Frente. Psychol., 11 Noviembre 2014 | doi: 10.3389 / fpsyg.2014.01256
Matthias Brand1,2*,
Christian Laier1 y
Kimberly S. Young3
- 1Departamento de Psicología General: Cognición, Universidad de Duisburg-Essen, Duisburg, Alemania
- 2Instituto Erwin L. Hahn para imágenes de resonancia magnética, Essen, Alemania
- 3Centro de Adicción a Internet, Escuela de Periodismo y Comunicación de Masas Russell J. Jandoli, Universidad de San Buenaventura, Olean, NY, EE. UU.
La adicción a Internet (IA) se ha convertido en una condición de salud mental grave en muchos países. Para comprender mejor las implicaciones clínicas de la IA, este estudio probó estadísticamente un nuevo modelo teórico que ilustra los mecanismos cognitivos subyacentes que contribuyen al desarrollo y mantenimiento del trastorno. El modelo diferencia entre una adicción generalizada a Internet (GIA) y formas específicas. Este estudio probó el modelo de GIA en una población de usuarios de Internet en general. Los hallazgos de los usuarios de 1019 muestran que el hipotético modelo de ecuación estructural explica el 63.5% de la varianza de los síntomas de GIA, medido por la versión corta de la Prueba de adicción a Internet. Mediante el uso de pruebas psicológicas y de personalidad, los resultados muestran que las cogniciones específicas de una persona (afrontamiento deficiente y expectativas cognitivas) aumentan el riesgo de GIA. Estos dos factores mediaron en los síntomas del GIA si otros factores de riesgo estaban presentes, como depresión, ansiedad social, baja autoestima, baja autoeficacia y alta vulnerabilidad al estrés para mencionar algunas áreas que se midieron en el estudio. El modelo muestra que las personas con habilidades de afrontamiento elevadas y sin expectativas de que se pueda usar Internet para aumentar el estado de ánimo positivo o negativo tienen menos probabilidades de involucrarse en el uso problemático de Internet, incluso cuando existen otras vulnerabilidades de personalidad o psicológicas. Las implicaciones para el tratamiento incluyen un claro componente cognitivo para el desarrollo del GIA y la necesidad de evaluar el estilo de afrontamiento y las cogniciones de un paciente y mejorar el pensamiento defectuoso para reducir los síntomas y participar en la recuperación.
Introducción
Se ha identificado un uso problemático de Internet en varios estudios, los cuales muestran que el uso excesivo de Internet tiene consecuencias negativas persistentes, como la pérdida del empleo, el fracaso académico y el divorcio (para revisiones, véanse Griffiths, 2000a , b ; Chou et al., 2005 ; Widyanto y Griffiths, 2006 ; Byun et al., 2009 ; Weinstein y Lejoyeux, 2010 ; Lortie y Guitton, 2013 ). La relevancia clínica de este fenómeno cobra mayor importancia en el contexto de altas tasas de prevalencia estimadas que oscilan entre el 1.5 y el 8.2 % ( Weinstein y Lejoyeux, 2010 ) o incluso hasta el 26.7 %, dependiendo de las escalas utilizadas y los criterios aplicados ( Kuss et al., 2014 ).
Aunque la primera descripción de este problema clínico es hace casi 20 años (Joven, xnumx), la clasificación aún se discute de manera controversial y, en consecuencia, se utilizan varios términos en la literatura científica, que van desde el "uso compulsivo de Internet" (Meerkerk y otros, 2006, 2009, 2010), “Problemas relacionados con Internet” (Widyanto et al., 2008), “Uso problemático de internet” (Caplan, 2002), “Uso patológico de internet” (Davis, 2001) a "Comportamiento adictivo relacionado con Internet" (Brenner, 1997), por mencionar solo algunos. Sin embargo, en los últimos años de 10, la mayoría de los investigadores en este campo han utilizado el término "adicción a Internet" o "trastorno de adicción a Internet" (por ejemplo, Johansson y Götestam, 2004; Block, 2008; Byun et al., 2009; Dong et al., 2010, 2011, 2013; Kim et al., 2011; Purty et al., 2011; Joven, xnumxb, 2013; Young et al., 2011; Zhou et al., 2011; Cash et al., 2012; Hou et al., 2012; Hong et al., 2013a,b; Kardefelt-Winther, 2014; Pontes et al., 2014; Tonioni et al., 2014). También preferimos el término "adicción a Internet (IA)", porque los artículos recientes (ver discusión en Brand et al., 2014) resaltar los paralelismos entre un uso excesivo de Internet y otros comportamientos adictivos (por ejemplo, Grant et al., 2013) y también dependencia de sustancias (ver también Joven, xnumx; Griffiths, 2005; Meerkerk y otros, 2009). Se ha argumentado que los mecanismos relacionados con el desarrollo y mantenimiento de la dependencia de sustancias son transferibles a un uso adictivo de las aplicaciones de Internet (y también a otras adicciones de comportamiento), por ejemplo, la teoría de la sensibilización de incentivos de la adicción y conceptos relacionados (por ejemplo, Robinson y Berridge, 2000, 2001, 2008; Berridge et al., 2009). Esto también encaja muy bien con el modelo de componente en conductas adictivas (Griffiths, 2005).
Se han realizado numerosos estudios sobre los correlatos psicológicos de la adicción a Internet (AI), pero en la mayoría de los casos, sin diferenciar entre la adicción generalizada a Internet (AGI) y la adicción específica a Internet (AEI; Morahan-Martin y Schumacher, 2000 ; Leung, 2004 ; Ebeling-Witte et al., 2007 ; Lu, 2008 ; Kim y Davis, 2009 ; Billieux y Van der Linden, 2012 ), si bien los mecanismos psicológicos podrían ser diferentes, incluso para distintos grupos de edad o aplicaciones utilizadas ( Lopez-Fernandez et al., 2014 ). Nuestro estudio examina los efectos mediadores de los estilos de afrontamiento y las expectativas cognitivas sobre el uso de Internet en el desarrollo y mantenimiento de la AGI, con el fin de contribuir a una mejor comprensión de los mecanismos subyacentes y las posibles implicaciones para el diagnóstico y el tratamiento.
En un nivel teórico, ya se postuló que la IA debe diferenciarse con respecto al uso generalizado de Internet ( Griffiths y Wood, 2000 ) frente a tipos específicos de IA como el cibersexo, las relaciones en línea, las compulsiones en la red (p. ej., juegos de azar, compras), la búsqueda de información y los juegos en línea para desarrollar una adicción a Internet (p. ej., Young et al., 1999 ; Meerkerk et al., 2006 ; Block, 2008 ; Brand et al., 2011 ). Sin embargo, solo un subtipo, el Trastorno por Juego en Internet, se ha incluido en el apéndice del DSM-5 ( APA, 2013 ). La mayoría de los estudios evaluaron la IA como un constructo unificado o solo evaluaron un subtipo específico (en la mayoría de los casos, los juegos en Internet). En su modelo cognitivo-conductual, Davis (2001) también diferenció entre un uso patológico generalizado de Internet (GIA) y un uso patológico específico de Internet (SIA). La adicción a Internet (AII) se describió como un uso excesivo y multidimensional de Internet, frecuentemente acompañado de pérdida de tiempo y uso no dirigido de Internet. Los aspectos sociales de Internet (por ejemplo, la comunicación social a través de sitios de redes sociales) se utilizan particularmente (véase también la discusión en Lortie y Guitton, 2013 ), lo que se supone está vinculado a la falta de apoyo social fuera de línea y a los déficits sociales que experimenta un individuo en situaciones no virtuales. Además, se ha argumentado que los sujetos pueden usar varias aplicaciones de Internet diferentes de forma excesiva sin tener una favorita en particular, por ejemplo, jugar videojuegos, ver pornografía, navegar en sitios de información y/o compras, publicar selfies, ver videos en plataformas de video, leer blogs de otros, etc. En este caso, se podría argumentar que el individuo es adicto a Internet y no adicto en Internet (pero véase también la discusión en Starcevic, 2013 ). Davis sostiene que una diferencia fundamental entre la adicción generalizada a Internet (AGI) y la adicción específica a Internet (AEI) radica en que las personas que padecen AGI no habrían desarrollado un comportamiento problemático similar sin Internet, mientras que las personas que padecen AEI sí lo habrían desarrollado en otro contexto. En ambas formas de uso adictivo de Internet, tanto en la AGI como en la AEI, se sugiere que las cogniciones disfuncionales sobre uno mismo y sobre el mundo desempeñan un papel fundamental ( Caplan, 2002 , 2005 ).
Las investigaciones que abordaron el GIA demostraron que las quejas subjetivas en la vida cotidiana derivadas del uso de Internet están correlacionadas con diversas características de la personalidad. De hecho, se demostró que el GIA está vinculado a comorbilidades psicopatológicas, como trastornos afectivos o de ansiedad (Whang et al., 2003; Yang et al., 2005; Weinstein y Lejoyeux, 2010) así como a los rasgos de personalidad timidez, neuroticismo, vulnerabilidad al estrés, tendencias a postergar y baja autoestima (Niemz et al., 2005; Ebeling-Witte y otros, 2007; Hardie y Tee, 2007; Thatcher et al., 2008; Kim y Davis, 2009). Además, los factores del contexto social, por ejemplo, la falta de apoyo social o el aislamiento social (Morahan-Martin y Schumacher, 2003; Caplan, 2007) e incluso la soledad en el entorno educativo en adolescentes (Pontes et al., 2014), parecen estar relacionados con GIA. Además, se ha argumentado que el uso de Internet como una herramienta para hacer frente a eventos de la vida problemáticos o estresantes contribuye al desarrollo de GIA (Whang et al., 2003; Tang et al., 2014). Las personas con IA también muestran una alta tendencia hacia la estrategia de afrontamiento impulsivo (Tonioni et al., 2014). Algunos autores incluso conceptualizan IA como un tipo de afrontamiento de la vida cotidiana o problemas cotidianos (Kardefelt-Winther, 2014). Todavía hay solo algunos primeros estudios, que compararon explícitamente los predictores de diferentes tipos de SIA. Pawlikowski et al. (2014) informaron que la timidez y la satisfacción con la vida están relacionadas con un uso adictivo de los juegos de Internet, pero no con un uso patológico del cibersexo o el uso de ambos juegos y el cibersexo.
Basándonos en investigaciones previas, en particular en los argumentos de Davis (2001) , y considerando también la literatura actual sobre hallazgos neuropsicológicos y de neuroimagen en sujetos adictos a Internet, hemos publicado recientemente un modelo teórico sobre el desarrollo y mantenimiento de la adicción global a Internet (AGI) y la adicción específica a Internet (AEI) ( Brand et al., 2014 ). Algunos aspectos incluidos en el modelo ya se han mencionado en el contexto del uso de redes sociales, por ejemplo, la expectativa de resultados positivos ( Turel y Serenko, 2012 ). También se ha demostrado que un uso excesivo o adictivo de subastas en línea se correlaciona con cambios en las creencias de los individuos sobre la técnica, lo que determina el uso futuro y las intenciones de uso ( Turel et al., 2011 ). Esto está en línea con nuestro modelo teórico sobre la AGI, en el que asumimos que las creencias o expectativas sobre lo que Internet puede hacer por una persona influyen en el comportamiento, es decir, en el uso de Internet, lo que a su vez también influye en las expectativas futuras. Sin embargo, en nuestro modelo nos hemos centrado en el papel mediador de las expectativas y las estrategias de afrontamiento en el desarrollo y mantenimiento de una AIG y tipos específicos de AIS.
