Uso patológico de Internet y comportamientos de riesgo entre adolescentes europeos (2016)

Int. J. Environ. Res. Salud pública 2016, 13(3), 294; doi10.3390 / ijerph13030294

Tony Durkee 1,*Vladimir Carli 1Birgitta Floderus 2Camilla wasserman 3,4Marco Sarchiapone 3,5Alan Apter 6Judit A. Balazs 7,8Julio Bobes 9Romuald Brunner 10Paul corcoran 11Doina cosman 12, Cristiano haring 13Christina W. Hoven 4,14Michael Kaess 10Jean-Pierre Kahn 15Bogdan Nemes 12Vita Postuvan 16, Pilar A. Saiz 9Peeter Värnik 17 y Danuta Wasserman 1
1
Centro Nacional para la Investigación y Prevención del Suicidio de la Enfermedad Mental (NASP), Karolinska Institutet, Estocolmo SE-17177, Suecia
2
Departamento de Neurociencia Clínica, Karolinska Institutet, Estocolmo SE-17177, Suecia
3
Departamento de Medicina y Ciencias de la Salud, Universidad de Molise, Campobasso 86100, Italia
4
Departamento de Psiquiatría de Niños y Adolescentes, Instituto de Psiquiatría del Estado de Nueva York, Columbia University, Nueva York, NY 10032, EE. UU.
5
Instituto Nacional de Migración y Pobreza, Via San Gallicano, Roma 25 / A, Italia
6
Centro de estudio infantil Feinberg, Centro médico infantil Schneider, Universidad de Tel Aviv, Tel Aviv 49202, Israel
7
Hospital psiquiátrico para niños y adolescentes Vadaskert, Budapest 1021, Hungría
8
Instituto de Psicología, Universidad Eötvös Loránd, Budapest 1064, Hungría
9
Departamento de Psiquiatría, Centro de Investigación Biomédica en la Red de Salud Mental (CIBERSAM), Universidad de Oviedo, Oviedo 33006, España
10
Sección de trastornos del desarrollo de la personalidad, Clínica de psiquiatría infantil y adolescente, Centro de medicina psicosocial, Universidad de Heidelberg, Heidelberg 69115, Alemania
11
Fundación Nacional de Investigación del Suicidio, Western Rd., Cork, Irlanda
12
Departamento de Psicología Clínica, Universidad Iuliu Hatieganu de Medicina y Farmacia, Str. Victor Babes Nr. 8, Cluj-Napoca 400000, Rumania
13
División de Investigación para la Salud Mental, Universidad de Tecnología de la Información Médica (UMIT), Klagenfurt, Innsbruck 6060, Austria
14
Departamento de Epidemiología, Escuela de Salud Pública Mailman, Columbia University, Nueva York, NY 10032, EE. UU.
15
Departamento de Psiquiatría, Centro Hospitalario Universitario de Nancy, Université de Lorraine, Nancy, Vandoeuvre-lès-Nancy 54500, Francia
16
Centro Esloveno de Investigación del Suicidio, Instituto Andrej Marušič, Universidad de Primorska, Koper 6000, Eslovenia
17
Centro de Ciencias de la Salud y del Comportamiento, Instituto Sueco-Estonio de Salud Mental y Suicidología, Universidad de Tallin, Tallin 10120, Estonia
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Editor académico: Paul B. Tchounwou
Recibido: 1 Diciembre 2015 / Aceptado: 3 Marzo 2016 / Publicado: 8 Marzo 2016

