Adicción a Internet: estilos de afrontamiento, expectativas e implicaciones de tratamiento (2014)

Matthias Brand^1,2*, 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 y muestra que las consecuencias negativas persistentes, como la pérdida de empleo, el fracaso académico y el divorcio, se debieron al uso excesivo de Internet (para las revisiones, consulte 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 gana importancia en el contexto de las altas tasas de prevalencia estimadas que van desde 1.5 a 8.2% (Weinstein y Lejoyeux, 2010) o incluso hasta 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 muchos estudios sobre los correlatos psicológicos de la IA, pero esto se ha hecho, al menos en la mayoría de los casos, sin diferenciar entre una adicción a Internet generalizada (GIA) y una adicción a Internet específica (SIA; Morahan-Martin y Schumacher, 2000; Leung, 2004; Ebeling-Witte y otros, 2007; Lu, 2008; Kim y Davis, 2009; Billieux y Van der Linden, 2012), aunque los mecanismos psicológicos pueden ser diferentes, también para distintos grupos de edad o aplicaciones utilizadas (López-Fernández et al., 2014). Nuestro estudio examina los efectos mediadores de los estilos de afrontamiento y las expectativas cognitivas para el uso de Internet en el desarrollo y el mantenimiento del GIA para contribuir a una mejor comprensión de los mecanismos subyacentes y las posibles implicaciones para el diagnóstico y el tratamiento.

A nivel teórico, ya se postuló que la IA debe diferenciarse con respecto al uso generalizado de Internet (Griffiths y Madera, 2000) versus tipos específicos de IA como el cibersexo, las relaciones en línea, las compulsiones netas (por ejemplo, juegos de azar, compras), búsqueda de información y juegos en línea para desarrollar una adicción a Internet (por ejemplo, Young et al., 1999; Meerkerk y otros, 2006; Block, 2008; Brand et al., 2011). Sin embargo, solo un subtipo, el trastorno de juegos de Internet, se ha incluido en el apéndice del DSM-5 (APA, 2013). La mayoría de los estudios evaluaron IA como una construcción unificada o solo evaluaron un subtipo específico (en la mayoría de los casos, los juegos por Internet). En su modelo cognitivo-conductual, Davis (2001) también diferenciado entre un uso patológico generalizado de Internet (GIA) y un uso patológico específico de Internet (SIA). GIA se describió como un uso excesivo multidimensional de Internet, frecuentemente acompañado de pérdida de tiempo y uso no dirigido de Internet. Los aspectos sociales de Internet (p. Ej., La comunicación social a través de las redes sociales) se utilizan particularmente (ver también la discusión en Lortie y Guitton, 2013), que se supone que está vinculado a la falta de apoyo social y las deficiencias sociales que experimenta un individuo en situaciones no virtuales. Además, se ha argumentado que los sujetos pueden usar varias aplicaciones de Internet diferentes en exceso sin tener un determinado favorito, por ejemplo, jugar juegos, ver pornografía, navegar en información y / o comprar sitios, publicar selfies, ver videos en plataformas de video, leer blogs. de los demás, y así sucesivamente. En este caso, se puede argumentar que el individuo es adicto a Internet y no adicto a Internet (pero vea también la discusión en Starcevic, 2013). Davis sostiene que una diferencia principal entre GIA y SIA es que los individuos que sufren GIA no habrían desarrollado un comportamiento problemático similar sin Internet, mientras que los individuos que sufren SIA habrían desarrollado un comportamiento problemático similar en otro entorno. En ambas formas de uso adictivo de Internet, GIA y SIA, se sugiere que las cogniciones disfuncionales sobre el yo y sobre el mundo desempeñen 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.

Basado en investigaciones anteriores, en particular en los argumentos de Davis (2001), y también considerando la literatura actual sobre hallazgos neuropsicológicos y de neuroimagen en sujetos adictos a Internet, recientemente publicamos un modelo teórico sobre el desarrollo y mantenimiento de GIA y SIA (Brand et al., 2014). Algunos aspectos incluidos en el modelo ya se han mencionado en el contexto del uso de los sitios 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 las subastas en línea se correlaciona con cambios en las creencias de los individuos sobre la técnica y esto determina el uso futuro y las intenciones de uso (Turel et al., 2011). Esto está en línea con nuestro modelo teórico sobre GIA, en el que asumimos que las creencias o expectativas sobre lo que Internet puede hacer para que una persona influya en el comportamiento, es decir, el uso de Internet, 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 estrategias de afrontamiento en el desarrollo y mantenimiento de un GIA y tipos específicos de SIA.