Para el desarrollo y mantenimiento de GIA, argumentamos que el usuario tiene ciertas necesidades y objetivos que pueden lograrse mediante el uso de ciertas aplicaciones de Internet. Sobre la base de investigaciones anteriores, incorporamos varios de esos hallazgos para desarrollar un modelo integral que vincule estos elementos. Inicialmente, las características principales de una persona están asociadas con la IA e incluyen aspectos psicopatológicos, aspectos de la personalidad y cogniciones sociales. En la primera sección, incluimos los síntomas psicopatológicos, en particular la depresión y la ansiedad social (por ejemplo, Whang et al., 2003; Yang et al., 2005), facetas disfuncionales de la personalidad, como baja autoeficacia, timidez, vulnerabilidad al estrés y tendencias a la dilación (Whang et al., 2003; Chak y Leung, 2004; Caplan, 2007; Ebeling-Witte y otros, 2007; Hardie y Tee, 2007; Thatcher et al., 2008; Kim y Davis, 2009; Pontes et al., 2014), y aislamiento social / falta de apoyo social (Morahan-Martin y Schumacher, 2003; Caplan, 2005) en el desarrollo de GIA. Sin embargo, sugerimos que la influencia de las principales características y cogniciones de esa persona en el desarrollo de un uso adictivo de Internet debería estar mediada por ciertas cogniciones relacionadas con Internet, en particular las expectativas de uso de Internet (Turel et al., 2011; Xu et al., 2012; Lee et al., 2014), y ciertas estrategias para hacer frente a los requisitos de la vida cotidiana o molestias diarias (Tang et al., 2014; Tonioni et al., 2014). En la tercera sección del modelo, como un comportamiento consecuente, si el usuario se conecta y recibe refuerzos en términos de manejo disfuncional de problemas o estado de ánimo negativo y la persona espera que el uso de Internet los distraiga de los problemas o sentimientos negativos, entonces más Es probable que acudan a Internet para escapar de esos sentimientos que se evidencian por la pérdida de control, la mala gestión del tiempo, los antojos y el aumento de los problemas sociales. El papel de los procesos de refuerzo y acondicionamiento se ha descrito bien en la literatura sobre el desarrollo y mantenimiento de trastornos relacionados con sustancias (por ejemplo, Robinson y Berridge, 2001, 2008; Kalivas y Volkow, 2005; Everitt y Robbins, 2006). También hemos argumentado que el refuerzo positivo y negativo del estilo de afrontamiento y las expectativas de uso de Internet se traducen sucesivamente en una pérdida del control cognitivo sobre el uso de Internet, que está mediado por el funcionamiento prefrontal (ejecutivo) (Brand et al., 2014).
Aunque este modelo encaja bien con la literatura previa sobre hallazgos clave con respecto a los mecanismos psicológicos detrás de IA (ver resúmenes de Kuss y Griffiths, 2011a , b ; Griffiths, 2012 ) y también con correlatos neuropsicológicos y de neuroimagen muy recientes de GIA y distintos tipos de SIA ( Kuss y Griffiths, 2012 ; Brand et al., 2014 ), este modelo todavía necesita evidencia empírica en términos de validez incremental. En este estudio, nuestro objetivo fue traducir las hipótesis resumidas en el modelo teórico sobre GIA descrito anteriormente a un modelo estadístico a nivel de variables latentes y probamos los efectos predictores y mediadores sobre la gravedad de los síntomas de GIA utilizando una población de Internet a gran escala. Utilizando medidas psicológicas y de personalidad validadas, primero evaluamos las características centrales de una persona para predecir un uso excesivo y adictivo de Internet de manera generalizada. Utilizando una medida validada de afrontamiento y una medida de expectativas de uso de Internet de reciente desarrollo, comprobamos si las escasas habilidades de afrontamiento y las expectativas de uso de Internet (como usar Internet para escapar de sentimientos negativos o situaciones desagradables) median la relación entre las características centrales de la persona y los síntomas de la ansiedad generalizada idiopática (AGI).
Materiales y Métodos
El modelo operacionalizado
Primero, traducimos el modelo teórico descrito en la introducción e ilustrado en el artículo de Brand et al. (2014) a un modelo estadístico comprobable y operacionalizado. Para cada una de las dimensiones mencionadas en el modelo teórico, seleccionamos al menos dos variables manifiestas para construir un modelo de ecuaciones estructurales (SEM) a nivel latente. Para cada variable, utilizamos una escala específica (cada una compuesta por varios ítems; véase la descripción de los instrumentos a continuación) para operacionalizar las variables manifiestas. Este modelo operacionalizado como SEM a nivel latente se muestra en la Figura 1.
FIGURA 1. El modelo operacionalizado, incluidas las principales suposiciones del modelo teórico sobre GIA, en dimensión latente.
Materias
Mediante una encuesta online exhaustiva, obtuvimos 1148 encuestados. Tras excluir a 129 participantes por datos incompletos en las escalas psicométricas, la muestra final fue de N = 1019. Los participantes fueron reclutados mediante anuncios, plataformas de internet (cuenta de Facebook del equipo de Psicología General: Cognición), listas de correo electrónico de estudiantes de la Universidad de Duisburg-Essen, folletos en bares y pubs locales y recomendaciones personales. Los anuncios, correos electrónicos y folletos incluían una declaración que indicaba que los participantes podían participar en un sorteo para ganar uno de los siguientes artículos: (1) iPad, (2) iPad mini, (3) iPod nano, (4) iPod shuffle, 20 tarjetas regalo de Amazon (50 euros cada una). El estudio fue aprobado por el comité de ética local.
La edad media de la muestra final fue de 25.61 años (DE = 7.37). La muestra incluyó 625 (61.33%) mujeres y 385 (37.78%) hombres (nueve voluntarios no respondieron a esta pregunta). Con respecto a la situación de la vida privada, 577 participantes (56.62%) vivían en una relación o estaban casados y 410 (40.24%) indicaron no tener una relación actual (32 participantes no respondieron a esta pregunta). En el momento de la evaluación, 687 participantes (67.42%) eran estudiantes, 332 participantes (32.58%) tenían un trabajo regular (con o sin formación académica). De toda la muestra, 116 participantes (11.4%) cumplieron los criterios para el uso problemático de Internet [punto de corte >30 en el Test de Adicción a Internet corto (s-IAT), ver descripción del instrumento más abajo] y 38 participantes (3.7%) para un uso patológico de Internet (>37 en el s-IAT). El tiempo medio dedicado a Internet fue de 972.36 min/semana (DE = 920.37). De la muestra total, 975 individuos utilizaron sitios de redes sociales/comunicación ( M min/semana = 444.47, DE = 659.05), 998 individuos (97.94%) buscaron información en Internet ( M min/semana = 410.03, DE = 626.26), 988 individuos (96.96%) utilizaron sitios de compras ( M min/semana = 67.77, DE = 194.29), 557 participantes utilizaron juegos en línea (54.66%, M min/semana = 159.61, DE = 373.65), 161 participantes realizaron apuestas en línea (15.80%, M min/semana = 37.09, DE = 141.70) y 485 individuos utilizaron cibersexo (47.60%, M min/semana = 66.46, DE = 108.28). En cuanto al uso de múltiples aplicaciones de Internet, 995 participantes (97.64%) informaron utilizar tres o más de las aplicaciones de Internet mencionadas anteriormente de forma regular.
Instrumentos
Prueba corta de adicción a Internet (s-IAT)
Los síntomas de la adicción a Internet (AI) se evaluaron con la versión corta alemana del Test de Adicción a Internet ( Pawlikowski et al., 2013 ), que se basa en la versión original desarrollada por Young (1998) . En la versión corta (s-IAT), se deben responder 12 ítems en una escala de cinco puntos que va de 1 (= nunca) a 5 (= muy a menudo), lo que da como resultado puntuaciones totales que van de 12 a 60, mientras que las puntuaciones >30 indican un uso problemático de Internet y las puntuaciones >37 indican un uso patológico de Internet ( Pawlikowski et al., 2013 ). El s-IAT consta de dos factores: pérdida de control/gestión del tiempo y ansia/problemas sociales (cada uno con seis ítems). Aunque los 12 ítems se agrupan en dos factores tanto en el análisis factorial exploratorio como en el confirmatorio (AFC; Pawlikowski et al., 2013 ), capturan los síntomas clave de la AI, como se describe, por ejemplo, en el modelo de componentes de ( Griffiths, 2005 ). La primera subescala, “pérdida de control/gestión del tiempo”, evalúa la intensidad de los problemas de gestión del tiempo que una persona experimenta en su vida diaria debido al uso de Internet (por ejemplo, “¿Con qué frecuencia descuidas las tareas del hogar para pasar más tiempo en línea?” y “¿Con qué frecuencia pierdes el sueño por estar en línea hasta tarde?”). Los ítems de esta subescala también evalúan las consecuencias negativas causadas por el uso excesivo de Internet (por ejemplo, “¿Con qué frecuencia se ven afectadas tus calificaciones o tu trabajo escolar debido al tiempo que pasas en línea?”). También se mide si los sujetos experimentan una pérdida de control sobre su uso de Internet y si han intentado reducirlo sin éxito (por ejemplo, “¿Con qué frecuencia te das cuenta de que pasas más tiempo en línea del que pretendías?” y “¿Con qué frecuencia intentas reducir el tiempo que pasas en línea sin éxito?”). Todos los ítems no miden el tiempo que se pasa en línea, sino si las personas experimentan o no una pérdida de control con respecto a su uso de Internet y problemas en la vida diaria como resultado de dicho uso. La segunda subescala “deseo/problemas sociales” mide los efectos del uso excesivo de Internet en las interacciones sociales y la preocupación por el medio (p. ej., “¿Con qué frecuencia se siente preocupado por Internet cuando está desconectado o fantasea con estar conectado?”). Los ítems de esta subescala también evalúan problemas interpersonales (p. ej., ¿Con qué frecuencia se enfada, grita o actúa molesto si alguien le molesta mientras está conectado?”) y la regulación del estado de ánimo (p. ej., “¿Con qué frecuencia se siente deprimido, malhumorado o nervioso cuando está desconectado, y estos sentimientos desaparecen una vez que vuelve a conectarse?”). Todos los ítems incluyen los términos “Internet” o “en línea” en general, sin centrarse en una aplicación específica. En las instrucciones, se informó a los participantes que todas las preguntas se relacionan con su uso general de Internet, incluidas todas las aplicaciones utilizadas.
El s-IAT posee buenas propiedades psicométricas y validez ( Pawlikowski et al., 2013 ). En nuestra muestra, la consistencia interna (alfa de Cronbach) fue de 0.856 para la escala completa, 0.819 para el factor pérdida de control/gestión del tiempo y 0.751 para el factor antojo/problemas sociales.
Inventario breve de síntomas - depresión de subescala
Los síntomas de depresión se evaluaron con la versión alemana ( Franke, 2000 ) de la subescala de depresión del Inventario Breve de Síntomas ( Boulet y Boss, 1991 ; Derogatis, 1993 ). La escala consta de seis ítems que evalúan los síntomas depresivos de los últimos 7 días. Las respuestas deben darse en una escala de cinco puntos que va de 0 (en absoluto) a 4 (en gran medida). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.858.
Inventario breve de síntomas: subescala de sensibilidad interpersonal
Los síntomas de ansiedad social y sensibilidad interpersonal se evaluaron con la versión alemana ( Franke, 2000 ) de la subescala de sensibilidad interpersonal del Inventario Breve de Síntomas ( Boulet y Boss, 1991 ; Derogatis, 1993 ). La escala consta de cuatro ítems y las respuestas deben darse en una escala de cinco puntos que va de 0 (en absoluto) a 4 (extremadamente). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.797.
Escala de autoestima
La autoestima se evaluó mediante la Escala de Autoestima ( Rosenberg, 1965 ). En este estudio, utilizamos la versión alemana modificada ( Collani y Herzberg, 2003 ), que consta de diez ítems. Las respuestas deben darse en una escala de cuatro puntos, desde 0 (totalmente en desacuerdo) hasta 3 (totalmente de acuerdo). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.896.