Resumen

: Las conductas de riesgo son un importante contribuyente a las principales causas de morbilidad en adolescentes y jóvenes; sin embargo, su asociación con el uso patológico de Internet (PIU) es relativamente inexplorada, particularmente en el contexto europeo. El objetivo principal de este estudio es investigar la asociación entre conductas de riesgo y PIU en adolescentes europeos. Este estudio transversal se llevó a cabo en el marco del proyecto FP7 de la Unión Europea: Salvar y potenciar las vidas jóvenes en Europa (SEYLE). Los datos sobre adolescentes se obtuvieron de escuelas aleatorias dentro de los sitios de estudio en once países europeos. La UEP se midió utilizando el Cuestionario de Diagnóstico de Young (YDQ). Las conductas de riesgo se evaluaron mediante preguntas obtenidas de la Encuesta mundial de salud estudiantil escolar (GSHS). Un total de adolescentes 11,931 se incluyeron en el análisis: 43.4% masculino y 56.6% femenino (M / F: 5179 / 6752), con una edad media de 14.89 ± 0.87 años. Los adolescentes que informaron sobre hábitos de sueño deficientes y acciones de riesgo mostraron las asociaciones más fuertes con PIU, seguidas del consumo de tabaco, la mala nutrición y la inactividad física. Entre los adolescentes en el grupo PIU, 89.9% se caracterizó por tener múltiples conductas de riesgo. La asociación significativa observada entre la UIP y las conductas de riesgo, combinada con una alta tasa de co-ocurrencia, subraya la importancia de considerar la UIP al evaluar, tratar o prevenir las conductas de alto riesgo entre los adolescentes.

Palabras clave: uso patológico de internet; Adicción a Internet; comportamiento de riesgo; múltiples conductas de riesgo; estilos de vida poco saludables; adolescentes; SEYLE

1. Introducción

La adolescencia es un período de transición caracterizado por cambios considerables en los atributos físicos, sociales y psicológicos [1]. Además, las relaciones con los compañeros, la familia y la sociedad experimentan distintos cambios durante este período transitorio, a medida que los adolescentes comienzan a afirmar su autonomía sobre sus decisiones, emociones y comportamientos [2]. Las aptitudes sociales en adolescentes a menudo se desarrollan en el curso de interacciones psicosociales en diferentes contextos de aprendizaje [3]. Dada la extensa plataforma para fomentar la cognición social y las habilidades interpersonales [4,5], Internet ha demostrado ser un canal nuevo y único para el desarrollo psicosocial entre los adolescentes [6,7].
A pesar de estas ventajas inherentes, los estudios han demostrado que el uso frecuente y prolongado de las aplicaciones en línea tiene la propensión a desplazar las interacciones y relaciones sociales convencionales [8,9]. Hay evidencia que demuestra que el tiempo acumulado en línea desplaza el tiempo en la interacción cara a cara con familiares y amigos [10], participando en actividades extracurriculares [11], completando tareas académicas [12], hábitos alimenticios adecuados [13], actividad física [14] y durmiendo [15]. A medida que los adolescentes pasan más tiempo en línea, existe el riesgo de que su uso de Internet pueda llegar a ser excesivo o incluso patológico [16].
 
El uso patológico de Internet (PIU) se caracteriza por preocupaciones, impulsos o conductas excesivas o mal controladas con respecto al uso de Internet que conducen a deterioro o angustia [17]. Conceptualmente, la UIP ha sido modelada como un trastorno de control de impulsos y clasificada como una taxonomía de la adicción conductual similar a la naturaleza del juego patológico [18]. A pesar de los avances recientes en la investigación de la UIP, los esfuerzos para comprender este fenómeno se ven obstaculizados por la falta de consenso internacional sobre los criterios diagnósticos de la enfermedad. No está incluido en el Manual estadístico y de diagnóstico de trastornos mentales (DSM) ni en los sistemas nosológicos de Clasificación internacional de enfermedades (DCI). El principal desafío al que se enfrenta la investigación de la UIP es su concepción como un trastorno adictivo.
 