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 anterior sobre hallazgos clave con respecto a los mecanismos psicológicos detrás de la IA (vea las descripciones generales en Kuss y Griffiths, 2011a,b; Griffiths, 2012) y también con correlaciones neuropsicológicas y 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, nos propusimos traducir las hipótesis resumidas en el modelo teórico sobre GIA descrito anteriormente en 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. Usando medidas psicológicas y de personalidad validadas, primero evaluamos las características fundamentales de una persona para predecir un uso excesivo y adictivo de Internet de una manera generalizada. Usando una medida validada de afrontamiento y una medida recientemente desarrollada de las expectativas de uso de Internet, probamos si las habilidades de afrontamiento deficientes y las expectativas de uso de Internet (como el uso de Internet para escapar de sentimientos negativos o situaciones desagradables) median el vínculo entre las características principales y los síntomas de la persona. Gia

Materiales y Métodos

El modelo operacionalizado

Primero tradujimos el modelo teórico descrito en la introducción e ilustrado en el artículo por Brand et al. (2014) en un modelo estadístico comprobable y operacionalizado. Para cada una de las dimensiones mencionadas en el modelo teórico, elegimos al menos dos variables manifiestas para construir un modelo de ecuación estructural (SEM) en el nivel latente. Para cada variable, utilizamos una escala específica (cada una de ellas compuesta por varios elementos, consulte la descripción de los instrumentos a continuación) para operacionalizar las variables manifiestas. Este modelo operacionalizado como SEM en el 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

Usando una encuesta en línea completa, tuvimos encuestados de 1148. Después de la exclusión de los participantes de 129 debido a datos incompletos en las escalas psicométricas, la muestra final consistió en N = 1019. Los participantes fueron reclutados por anuncios, plataformas de Internet (cuenta de Facebook del equipo de Psicología General: Cognición), listas de correo electrónico para los estudiantes de la Universidad de Duisburg-Essen, y por medio de volantes en pubs y bares locales, así como también en Word of of Recomendaciones de boca. Los anuncios, correos electrónicos y volantes incluían una declaración de que los participantes pueden participar en una carrera que tenga la oportunidad de ganar uno de los siguientes elementos: (1) iPad, (2) iPad mini, (3) iPod nano, (4 ) iPod shu ffl e, tarjetas de regalo de Amazon 20 (50 Euros cada uno). 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 a 625 (61.33%) mujeres y 385 (37.78%) hombres (nueve voluntarios no respondieron esta pregunta). Con respecto a la situación de la vida privada, 577 participantes (56.62%) vivían en pareja 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 nuestro sin formación académica). De toda la muestra, 116 participantes (11.4%) cumplieron los criterios de uso problemático de Internet [corte> 30 en la prueba corta de adicción a Internet (s-IAT), ver descripción del instrumento a continuación] 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 toda la muestra, 975 personas utilizaron redes sociales / sitios de comunicación (M_{min / semana} = 444.47, SD = 659.05), individuos 998 (97.94%) buscaron información en Internet (M_{min / semana} = 410.03, SD = 626.26), individuos 988 (96.96%) utilizaron sitios de compras (M_{min / semana} = 67.77, SD = 194.29), los participantes de 557 utilizaron los juegos en línea (54.66%, M_{min / semana} = 159.61, SD = 373.65), los participantes de 161 realizaron el juego en línea (15.80%, M_{min / semana} = 37.09, SD = 141.70), y el cibersexo fue utilizado por los individuos de 485 (47.60%, M_{min / semana} = 66.46, SD = 108.28). Con respecto al uso de múltiples aplicaciones de Internet, los participantes de 995 (97.64%) informaron que utilizan tres o más de las aplicaciones de Internet mencionadas anteriormente de manera regular.

Instrumentos

Prueba corta de adicción a Internet (s-IAT)

Los síntomas de IA se evaluaron con la versión corta en alemán de la Prueba 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 van de 1 (= nunca) a 5 (= muy a menudo), lo que da como resultado puntajes totales que van de 12 a 60, mientras que los puntajes> 30 indica un uso problemático de Internet y una puntuación> 37 indica un uso patológico de Internet (Pawlikowski et al., 2013). El s-IAT consta de dos factores: pérdida de control / gestión del tiempo y antojo / problemas sociales (cada uno con seis elementos). Aunque los elementos de 12 se cargan en dos factores, tanto en el análisis factorial exploratorio como en el de confirmación (CFA; Pawlikowski et al., 2013), capturan los síntomas clave de IA, como se describe en el modelo de componentes por (Griffiths, 2005). La primera subescala "pérdida de control / gestión del tiempo" evalúa qué tan fuerte sufre una persona de los problemas de gestión del tiempo en la vida cotidiana debido a su uso de Internet (por ejemplo, "¿Con qué frecuencia descuida las tareas domésticas para pasar más tiempo en línea?" Y "¿Con qué frecuencia pierde el sueño debido a estar en línea a altas horas de la noche?"). Los elementos de esta subescala también evalúan las consecuencias negativas causadas por el exceso de uso de Internet (por ejemplo, "¿Con qué frecuencia sufren sus calificaciones o el trabajo escolar debido a la cantidad de tiempo que pasa en línea?"). También se mide si los sujetos experimentan una pérdida de control sobre su uso de Internet y si intentaron reducir su uso de Internet y fracasaron (por ejemplo, "¿Con qué frecuencia encuentra que permanece en línea más tiempo del que quería?" Y "Con qué frecuencia ¿Tratas de reducir la cantidad de tiempo que pasas en línea y fracasas? ”). Todos los elementos no miden el tiempo pasado en línea, pero si las personas experimentan una pérdida de control con respecto al uso de Internet y los problemas en la vida cotidiana como resultado de su uso de Internet. La segunda subescala "antojo / problemas sociales" mide los efectos del uso excesivo de Internet en las interacciones sociales y la preocupación por el medio (por ejemplo, "¿Con qué frecuencia se siente preocupado con Internet cuando está fuera o fantasea con estar en línea?"). Los elementos de esta subescala también evalúan los problemas interpersonales (por ejemplo, ¿con qué frecuencia reacciona, grita o actúa molesto si alguien le molesta mientras está en línea? ") Y la regulación del estado de ánimo (por ejemplo," con qué frecuencia se siente deprimido, de mal humor , o nervioso cuando estás fuera, que desaparece una vez que vuelves a estar en línea? Todos los elementos incluyen los términos "Internet" o "en línea" en general, sin centrarse en una aplicación determinada. En la instrucción, 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 tiene buenas propiedades psicométricas y validez (Pawlikowski et al., 2013). En nuestra muestra, la consistencia interna (α de Cronbach) fue 0.856 para toda la escala, 0.819 para la pérdida del factor de control / manejo del tiempo y 0.751 para el anhelo del factor / problemas sociales.