Escala de autoeficacia
La autoeficacia se evaluó mediante la Escala de Autoeficacia ( Schwarzer y Jerusalem, 1995 ), que consta de 10 ítems. Las respuestas deben darse en una escala de cuatro puntos que va de 1 (= falso) a 4 (= totalmente cierto). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.863.
Inventario de Trier para el estrés crónico
La vulnerabilidad al estrés se midió mediante la versión de cribado del Inventario de Estrés Crónico de Trier (TICS; Schulz et al., 2004 ). El cribado consta de 12 ítems sobre la exposición al estrés en los últimos 3 meses. Cada enunciado debe responderse en una escala de cinco puntos que va de 0 (= nunca) a 4 (= muy a menudo). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.908.
Escala de soledad
Se utilizó la versión corta de la Escala de Soledad ( De Jong Gierveld y Van Tilburg, 2006 ) para medir la sensación de soledad (subescala de soledad emocional, tres ítems) y el apoyo social percibido (subescala de apoyo social, tres ítems). Todas las afirmaciones debían responderse en una escala de cinco puntos, de 1 (¡no!) a 5 (¡sí!). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.765 para la subescala de soledad emocional y de 0.867 para la subescala de apoyo social.
Breve COPE
El Brief COPE ( Carver, 1997 ) mide el estilo de afrontamiento en varios subdominios diferentes. Aquí utilizamos tres subescalas de la versión alemana ( Knoll et al., 2005 ): negación, consumo de sustancias y desvinculación conductual. Cada subescala estaba representada por dos ítems, que debían responderse en una escala de cuatro puntos que iba de 1 (= No he estado haciendo esto en absoluto) a 4 (= Lo he estado haciendo mucho). La consistencia interna (alfa de Cronbach) en nuestra muestra fue de 0.561 para la subescala de negación, 0.901 para la subescala de consumo de sustancias y 0.517 para la subescala de desvinculación conductual. Dado que las escalas constan de solo dos ítems y que el instrumento se ha utilizado en varios estudios de validación, incluidos informes sobre la fiabilidad test-retest, consideramos que la fiabilidad es aceptable.
Escala de Expectativas de Uso de Internet
Para evaluar las expectativas de uso de Internet, desarrollamos una nueva escala que consta, en su primera versión, de 16 ítems. Estos ítems reflejan algunos factores motivadores clave, como los descritos por Xu et al. (2012) y Yee (2006) . Los ítems se asignaron a priori a dos escalas (cada una con ocho ítems): expectativas de uso de Internet que reflejan refuerzo positivo (p. ej., «Uso Internet para experimentar placer») y aquellas que reflejan refuerzo negativo (p. ej., «Uso Internet para distraerme de los problemas»). Todas las respuestas se dieron en una escala de seis puntos, desde 1 (= totalmente en desacuerdo) hasta 6 (= totalmente de acuerdo). Con base en los datos recopilados en este estudio ( N = 1019), realizamos un análisis factorial exploratorio (AFE). Se utilizó el análisis paralelo de Horn (1965) y la prueba de media parcial mínima (MAP) ( Velicer, 1976 ) para determinar el número adecuado de factores. Este procedimiento resultó en una solución estable de dos factores. Se realizó un análisis factorial exploratorio (AFE) con análisis de componentes principales y rotación varimax para evaluar la estructura de la Escala de Expectativas de Uso de Internet (EUI). Los resultados del AFE concluyeron con una versión final de 8 ítems de la EUI, manteniendo la estructura de dos factores (Tabla 1 ). Con estos dos factores, se observó una explicación de la varianza del 63.41%. El primer factor contiene cuatro ítems con cargas altas en el factor principal (>0.50) y cargas bajas en el otro factor (<0.20), y se relaciona con expectativas positivas, por lo que lo denominamos "expectativas positivas". El segundo factor consta de cuatro ítems con cargas altas en el factor principal (>0.50) y cargas bajas en el otro factor (<0.20), y todos los ítems se relacionan con el uso de Internet para evitar o reducir sentimientos o pensamientos negativos, por lo que lo denominamos "expectativas de evitación". Ambos factores presentan una buena fiabilidad (expectativas positivas: α de Cronbach = 0.832 y expectativas de evitación: α de Cronbach = 0.756). Los dos factores mostraron una correlación significativa ( r = 0.496, p < 0.001) con un efecto moderado ( Cohen, 1988 ).
TABLA 1. Carga de factores y confiabilidad de los dos factores de los IUES, los medios de los artículos calificados y los números de los artículos.
Para garantizar la estructura factorial del instrumento, evaluamos una muestra adicional de 169 sujetos (edad media = 21.66, DE = 2.69; 106 mujeres) para aplicar un AFC. El AFC se realizó con MPlus ( Muthén y Muthén, 2011 ). Para la evaluación del ajuste del modelo, aplicamos criterios estándar ( Hu y Bentler, 1995 , 1999 ): el residuo cuadrático medio estandarizado (SRMR; valores inferiores a 0.08 indican un buen ajuste con los datos), los índices de ajuste comparativo (CFI/TLI; valores superiores a 0.90 indican un buen ajuste, valores superiores a 0.95 un ajuste excelente) y el error cuadrático medio de aproximación (RMSEA; "prueba de buen ajuste"; un valor inferior a 0.08 con un valor de significancia inferior a 0.05 indica un ajuste aceptable). El análisis factorial confirmatorio (AFC) confirmó la solución de dos factores para el IUES con parámetros de ajuste de buenos a excelentes: el RMSEA fue de 0.047, el CFI de 0.984, el TLI de 0.975 y el SRMR de 0.031. La prueba χ² no fue significativa, χ² = 24.58, p = 0.137, lo que indica que los datos no se desviaron significativamente del modelo teórico (solución de dos factores, como se muestra en la Tabla 1 ). Esta muestra se recolectó únicamente para el AFC. Los datos no se incluyeron en los análisis posteriores.
Análisis estadístico
Se realizaron procedimientos estadísticos estándar con SPSS 21.0 para Windows (IBM SPSS Statistics, lanzado en 2012). Se calcularon correlaciones de Pearson para probar relaciones de orden cero entre dos variables. Para controlar los datos de valores atípicos, creamos una variable aleatoria con distribución normal con la misma media y desviación estándar que encontramos en el s-IAT (puntuación general). Teóricamente, esta variable aleatoria no debería estar relacionada con ninguna de las variables de interés, si las correlaciones no estuvieran influenciadas por valores atípicos en los datos. Todas las correlaciones con la variable aleatoria fueron muy bajas, r s < 0.049, lo que indica que no hubo valores atípicos sustancialmente influyentes en ninguna de las escalas en la muestra final ( N = 1019). Además, se controlaron visualmente los diagramas de dispersión entre las variables. Nuevamente, no se encontraron valores atípicos extremos. Por lo tanto, los análisis se realizaron con todos los sujetos.
El análisis SEM se realizó con MPlus 6 ( Muthén y Muthén, 2011 ). No hubo datos faltantes. Antes de probar el modelo completo, también se evaluó el ajuste de las dimensiones latentes mediante CFA en MPlus. Tanto para SEM como para CFA, se aplicó la estimación de parámetros de máxima verosimilitud. Para la evaluación del ajuste del modelo, aplicamos los criterios estándar ( Hu y Bentler, 1995 , 1999 ), como ya se describió en la sección anterior. Para aplicar el análisis de mediación, se requirió, según Baron y Kenny (1986) , que todas las variables incluidas en la mediación estuvieran correlacionadas entre sí. También utilizamos regresiones moderadas para analizar posibles efectos moderadores como análisis adicionales para una conceptualización alternativa del concepto de afrontamiento.
Resultados
Valores descriptivos y correlaciones
Las puntuaciones medias de las muestras en el s-IAT y en todas las demás escalas aplicadas se pueden encontrar en la Tabla 2. La puntuación media del s-IAT de M = 23.79 (DE = 6.69) es bastante comparable con la puntuación reportada por Pawlikowski et al. (2013) para una muestra de 1820 sujetos de la población general (la puntuación media del s-IAT fue M = 23.30, DE = 7.25). Las correlaciones bivariadas entre el s-IAT (puntuación total) y las puntuaciones en los cuestionarios y escalas administrados se muestran en la Tabla 3.
TABLA 3. Correlaciones bivariadas entre el s-IAT (puntaje total) y los puntajes en los cuestionarios administrados.
Dimensiones latentes del modelo propuesto en el análisis factorial confirmatorio
Para probar sistemáticamente el modelo teórico propuesto, primero analizamos el modelo factorial, lo que significa que se verificó si las dimensiones latentes están representadas de manera aceptable por las variables manifiestas. Por lo tanto, se realizó un análisis factorial confirmatorio (AFC) con las seis dimensiones latentes (una dimensión dependiente, tres dimensiones predictoras y dos dimensiones mediadoras). El RMSEA fue de 0.066 con p < 0.001, el CFI fue de 0.951, el TLI fue de 0.928 y el SRMR fue de 0.041, lo que indica un buen ajuste del modelo.
La primera dimensión latente "síntomas de GIA" estuvo bien representada por los puntajes en los dos factores de s-IAT (pérdida de control / gestión del tiempo y deseo / problemas sociales) según lo previsto. La primera variable predictiva "síntomas psicopatológicos" estuvo representada de manera significativa por las dos subescalas de BSI (depresión y sensibilidad interpersonal). La dimensión "aspectos de la personalidad" estaba bien representada por las tres variables manifiestas hipotéticas (autoeficacia, autoestima y vulnerabilidad al estrés) y la última dimensión predictiva "cogniciones sociales" estaba bien representada por las dos subescalas de la escala de la soledad (emocional soledad y apoyo social). Los resultados mostraron que la primera dimensión hipotética del mediador "afrontamiento" estaba bien representada por las tres subescalas de la COPE (negación, abuso de sustancias y desconexión del comportamiento) y la segunda dimensión mediadora "expectativas de uso de Internet" estaba bien representada por los dos factores IUES ( expectativas positivas y expectativas de evitación).
En general, el AFC indicó que las dimensiones latentes están representadas de manera aceptable por las variables manifiestas. Solo en la dimensión de afrontamiento, la escala de abuso de sustancias presenta una carga factorial más débil (β = 0.424), pero aún significativa ( p < 0.001) y, por lo tanto, suficiente, dado que el modelo general se ajustó bien a los datos. Todas las cargas factoriales y los errores estándar se muestran en la Tabla 4.
TABLA 4. Coeficientes de las cargas de las variables manifiestas en las dimensiones latentes, probadas con CFA en MPlus.
El modelo de ecuación estructural completa
El modelo teórico propuesto sobre la dimensión latente con GIA como variable dependiente (modelado por los dos factores s-IAT) mostró un buen ajuste con los datos. El RMSEA fue de 0.066 con p < 0.001, el CFI fue de 0.95, el TLI fue de 0.93 y el SRMR fue de 0.041. La prueba χ² fue significativa, χ² = 343.89, p < 0.001, lo cual es normal dado el gran tamaño de la muestra. Sin embargo, la prueba χ² para el modelo de referencia también fue significativa con un valor de χ² considerablemente mayor, χ² = 5745.35 , p < 0.001. En resumen, los datos se ajustaron bien al modelo teórico propuesto. En general, la gran proporción del 63.5 % de la varianza en GIA fue explicada significativamente por el SEM completo ( R² = 0.635, p < 0.001). El modelo y todos los efectos directos e indirectos se muestran en la Figura 2.
FIGURA 2. Resultados del modelo de ecuaciones estructurales, incluyendo las cargas factoriales de las dimensiones latentes, los coeficientes β, los valores p y los residuos. *** p < 0.001.