A la luz de estas afirmaciones, el DSM-5 recientemente publicado [19] ha incluido la adicción conductual (trastornos adictivos no relacionados con sustancias) como una categoría de diagnóstico oficial, siendo el trastorno de juego (GD, por sus siglas en inglés) la única condición incluida en esta nueva clasificación. El trastorno de juego en Internet (IGD) también es un subtipo potencial de adicción conductual que se consideró para su inclusión en el sistema nosológico DSM; sin embargo, todavía faltaba evidencia que apoyara la IGD como un trastorno diagnóstico. IGD se incluyó posteriormente en la Sección III del DSM-5, como una condición que requería un estudio adicional [20], con el fin de determinar su eventual idoneidad como un trastorno de diagnóstico. A pesar de la actual ambigüedad nosológica de la PIU, sigue habiendo evidencias que muestran un fuerte vínculo entre la PIU y otras formas de adicción [21,22,23,24].
La investigación muestra que los individuos con UIP comparten atributos neurológicos, biológicos y psicosociales con adicciones tanto conductuales como relacionadas con sustancias [25,26,27,28,29]. Basado en un modelo teórico denotado por Griffiths [30], hay seis síntomas centrales exhibidos en trastornos adictivos que son aplicables a la PIU. Estos incluyen: atención (preocupación por las actividades en línea), modificación del estado de ánimo (usar Internet para escapar o aliviar el estrés), tolerancia (necesidad de permanecer en línea por más tiempo), abstinencia (depresión e irritabilidad cuando está desconectado), conflictos (interpersonales e intrapsíquicos) y recaída (intentos fallidos de descontinuar el uso de internet). Estos componentes centrales proporcionan un marco teórico para estimar la magnitud de la PIU.
 
Las tasas de prevalencia para la UIP varían considerablemente entre los países, en parte debido a la heterogeneidad de su definición, nomenclatura y evaluación diagnóstica. En un esfuerzo por estimar una prevalencia global, Cheng y Li [31] abordó estas discrepancias mediante la aplicación de un metanálisis de efectos aleatorios mediante estudios con instrumentos y criterios psicométricos comparables. Este enfoque produjo un total de participantes de 89,281 de países de 31 que abarcan varias regiones del mundo. Los resultados mostraron que la prevalencia global de PIU fue 6.0% (95% CI: 5.1 – 6.9) con solo heterogeneidad moderada.
Los estudios de prevalencia que evalúan la PIU a nivel europeo utilizando muestras representativas son limitados. A pesar de esta escasez, hay evidencia epidemiológica emergente que indica tendencias estables en las tasas de prevalencia entre este grupo objetivo. En una muestra representativa de adolescentes europeos (n = 18,709) de años 11 a 16, Blinka et al. El32] mostró que la prevalencia de PIU fue 1.4%. Esto coincide con las tasas reportadas por Tsitsika et al. El33], que estimaron una prevalencia en la UIP de 1.2% en una muestra representativa de jóvenes europeos (n = 13,284) con edades entre 14 y 17. Durkee y colegas [34], sin embargo, observó una prevalencia de PIU ligeramente mayor del 4.4% en una muestra representativa de adolescentes europeos (n = 11,956) con edades entre 14 y 16. Las tasas de prevalencia de UIP en Europa mostraron ser significativamente más altas en hombres que en mujeres, aumentan con la edad, difieren según el país y están vinculadas con una serie de trastornos mentales y del comportamiento [35,36,37,38,39].
 
La aparición de conductas de riesgo con frecuencia ocurre durante la adolescencia con una alta probabilidad de continuidad en la edad adulta. Los varones tienden a tener una mayor prevalencia que las mujeres, y la frecuencia de las conductas de riesgo tiende a aumentar con la edad [40]. Existen distintos niveles de severidad que van desde comportamientos de bajo riesgo (malos hábitos de sueño, mala nutrición e inactividad física) hasta comportamientos de alto riesgo (consumo excesivo de alcohol, consumo de drogas ilícitas y consumo de tabaco). En general, las investigaciones han evaluado los comportamientos de riesgo como entidades independientes, aunque una evidencia clara muestra su co-ocurrencia, incluso a una edad temprana [41,42]. Las poblaciones con múltiples conductas de riesgo tienen el mayor riesgo de enfermedades crónicas, trastornos psiquiátricos, conductas suicidas y muerte prematura en comparación con las personas con conductas de riesgo únicas o sin riesgo [43,44]. Dada la naturaleza concurrente de las conductas de riesgo, es imperativo entender su implicación en el riesgo de los adolescentes de la UEP.
 
