Anzahl der Jahre als normaler Smartphone-Benutzer und das Alter, in dem sie ein Smartphone verwenden, wurden dokumentiert. Die Schüler erhielten folgende Fragebögen:

  1. Die SAS und SAS-M (Tabelle A in S1-Text).
  2. Malaiische Version des Internetsuchtetests.

Instrumente

Smartphone-Sucht-Skala [28].

Die SAS ist eine selbst erstellte Likert-Waage mit 6-Punkten und 33-Elementen. Jede Frage hat eine Antwortskala von 1 bis 6 (1 = stimmt überhaupt nicht mit 6 = stimmt völlig überein) und spiegelt die Häufigkeit der Symptome wider. Der Befragte umkreist die Aussage, die die Smartphone-Nutzungseigenschaften am besten beschreibt. Die Gesamtpunktzahl der SAS reicht von 48 bis 288. Je höher die Punktzahl ist, desto höher ist der pathologische Einsatz des Smartphones.

Internet-Suchttest [26].

Der IAT-Fragebogen, der von Kimberly Young in 1998 entwickelt wurde, ist das am häufigsten verwendete Werkzeug bei der Diagnose von Internetsucht. Die malayische Version wurde lokal validiert, mit guter interner Konsistenz (Cronbachs alpha = 0.91) und paralleler Zuverlässigkeit (Inclass-Korrelationskoeffizient (ICC) = 0.88, P <0.001). Dies ist ein selbst ausgefüllter Fragebogen, der aus einer 5-Punkte-Likert-Skala mit 20 Elementen besteht, mit einem Mindestpunktwert von 20 und einem Höchstwert von 100. Die Bewertung jeder Frage reicht von 1 bis 5 (1 = nie) bis 5 = immer), wobei das Auftreten der Symptome wiederholt wird. Die Schüler wählten die Aussage, die die Merkmale ihrer Internetnutzung am besten beschreibt. Je höher die Punktzahl ist, desto höher ist der Grad der pathologischen Nutzung des Internets. Wenn die Punktzahl in der malaiischen Version des IAT mehr als 43 beträgt, wird bei der Person das Risiko einer Internetabhängigkeit diagnostiziert [26].

Statistische Analyse

Alle Analysen wurden mit dem Statistical Package for the Social Sciences Version 21.0 (SPSS, Chicago, IL, USA) durchgeführt. Deskriptive Statistiken wurden für die Grundcharakteristika der Teilnehmer berechnet. Cronbachs Alpha wurde verwendet, um die interne Konsistenz des SAS-M zu bewerten, und die Normalität der Daten wurde unter Verwendung der Kolmogorov-Smirnov-Analyse bewertet. Die Homogenität der Skalenelemente wurde basierend auf Korrelationskoeffizienten zwischen Elementen und Gesamtpunktzahlen analysiert, wenn ein Element gelöscht wurde. Die Konstruktvalidität wurde durch explorative Faktoranalyse und schräge Promax mit Kaiser-Normalisierung untersucht. Eine Faktorbelastung von> 0.30 wurde verwendet, um die Elemente für jeden Faktor zu bestimmen. Basierend auf der Guttman-Kaiser-Regel bleiben die Faktoren mit einem Eigenwert größer als 1 erhalten [30, 31]. Der ICC wurde verwendet, um die parallele Zuverlässigkeit zwischen SAS-M und der englischen Version des SAS sowie die Test-Retest-Zuverlässigkeit des SAS-M zu überprüfen. Die Korrelation von Pearson wurde verwendet, um die gleichzeitige Gültigkeit zwischen SAS-M und Malay-Version des IAT zu untersuchen. Die optimale SAS-M-Cutoff-Punktzahl für Risikofälle wurde aus den Koordinatenpunkten bestimmt, wenn die Punktzahl für die malaiische Version des IAT mehr als 43 betrug [26], an welchem ​​Punkt die Empfindlichkeit und Spezifität bei der Analyse der Empfängerbetriebscharakteristik (ROC) optimal waren. Die Fläche unter der Kurve (AUC) wurde für die ROC-Kurve bestimmt.

Definition

Als normaler Benutzer gelten Benutzer, die ein Smartphone mindestens 6 oder mehrmals in 6-Monaten verwenden.32]

Ethische Genehmigung

Die Ethik-Zulassung für diese Studie wurde von der Ethikkommission der Universiti Putra Malaysia (FPSK-EXP14 P091) erhalten.