Los tres efectos directos de los predictores sobre GIA no fueron significativos (Figura 2 ). Sin embargo, cabe destacar que el efecto directo de la variable latente aspectos psicopatológicos no alcanzó la significación estadística con p = 0.059. En este caso, debe considerarse que el coeficiente β fue negativo, lo que indica que, en caso de interpretarse el efecto directo marginalmente significativo, una mayor depresión y ansiedad social se asocian con menores síntomas de GIA si se parcializa el efecto indirecto de los aspectos psicopatológicos sobre las dos variables mediadoras (afrontamiento y expectativas de uso de Internet). Los efectos directos de las dos variables predictoras latentes, aspectos psicopatológicos y personalidad, sobre ambas variables mediadoras latentes, afrontamiento y expectativas de uso de Internet, fueron significativos. Por el contrario, los efectos directos de la variable latente cogniciones sociales sobre afrontamiento y expectativas de uso de Internet no fueron significativos, lo que significa que estos efectos no fueron significativos al controlar los efectos de las otras dos dimensiones latentes.
Sin embargo, los efectos de las cogniciones sociales sobre las expectativas de uso de Internet no alcanzaron la significación estadística ( p = 0.073). Los efectos directos del afrontamiento sobre la ansiedad generalizada ( p < 0.001) y sobre las expectativas de uso de Internet ( p < 0.001) fueron significativos, con tamaños del efecto elevados.
El efecto indirecto de los aspectos psicopatológicos sobre el afrontamiento de la AIG fue significativo (β = 0.173, EE = 0.059, p = 0.003). También el efecto indirecto de los aspectos psicopatológicos sobre las expectativas de uso de Internet para la AIG fue significativo (β = 0.159, EE = 0.072, p = 0.027). El efecto indirecto de los aspectos de la personalidad sobre el afrontamiento de la AIG también fue significativo (β = –0.08, EE = 0.041, p = 0.05), pero el tamaño del efecto fue muy pequeño. El efecto indirecto de los aspectos de la personalidad sobre las expectativas de uso de Internet para la AIG fue significativo (β = –0.160, EE = 0.061, p = 0.009). Ambos efectos indirectos de las cogniciones sociales sobre el afrontamiento (β = 0.025, EE = 0.030, p = 0.403) y la cognición social sobre las expectativas de uso de Internet (β = –0.08, EE = 0.045, p = 0.075) sobre GIA no fueron significativos. El modelo con todas las cargas factoriales y los pesos β se muestra en la Figura 2. La dimensión latente de aspectos psicopatológicos se correlacionó significativamente con la dimensión latente de aspectos de la personalidad ( r = -0.844, p < 0.001) y con la dimensión latente de cogniciones sociales ( r = –0.783, p < 0.001). Además, las dos dimensiones latentes de aspectos de la personalidad y cogniciones sociales se correlacionaron ( r = 0.707, p < 0.001).
Análisis adicionales
El modelo descrito fue el teóricamente argumentado y, por consiguiente, el que probamos primero. Sin embargo, posteriormente probamos algunos modelos adicionales o partes del modelo por separado para comprender mejor los mecanismos subyacentes de la AIG con mayor detalle. El primer aspecto que abordamos fue el efecto de la psicopatología sobre la AIG, ya que nos pareció interesante que el efecto directo, aunque no significativo, fuera negativo en el SEM (véase la Figura 2 ), si bien a nivel bivariado las correlaciones fueron positivas. El modelo simple con aspectos psicopatológicos (representados por la depresión del BIS y la ansiedad social del BSI) como predictor y la AIG (representada por los dos factores del s-IAT) como variable dependiente tuvo un buen ajuste del modelo (todos los índices de ajuste son mejores que aceptables) y el efecto fue positivo (β = 0.451, p < 0.001). También calculamos el modelo sin los dos mediadores, lo que significa que los aspectos psicopatológicos, los aspectos de personalidad y los aspectos sociales sirvieron como predictores directos y GIA fue la variable dependiente (todas las variables en nivel latente con las mismas variables utilizadas en todo el SEM, ver Figura 2 ). El modelo sin mediadores también tuvo buenos índices de ajuste (con una excepción: el RMSEA fue con 0.089 un poco alto) y los efectos directos sobre GIA (los dos factores s-IAT) fueron: efecto de los aspectos psicopatológicos sobre GIA β = 0.167, p = 0.122; efecto de los aspectos de personalidad sobre GIA β = –0.223, p = 0.017; y efecto de los aspectos sociales sobre GIA β = –0.124, p = 0.081. Nótese que el efecto de los aspectos psicopatológicos sobre GIA sigue siendo positivo en este modelo (pero no significativo) cuando el efecto se controla por los efectos de los aspectos de personalidad y sociales. En conjunto, los resultados del SEM general indican una mediación completa del efecto de los aspectos psicopatológicos sobre el GIA por parte de los dos mediadores (afrontamiento y expectativas), lo cual se ve reforzado por los dos análisis adicionales que muestran que el efecto positivo a nivel bivariado y en el modelo simple se reduce al incluir más variables como predictores.
Teóricamente, hemos conceptualizado el afrontamiento como un mediador ( Brand et al., 2014 ). Sin embargo, también se podría argumentar que el afrontamiento no media el efecto de los aspectos psicopatológicos, sino que actúa como un moderador. Para asegurar que la conceptualización del afrontamiento como mediador, en lugar de moderador, sea apropiada, calculamos adicionalmente algunos análisis de moderación utilizando análisis de regresión moderada. Por ejemplo, al usar los aspectos psicopatológicos como predictor, el afrontamiento como moderador y el s-IAT (puntuación total) como variable dependiente, tanto los aspectos psicopatológicos (β = 0.267) como el afrontamiento (β = 0.262) explican significativamente la varianza en el s-IAT (ambos p < 0.001), pero su interacción no añade significativamente explicación de la varianza (cambios en R² = 0.003 , p = 0.067, β = -0.059) y el incremento del efecto moderador es casi cero (0.3%).
También consideramos la edad y el género como variables potenciales que pueden tener un efecto en la estructura del modelo. Para probar esto, primero calculamos las correlaciones bivariadas entre la edad y todas las demás variables que resultan en correlaciones muy bajas. Sólo hubo una correlación con r = 0.21 (edad y expectativas de evitación), que sigue siendo un efecto bajo (Cohen, 1988), y todas las otras correlaciones tuvieron efectos entre r = 0.016 y r = 0.18 con más ser r <0.15 y r <0.10. La correlación entre la edad y el s-IAT también fue muy baja con r = –0.14 (aunque significativo en p <0.01, lo cual es claro en una muestra tan grande). En resumen, no se cumplieron los requisitos para incluir la edad en el modelo de mediación (Baron y Kenny, 1986) y decidimos no incluir la edad en un modelo adicional. Con respecto al género, comparamos las puntuaciones medias de todas las escalas utilizadas en los grupos y encontramos solo una diferencia significativa entre los grupos (ansiedad social BSI, las mujeres obtuvieron puntuaciones más altas con un efecto bajo de d = 0.28, todos los demás efectos fueron inferiores a 0.28, el efecto para la puntuación s-IAT fue d = 0.19). No obstante, probamos si la estructura del modelo es diferente para las mujeres y los hombres mediante el análisis de la estructura media en el análisis SEM. Esto significa que probamos si el SEM (ver Figura 2) es igual para los participantes masculinos y femeninos. El H0 de esta prueba es: modelo teórico = modelo para el grupo "hombres" = modelo para el grupo "mujeres". Todos los índices de ajuste fueron aceptables, lo que indica que la estructura de las relaciones no fue significativamente diferente para hombres y mujeres. El RMSEA fue 0.074 con p <0.001, el CFI fue 0.93, el TLI fue 0.91 y el SRMR fue 0.054. El χ2 prueba fue significativa, χ2 = 534.43, p <0.001, lo que es normal dado el gran tamaño de la muestra. Sin embargo, el χ2 La prueba para el modelo de línea de base también fue significativa con una mayor χ2 valor, χ2 = 5833.68, p <0.001. La contribución a la χ2 del modelo probado por hombres y mujeres fueron comparables (2 Contribuciones de mujeres = 279.88,2 Contribuciones de hombres = 254.55). Aunque la estructura general del modelo no es significativamente diferente para hombres y mujeres, inspeccionamos el camino simple y encontramos tres diferencias. El camino de los aspectos de la personalidad al afrontamiento fue significativo en los hombres (β = –0.437, p = 0.002), pero no en mujeres (β = –0.254, p = 0.161) y el efecto de los aspectos de la personalidad en las expectativas fue significativo en los hombres (β = -0.401, p = 0.001), pero no en mujeres (β = –0.185, p = 0.181). Además, el efecto de los aspectos psicopatológicos en las expectativas fue significativo en mujeres (β = 0.281, p = 0.05), pero no en hombres (β = 0.082, p = 0.599). Todos los demás efectos y la representación de las dimensiones latentes no fueron diferentes entre hombres y mujeres y tampoco fueron diferentes del modelo general ilustrado en la Figura 2. En resumen, todo el modelo probado es válido para hombres y mujeres, aunque el efecto negativo de los aspectos de la personalidad en el afrontamiento y las expectativas está más presente en los hombres que en las mujeres y el efecto de los aspectos psicopatológicos en las expectativas está presente en las mujeres, pero no en los hombres .
Discusión
Hemos introducido un nuevo modelo teórico sobre el desarrollo y mantenimiento del uso adictivo de Internet ( Brand et al., 2014 ), basado en los argumentos principales de Davis (2001), quien sugirió por primera vez una diferenciación entre el uso excesivo generalizado de Internet (AEG) y la adicción específica a ciertas aplicaciones de Internet (AEI). En el presente estudio, traducimos el modelo teórico sobre AEG a un modelo operacionalizado a nivel latente y probamos estadísticamente el SEM mediante una encuesta en línea a una población de 1019 encuestados. Encontramos un buen ajuste general del modelo con los datos y el SEM hipotetizado, que representa las facetas principales del modelo teórico y explica el 63.5 % de la varianza de los síntomas de AEG medidos por el s-IAT ( Pawlikowski et al., 2013 ).
Este modelo es el primero en vincular elementos asociados con la adicción a Internet (AI), como la depresión, la ansiedad social, la baja autoestima, la baja autoeficacia y una mayor vulnerabilidad al estrés. Basándose en el énfasis en las cogniciones relacionadas con el desarrollo de la AI y con el comportamiento adictivo en general ( Lewis y O'Neill, 2000 ; Dunne et al., 2013 ; Newton et al., 2014 ), el modelo investiga si dos variables mediadoras (estilos de afrontamiento y expectativas sobre el uso de Internet) influyen en los efectos directos de las variables predictoras (psicopatología, personalidad y cogniciones sociales) sobre el desarrollo de la AI general. Los resultados muestran que tanto los estilos de afrontamiento como las expectativas sobre el uso de Internet desempeñan un papel significativo.