Inventario breve de síntomas - depresión de subescala

Los síntomas de depresión se evaluaron con la versión alemana (Franke, 2000) de la depresión de subescala del Inventario de Síntomas Breves (Boulet y el jefe, 1991; Derogatis, 1993). La escala consta de seis elementos que evalúan los síntomas depresivos de los últimos días de 7. Las respuestas deben darse en una escala de cinco puntos que va desde 0 (= nada) a 4 (= extremadamente). La consistencia interna (α de Cronbach) en nuestra muestra fue 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 de Síntomas Breves (Boulet y el jefe, 1991; Derogatis, 1993). La escala consta de cuatro ítems y las respuestas deben darse en una escala de cinco puntos que va desde 0 (= nada) a 4 (= extremadamente). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.797.

Escala de autoestima

La autoestima fue evaluada por la escala de autoestima (Rosenberg, 1965). Aquí utilizamos la versión alemana modificada (Collani y Herzberg, 2003), que consta de diez elementos. Las respuestas deben darse en una escala de cuatro puntos que van desde 0 (= muy en desacuerdo) a 3 (= muy de acuerdo). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.896.

Escala de autoeficacia

La autoeficacia se evaluó mediante la Escala de autoeficacia (Schwarzer y Jerusalem, 1995), que consiste en artículos 10. Las respuestas deben darse en una escala de cuatro puntos que va desde 1 (= no es cierto) a 4 (= es exactamente cierto). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.863.

Inventario de Trier para el estrés crónico

La vulnerabilidad al estrés se midió mediante la versión de detección del Inventario Trier para el Estrés Crónico (TICS; Schulz et al., 2004). El examen contiene elementos 12 sobre la exposición al estrés en los últimos meses de 3. Cada declaración debe responderse en una escala de cinco puntos que va desde 0 (= nunca) a 4 (= muy a menudo). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.908.

Escala de soledad

La versión corta de la Escala de la soledad (De Jong Gierveld y Van Tilburg, 2006) se usó para medir los sentimientos de soledad (subescala de la soledad emocional, tres ítems) y la percepción de apoyo social (subescala de apoyo social, tres ítems). Todas las declaraciones deben responderse en una escala de cinco puntos desde 1 (= no!) Hasta 5 (= yes!). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.765 para la subescala de la soledad emocional y 0.867 para el apoyo social de la subescala.

Breve COPE

El Breve COPE (Tallador, xnumx) mide el estilo de afrontamiento en varios subdominios diferentes. Aquí utilizamos tres subescalas de la versión alemana (Knoll et al., 2005): negación, uso de sustancias y desconexión del comportamiento. Cada subescala estuvo representada por dos elementos, que tuvieron que ser respondidos en una escala de cuatro puntos que van desde 1 (= no he estado haciendo esto) a 4 (= he estado haciendo esto mucho). La consistencia interna (α de Cronbach) en nuestra muestra fue 0.561 para la denegación de subescala, 0.901 para el uso de sustancias de subescala y 0.517 para la desconexión del comportamiento de subescala. Dado que las escalas constan de solo dos elementos y dado que el instrumento se ha utilizado en varios estudios de validación que incluyen informes sobre la confiabilidad de las nuevas pruebas, consideramos que la confiabilidad es aceptable.