Die Ergebnisse

Insgesamt wurden 228-Studenten für diese Studie rekrutiert. Tabelle 1 zeigt die klinischen Merkmale der untersuchten Population. Insgesamt lag das Durchschnittsalter bei ungefähr 22 Jahren ± 1.1. Mehr als die Hälfte der Schüler waren weiblich (56.6%), und die Mehrheit war malaiischer Herkunft (52.4%). Die durchschnittliche Smartphone-Nutzungsdauer pro Woche betrug 36.5-Stunden. Im Durchschnitt nutzten die Studenten im Alter von 19 Jahren ein Smartphone, und die durchschnittliche Anzahl der Jahre, in denen das Smartphone regelmäßig verwendet wurde, betrug 2.4 Jahre.

Daumennagel  

 
Tabelle 1. Merkmale der Studienpopulation (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Faktorstruktur und interne Konsistenz des SAS-M

Bartletts Test der Sphärizität war signifikant (p <0.01), und das Kaiser-Meyer-Olkin-Maß für die Angemessenheit der Probenahme für das SAS-M betrug 0.92, was darauf hinweist, dass die Skala verdienstvoll war [33], was wiederum darauf hinwies, dass die Faktoranalyse angemessen war. Sechs Faktoren wurden über den Ansatz der exploratorischen Faktoranalyse und die schräge Promax-Rotation mit Kaiser-Normalisierung extrahiert (Eigenwert> 1.00), was 65.3% der Gesamtvarianz ausmachte. Dieses Ergebnis stimmte mit der ursprünglichen SAS überein [28].

Das SAS-M zeigte eine gute innere Konsistenz; Cronbachs Alpha-Koeffizient für die Gesamtskala war 0.94 und die jeweiligen Koeffizienten für die sechs Faktoren waren 0.877, 0.843, 0.865, 0.837, 0.865 und 0.861. Die sechs Faktoren, die den SAS-Subskalen entsprachen, wurden als "Cyberspace-orientierte Beziehung", "Alltagsstörung", "Primat", "Überbeanspruchung", "positive Antizipation" und "Entzug" bezeichnet (Tabelle 2). Alle Artikel hatten Korrelationen für korrigierte Elemente insgesamt von mehr als 0.9. Durch das Löschen eines der Elemente wurde die interne Konsistenz der Gesamtpunktzahl nicht erhöht (Tabelle 3). Die parallele Zuverlässigkeit zwischen SAS-M und SAS war hoch, wie ein ICC von 0.95 (95% Vertrauensintervall = 0.937 – 0.962). Die Test-Retest-Zuverlässigkeit des SAS-M nach einem 1-Wochenintervall war hoch, mit einem ICC von 0.85 (95% Vertrauensintervall = 0.808-0.866).

Daumennagel  

 
Tabelle 2. Faktorenanalyse der SAS-Malay-Version.

 

doi: 10.1371 / journal.pone.0139337.t002

Daumennagel  

 
Tabelle 3. Korrigiertes Element - Gesamtkorrelationen und Cronbachs Alpha, wenn das Element für SAS-M gelöscht wurde.

 

doi: 10.1371 / journal.pone.0139337.t003

Gleichzeitige Gültigkeit des SAS-M: Korrelationen zwischen den Subskalen des SAS-M und der malayischen Version des IAT

Die Ergebnisse der Pearson-Korrelationsanalyse, die zwischen den Subskalen des SAS-M und der malayischen Version des IAT durchgeführt wurde, sind in gezeigt Tabelle 4. Die Ergebnisse zeigen, dass alle Subskalen des SAS-M, mit Ausnahme der „positiven Erwartung“, in signifikantem Zusammenhang mit der malaiischen Version des IAT standen.

Daumennagel  

 
Tabelle 4. Gleichzeitige Gültigkeit von SAS-M (Pearson-Korrelation): Subskalen des SAS-M und der malaiischen Version des IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

Die AUC für die ROC-Kurve war 0.801 (95% CI = 0.746 bis 0.855). Der optimale Cut-off-Score für die Ermittlung von Risikofällen war mehr als 98 mit einer Sensitivität von 71.43%, einer Spezifität von 71.03%, einem positiven Vorhersagewert (PPV) von 64.10% und einem negativen Vorhersagewert (NPV) von 77.44 %. Die Prävalenz eines Risikofalls, bei dem die Smartphone-Sucht in dieser Studie entwickelt wurde, betrug 46.9%, basierend auf einer Bewertung von 98.