Todas las variables (predictoras y mediadoras) incluidas en el modelo se correlacionaron significativamente con la puntuación s-IAT a nivel bivariado. Esto es básicamente consistente con investigaciones previas sobre relaciones bivariadas entre síntomas de IA y aspectos de personalidad, síntomas psicopatológicos y otras variables personales, como se mencionó en la Introducción. Sin embargo, en el análisis SEM, todos los efectos directos de las tres principales predictoras (sobre la dimensión latente) dejaron de ser significativos al incluir las mediadoras hipotetizadas en el modelo. Esto significa que los aspectos psicopatológicos (depresión, ansiedad social), los aspectos de personalidad (autoestima, autoeficacia y vulnerabilidad al estrés), así como las cogniciones sociales (soledad emocional, apoyo social percibido) no impactan directamente en los síntomas de GIA, sino que su influencia está mediada por un estilo de afrontamiento disfuncional, las expectativas de uso de Internet o ambos. Sin embargo, los aspectos psicopatológicos y los aspectos de personalidad predicen significativamente tanto el estilo de afrontamiento disfuncional como las expectativas de uso de Internet. Sin embargo, las cogniciones sociales no están significativamente relacionadas con el afrontamiento y las expectativas, cuando se controla su impacto relativo teniendo en cuenta los efectos de los aspectos psicopatológicos y de la personalidad (aunque cabe señalar que las tres dimensiones latentes predictoras se correlacionaron significativamente y que el efecto de las cogniciones sociales sobre las expectativas de uso de Internet no alcanzó la significación estadística). Los efectos directos tanto del estilo de afrontamiento como de las expectativas sobre los síntomas de la ansiedad generalizada fueron significativos. En resumen, el presente estudio, aunque con una población no clínica, no solo confirma los hallazgos previos sobre la relevancia del estilo de afrontamiento y el manejo de eventos vitales estresantes ( Kardefelt-Winther, 2014 ; Tang et al., 2014 ; Tonioni et al., 2014 ), así como las expectativas sobre el uso de Internet ( Turel y Serenko, 2012 ; Xu et al., 2012 ; Lee et al., 2014 ) para el desarrollo o mantenimiento de los síntomas de la AIG, sino que destaca explícitamente el papel del afrontamiento y las expectativas como mediadores en el proceso subyacente a la AIG.
El modelo fue probado con una gran población en línea. El modelo debe probarse con muestras clínicas claramente definidas, como individuos que buscan tratamiento. El significado del modelo sería más sólido con una población clínica para extraer implicaciones clínicas más precisas. Aunque 11.3% de la muestra informó un uso problemático de Internet y 3.7% se describió a sí mismo como un uso adictivo de Internet, este estudio se considera solo una mirada inicial para ver si el modelo funciona y genera inferencias estadísticas que podrían tener relevancia clínica. Sin embargo, como un nuevo modelo con significación estadística que utiliza una variedad de pruebas psicológicas y de personalidad en usuarios en línea, algunas implicaciones clínicas, que pueden inspirar futuras investigaciones, pueden realizarse con precaución.
Primero, las personas con afrontamiento disfuncional para hacer frente a problemas en su vida y que tienen la expectativa de que se puede usar Internet para aumentar el estado de ánimo positivo o reducir el estado de ánimo pueden ser más propensas a desarrollar GIA. Además, los efectos de los aspectos psicopatológicos tanto en el afrontamiento disfuncional como en las expectativas de uso de Internet fueron positivos, lo que indica que los síntomas más altos de depresión y ansiedad social pueden aumentar el riesgo de estrategias de afrontamiento disfuncionales y también la expectativa de que Internet proporciona ayuda para enfrentar el estrés o lo negativo. estado animico. Solo cuando estos procesos actúan en concierto, es decir, la combinación de síntomas psicopatológicos y de afrontamiento / expectativas, la probabilidad de usar Internet de forma adictiva parece aumentar.
En segundo lugar, aunque el número de estudios que abordan el tratamiento de la adicción a Internet generalizada (AIG) es limitado, el metaanálisis publicado por Winkler et al. (2013) sostiene que la terapia cognitivo-conductual es el método de elección. Esto se basa particularmente en el análisis de los efectos del tratamiento en el tiempo dedicado a Internet, la depresión y los síntomas de ansiedad. De hecho, la terapia cognitivo-conductual para la adicción a Internet (TCC-AI; Young, 2011a ) se ha identificado como la forma más prevalente de tratamiento de la adicción a Internet ( Cash et al., 2012 ). Dentro del tratamiento cognitivo-conductual de la AIG propuesto por Young (2011a) , ya se ha planteado la hipótesis de que las características individuales, así como las expectativas de afrontamiento y uso de Internet, son relevantes en el tratamiento de la AIG, pero la evidencia empírica era muy escasa (p. ej., Young, 2013 ).
Los hallazgos presentados en este estudio proporcionan una fuente adicional de evidencia para demostrar que la terapia cognitivo-conductual y la TCC-IA pueden funcionar para tratar la IA. Las cogniciones específicas de la persona (estilo de afrontamiento y expectativas de uso de Internet) median el impacto de los síntomas psicopatológicos (depresión, ansiedad social), rasgos de personalidad y cognición social (soledad, apoyo social) en los síntomas del GIA. Al utilizar la terapia cognitiva, el énfasis en la evaluación debe incluir la identificación de las cogniciones disfuncionales que deben abordarse. Es decir, después de un examen, los médicos deben examinar las expectativas de uso de Internet para comprender las necesidades del cliente y las formas en que el cliente cree que Internet puede ayudar a satisfacerlas.
Alternativamente, los hallazgos también sugieren que la terapia debería abordar las cogniciones desadaptativas asociadas con el uso disfuncional de Internet. Estos hallazgos confirman estudios previos que mostraron que las cogniciones desadaptativas, como la sobregeneralización, la evitación, la supresión, la magnificación, la resolución de problemas desadaptativa o los autoconceptos negativos, están asociadas con el uso adictivo de Internet ( Young, 2007 ). Una implicación clínica de estos hallazgos es que la terapia debería aplicar la reestructuración y el replanteamiento cognitivo para combatir los pensamientos que conducen al uso adictivo de Internet. Por ejemplo, una paciente que sufre de ansiedad generalizada idiopática (AGI) puede presentar signos de ansiedad social y timidez, y por lo tanto, pocos amigos y también problemas con otros en la escuela. Entonces, puede pensar que comunicarse con otras personas a través de las redes sociales satisface su necesidad social sin tener los aspectos situacionales aterradores de una interacción social "real". Además, puede tener la expectativa de que jugar un juego en línea también la distraiga de los problemas en la escuela y que comprar en línea o buscar información en Internet pueda reducir los sentimientos de soledad. La terapia la enfocaría en encontrar espacios alternativos en la escuela o en su vida privada donde pueda fortalecer su autoestima y satisfacer sus necesidades sociales. Si deja de justificar que las redes sociales, los juegos y las tiendas en línea son los únicos lugares donde se siente bien consigo misma y encuentra otras alternativas más saludables, dependerá menos de las diferentes aplicaciones de internet. Conociendo el papel que desempeñan las cogniciones en el desarrollo de la adicción a internet, la terapia cognitiva puede ayudar a los pacientes a reestructurar las suposiciones e interpretaciones que los mantienen conectados. Nuevamente, estas posibles implicaciones clínicas de los resultados del estudio deben tratarse con cautela, ya que deben replicarse en una muestra clínica de pacientes que buscan tratamiento.
Desde una perspectiva más amplia, sin embargo, estos hallazgos aportan información sobre cómo los terapeutas pueden aplicar específicamente la TCC-IA a pacientes con adicción a Internet. La modificación de la conducta puede ayudar a los clientes a desarrollar y adaptar estrategias de afrontamiento nuevas y más funcionales para lidiar con las dificultades diarias. La terapia debe centrarse en ayudar a los clientes a encontrar formas más saludables de afrontar las dificultades que recurrir a Internet. Un componente principal de la TCC-IA es la terapia conductual para ayudar a los clientes a afrontar los problemas subyacentes que contribuyen a la IA, ya sean específicos o generalizados ( Young, 2011a , 2013 ). Los hallazgos sugieren que mejorar las habilidades de afrontamiento reduciría la necesidad de conectarse a Internet para los clientes. Aunque se estudió en una muestra de la población general, creemos que el hallazgo de que el afrontamiento y las expectativas son mediadores en el desarrollo y mantenimiento de la IA contribuye a una mejor comprensión de los mecanismos de la IA y que probablemente tenga algunas implicaciones para el tratamiento, como se mencionó anteriormente. Otro aspecto que no se abordó en el presente estudio es el papel de la integridad de la corteza prefrontal. La eficacia de la TCC-IA también puede depender del funcionamiento prefrontal del paciente, ya que el fortalecimiento del control cognitivo del uso de Internet durante la terapia probablemente esté relacionado con las funciones ejecutivas y otros procesos cognitivos de orden superior. Es importante abordar este aspecto en futuros estudios, dado que recientemente se han publicado varios artículos que muestran que las funciones de la corteza prefrontal probablemente se reducen en pacientes con IA (véase la revisión en Brand et al., 2014 ).
En nuestra muestra, la edad se correlacionó inversamente con los síntomas de GIA, pero con un tamaño del efecto muy bajo (explicando solo el 1.96% de la varianza). Considerando artículos recientes sobre el uso de Internet en personas mayores (por ejemplo, Eastman y Iyer, 2004 ; Vuori y Holmlund-Rytkönen, 2005 ; Campbell, 2008 ; Nimrod, 2011 ), ciertamente se pueden esperar efectos de la edad en varios aspectos del uso de Internet, como los motivos de uso y la forma en que las personas mayores experimentan diversión y satisfacción en Internet. Dado que las personas mayores también tienen una mayor probabilidad de desarrollar disfunciones ejecutivas debido a cambios en la corteza prefrontal con el aumento de la edad ( Alvarez y Emory, 2006 ), que también están vinculados a reducciones en la toma de decisiones ( Brand y Markowitsch, 2010 ), se puede especular que aquellas personas mayores con reducciones ejecutivas, que experimentan una gran cantidad de placer en Internet, pueden desarrollar GIA. Sin embargo, esto no se refleja en nuestros datos, ya que nuestra muestra no incluyó sujetos de edad avanzada. Futuros estudios podrían investigar los factores de vulnerabilidad específicos vinculados al riesgo de AIG en adultos mayores.
El género no afectó la estructura general del modelo. En artículos anteriores, se han encontrado efectos de género para tipos específicos de IA, como los juegos en línea (p. ej., Ko et al., 2005 ) y particularmente el cibersexo ( Meerkerk et al., 2006 ; Griffiths, 2012 ; Laier et al., 2013 , 2014 ), pero también se ha argumentado que ambos géneros están generalmente en riesgo de desarrollar un uso adictivo de Internet ( Young et al., 1999 , 2011 ). En nuestro estudio, los efectos del género en GIA, según lo medido por el s-IAT, fue muy bajo ( d = 0.19, ver resultados), lo que indica que al menos en una población general ambos géneros están en riesgo por igual de desarrollar GIA. Aunque el género no afectó la estructura general de datos en el SEM, hubo algunas diferencias entre hombres y mujeres con respecto a tres efectos directos de las variables predictoras a los mediadores. Como se resume en la sección de resultados, los aspectos psicopatológicos tuvieron un efecto en las expectativas en las mujeres, pero no en los hombres, ya que el efecto negativo de los aspectos de la personalidad sobre el afrontamiento y las expectativas es más frecuente en los hombres que en las mujeres. Estos efectos concuerdan con la literatura sobre las diferencias de género con respecto a la depresión y la ansiedad social ( Sprock y Yoder, 1997 ; Moscovitch et al., 2005 ), así como con la autoestima y la autoeficacia ( Huang, 2012 ). Sin embargo, las facetas que son el foco del estudio, a saber, los efectos de mediación del afrontamiento y las expectativas y su importancia para la IAG, no se vieron afectadas por el género (véanse los resultados del análisis de la estructura de la media). Por lo tanto, independientemente de cómo el género pueda influir en la ansiedad social, la depresión o algunos aspectos de la personalidad, el afrontamiento y las expectativas deben considerarse en la TCC-IA en ambos géneros.