Escala de Expectativas de Uso de Internet

Para evaluar las expectativas de uso de Internet, desarrollamos una nueva escala que consiste, en la primera versión, de elementos 16. Los ítems reflejan algunos factores motivadores centrales como, por ejemplo, reportados por Xu et al. (2012) y también por Yee (2006). Los artículos fueron asignados. a priori a dos escalas (cada una con ocho elementos): las expectativas de uso de Internet reflejan un refuerzo positivo (por ejemplo, "uso Internet para experimentar placer") y las que reflejan un refuerzo negativo (por ejemplo, "uso Internet para distraerme de los problemas"). Todas las respuestas se dieron en una escala de seis puntos que van desde 1 (= totalmente en desacuerdo) a 6 (= completamente de acuerdo). Sobre la base de los datos que hemos recopilado en este estudio (N = 1019), realizamos un análisis factorial exploratorio (EFA). Cuerno (1965) El análisis paralelo y la prueba parcial media mínima (MAP) (Velicer, 1976) se utilizaron para determinar el número apropiado de factores. Este procedimiento dio como resultado una solución estable de dos factores. Luego se realizó una EPT con análisis de componentes principales y rotación de varimax para evaluar la estructura de la Escala de Expectativas de Uso de Internet (IUES). Los resultados de la EPT concluyeron con una versión final de 8-item de los IUES con la estructura de dos factores que permanece (Tabla 1). Con estos dos factores, observamos 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 llamamos a este factor “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 relacionados con el uso de Internet para evitar o reducir los sentimientos o pensamientos negativos, por eso lo llamamos factor "expectativas de evitación". Ambos factores tienen buena confiabilidad (“expectativas positivas”: α de Cronbach = 0.832 y “expectativas de evitación” α de Cronbach = 0.756). Los dos factores se correlacionaron significativamente (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 asegurar la estructura factorial del instrumento, evaluamos una muestra adicional de sujetos 169 (edad media = 21.66, SD = 2.69; hembras 106) para aplicar un CFA. El CFA se realizó con MPlus (Muthén y Muthén, 2011). Para la evaluación de los ajustes del modelo, aplicamos criterios estándar (Hu y Bentler, 1995, 1999): La raíz cuadrada media estandarizada residual (SRMR; los valores por debajo de 0.08 indican un buen ajuste con los datos), los índices de ajuste comparativo (CFI / TLI; los valores por encima de 0.90 indican un buen ajuste, los valores por encima de 0.95 son un ajuste excelente) y el cuadrado medio de la raíz error de aproximación (RMSEA; "prueba de ajuste ajustado"; un valor inferior a 0.08 con un valor significativo inferior a 0.05 indica un ajuste aceptable). El CFA confirmó la solución de dos factores para los IUES con parámetros de ajuste buenos a excelentes: el RMSEA fue 0.047, el CFI fue 0.984, el TLI fue 0.975 y el SRMR fue 0.031. El χ² prueba no fue significativa, χ² = 24.58, p = 0.137 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 fue recolectada solo para el CFA. Los datos no fueron incluidos en los análisis posteriores.

Análisis estadístico

Los procedimientos estándar estadísticos se llevaron a cabo con SPSS 21.0 para Windows (IBM SPSS Statistics, lanzado 2012). Las correlaciones de Pearson se calcularon para probar las relaciones de orden cero entre dos variables. Para controlar los datos de valores atípicos, creamos una variable aleatoria normalmente distribuida con la misma desviación estándar media que encontramos en el s-IAT (puntaje general). En teoría, esta variable aleatoria no debe estar relacionada con todas las variables de interés, si las correlaciones no fueron influenciadas por valores atípicos en los datos. Todas las correlaciones con la variable aleatoria fueron muy bajas, rs <0.049, lo que indica que no hubo valores atípicos sustancialmente influyentes en ninguna de las escalas de la muestra final (N = 1019). Adicionalmente, los diagramas de dispersión entre las variables se controlaron visualmente. Una vez más, no se encontraron extremos extremos. Por lo tanto, los análisis se realizaron con todos los sujetos.

El análisis SEM se calculó con MPlus 6 (Muthén y Muthén, 2011). No había datos faltantes. Antes de probar el modelo completo, los ajustes de las dimensiones latentes también se probaron utilizando CFA en MPlus. Para ambos, SEM y CFA, se aplicó la estimación del parámetro de máxima verosimilitud. Para la evaluación de los ajustes del modelo, aplicamos los criterios estándar (Hu y Bentler, 1995, 1999) como ya se describió en la sección anterior. Para aplicar el análisis del mediador se requería, de acuerdo con Baron y Kenny (1986), que todas las variables incluidas en la mediación deben correlacionarse entre sí. También utilizamos regresiones moderadas para analizar los efectos moderadores potenciales 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 todas las demás escalas aplicadas se pueden encontrar en la Tabla 2. La puntuación media de s-IAT de M = 23.79 (SD = 6.69) es bastante comparable con la puntuación reportada por Pawlikowski et al. (2013) para una muestra de sujetos 1820 de la población general (la puntuación media de s-IAT fue M = 23.30, SD = 7.25). Las correlaciones bivariadas entre el s-IAT (puntaje total) y los puntajes en los cuestionarios y escalas administradas se muestran en la Tabla 3.