Diskussion

Diese Studie untersuchte die interne Konsistenz, die Dimensionalität und die gleichzeitige und konstruktive Gültigkeit des SAS-M. Die Ergebnisse der Studie zeigen, dass der SAS-M ein zuverlässiges und valides Instrument zur Beurteilung der Smartphone-Abhängigkeit in der malaiisch sprechenden Bevölkerung ist.

In dieser Studie zeigte das SAS-M eine gute innere Konsistenz; Cronbachs Alpha-Koeffizient für die Gesamtskala war 0.94 und die jeweiligen Koeffizienten für die sechs Faktoren waren 0.877, 0.843, 0.865, 0.837, 0.865 und 0.861. Die parallele Zuverlässigkeit des SAS-M und die Test-Retest-Zuverlässigkeit nach einem 1-Wochenintervall erwiesen sich als gut, mit ICCs von 0.95 bzw. 0.85, die sogar noch besser sind als die der ursprünglichen Version des SAS [28]. Bis heute ist dies die erste Studie dieser Art, die sich auf die Smartphone-Sucht bezieht, und zeigt, dass der SAS-M so gut ist wie die englische Version.

Die sechs dominanten Komponenten, die einen Großteil der Variabilität des SAS-M erklärten, waren jedoch denen des ursprünglichen SAS ähnlich. In der vorliegenden Studie bestanden die Komponenten aus "Cyberspace-orientierter Beziehung", "Alltagsstörung", "Primat", "Überbeanspruchung", "positiver Vorfreude" und "Entzug". Die Bestandteile des ursprünglichen SAS waren "Alltagsstörungen", "positive Vorfreude", "Rückzug", "Cyberspace-orientierte Beziehung", "Überbeanspruchung" und "Toleranz". Nicht alle in dieser Faktorenanalyse erfassten Faktoren entsprachen den im ursprünglichen SAS ermittelten Faktoren. Dies ist eher darauf zurückzuführen, dass dies die Unterschiede zwischen malaiischen und koreanischen Stichproben widerspiegelt. Die Bedeutung des ursprünglichen SAS wurde während des Übersetzungsvorgangs geändert.

Die Mehrheit der in der aktuellen Studie berichteten Komponenten ist die gleiche, mit Ausnahme der Komponente „Primat“, die sich von der Komponente „Toleranz“ im ursprünglichen SAS unterscheidet. Die möglichen Gründe dafür könnten sein, dass unsere Studienpopulation jünger war (21.7 ± 1.1-Jahre mit einem Altersbereich von 20 bis 27) im Vergleich zu der koreanischen Bevölkerung (26.1 ± 6.0 mit Altersbereichen von 18 bis 53). Der Hintergrund unserer Studienpopulation war homogen, da alle Probanden Medizinstudenten waren, verglichen mit dem breiten Spektrum an Beruf und Bildungsniveau in der ursprünglichen SAS-Studie. Die unterschiedliche Interpretation könnte durch die Heterogenität in den Hintergründen und der Ausbildung der untersuchten Bevölkerung kompliziert werden.

In dieser Studie standen alle Subskalen des SAS-M außer „positiver Erwartung“ in einem signifikanten Zusammenhang mit der malaiischen Version des IAT. Dies kann die einzige Subskala sein, die nicht gut mit dem IAT korreliert, da der IAT hauptsächlich die negative Nutzung des Internets misst. Daher gibt es keine Punkte, die nach positiver Erwartung fragen. Dieser Aspekt verringert jedoch nicht die gleichzeitige Gültigkeit, da die anderen 5-Subskalen stark korrelieren.