El Sistema de vigilancia de conductas de riesgo juvenil (YRBSS, por sus siglas en inglés) de los EE. UU. Determina que las conductas de riesgo contribuyen de manera importante a las principales causas de morbilidad en adolescentes y jóvenes [45]. Aparte de esta suposición implícita, hay relativamente poca investigación que examine sistemáticamente hasta qué punto estas formas de comportamiento se relacionan con la UEP de los adolescentes, particularmente en el contexto europeo. Las investigaciones epidemiológicas son necesarias para comprender mejor este fenómeno.
 
Basado en una muestra grande y representativa de adolescentes escolares en Europa, el objetivo principal de este estudio es investigar la asociación entre conductas de riesgo (es decir, consumo de alcohol, uso de drogas ilícitas, consumo de tabaco, acciones de riesgo, absentismo escolar, malos hábitos de sueño, mala nutrición e inactividad física) y distintas formas de uso de Internet.

2. Materiales y métodos

2.1. Diseño del estudio y población

El presente estudio transversal se realizó en el marco del proyecto de la Unión Europea: Salvar y potenciar las vidas jóvenes en Europa (SEYLE) [46]. Los adolescentes fueron reclutados de escuelas seleccionadas al azar en los sitios de estudio en Austria, Estonia, Francia, Alemania, Hungría, Irlanda, Israel, Italia, Rumania, Eslovenia y España, con Suecia como centro coordinador.
 
Los criterios de inclusión para seleccionar escuelas elegibles se basaron en las siguientes condiciones: (1) las escuelas eran públicas; (2) contenía al menos estudiantes 40 de 15 años; (3) tenía más de dos maestros para estudiantes de 15 años; y (4) no tenía más del 60% de estudiantes del mismo género. Las escuelas elegibles se clasificaron por tamaño: (i) pequeñas (≤ el número medio de estudiantes en todas las escuelas del sitio de estudio); y (ii) grande (≥ el número promedio de estudiantes en todas las escuelas del sitio de estudio) [46]. Usando un generador de números aleatorios, las escuelas se asignaron al azar según las intervenciones de SEYLE y el tamaño de la escuela con respecto a los factores socioculturales, el entorno escolar y la estructura del sistema escolar en cada sitio de estudio.
 
Los datos fueron recolectados a través de cuestionarios estructurados administrados a adolescentes dentro del entorno escolar.
La representatividad, el consentimiento, la participación y las tasas de respuesta de la muestra se informan en un análisis metodológico [47].
El presente estudio se realizó de acuerdo con la Declaración de Helsinki y el protocolo fue aprobado por el Comité de Ética local en cada país participante (Proyecto No. HEALTH-F2-2009-223091). Antes de participar en el estudio, tanto los adolescentes como los padres dieron su consentimiento informado para participar.

2.2. Mediciones

La UEP se evaluó utilizando el Cuestionario de Diagnóstico de Young (YDQ) [18]. El YDQ es un cuestionario de ítems 8 que evalúa los patrones de uso de Internet que resultan en un deterioro psicológico o social durante el período de seis meses anterior a la recolección de datos [48]. Los ocho artículos en el YDQ corresponden a los seis artículos en el modelo de componentes de Griffiths y nueve artículos en los criterios de diagnóstico de IGD en el DSM-5 [49,50]. Según el puntaje YDQ, que van desde 0 – 8, los usuarios de Internet se clasificaron en tres grupos: usuarios de Internet adaptativos (AIU) (puntuación 0 – 2); Usuarios de Internet mal adaptados (MIU) (puntuación 3 – 4); y usuarios patológicos de Internet (PIU) (puntuación ≥ 5) [51]. Además, las horas en línea por día se midieron utilizando una pregunta de un solo ítem en el cuestionario estructurado.
Los datos sobre comportamientos de riesgo se obtuvieron mediante el uso de preguntas de la Encuesta mundial de salud estudiantil basada en la escuela (GSHS) [52]. Desarrollado por la Organización Mundial de la Salud (OMS) y sus colaboradores, el GSHS es una encuesta escolar que evalúa las conductas de riesgo para la salud de adolescentes de años 13 a 17. Este cuestionario de autoinforme comprende ítems que corresponden a las principales causas de morbilidad de 10 en adolescentes y jóvenes.