 

TABLA 2. Puntuaciones medias de las escalas aplicadas.

 

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 probó si las dimensiones latentes están representadas de manera aceptable por las variables manifiestas. Por lo tanto, CFA se realizó con las seis dimensiones latentes (una dimensión dependiente, tres dimensiones del predictor, dos dimensiones del mediador). El RMSEA fue 0.066 con p <0.001, el CFI fue 0.951, el TLI fue 0.928 y el SRMR fue 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 CFA indicó que las dimensiones latentes están representadas de manera aceptable por las variables manifiestas. Solo en la dimensión de afrontamiento, el abuso de la sustancia de escala tiene una carga de factor más débil (β = 0.424) pero sigue siendo significativo (p <0.001) y, por tanto, suficiente, dado que el modelo global encajaba bien con 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 en dimensión latente con GIA como variable dependiente (modelado por los dos factores s-IAT) produjo un buen ajuste con los datos. El RMSEA fue 0.066 con p <0.001, el CFI fue 0.95, el TLI fue 0.93 y el SRMR fue 0.041. El χ² prueba fue significativa, χ² = 343.89, 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 = 5745.35, p <0.001. En resumen, los datos encajaron bien con el modelo teórico propuesto. En general, la gran proporción del 63.5% de la varianza en GIA se explicó 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. Los resultados del modelo de ecuación estructural incluyen las cargas factoriales de las dimensiones latentes, los pesos β, p-valores, y residuos. ***p <0.001.

Los tres efectos directos de los predictores sobre el GIA no fueron significativos (Figura 2). Pero tenga en cuenta que el efecto directo de los aspectos psicopatológicos de la variable latente falló ligeramente en alcanzar significación con p = 0.059. Aquí, se debe considerar que el peso β fue negativo, lo que indica que, en caso de que uno interprete el efecto directo marginalmente significativo, la depresión más alta y la ansiedad social van de la mano con los síntomas más bajos de GIA si el efecto indirecto de los aspectos psicopatológicos sobre las dos variables mediadoras (cofres y expectativas de uso de Internet) están parcializadas. Los efectos directos de las dos variables predictoras latentes, los aspectos psicopatológicos y la personalidad en el manejo de las variables mediadoras latentes y las expectativas de uso de Internet fueron significativos. Por el contrario, los efectos directos de las cogniciones sociales de variables latentes tanto en el afrontamiento como en las expectativas de uso de Internet no fueron significativos, lo que significa que estos efectos no fueron significativos cuando se controlaron los efectos de las otras dos dimensiones latentes.

Sin embargo, los efectos de las cogniciones sociales a las expectativas de uso de Internet no lograron alcanzar significación con p = 0.073. Los efectos directos de hacer frente al GIA (p <0.001) y de las expectativas de uso de Internet (p <0.001) fueron significativas con fuertes tamaños de efecto.

El efecto indirecto de los aspectos psicopatológicos sobre el manejo del GIA fue significativo (β = 0.173, SE = 0.059, p = 0.003). También el efecto indirecto de los aspectos psicopatológicos sobre las expectativas de uso de Internet para GIA fue significativo (β = 0.159, SE = 0.072, p = 0.027). El efecto indirecto de los aspectos de la personalidad sobre cómo sobrellevar el GIA también fue significativo (β = –0.08, SE = 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 GIA fue significativo (β = –0.160, SE = 0.061, p = 0.009). Ambos efectos indirectos de las cogniciones sociales sobre el afrontamiento (β = 0.025, SE = 0.030, p = 0.403) y conocimiento social sobre las expectativas de uso de Internet (β = –0.08, SE = 0.045, p = 0.075) a GIA no fueron significativos. El modelo con todas las cargas factoriales y β-los pesos se muestran en la figura 2. Los aspectos psicopatológicos de la dimensión latente se correlacionaron significativamente con los aspectos de la personalidad de la dimensión latente (r =-0.844, p <0.001) y con la dimensión latente cogniciones sociales (r = –0.783, p <0.001). Además, las dos dimensiones latentes, aspectos de personalidad y cogniciones sociales, se correlacionaron (r = 0.707, p <0.001).