Die Prävalenz von Risikofällen, die mit dieser Skala als Smartphone-Sucht identifiziert werden konnten, betrug 46.9%. Für dieses Ergebnis gibt es mehrere mögliche Erklärungen. Die hohe Prävalenz der Smartphone-Sucht wird erwartet, da eine lokale Studie ergab, dass 85% der Malaysier Mobiltelefone besitzen [18]. Smartphones sind die beliebteste Option, da die Malaysier tendenziell den Trends in der Community folgen [20]. Darüber hinaus bietet das Smartphone über bestimmte Plattformen, z. B. WhatsApp und WeChat, kostenloses Instant Messaging, wodurch das Leben der Benutzer bereichert wird. Unterhaltung ist eine weitere mögliche Erklärung für die hohe Prävalenz der Smartphone-Sucht, denn mit diesen Telefonen können Mediziner Musik hören, Filme schauen und Spiele spielen, um Stress abzubauen.34]. Daher können sie am Ende des Tages dazu neigen, mehr Zeit mit ihrem Smartphone zu verbringen und letztendlich pathologische Benutzer zu werden.

Ein Problem in unserer Studie wäre jedoch, dass die optimale SAS-M-Cutoff-Bewertung für Risikofälle aus den Koordinatenpunkten ermittelt wurde, als die Bewertung für die malaiische Version des IAT mehr als 43 war. Dies ist keine aktuell geltende Grenze für IAT. Ebenso gibt es kein etabliertes Diagnosekriterium für Internet- oder Smartphone-Sucht nach DSM V im Spektrum der Suchtstörung [21, 25]. Daher war der von unserer Studie vorgeschlagene Cut-off-Punkt wahrscheinlich zu niedrig, was zu einer sehr hohen geschätzten Smartphone-Sucht-Rate führte. Die Diagnose der Internetsucht sollte zu Recht auf drei Kriterien basieren, wie sie von Ko et al., 2012 [XNUMX] beschrieben werden.25].

SAS-M funktioniert eher wie ein Screening oder eine Skala zur Beurteilung des Schweregrads der Verwendung von Smartphones mit Suchtfaktor als ein Diagnoseinstrument. Eine korrekte Diagnose der Smartphone-Sucht zu machen, wird ein wichtiges Thema für die zukünftige Forschung sein. Wir schlugen vor, dass die Diagnose der Smartphone-Sucht in Zukunft mehr Kriterien umfassen sollte, die aus den Kriterien A, B und C bestehen. Das Kriterium A enthält sechs charakteristische Symptome der Smartphone-Abhängigkeit, wie z. B. Cyberspace-orientierte Beziehungen, Alltagsstörungen, Vorrang, Überbeanspruchung und positive Vorfreude und Rücknahme. Kriterium B muss die Funktionsbeeinträchtigung einschließen, die der Smartphone-Nutzung nachgeordnet ist. Das Kriterium C sollte andere psychiatrische Störungen wie bipolare Störungen oder andere impulsive Störungen ausschließen. Personen, die alle Kriterien A, B und C erfüllen, werden nur als Smartphone-Sucht eingestuft.

Stärke und Einschränkungen

Die Ergebnisse dieser Studie sollten im Kontext der Einschränkungen der Studie interpretiert werden: Erstens gibt es kein etabliertes diagnostisches Kriterium für die Internet- oder Smartphone-Sucht nach DSM V im Spektrum der Suchtstörung [21, 25]. Angesichts der begrenzten Studien zur Smartphone-Sucht im lokalen Umfeld können die Ergebnisse dieser Studie jedoch immer noch einige Erkenntnisse für das medizinische Expertenteam geben. Zweitens war trotz der Stichprobengröße ausreichend, aber nicht randomisiert. Das Geschlecht und die Rasse waren nicht gleichmäßig verteilt. Darüber hinaus wurde diese Studie in einem einzigen Zentrum durchgeführt, so dass die Population der Proben homogen war und nicht die allgemeine Bevölkerung Malaysias widerspiegelt.

Trotz dieser Einschränkung haben die Ergebnisse der vorliegenden Studie gezeigt, dass der SAS-M zur Beurteilung der Smartphone-Abhängigkeit bei gebildeten malaysischen jungen Erwachsenen verwendet werden kann.

Zusammenfassung

Diese Studie entwickelte die erste Smartphone-Sucht-Skala unter Medizinstudenten. Diese Studie belegt auch, dass SAS-M ein valides und zuverlässiges, selbstverwaltetes Tool ist, um Personen zu überprüfen, bei denen das Risiko einer Smartphone-Abhängigkeit besteht.

zusätzliche Informationen

S1_Text.doc
 
 

S1-Text. Smartphone-Sucht malaiische Version Fragebogen.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

Autorenbeiträge

Konzeption und Gestaltung der Experimente: SMC AY FKH. Die Experimente wurden durchgeführt: VR SMSL WAWS YLF. Analysierte die Daten: SMC AY. Beigetragene Reagenzien / Materialien / Analysewerkzeuge: SMC AY. Schrieb das Papier: SMC AY VR.