2.3. Riesgos individuales-Comportamientos

Según el GSHS, los comportamientos de riesgo individuales se delinearon en tres categorías: (i) uso de sustancias; (ii) búsqueda de sensaciones; (iii) y características del estilo de vida. Las conductas de riesgo individuales resultantes se codificaron como variables dicotómicas.

2.3.1. Uso de sustancias

El uso de sustancias involucró el uso de alcohol, el uso de drogas ilícitas y el uso de tabaco. Las variables se clasificaron en consecuencia: (1) frecuencia de consumo de alcohol: ≥2 veces / semana vs. ≤1 veces / semana; (2) cantidad de bebidas en un día típico de bebida: ≥3 bebidas en comparación con ≤2 bebidas; (3) incidencia de por vida de beber hasta el punto de embriaguez (intoxicación por alcohol): ≥3 veces vs. ≤2 veces; (4) incidencia de por vida de tener resaca después de beber: ≥3 veces vs. ≤2 veces; (5) drogas usadas alguna vez: sí / no; (6) alguna vez usó hachís o marihuana: sí / no; (7) tabaco usado alguna vez: sí / no; y (8) fumando cigarrillos actualmente: ≥6 / día vs. ≤5 / día.

2.3.2. La búsqueda de sensaciones

La búsqueda de sensaciones comprendía cuatro elementos que indicaban acciones de toma de riesgos durante los últimos doce meses: (1) conducido en un vehículo por un amigo que había estado bebiendo alcohol; (2) condujo un monopatín o un vehículo con ruedas sin un casco y / o (3) tirado a lo largo de un vehículo en movimiento; y (4) han ido a calles o callejones peligrosos durante la noche. Las alternativas de respuesta fueron sí / no en los cuatro ítems.

2.3.3. Características de estilo de vida

Las características del estilo de vida incluían variables relacionadas con el sueño, la nutrición, la actividad física y la asistencia a la escuela. Hábitos de sueño referidos a los últimos seis meses: (1) sentirse cansado en la mañana antes de la escuela: ≥3 días / semana vs. ≤2 días / semana; (2) siestas después de la escuela: ≥3 días / semana vs. ≤2 días / semana; y (4) durmiendo: ≤6 horas / noche vs. ≥7 horas / noche. Nutrición referida a los últimos seis meses: (4) consumiendo frutas / verduras: ≤1 tiempo / semana vs. ≥2 veces / semana; y (5) consumir el desayuno antes de la escuela: ≤2 días / semana vs. ≥3 días / semana. Actividad física referida a los últimos seis meses: (6) actividad física durante al menos 60 minutos durante las últimas dos semanas: ≤3 días vs. ≥4 días; y (7) practicar deportes regularmente: sí / no. La asistencia a la escuela comprendió un ítem sobre la ocurrencia de ausencias injustificadas de la escuela durante las últimas dos semanas: ≥3 días vs. ≤2 días.