Análisis adicionales

El modelo descrito fue el argumentado teóricamente y, en consecuencia, el que probamos primero. Sin embargo, luego probamos algunos modelos adicionales o partes del modelo por separado para comprender mejor los mecanismos subyacentes de GIA con más detalle. El primer tema que abordamos fue el efecto de la psicopatología en el GIA, porque nos pareció interesante que el efecto directo, aunque no significativo, fue negativo en el SEM (ver Figura 2), aunque en el nivel bivariado, las correlaciones fueron positivas. El modelo simple con aspectos psicopatológicos (representado por la depresión BIS y la ansiedad social BSI) como predictor y GIA (representado por los dos factores s-IAT) como variable dependiente tuvo un buen ajuste del modelo (todos los índices de ajuste son mejores que los 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, aspectos de personalidad y aspectos sociales sirvieron como predictores directos y GIA fue la variable dependiente (todas las variables a 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 el GIA (los dos factores s-IAT) fueron: el efecto de los aspectos psicopatológicos en el GIA β = 0.167, p = 0.122; efecto de los aspectos de la personalidad en GIA β = –0.223, p = 0.017; y efecto de los aspectos sociales en GIA β = –0.124, p = 0.081. Tenga en cuenta que el efecto de los aspectos psicopatológicos en el GIA sigue siendo positivo en este modelo (pero no es significativo) cuando el efecto se controla por los efectos de la personalidad y los aspectos sociales. En conjunto, los resultados de la SEM en general hablan de una mediación completa del efecto de los aspectos psicopatológicos en el GIA por parte de los dos mediadores (afrontamiento y expectativas), lo que se destaca aún más por los dos análisis adicionales que muestran que el efecto positivo a nivel bivariado y en el modelo simple se reduce por la inclusión de otras variables como predictores.

Teóricamente hemos conceptualizado el afrontamiento como mediador (Brand et al., 2014). Sin embargo, también se puede argumentar que hacer frente no media el efecto de los aspectos psicopatológicos, sino que actúa como moderador. Para asegurarnos de que la conceptualización de afrontamiento como mediador en lugar de moderador sea apropiada, también calculamos algunos análisis de moderador utilizando análisis de regresión moderados. Cuando, por ejemplo, el uso de aspectos psicopatológicos como predictor, el afrontamiento como moderador y la s-IAT (puntuación total) como variable dependiente, ambos aspectos psicopatológicos (β = 0.267) y el afrontamiento (β = 0.262) explican la varianza en la s-IAT. significativamente p <0.001), pero su interacción no añade una explicación significativa 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 de un uso adictivo de Internet (Brand et al., 2014), que se basa en los principales argumentos de Davis (2001) quien primero sugirió una diferenciación entre un uso excesivo generalizado de Internet (GIA) y una adicción específica a ciertas aplicaciones de Internet (SIA). En el estudio actual, tradujimos el modelo teórico sobre GIA en un modelo operacionalizado a nivel latente y probamos estadísticamente el SEM utilizando una encuesta en línea en una población de encuestados de 1019 en Internet. Encontramos un buen modelo general que encaja con los datos y el SEM hipotético, que representa las facetas principales del modelo teórico y explicó el 63.5% de la varianza de los síntomas de GIA según lo medido por el s-IAT (Pawlikowski et al., 2013).

El modelo es el primero en unir elementos asociados con la IA, como depresión, ansiedad social, baja autoestima, baja autoeficacia y mayor vulnerabilidad al estrés. Basado en el énfasis de las cogniciones relacionadas con el desarrollo de IA y 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 de uso de Internet) impactan los efectos directos de las variables predictoras (psicopatología, personalidad y cogniciones sociales) en el desarrollo del GIA. Los resultados muestran que tanto los estilos de afrontamiento como las expectativas de uso de Internet juegan un papel importante.

Todas las variables (predictores y mediadores) incluidas en el modelo se correlacionaron significativamente con la puntuación s-IAT en un nivel bivariado. Esto es básicamente consistente con la investigación previa sobre las relaciones bivariadas entre los síntomas de IA y los aspectos de la personalidad, los síntomas psicopatológicos y otras variables de la persona, como se menciona en la Introducción. Sin embargo, en el análisis SEM, todos los efectos directos de los tres predictores principales (en la dimensión latente) ya no fueron significativos cuando se incluyeron los mediadores hipotetizados en el modelo. Esto significa que los aspectos psicopatológicos (depresión, ansiedad social), aspectos de personalidad (autoestima, autoeficacia y vulnerabilidad al estrés) así como las cogniciones sociales (soledad emocional, apoyo social percibido) no afectan directamente los síntomas del GIA, pero eso 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 la 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 su impacto relativo se controla por los efectos de los aspectos psicopatológicos y de la personalidad (pero tenga en cuenta que las tres dimensiones latentes del predictor se correlacionaron significativamente y que el efecto de las cogniciones sociales al uso de Internet las expectativas ligeramente no alcanzaron significación). Los efectos directos del estilo de afrontamiento y las expectativas sobre los síntomas de GIA fueron significativos. En resumen, el estudio actual, aunque con una población no clínica, no solo confirma los hallazgos anteriores sobre la relevancia del estilo de afrontamiento y el tratamiento de eventos estresantes de la vida (Kardefelt-Winther, 2014; Tang et al., 2014; Tonioni et al., 2014) así como las expectativas de uso de Internet (Turel y Serenko, 2012; Xu et al., 2012; Lee et al., 2014) para desarrollar o mantener los síntomas de GIA, pero resalta explícitamente el papel de afrontamiento y las expectativas como mediadores en el proceso subyacente de GIA.