Bibliographie

  1. 1. Rashvand HF, Hsiao KF (2015) Intelligente Smartphone-Anwendungen: ein kurzer Rückblick. Multimedia-Systeme 21 (1): 103-119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Tabellenblatt L (2012) Eine systematische Überprüfung von Gesundheitsanwendungen für Smartphones. BMC Medizinische Informatik und Entscheidungsfindung 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. Artikel ansehen
  4. PubMed / NCBI
  5. Google Scholar
  6. Artikel ansehen
  7. PubMed / NCBI
  8. Google Scholar
  9. Artikel ansehen
  10. PubMed / NCBI
  11. Google Scholar
  12. Artikel ansehen
  13. PubMed / NCBI
  14. Google Scholar
  15. Artikel ansehen
  16. PubMed / NCBI
  17. Google Scholar
  18. Artikel ansehen
  19. PubMed / NCBI
  20. Google Scholar
  21. Artikel ansehen
  22. PubMed / NCBI
  23. Google Scholar
  24. Artikel ansehen
  25. PubMed / NCBI
  26. Google Scholar
  27. Artikel ansehen
  28. PubMed / NCBI
  29. Google Scholar
  30. Artikel ansehen
  31. PubMed / NCBI
  32. Google Scholar
  33. Artikel ansehen
  34. PubMed / NCBI
  35. Google Scholar
  36. Artikel ansehen
  37. PubMed / NCBI
  38. Google Scholar
  39. Artikel ansehen
  40. PubMed / NCBI
  41. Google Scholar
  42. Artikel ansehen
  43. PubMed / NCBI
  44. Google Scholar
  45. Artikel ansehen
  46. PubMed / NCBI
  47. Google Scholar
  48. Artikel ansehen
  49. PubMed / NCBI
  50. Google Scholar
  51. Artikel ansehen
  52. PubMed / NCBI
  53. Google Scholar
  54. Artikel ansehen
  55. PubMed / NCBI
  56. Google Scholar
  57. Artikel ansehen
  58. PubMed / NCBI
  59. Google Scholar
  60. Artikel ansehen
  61. PubMed / NCBI
  62. Google Scholar
  63. Artikel ansehen
  64. PubMed / NCBI
  65. Google Scholar
  66. Artikel ansehen
  67. PubMed / NCBI
  68. Google Scholar
  69. Artikel ansehen
  70. PubMed / NCBI
  71. Google Scholar
  72. Artikel ansehen
  73. PubMed / NCBI
  74. Google Scholar
  75. Artikel ansehen
  76. PubMed / NCBI
  77. Google Scholar
  78. Artikel ansehen
  79. PubMed / NCBI
  80. Google Scholar
  81. Artikel ansehen
  82. PubMed / NCBI
  83. Google Scholar
  84. Artikel ansehen
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Spur N, Mohammod M., Lin M., Yang X, Lu H., Ali S., et al. (2011) BeWell: Eine Smartphone-Anwendung zum Überwachen, Modellieren und Fördern des Wohlbefindens. 5th Internationale Konferenz über Pervasive Computing-Technologien für das Gesundheitswesen, Dublin.
  88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Health und das Mobiltelefon. Amerikanisches Journal für Präventivmedizin 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E, Dancey D (2013) Medizinische Smartphone-Anwendungen für die Gesundheit von Frauen: Was ist die Evidenzbasis und das Feedback? Internationale Zeitschrift für Telemedizin und Anwendungen Artikel-ID 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) Der Einfluss von Smartphones auf die Gesundheit und das Verhalten von Menschen: die Wahrnehmung der Jordanier. Internationales Journal für Computernetze und -anwendungen 2 (2): 52 – 56.
  91. 7. Sarwar M, Soomro TR (2013) Einfluss von Smartphones auf die Gesellschaft. Europäisches Journal für wissenschaftliche Forschung 98 (2): 216 – 226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) Eine Studie über einige der häufigsten gesundheitlichen Auswirkungen von Mobiltelefonen bei College-Studenten. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Entwicklung und Validierung des Smartphone Addiction Inventory (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J., Van der Linden M., d'Acremont M., Ceschi G., Zermatten A. (2007) Bezieht sich Impulsivität auf die wahrgenommene Abhängigkeit und tatsächliche Nutzung des Mobiltelefons? Applied Cognitive Psychology 21: 527–537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Soziale Auswirkungen der Smartphone-Nutzung: Smartphone-Nutzung koreanischer Studenten und psychisches Wohlbefinden. Cyberpsychologie, Verhalten und soziale Netzwerke 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12. Yen CF, Tang TC, Yen JY, Lin HC, CF Huang, Liu SC, et al. (2009) Symptome