Finalmente, este estudio presenta varias limitaciones. Se trata de un modelo de reciente desarrollo que requiere mayor validación en una población clínica para evaluar plenamente su eficacia clínica en el tratamiento. Asimismo, debería validarse utilizando la versión más extensa del IAT ( Young, 1998 ; Widyanto y McMurran, 2004 ), una medida más validada en la literatura. Si bien utilizamos la versión más corta debido a la longitud del instrumento de evaluación empleado para el modelo completo, si se replica este trabajo con una muestra clínica, se sugiere utilizar el IAT junto con medidas adicionales de adicción a Internet, como la Escala de Evaluación de la Adicción a Internet y a los Videojuegos (AICA-S) o la entrevista clínica (AICA-C), desarrolladas y validadas con grupos clínicos por Wölfling et al. (2010 , 2012 ). Además, desarrollamos y validamos el cuestionario de expectativas de uso de Internet para este estudio. Si bien fuimos metodológicamente conservadores y cuidadosos en el desarrollo de la escala, esta medida debería evaluarse en poblaciones adicionales para comprobar su validez, y el cuestionario requiere mayor validación empírica en estudios futuros. También deberían aplicarse escalas y entrevistas adicionales y más detalladas a las muestras clínicas, ya que la mayoría de las facetas evaluadas en nuestro estudio se midieron utilizando cuestionarios cortos con un número restringido de ítems, debido a razones prácticas (limitación de tiempo en el contexto de encuestas en línea). Otro problema potencial es el de la varianza del método común ( Podsakoff et al., 2003 ). Desafortunadamente, no se ha incluido en el estudio ninguna variable marcadora clara, que teóricamente debería ser independiente de todas las demás variables, por razones prácticas (la encuesta tomó casi 25 minutos, que es un umbral crítico para las encuestas en línea). Aunque no podemos excluir el efecto de la varianza del método común en los resultados, argumentamos que es poco probable que este efecto explique toda la estructura de datos reportada. Al inspeccionar las correlaciones bivariadas (Tabla 3 ) se puede ver que algunas de ellas son muy bajas (por ejemplo, r = –0.08, r = –0.09, r = 0.12, etc.). Consideramos que estas bajas correlaciones sugieren que la varianza del método común no afecta drásticamente los análisis principales. No obstante, en futuros estudios, el modelo debería someterse a prueba con un enfoque sistemático multivariado y multimétodo ( Campbell y Fiske, 1959 ).
El presente estudio se centra en la AIG, lo que significa que el modelo de AIG, descrito por Brand et al. (2014) , aún necesita ser probado empíricamente. Se deberían probar diferentes formas de AIG (por ejemplo, juegos, pornografía en línea o apuestas por Internet) para ver si las habilidades de afrontamiento y las expectativas de uso de Internet juegan un papel similar en el desarrollo del problema. También sigue siendo objeto de debate si el concepto de AIG es fundamentalmente adecuado para abarcar la conducta problemática en los pacientes. Encontramos evidencia del vínculo entre los problemas autoinformados relacionados con un uso inespecífico de varias aplicaciones de Internet diferentes y las variables sugeridas en el modelo. El concepto de AIG fue operacionalizado por la instrucción y las formulaciones de los ítems del s-IAT, pero también por el hecho de que más del 97% de los participantes informaron usar regularmente tres o más aplicaciones de Internet diferentes, como comunicación, juegos, apuestas, cibersexo, compras o búsqueda de información. Desde una perspectiva clínica, sigue siendo objeto de debate si la adicción a internet puede justificar la búsqueda de tratamiento o si los pacientes que la buscan sufren, en esencia, una pérdida de control sobre el uso de una sola aplicación. Sugerimos considerar este punto en la investigación clínica mediante el estudio sistemático del comportamiento crítico en el contexto del uso de internet y el análisis de la frecuencia del uso descontrolado y adictivo de más de una aplicación en muestras clínicas. Además, no todos los componentes propuestos en el modelo teórico sobre la adicción a internet pudieron incluirse en este estudio. Por ejemplo, en futuros estudios podrían incorporarse otros rasgos de personalidad u otros trastornos psicopatológicos.
Conclusión
Las principales hipótesis del modelo sobre GIA están respaldadas por datos empíricos. Las características principales de la persona están relacionadas con los síntomas del GIA, pero estos efectos están mediados por las cogniciones específicas de la persona, en particular el estilo de afrontamiento y las expectativas de uso de Internet. Estas cogniciones deben abordarse en el tratamiento de un uso adictivo de Internet.
Contribuciones de autor
Matthias Brand escribió el primer borrador del documento, supervisó la recopilación de datos y analizó e interpretó los datos. Christian Laier contribuyó particularmente a la conceptualización del estudio empírico y la recopilación de datos, y revisó el manuscrito. Kimberly S. Young editó el borrador, lo revisó críticamente y contribuyó intelectual y prácticamente al manuscrito. Todos los autores finalmente aprobaron el manuscrito. Todos los autores son responsables de todos los aspectos del trabajo.
Declaracion de conflicto de interes
Los autores declaran que la investigación se llevó a cabo en ausencia de cualquier relación comercial o financiera que pudiera interpretarse como un posible conflicto de intereses.
AGRADECIMIENTOS
Agradecemos a Elisa Wegmann y Jan Snagowski sus valiosas contribuciones al estudio y al manuscrito. Nos ayudaron significativamente con la programación de la encuesta en línea y con la verificación de los datos.
Referencias
Álvarez, JA y Emory, E. (2006). Función ejecutiva y lóbulos frontales: una revisión metaanalítica. Neuropsychol. Rev. 16, 17–42. doi: 10.1007/s11065-006-9002-x
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
APA. (2013). Manual diagnóstico y estadístico de los trastornos mentales , 5.ª ed., Washington DC: APA.
Baron, RM y Kenny, DA (1986). La distinción entre variables moderadoras y mediadoras en la investigación en psicología social: consideraciones conceptuales, estratégicas y estadísticas. J. Pers. Soc. Psychol. 51, 1173–1182. doi: 10.1037/0022-3514.51.6.1173
Berridge, KC, Robinson, TE y Aldridge, JW (2009). Análisis de los componentes de la recompensa: «gusto», «deseo» y aprendizaje. Curr. Opin. Pharmacol. 9, 65–73. doi: 10.1016/j.coph.2008.12.014
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Billieux, J., y Van der Linden, M. (2012). Uso problemático de Internet y autorregulación: una revisión de los estudios iniciales. Open Addict. J. 5, 24–29. doi: 10.2174/1874941991205010024
Block, JJ (2008). Problemas para el DSM-V: Adicción a Internet. Am. J. Psychiatry 165, 306–307. doi: 10.1176/appi.ajp.2007.07101556
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Boulet, J., y Boss, MW (1991). Fiabilidad y validez del Inventario Breve de Síntomas. Psychol. Assess. 3, 433–437. doi: 10.1037/1040-3590.3.3.433
Brand, M., Laier, C., Pawlikowski, M., Schächtle, U., Schöler, T., y Altstötter-Gleich, C. (2011). Ver imágenes pornográficas en Internet: papel de las calificaciones de excitación sexual y los síntomas psicológicos y psiquiátricos en el uso excesivo de sitios web de contenido sexual. Cyberpsychol. Behav. Soc. Netw. 14, 371–377. doi: 10.1089/cyber.2010.0222
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Brand, M., y Markowitsch, HJ (2010). Envejecimiento y toma de decisiones: una perspectiva neurocognitiva. Gerontología 56, 319–324. doi: 10.1159/000248829
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Brand, M., Young, KS y Laier, C. (2014). Control prefrontal y adicción a Internet: un modelo teórico y revisión de hallazgos neuropsicológicos y de neuroimagen. Front. Hum. Neurosci. 8:375. doi: 10.3389/fnhum.2014.00375
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Brenner, V. (1997). Psicología del uso de computadoras: XLVII. Parámetros del uso, abuso y adicción a Internet: los primeros 90 días de la encuesta sobre el uso de Internet. Psychol. Rep. 80, 879–882. doi: 10.2466/pr0.1997.80.3.879
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Byun, S., Ruffini, C., Mills, JE, Douglas, AC, Niang, M., Stepchenkova, S., et al. (2009). Adicción a Internet: metasíntesis de la investigación cuantitativa de 1996-2006. Cyberpsychol. Behav. 12, 203-207. doi: 10.1089/cpb.2008.0102
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Campbell, DT y Fiske, DW (1959). Validación convergente y discriminante mediante la matriz multirasgo-multimétodo. Psychol. Bull. 56, 81–105. doi: 10.1037/h0046016
Campbell, RJ (2008). Satisfacer las necesidades de información de las personas mayores: uso de la tecnología informática. Home Health Care Manag. Pract. 20, 328–335. doi: 10.1177/1084822307310765
Caplan, SE (2002). Uso problemático de Internet y bienestar psicosocial: desarrollo de un instrumento de medición cognitivo-conductual basado en la teoría. Comput. Hum. Behav. 18, 553–575. doi: 10.1016/S0747-5632(02)00004-3
Caplan, SE (2005). Una explicación de las habilidades sociales sobre el uso problemático de Internet. J. Commun. 55, 721–736. doi: 10.1111/j.1460-2466.2005.tb03019.x
Caplan, SE (2007). Relaciones entre soledad, ansiedad social y uso problemático de Internet. Cyberpsychol. Behav. 10, 234–242. doi: 10.1089/cpb.2006.9963
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Carver, CS (1997). Desea medir el afrontamiento, pero su protocolo es demasiado largo: considere el COPE breve. Int. J. Behav. Med. 4, 92–100. doi: 10.1207/s15327558ijbm0401_6
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Cash, H., Rae, CD, Steel, AH y Winkler, A. (2012). Adicción a Internet: un breve resumen de la investigación y la práctica. Curr. Psychiatry Rev. 8, 292–298. doi: 10.2174/157340012803520513
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Chak, K., y Leung, L. (2004). La timidez y el locus de control como predictores de la adicción a Internet y el uso de Internet. Cyberpsychol. Behav. 7, 559–570. doi: 10.1089/cpb.2004.7.559
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Chou, C., Condron, L., y Belland, JC (2005). Una revisión de la investigación sobre la adicción a Internet. Educ. Psychol. Rev. 17, 363–387. doi: 10.1007/s10648-005-8138-1
Cohen, J. (1988). Análisis de potencia estadística para las ciencias del comportamiento, 2.ª ed., Hillsdale, NJ: Erlbaum.
Collani, G. y Herzberg, PY (2003). Eine revidierte Fassung der deutschsprchigen Skala zum Selbstwertgefühl von Rosenberg. Zeitrschr. Dif. Diagnóstico. Psicoanalizar. 24, 3–7. doi: 10.1024//0170-1789.24.1.3
Davis, RA (2001). Un modelo cognitivo-conductual del uso patológico de Internet. Comput. Hum. Behav. 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8
De Jong Gierveld, J., y Van Tilburg, TG (2006). Una escala de 6 ítems para la soledad general, emocional y social: pruebas confirmatorias con datos de encuestas. Res. Aging 28, 582–598. doi: 10.1177/0164027506289723
Derogatis, LR (1993). Inventario breve de síntomas (BSI). Manual de administración, puntuación y procedimientos , 3.ª ed. Minneapolis, MN: National Computer Service.