2.4. Múltiples comportamientos de riesgo

El número total de comportamientos de riesgo se calculó en una sola variable y se codificó como una medida ordinal. Fiabilidad media dividida (rsb = 0.742) y los valores de consistencia interna (α = 0.714) indicaron un nivel aceptable de homogeneidad entre los elementos en la medida de riesgo-conducta múltiple

3. Análisis estadístico

La prevalencia de comportamientos de riesgo individuales entre los grupos de usuarios de Internet se calculó para hombres y mujeres. Para establecer diferencias estadísticamente significativas entre las proporciones de los grupos, se realizaron comparaciones múltiples por pares utilizando la prueba z de dos lados con los valores de p ajustados de Bonferroni. Se realizaron análisis extendidos para probar el efecto de los comportamientos de riesgo individuales en la MIU y la PIU utilizando modelos mixtos lineales generalizados (GLMM) con un enlace logit multinomial y una estimación de máxima probabilidad total. En el análisis GLMM, se introdujeron MIU y PIU como medidas de resultado con AIU como categoría de referencia, los comportamientos de riesgo individuales se ingresaron como efectos fijos de nivel 1, la escuela como intercepción aleatoria de nivel 2 y el país como intercepción aleatoria de nivel 3. Se utilizaron componentes de varianza como la estructura de covarianza para los efectos aleatorios. Para estudiar el efecto moderador del género, los términos de interacción (género * riesgo-comportamiento) se ajustaron al modelo de regresión. Los ajustes por edad y género se aplicaron a modelos GLMM relevantes. Los odds ratios (OR) con 95% intervalos de confianza (IC) se informan para los modelos respectivos.
En el análisis de múltiples comportamientos de riesgo, la media (M) y el error estándar de la media (SEM) se calcularon para los diferentes grupos de usuarios de Internet y se estratificaron por género. Se utilizaron diagramas de caja y bigotes para ilustrar estas relaciones. La significación estadística entre los comportamientos de riesgo múltiples y el género se evaluó mediante la prueba t de muestras independientes. Se empleó un análisis de varianza de una vía (ANOVA) con comparaciones por pares post hoc para evaluar la significación estadística entre los múltiples comportamientos de riesgo y los grupos de usuarios de Internet.
Se realizó un gráfico de variables de regresión para dilucidar la relación lineal entre el número de horas en línea por día y el número de conductas de riesgo entre los grupos de usuarios de Internet. Todas las pruebas estadísticas se realizaron con IBM SPSS Statistics 23.0. Se consideró estadísticamente significativo un valor crítico de p <0.05.

4. Resultados

4.1. Características de la muestra de estudio

Entre la muestra inicial de SEYLE de 12,395 adolescentes, hubo 464 (3.7%) sujetos excluidos debido a la falta de datos sobre variables relevantes. Esto produjo un tamaño de muestra de 11,931 adolescentes escolares para el presente estudio. La muestra estuvo conformada por 43.4% varones y 56.6% mujeres adolescentes (H / M: 5179/6752) con una edad promedio de 14.89 ± 0.87 años. La prevalencia de MUI fue significativamente mayor entre las mujeres (14.3%) en comparación con los hombres (12.4%), mientras que la UIP fue significativamente mayor entre los hombres (5.2%) que entre las mujeres (3.9%) (χ² (2, 11928) = 19.92, p < 0.001).

4.2. Prevalencia de conductas de riesgo.

Tabla 1 describe la prevalencia de comportamientos de riesgo estratificados por grupo de usuarios de Internet. Las tasas de prevalencia promedio entre los grupos de usuarios de Internet (AIU, MIU y PIU) fueron 16.4%, 24.3% y 26.5% para el uso de sustancias (consumo de alcohol, uso de drogas ilícitas y consumo de tabaco); 19.0%, 27.8% y 33.8% para los comportamientos de búsqueda de sensaciones (acciones de riesgo); y 23.8%, 30.8% y 35.2% para las características de estilo de vida (malos hábitos de sueño, mala nutrición, inactividad física y absentismo escolar), respectivamente. La prevalencia dentro de los grupos MIU y PIU fue significativamente mayor en comparación con el grupo AIU en todas las categorías de riesgo (uso de sustancias, búsqueda de sensaciones y características de estilo de vida). Con la excepción de cinco subcategorías, las comparaciones por pares mostraron que las tasas de prevalencia no difirieron significativamente entre los grupos MIU y PIU.

Mesa
Tabla 1. Prevalencia de comportamientos de riesgo en adolescentes estratificados por género y grupo de usuarios de Internet 1,2a – c.