problematischer Mobiltelefone, Funktionsstörungen und deren Zusammenhang mit Depressionen bei Jugendlichen in Südtaiwan. Journal of Adolescence 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problematischer Internet- und Mobiltelefongebrauch und klinische Symptome bei Studenten: Die Rolle der emotionalen Intelligenz. Computer im Verhalten von Menschen 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Mobiltelefongebrauch und Stress, Schlafstörungen und Depressionssymptome bei jungen Erwachsenen - eine prospektive Kohortenstudie. BMC Public Health 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R., Morimoto K (2009) Beziehungen zwischen Persönlichkeit und Lebensstil mit der Abhängigkeit von Mobiltelefonen unter weiblichen Pflegestudenten. Soziales Verhalten und Persönlichkeit: eine internationale Zeitschrift 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Handyabhängigkeit und gesundheitsbezogener Lebensstil von Studenten. Soziales Verhalten und Persönlichkeit 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Malaysische Kommunikations- und Multimediakommission (2012) Handynutzerumfrage 2011. Verfügbar: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Malaysische Kommunikations- und Multimediakommission (2014) Handynutzerumfrage 2012. Verfügbar: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Verfügbar: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Eine Studie über den Trend von Smartphones und dessen Nutzungsverhalten in Malaysia. Internationales Journal für neue Computerarchitekturen und ihre Anwendungen 2: 274 – 285.
  105. 21. Weinstein A, Lejoyeux M (2010) Internetsucht oder übermäßige Internetnutzung. Das amerikanische Journal für Drogen- und Alkoholmissbrauch 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C., Flores N., Gómez-Vela M., González-Gil F., Caballo C. (2007) Problematische Internet- und Handynutzung: Psychologische, Verhaltens- und Gesundheitskorrelationen. Suchtforschung & Theorie 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K., Griffiths M., Banyard P. (2005) Prävalenz der pathologischen Internetnutzung bei Universitätsstudenten und Korrelationen mit dem Selbstwertgefühl, dem Allgemeinen Gesundheitsfragebogen (GHQ) und der Enthemmung. CyberPsychology & Behavior 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) Die Beziehung zwischen Depression und Internetabhängigkeit. CyberPsychology & Behavior 1: 25–28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Yen JY, CF Yen, Chen CS, CC Chen (2012) Der Zusammenhang zwischen Internetsucht und psychiatrischen Störungen: eine Literaturübersicht. Europäische Psychiatrie 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Gültigkeit der malaysischen Version des Internetsuchtetests: eine Studie über eine Gruppe von Medizinstudenten in Malaysia. Asien-Pazifik-Journal für öffentliche Gesundheit 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y., Billieux J., Thorens G., Khan R., Louati Y., Scarlatti E. et al. (2008) Französische Validierung des Internet-Suchttests. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28. Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C. et al. (2013) Entwicklung und Validierung einer Smartphone-Sucht-Skala (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29. Gorsuch RL (1983) -Faktoranalyse. 2nd ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) Die Anwendung elektronischer Computer für die Faktorenanalyse. Pädagogische und psychologische Messung 20: 141 – 151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Einige notwendige Bedingungen für die Analyse gemeinsamer Faktoren. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Zusammenhänge zwischen depressiver Symptomatik und Internet-Belästigung bei jungen regelmäßigen Nutzern. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Ein Index faktorieller Einfachheit. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS, Abdullah MC (2011) Stress und akademische Leistungen unter Studenten an der Universität Putra Malaysia. Procedia-Social- und Verhaltenswissenschaften 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288