Dong, G., Lu, Q., Zhou, H., y Zhao, X. (2010). Inhibición de impulsos en personas con trastorno de adicción a Internet: evidencia electrofisiológica de un estudio Go/NoGo. Neurosci. Lett. 485, 138–142. doi: 10.1016/j.neulet.2010.09.002
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Dong, G., Lu, Q., Zhou, H., y Zhao, X. (2011). Precursor o secuela: trastornos patológicos en personas con trastorno de adicción a Internet. PLoS ONE 6:e14703. doi: 10.1371/journal.pone.0014703
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Dong, G., Shen, Y., Huang, J., y Du, X. (2013). Alteración de la función de monitorización de errores en personas con trastorno de adicción a internet: un estudio de resonancia magnética funcional relacionada con eventos. Eur. Addict. Res. 19, 269–275. doi: 10.1159/000346783
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Dunne, EM, Freedlander, J., Coleman, K., y Katz, EC (2013). Impulsividad, expectativas y evaluaciones de los resultados esperados como predictores del consumo de alcohol y problemas relacionados. Am. J. Drug Alcohol Abuse 39, 204–210. doi: 10.3109/00952990.2013.765005
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Eastman, JK y Iyer, R. (2004). Usos y actitudes de las personas mayores hacia Internet. J. Consum. Marketing 21, 208–220. doi: 10.1108/07363760410534759
Ebeling-Witte, S., Frank, ML y Lester, D. (2007). Timidez, uso de Internet y personalidad. Cyberpsychol. Behav. 10, 713–716. doi: 10.1089/cpb.2007.9964
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Everitt, BJ y Robbins, TW (2006). Sistemas neuronales de refuerzo para la adicción a las drogas: de las acciones a los hábitos y la compulsión. Nat. Neurosci. 8, 1481–1489. doi: 10.1038/nn1579
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Franke, GH (2000). Breve inventario de síntomas de LR Derogatis (Kurzform der SCL-90-R) - Versión alemana . Gotinga: Beltz Test GmbH.
Grant, JE, Schreiber, LR y Odlaug, BL (2013). Fenomenología y tratamiento de las adicciones conductuales. Can. J. Psychiatry 58, 252–259.
Griffiths, MD (2000a). ¿Existe la “adicción” a Internet y a las computadoras? Evidencia a partir de algunos estudios de caso. Cyberpsychol. Behav. 3, 211–218. doi: 10.1089/109493100316067
Griffiths, MD (2000b). Adicción a Internet: ¿es hora de tomarla en serio? Addict. Res. 8, 413–418. doi: 10.3109/16066350009005587
Griffiths, MD (2005). Un modelo de “componentes” de la adicción dentro de un marco biopsicosocial. J. Subst. Use 10, 191–197. doi: 10.1080/14659890500114359
Griffiths, MD (2012). Adicción al sexo en Internet: una revisión de la investigación empírica. Addict. Res. Theory 20, 111–124. doi: 10.3109/16066359.2011.588351
Griffiths, MD y Wood, RTA (2000). Factores de riesgo en la adolescencia: el caso del juego, los videojuegos e Internet. J. Gambl. Stud. 16, 199–225. doi: 10.1023/A:1009433014881
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Hardie, E., y Tee, MY (2007). Uso excesivo de Internet: el papel de la personalidad, la soledad y las redes de apoyo social en la adicción a Internet. Austr. J. Emerg. Technol. Soc. 5, 34–47.
Hong, S.-B., Kim, J.-W., Choi, E.-J., Kim, H.-H., Suh, J.-E., Kim, C.-D., et al. (2013a). Reducción del grosor de la corteza orbitofrontal en adolescentes varones con adicción a internet. Behav. Brain Funct. 9, 11. doi: 10.1186/1744-9081-9-11
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Hong, S.-B., Zalesky, A., Cocchi, L., Fornito, A., Choi, E.-J., Kim, H.-H., et al. (2013b). Disminución de la conectividad cerebral funcional en adolescentes con adicción a internet. PLoS ONE 8:e57831. doi: 10.1371/journal.pone.0057831
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Horn, JL (1965). Fundamentación y prueba para el número de factores en el análisis factorial. Psychometrika 30, 179–185. doi: 10.1007/BF02289447
Hou, H., Jia, S., Hu, S., Fan, R., Sun, W., Sun, T., et al. (2012). Reducción de los transportadores de dopamina estriatales en personas con trastorno de adicción a Internet. J. Biomed. Biotechnol. 2012, 854524. doi: 10.1155/2012/854524
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Hu, L., y Bentler, PM (1995). “Evaluación del ajuste del modelo”, en Structural Equation Modeling Concepts Issues and Applications , ed. RH Hoyle. (Londres: Sage Publications, Inc.), 76–99.
Hu, L., y Bentler, PM (1999). Criterios de corte para índices de ajuste en el análisis de estructuras de covarianza: criterios convencionales frente a nuevas alternativas. Struct. Equ. Modeling 6, 1–55. doi: 10.1080/10705519909540118
Huang, C. (2012). Diferencias de género en la autoeficacia académica: un metaanálisis. Eur. J. Psychol. Educ. 28, 1–35. doi: 10.1007/s10212-011-0097-y
Johansson, A., y Götestam, KG (2004). Adicción a Internet: características de un cuestionario y prevalencia en jóvenes noruegos (12-18 años). Scand. J. Psychol. 45, 223-229. doi: 10.1111/j.1467-9450.2004.00398.x
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Kalivas, PW y Volkow, ND (2005). La base neural de la adicción: una patología de la motivación y la elección. Am. J. Psychiatry 162, 1403–1413. doi: 10.1176/appi.ajp.162.8.1403
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Kardefelt-Winther, D. (2014). Una crítica conceptual y metodológica de la investigación sobre la adicción a internet: hacia un modelo de uso compensatorio de internet. Comput. Hum. Behav. 31, 351–354. doi: 10.1016/j.chb.2013.10.059
Kim, HK y Davis, KE (2009). Hacia una teoría integral del uso problemático de Internet: evaluación del papel de la autoestima, la ansiedad, el estado de flujo y la importancia que se le atribuye a las actividades en Internet. Comput. Hum. Behav. 25, 490–500. doi: 10.1016/j.chb.2008.11.001
Kim, SH, Baik, S.-H., Park, CS, Kim, SJ, Choi, SW y Kim, SE (2011). Reducción de los receptores de dopamina D2 estriatales en personas con adicción a Internet. Neuroreport 22, 407–411. doi: 10.1097/WNR.0b013e328346e16e
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Knoll, N., Rieckmann, N., y Schwarzer, R. (2005). El afrontamiento como mediador entre la personalidad y los resultados del estrés: un estudio longitudinal con pacientes sometidos a cirugía de cataratas. Eur. J. Pers. 19, 229–247. doi: 10.1002/per.546
Ko, CH, Yen, J.-Y., Chen, C.-C., Chen, S.-H., y Yen, C.-F. (2005). Diferencias de género y factores relacionados que afectan la adicción a los videojuegos en línea entre adolescentes taiwaneses. J. Nerv. Ment. Dis. 193, 273–277. doi: 10.1097/01.nmd.0000158373.85150.57
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Kuss, DJ y Griffiths, MD (2011a). Adicción a los videojuegos en Internet: una revisión sistemática de la investigación empírica. Int. J. Ment. Health Addict. 10, 278–296. doi: 10.1007/s11469-011-9318-5
Kuss, DJ y Griffiths, MD (2011b). Redes sociales en línea y adicción: una revisión de la literatura psicológica. Int. J. Environ. Res. Public Health 8, 3528–3552. doi: 10.3390/ijerph8093528
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Kuss, DJ y Griffiths, MD (2012). Adicción a Internet y a los videojuegos: una revisión sistemática de la literatura sobre estudios de neuroimagen. Brain Sci. 2, 347–374. doi: 10.3390/brainsci2030347
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Kuss, DJ, Griffiths, MD, Karila, M., y Billieux, J. (2014). Adicción a Internet: una revisión sistemática de la investigación epidemiológica de la última década. Curr. Pharm. Des. 20, 4026–4052. doi: 10.2174/13816128113199990617
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Laier, C., Pawlikowski, M., Pekal, J., Schulte, FP y Brand, M. (2013). Adicción al cibersexo: la excitación sexual experimentada al ver pornografía, y no al tener contactos sexuales en la vida real, marca la diferencia. J. Behav. Addict. 2, 100–107. doi: 10.1556/JBA.2.2013.002
Laier, C., Pekal, J., y Brand, M. (2014). La adicción al cibersexo en mujeres heterosexuales usuarias de pornografía en Internet puede explicarse mediante la hipótesis de la gratificación. Cyberpsychol. Behav. Soc. Netw. 17, 505–511. doi: 10.1089/cyber.2013.0396
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Lee, YH, Ko, CH y Chou, C. (2014). Revisitando la adicción a Internet entre estudiantes taiwaneses: una comparación transversal de las expectativas de los estudiantes, los juegos en línea y la interacción social en línea. J. Abnorm. Child Psychol. doi: 10.1007/s10802-014-9915-4 [Publicación electrónica anticipada].
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Leung, L. (2004). Atributos de la generación de la red y propiedades seductoras de Internet como predictores de las actividades en línea y la adicción a Internet. Cyberpsychol. Behav. 7, 333–348. doi: 10.1089/1094931041291303
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Lewis, BA y O'Neill, HK (2000). Expectativas sobre el alcohol y déficits sociales relacionados con el consumo problemático de alcohol entre estudiantes universitarios. Addict. Behav. 25, 295–299. doi: 10.1016/S0306-4603(99)00063-5
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
López-Fernández, O., Honrubia-Serrano, ML, Gibson, W., y Griffiths, MD (2014). Uso problemático de internet en adolescentes británicos: una exploración de la sintomatología adictiva. Comput. Hum. Behav. 35, 224–233. doi: 10.1016/j.chb.2014.02.042
Lortie, CL y Guitton, MJ (2013). Herramientas de evaluación de la adicción a Internet: estructura dimensional y estado metodológico. Addiction 108, 1207–1216. doi: 10.1111/add.12202
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Lu, H.-Y. (2008). Búsqueda de sensaciones, dependencia de Internet y engaño interpersonal en línea. Cyberpsychol. Behav. 11, 227–231. doi: 10.1089/cpb.2007.0053
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Meerkerk, GJ, Van Den Eijnden, RJJM, Franken, IHA y Garretsen, HFL (2010). ¿Está el uso compulsivo de internet relacionado con la sensibilidad a la recompensa y el castigo, y la impulsividad? Comput. Hum. Behav. 26, 729–735. doi: 10.1016/j.chb.2010.01.009
Meerkerk, GJ, Van Den Eijnden, RJJM y Garretsen, HFL (2006). Predecir el uso compulsivo de Internet: ¡se trata de sexo! Ciberpsicología. Comportamiento. 9, 95-103. doi: 10.1089/cpb.2006.9.95
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Meerkerk, GJ, Van Den Eijnden, RJJM, Vermulst, AA y Garretsen, HFL (2009). La Escala de Uso Compulsivo de Internet (CIUS): algunas propiedades psicométricas. Ciberpsicología. Comportamiento. 12, 1–6. doi: 10.1089/cpb.2008.0181
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Morahan-Martin, J., y Schumacher, P. (2000). Incidencia y correlatos del uso patológico de Internet entre estudiantes universitarios. Comput. Hum. Behav. 16, 13–29. doi: 10.1016/S0747-5632(99)00049-7
Morahan-Martin, J., y Schumacher, P. (2003). Soledad y usos sociales de internet. Comput. Hum. Behav. 19, 659–671. doi: 10.1016/S0747-5632(03)00040-2
Moscovitch, DA, Hofmann, SG y Litz, BT (2005). El impacto de las autoconstrucciones en la ansiedad social: una interacción específica de género. Pers. Individ. Dif. 38, 659–672. doi: 10.1016/j.paid.2004.05.021
Muthén, L., y Muthén, B. (2011). Mplus. Los Ángeles: Muthén & Muthén.