4.3. Múltiples comportamientos de riesgo

Los resultados mostraron que el 89.9% de los adolescentes en el grupo de PIU informaron múltiples conductas de riesgo. La prueba ANOVA de una vía reveló que la tasa media de múltiples conductas de riesgo aumentó significativamente desde el uso adaptativo (M = 4.89, SEM = 0.02) al uso desadaptativo (M = 6.38, SEM = 0.07) al uso patológico (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Esta tendencia fue prácticamente equivalente para hombres y mujeres (Figura 1 y XNUMX).

Ijerph 13 00294 g001 1024
Figura 1. Diagrama de caja y bigotes de múltiples comportamientos de riesgo entre usuarios de Internet adaptativos (AIU), usuarios de Internet inadaptados (MIU) y usuarios de Internet patológicos (PIU) estratificados por género *.
Además, no se observaron diferencias estadísticas entre los géneros en los grupos MIU (t (1608) = 0.529, p = 0.597) y PIU (t (526) = 1.92, p = 0.054) (Tabla 2). Debe señalarse, sin embargo, que el valor de p para el grupo de UIP estaba relativamente cerca de alcanzar significación estadística (p = 0.054). 

Mesa
Tabla 2. Prueba t de muestras independientes de múltiples comportamientos de riesgo y género por grupo de usuarios de Internet 1-3.
La gráfica de la variable de regresión mostró una clara relación lineal entre el número de horas en línea por día y el número de comportamientos de riesgo en adolescentes. Esta tendencia fue comparativamente idéntica entre los grupos de usuarios de Internet (Figura 2 y XNUMX). 

Ijerph 13 00294 g002 1024
Figura 2. Relación lineal entre la cantidad de horas en línea por día y la cantidad de comportamientos de riesgo entre los grupos AIU, MIU y PIU *.

4.4. Análisis GLMM de la Asociación entre Comportamientos de Riesgo, MIU y PIU

Los comportamientos de riesgo que se asociaron significativamente con MIU también se asociaron significativamente con PIU, con la excepción de tres subcategorías anotadas dentro de las acciones de toma de riesgos y el absentismo escolar (Tabla 3). El análisis GLMM mostró que todas las subcategorías de malos hábitos de sueño aumentaron significativamente las probabilidades relativas de PIU con tamaños de efectos que van desde OR = 1.45 a OR = 2.17. Se observaron asociaciones significativas entre las acciones de toma de riesgos y la PIU con tamaños de efectos que van desde OR = 1.55 a OR = 1.73. Además, las razones de probabilidades para subcategorías individuales dentro del uso de tabaco (OR = 1.41), nutrición deficiente (OR = 1.41) e inactividad física (OR = 1.39) fueron estadísticamente significativas.

Mesa
Tabla 3. Modelo lineal generalizado mixto (GLMM) de la asociación entre comportamientos de riesgo individuales, uso inadaptado y uso patológico con un análisis extendido sobre las interacciones de género 1-4.

4.5. Interacciones de género

El análisis sobre las interacciones de género reveló que la asociación entre las acciones de toma de riesgos, los malos hábitos de sueño y la UIP fue significativamente mayor en las mujeres, mientras que la asociación entre el ausentismo escolar, la mala nutrición y la UEP fue significativamente mayor en los hombres (Tabla 3).