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 del GIA es limitado, el metanálisis publicado por Winkler et al. (2013) Argumenta 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 pasado en línea, la depresión y los síntomas de ansiedad. De hecho, la terapia cognitivo-conductual para la IA (TCC-IA; Joven, 2011a) ha sido identificada como la forma más frecuente de tratamiento de IA (Cash et al., 2012). Dentro del tratamiento cognitivo-conductual del GIA propuesto por Joven (2011a)Las características individuales, así como las expectativas de afrontamiento y uso de Internet ya se han formulado como hipótesis para ser relevantes en el tratamiento del GIA, pero la evidencia empírica fue muy escasa (por ejemplo, Joven, xnumx).

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 debe abordar las cogniciones no adaptativas asociadas con el uso disfuncional de Internet. Estos hallazgos confirman estudios anteriores que mostraron cogniciones de mala adaptación como la generalización excesiva, la evitación, la supresión, el aumento, la resolución de problemas de mala adaptación o los autoconceptos negativos están asociados con el uso adictivo de Internet (Joven, xnumx). Una implicación clínica de estos hallazgos es que la terapia debe aplicar la reestructuración cognitiva y el reencuadre para combatir los pensamientos que conducen al uso adictivo de Internet. Por ejemplo, un paciente que sufre de GIA puede tener signos de ansiedad social y timidez y, por lo tanto, algunos amigos y también problemas con otros en la escuela. Luego puede pensar que comunicarse con otras personas a través de los sitios de redes sociales satisface su necesidad social sin tener los aspectos de la situación de miedo de una interacción social "real". Además, puede tener la expectativa de que también jugar un juego en línea puede distraerla de los problemas en la escuela y que comprar en línea o buscar información en Internet puede reducir los sentimientos de soledad. La terapia la enfocaría en ver lugares alternativos en la escuela o en la vida privada, donde pueda aumentar la estima y satisfacer las necesidades sociales. Si deja de justificar que los sitios de redes sociales, juegos y sitios de compras son los únicos lugares en los que se siente bien con su vida y encuentra otros establecimientos más sanos, menos dependiente estará de las diferentes aplicaciones de Internet. Al conocer el papel que desempeñan las cogniciones en el desarrollo del GIA, la terapia cognitiva puede ayudar a los clientes a reestructurar los supuestos e interpretaciones que los mantienen en línea. Nuevamente, estas posibles implicaciones clínicas de los resultados del estudio deben tratarse con precaución, ya que deben replicarse en una muestra clínica que busca tratamiento.

Sin embargo, desde una perspectiva más amplia, estos hallazgos obtienen información sobre cómo los terapeutas pueden aplicar específicamente la TCC-IA a pacientes adictos a Internet. La modificación de la conducta puede ayudar a los clientes a desarrollar y adaptar estrategias de afrontamiento nuevas y más funcionales para hacer frente a los problemas diarios. La terapia debe centrarse en ayudar a los clientes a encontrar formas más saludables de sobrellevar la situación que recurrir a Internet. Un componente importante de CBT-IA es la terapia conductual para ayudar a los clientes a enfrentar los problemas subyacentes que contribuyen a la IA, específicos o generalizados (Joven, 2011a, 2013). Los hallazgos sugieren que mejorar las habilidades de afrontamiento reduciría la necesidad de conectarse en línea para los clientes. Aunque estudiados en una muestra de la población general, creemos que el hallazgo de que las circunstancias y las expectativas son mediadores en el desarrollo y mantenimiento del GIA contribuye a una mejor comprensión de los mecanismos del GIA y que probablemente tengan algunas implicaciones de tratamiento, como se mencionó anteriormente . Otro aspecto que no se enfocó en el estudio actual es el papel de la integridad de la corteza prefrontal. La eficacia de la TCC-IA también puede depender del funcionamiento prefrontal del paciente, porque es muy probable que el fortalecimiento del control cognitivo del uso de Internet en el curso de la terapia esté relacionado con las funciones ejecutivas y otros procesos cognitivos de orden superior. Es importante abordar esto en estudios futuros, ya que más recientemente se han publicado un par de artículos que muestran que las funciones de la corteza prefrontal probablemente se reducen en pacientes con IA (consulte la descripción general en Brand et al., 2014).