Newton, NC, Barrett, EL, Swaffield, L., y Teesson, M. (2014). Cogniciones de riesgo asociadas con el abuso de alcohol en adolescentes: desconexión moral, expectativas sobre el alcohol y autoeficacia autorregulatoria percibida. Addict. Behav. 39, 165–172. doi: 10.1016/j.addbeh.2013.09.030
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Niemz, K., Griffiths, MD y Banyard, P. (2005). Prevalencia del uso patológico de Internet entre estudiantes universitarios y correlaciones con la autoestima, el Cuestionario General de Salud (GHQ) y la desinhibición. Cyberpsychol. Behav. 8, 562–570. doi: 10.1089/cpb.2005.8.562
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Nimrod, G. (2011). La cultura de la diversión en las comunidades en línea de personas mayores. Gerontologist 51, 226–237. doi: 10.1093/geront/gnq084
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Pawlikowski, M., Altstötter-Gleich, C., y Brand, M. (2013). Validación y propiedades psicométricas de una versión corta del Test de Adicción a Internet de Young. Comput. Hum. Behav. 29, 1212–1223. doi: 10.1016/j.chb.2012.10.014
Pawlikowski, M., Nader, IW, Burger, C., Biermann, I., Stieger, S., y Brand, M. (2014). Uso patológico de Internet: un constructo multidimensional, no unidimensional. Addict. Res. Theory 22, 166–175. doi: 10.3109/16066359.2013.793313
Podsakoff, PM, Mackenzie, SM, Lee, J., y Podsakoff, NP (2003). Varianza del método común en la investigación del comportamiento: una revisión crítica de la literatura y soluciones recomendadas. J. Appl. Psychol. 88, 879–903. doi: 10.1037/0021-9010.88.5.879
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Pontes, HM, Griffiths, MD y Patrão, IM (2014). Adicción a Internet y soledad entre niños y adolescentes en el ámbito educativo: un estudio piloto empírico. Aloma: Revista de Psicología, Ciències de l'Educació i de l'Esport 32, 91–98.
Purty, P., Hembram, M., y Chaudhury, S. (2011). Adicción a Internet: implicaciones actuales. Rinpas J. 3, 284–298.
Robinson, TE y Berridge, KC (2000). La psicología y la neurobiología de la adicción: una perspectiva de sensibilización al incentivo. Addiction 95, 91–117. doi: 10.1046/j.1360-0443.95.8s2.19.x
Robinson, TE y Berridge, KC (2001). Sensibilización a los incentivos y adicción. Addiction 96, 103–114. doi: 10.1046/j.1360-0443.2001.9611038.x
Robinson, TE y Berridge, KC (2008). La teoría de la sensibilización al incentivo en la adicción: algunos problemas actuales. Philos. Trans. R. Soc. Lond. B Biol. Sci. 363, 3137–3146. doi: 10.1098/rstb.2008.0093
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Rosenberg, M. (1965). La sociedad y la autoimagen adolescente. Princeton, NJ: Princeton University Press.
Schulz, P., Schlotz, W. y Becker, P. (2004). Trierer Inventar zum Chronischen Stress (TICS) . Gotinga: Hogrefe.
Schwarzer, R., y Jerusalem, M. (1995). “Escala de autoeficacia generalizada”, en Medidas en psicología de la salud: Portafolio del usuario. Creencias causales y de control , eds. J. Weinman, S. Wright y M. Johnston (Windsor, Reino Unido: NFER-NELSON), 35–37.
Sprock, J., y Yoder, CY (1997). Mujeres y depresión: una actualización del informe del grupo de trabajo de la APA. Sex Roles 36, 269–303. doi: 10.1007/BF02766649
Starcevic, V. (2013). ¿Es útil el concepto de adicción a Internet? Aust. NZJ Psychiatry 47, 16–19. doi: 10.1177/0004867412461693
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Tang, J., Yu, Y., Du, Y., Ma, Y., Zhang, D., y Wang, J. (2014). Prevalencia de la adicción a internet y su asociación con eventos vitales estresantes y síntomas psicológicos entre adolescentes usuarios de internet. Addict. Behav. 39, 744–747. doi: 10.1016/j.addbeh.2013.12.010
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Thatcher, A., Wretschko, G., y Fridjhon, P. (2008). Experiencias de flujo en línea, uso problemático de Internet y procrastinación en Internet. Comput. Hum. Behav. 24, 2236–2254. doi: 10.1016/j.chb.2007.10.008
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Tonioni, F., Mazza, M., Autullo, G., Cappelluti, R., Catalano, V., Marano, G., et al. (2014). ¿Es la adicción a Internet una condición psicopatológica distinta del juego patológico? Addict. Behav. 39, 1052–1056. doi: 10.1016/j.addbeh.2014.02.016
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Turel, O., y Serenko, A. (2012). Beneficios y peligros del disfrute de las redes sociales. Eur. J. Inf. Syst. 21, 512–528. doi: 10.1057/ejis.2012.1
Turel, O., Serenko, A., y Giles, P. (2011). Integración de la adicción y el uso de la tecnología: una investigación empírica de usuarios de subastas en línea. MIS Quart. 35, 1043–1061.
Velicer, WF (1976). Determinación del número de componentes a partir de la matriz de correlaciones parciales. Psychometrika 41, 321–327. doi: 10.1007/BF02293557
Vuori, S. y Holmlund-Rytkönen, M. (2005). Más de 55 personas como usuarios de Internet. Inteligencia de marketing. Plan. 23, 58–76. doi: 10.1108/02634500510577474
Weinstein, A., y Lejoyeux, M. (2010). Adicción a Internet o uso excesivo de Internet. Am. J. Drug Alcohol Abuse 36, 277–283. doi: 10.3109/00952990.2010.491880
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Whang, LSM, Lee, S., y Chang, G. (2003). Perfiles psicológicos de usuarios excesivos de Internet: un análisis de muestreo de comportamiento sobre la adicción a Internet. CyberPsychol. Behav. 6, 143–150. doi: 10.1089/109493103321640338
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Widyanto, L., y Griffiths, MD (2006). «Adicción a Internet»: una revisión crítica. Int. J. Ment. Health Addict. 4, 31–51. doi: 10.1007/s11469-006-9009-9
Widyanto, L., Griffiths, MD, Brunsden, V., y Mcmurran, M. (2008). Propiedades psicométricas de la escala de problemas relacionados con Internet: un estudio piloto. Int. J. Ment. Health Addict. 6, 205–213. doi: 10.1007/s11469-007-9120-6
Widyanto, L., y McMurran, M. (2004). Propiedades psicométricas del Test de Adicción a Internet. Cyberpsychol. Behav. 7, 443–450. doi: 10.1089/cpb.2004.7.443
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Winkler, A., Dörsing, B., Rief, W., Shen, Y., y Glombiewski, JA (2013). Tratamiento de la adicción a internet: un metaanálisis. Clin. Psychol. Rev. 33, 317–329. doi: 10.1016/j.cpr.2012.12.005
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Wölfling, K., Beutel, ME y Müller, KW (2012). Construcción de una entrevista clínica estandarizada para evaluar la adicción a Internet: primeros hallazgos sobre la utilidad de AICA-C. J. Addict. Res. Ther. S6:003. doi: 10.4172/2155-6105.S6-003
Wölfling, K., Müller, K., y Beutel, M. (2010). “Medidas diagnósticas: escala para la evaluación de la adicción a Internet y a los videojuegos (AICA-S)”, en Prevención, diagnóstico y terapia de la adicción a los videojuegos , eds. D. Mücken, A. Teske, F. Rehbein y B. Te Wildt (Lengerich: Pabst Science Publishers), 212–215.
Xu, ZC, Turel, O., y Yuan, YF (2012). Adicción a los videojuegos en línea entre adolescentes: motivación y factores de prevención. Eur. J. Inf. Syst. 21, 321–340. doi: 10.1057/ejis.2011.56
Yang, C., Choe, B., Baity, M., Lee, J., y Cho, J. (2005). Perfiles SCL-90-R y 16PF de estudiantes de último año de secundaria con uso excesivo de Internet. Can. J. Psychiatry 50, 407–414.
Resumen en PubMed | Texto completo en PubMed | Google Académico
Yee, N. (2006). Motivaciones para jugar en juegos en línea. Cyberpsychol. Behav. 9, 772–775. doi: 10.1089/cpb.2006.9.772
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Young, KS (1996). Uso adictivo de Internet: un caso que rompe el estereotipo. Psychol. Rep. 79, 899–902. doi: 10.2466/pr0.1996.79.3.899
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Young, KS (1998). Atrapados en la red: Cómo reconocer los signos de la adicción a Internet y una estrategia ganadora para la recuperación. Nueva York: John Wiley & Sons, Inc.
Young, KS (2004). Adicción a Internet: un nuevo fenómeno clínico y sus consecuencias. Am. Behav. Sci. 48, 402–415. doi: 10.1177/0002764204270278
Young, KS (2007). Terapia cognitivo-conductual con adictos a Internet: resultados del tratamiento e implicaciones. Cyberpsychol. Behav. 10, 671–679. doi: 10.1089/cpb.2007.9971
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Young, KS (2011a). TCC-IA: el primer modelo de tratamiento para abordar la adicción a Internet. J. Cogn. Ther. 25, 304–312. doi: 10.1891/0889-8391.25.4.304
Resumen de PubMed | Texto completo de PubMed | Texto completo de CrossRef
Young, KS (2011b). “Evaluación clínica de clientes adictos a Internet”, en Adicción a Internet: un manual y guía para la evaluación y el tratamiento , eds. KS Young y C. Nabuco De Abreu. (Hoboken, NJ: John Wiley & Sons), 19–34.
Young, KS (2013). Resultados del tratamiento con TCC-IA en pacientes adictos a Internet. J. Behav. Addict. 2, 209–215. doi: 10.1556/JBA.2.2013.4.3
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Young, KS, Pistner, M., O'Mara, J., y Buchanan, J. (1999). Trastornos cibernéticos: una preocupación para la salud mental en el nuevo milenio. Cyberpsychol. Behav. 2, 475–479. doi: 10.1089/cpb.1999.2.475
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Young, KS, Yue, XD y Ying, L. (2011). “Estimaciones de prevalencia y modelos etiológicos de la adicción a Internet”, en Adicción a Internet , eds. KS Young y CN Abreu. (Hoboken, NJ: John Wiley & Sons), 3–18.
Zhou, Y., Lin, F.-C., Du, Y.-S., Qin, L.-D., Zhao, Z.-M., Xu, J.-R., y Lei, H. (2011). Anomalías de la materia gris en la adicción a Internet: un estudio de morfometría basada en vóxeles. Eur. J. Radiol. 79, 92–95. doi: 10.1016/j.ejrad.2009.10.025
Resumen en PubMed | Texto completo en PubMed | Texto completo en CrossRef | Google Académico
Palabras clave: adicción a internet, personalidad, psicopatología, afrontamiento, terapia cognitivo-conductual.
Cita: Brand M, Laier C y Young KS (2014) Adicción a Internet: estilos de afrontamiento, expectativas e implicaciones para el tratamiento. Front. Psychol. 5 :1256. doi: 10.3389/fpsyg.2014.01256
Recibido: 25 Agosto 2014; Aceptado: 16 octubre 2014;
Publicado en línea: 11 Noviembre 2014.
Editado por:
Ofir Turel , Universidad Estatal de California, Fullerton y Universidad del Sur de California, EE. UU.
Revisado por:
Aviv M. Weinstein, Organización Médica Hadassah, Israel
Daria Joanna Kuss, Nottingham Trent University, Reino Unido
Copyright © 2014 Brand, Laier y Young. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons Atribución (CC BY) . Se permite su uso, distribución o reproducción en otros foros, siempre que se reconozca la autoría original o la del licenciante y se cite la publicación original en esta revista, de acuerdo con las prácticas académicas aceptadas. No se permite ningún uso, distribución o reproducción que no cumpla con estos términos.
*Correspondencia: Matthias Brand, Departamento de Psicología General: Cognición, Universidad de Duisburg-Essen, Forsthausweg 2, 47057 Duisburg, Alemania. Correo electrónico: [email protected]