En nuestra muestra, la edad se correlacionó inversamente con los síntomas de GIA, pero con un tamaño de efecto muy bajo (solo se explica 1.96% de la varianza). Considerando artículos recientes sobre el uso de Internet en personas mayores (por ejemplo, Eastman e Iyer, 2004; Vuori y Holmlund-Rytkönen, 2005; Campbell, 2008; Nimrod, 2011), ciertamente se pueden exceptuar los efectos de la edad en varios aspectos del uso de Internet, como el uso de motivos 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 (Marca y Markowitsch, 2010), se puede especular que las personas mayores con reducciones ejecutivas, que experimentan una gran cantidad de placer en Internet pueden desarrollar GIA. Sin embargo, esto no está representado por nuestros datos, ya que nuestra muestra no incluyó sujetos más antiguos. Los estudios futuros pueden investigar los factores de vulnerabilidad específicos relacionados con el riesgo de GIA 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 (por ejemplo, Ko et al., 2005) y en particular el cibersexo (Meerkerk y otros, 2006; Griffiths, 2012; Laier et al., 2013, 2014), pero también se ha argumentado que ambos sexos están generalmente en riesgo de desarrollar un uso adictivo de Internet (Young et al., 1999, 2011). En nuestro estudio, los efectos del género en el GIA, medidos por el s-IAT, fueron muy bajos (d = 0.19, ver resultados), que indica que al menos en una población general ambos sexos tienen el mismo riesgo de desarrollar un AEG. Aunque el género no afectó la estructura general de los datos en el SEM, hubo algunas diferencias entre hombres y mujeres con respecto a los tres efectos directos de las variables predictoras para los mediadores. Como se resume en la sección de resultados, los aspectos psicopatológicos tuvieron un efecto en las expectativas en las mujeres, no en los hombres, en el efecto negativo de los aspectos de la personalidad en el afrontamiento y las expectativas están más presentes en los hombres que en las mujeres. Estos efectos encajan 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 la autoestima y la autoeficacia (Huang, 2012). Sin embargo, las facetas en las que se enfoca el estudio, a saber, los efectos de mediación de los enfrentamientos y las expectativas y su importancia para el GIA no se vieron afectadas por el género (ver 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 sexos.

Finalmente, hay varias limitaciones de este estudio. Es un modelo recientemente desarrollado que necesita pruebas adicionales en una población clínica para ver completamente su eficacia clínica en el tratamiento. También debe probarse utilizando la versión más larga del IAT (Joven, xnumx; Widyanto y McMurran, 2004) como una medida más probada en la literatura. Usamos la versión más corta dada la longitud de la herramienta de evaluación que usamos para todo el modelo, pero si replicamos este trabajo con una muestra clínica, se sugeriría usar el IAT junto con medidas adicionales de IA, como la Evaluación de Internet y Juego de computadora Adicción como escala (AICA-S) o entrevista clínica (AICA-C) desarrollado y validado con grupos clínicos por (Wölfling et al., 2010, 2012). Además, desarrollamos y probamos el cuestionario de expectativas de uso de Internet para los fines de este estudio. Aunque fuimos metodológicamente conservadores y cuidadosos en el desarrollo de la escala, esta medida debe evaluarse en poblaciones adicionales para determinar su validez y el cuestionario necesita pruebas empíricas adicionales en estudios futuros. También se deben aplicar 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 restrictivo de elementos, 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 de marcador clara, que en teoría no debería estar relacionada con todas las demás variables (el estudio tomó casi 25 min, 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 este efecto es poco probable que explique la estructura de datos completa informada. Al inspeccionar las correlaciones bivariadas (Tabla 3) se puede ver que algunos de ellos son muy bajos (por ejemplo, r = –0.08, r = –0.09, r = 0.12 etc.). Creemos que estas correlaciones bajas dan algunos indicios delicados sobre el supuesto de que la variación de los métodos comunes no afecta dramáticamente a los análisis principales. No obstante, el modelo debe probarse con un enfoque sistemático de múltiples rasgos y múltiples métodos (Campbell y Fiske, 1959) en futuros estudios.

El estudio actual se centra en GIA, lo que significa que el modelo en SIA, tal como lo describe Brand et al. (2014), todavía necesita ser probado empíricamente. Se deben probar diferentes formas de SIA (por ejemplo, juegos, pornografía en línea o apuestas por Internet) para ver si las habilidades de afrontamiento y las expectativas de uso de Internet desempeñan un papel similar en el desarrollo del problema. También es un debate si el concepto de GIA es principalmente adecuado para cubrir el comportamiento problemático en los pacientes. Encontramos evidencia del vínculo entre los problemas autoinformados relacionados con un uso no específico de varias aplicaciones de Internet diferentes y las variables sugeridas en el modelo. El concepto de GIA fue operacionalizado mediante las instrucciones de s-IAT y las formulaciones de elementos, pero también por el hecho de que más del 97% de los participantes reportaron usar regularmente tres o más aplicaciones de Internet diferentes, como comunicación, juegos, juegos de azar, cibersexo, etc. compras, o búsqueda de información. Desde una perspectiva clínica, no obstante, es un tema de debate si el GIA puede ser una razón para buscar tratamiento o si los pacientes que buscan tratamiento básicamente sufren una pérdida de control sobre el uso de una determinada aplicación, solo. Sugerimos considerar este punto en la investigación clínica al investigar sistemáticamente el comportamiento crítico en el contexto del uso de Internet y analizar qué tan frecuente es el uso descontrolado y adictivo de más de una aplicación de Internet en muestras clínicas. Además, no todos los componentes propuestos en el modelo teórico sobre GIA podrían incluirse en este estudio. Por ejemplo, pueden incluirse rasgos de personalidad adicionales u otros trastornos psicopatológicos en estudios futuros.

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

Editado por:

Ofir TurelUniversidad 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