5. Discusión

5.1. Prevalencia de conductas de riesgo.

El presente estudio buscó examinar la relación entre la UEP y las conductas de riesgo. Los resultados mostraron que la prevalencia de comportamientos de riesgo fue significativamente mayor entre los usuarios patológicos en comparación con los usuarios adaptativos con algunas variaciones entre los géneros. La prevalencia más alta observada entre los usuarios desadaptativos y patológicos fueron los malos hábitos de sueño seguidos del consumo de tabaco. Estas estimaciones son considerablemente más altas en comparación con las tasas de prevalencia informadas en estudios realizados fuera de la UE, a saber, en las regiones de Asia y el Pacífico [53,54]. Una explicación plausible podría estar relacionada con las variaciones observadas a nivel ecológico (por ejemplo, tasas de penetración) entre estas regiones respectivas. Las estadísticas muestran que la región europea tiene la tasa de penetración de Internet más alta (78%) en todo el mundo. Las tasas europeas son más del doble en comparación con las representadas en las regiones de Asia y el Pacífico (36%) [55]. Las tasas reales de penetración de roles en influir en la prevalencia de la UEP son ambiguas; por lo tanto, los esfuerzos futuros que examinen esta relación serían de gran valor para explicar esta conexión.

5.2. Uso de sustancias

Las características entre las conductas de riesgo y las conductas adictivas son altamente superpuestas. Esto es quizás más evidente con el uso de sustancias. El uso de sustancias a menudo se clasifica como un comportamiento de riesgo; Sin embargo, también es un antecedente de abuso de sustancias. Si los comportamientos de alto riesgo comparten mecanismos subyacentes similares, entonces tener un comportamiento problemático puede reducir el umbral para desarrollar otros comportamientos problemáticos. Esta afirmación está corroborada por investigaciones basadas en evidencia que demuestran un alto nivel de interconexión entre diversas conductas de riesgo [56]. Basado en este concepto, es plausible suponer que los adolescentes con conductas de riesgo preexistentes probablemente tengan un mayor riesgo de UIP en comparación con los adolescentes sin conductas de riesgo.

5.3. La búsqueda de sensaciones

En línea con la investigación anterior [57], los resultados mostraron que la mayoría de las acciones de toma de riesgos dentro de la categoría de búsqueda de sensaciones se asociaron significativamente con la UEP. La búsqueda de sensaciones es un rasgo de personalidad asociado con deficiencias en la autorregulación y la gratificación diferida [58]. Estos atributos entre los jóvenes a menudo se relacionan con una predisposición perceptiva de un "efecto de sesgo optimista" en el que los adolescentes tienen más probabilidades de descontar los riesgos por sí mismos, mientras que sobreestima los riesgos para otros [59]. Es probable que los adolescentes que muestran estos rasgos de desviación tengan una mayor propensión a los problemas de conducta.

5.4. Características de estilo de vida

Los malos hábitos de sueño demostraron ser los factores más importantes relacionados con la PIU. Esto se debe probablemente a un efecto de desplazamiento del sueño para las actividades en línea. Hay ciertas actividades en línea que inducen explícitamente a los usuarios a permanecer en línea más tiempo del anticipado. Un estudio sobre juegos de rol en línea multijugador masivo (MMORPG) indicó que los usuarios están tentados a permanecer en línea por más tiempo para seguir la historia progresiva de su personaje en línea [60]. El uso excesivo de los sitios de redes sociales también ha surgido en los últimos años, lo que denota un aumento en el tiempo dedicado en línea y correlaciones negativas con las interacciones sociales de la vida real [61,62]. Los estudios demuestran que los adolescentes que utilizan Internet de manera excesiva tienen la propensión a desarrollar trastornos del sueño como resultado de su prolongado tiempo en línea [63,64]. El desplazamiento crónico del sueño por actividades en línea podría llevar a la privación del sueño, que se sabe que causa efectos adversos graves en el funcionamiento social, psicológico y somático.
Las perturbaciones en los patrones de sueño regulados también podrían ser un factor mediador en la relación entre el absentismo escolar y el uso inadaptado de Internet. Los adolescentes que participan en actividades en línea en un grado excesivo podrían correr el riesgo de interrumpir su orden natural de sueño. La evidencia muestra que el aumento de la latencia del sueño y la disminución del movimiento rápido de los ojos (sueño REM) se asocian significativamente con el uso excesivo de Internet [65], mientras que las insomnias subjetivas y las parasomnias están vinculadas con el absentismo escolar [66]. Los trastornos del sueño tienen efectos pronunciados sobre el funcionamiento diurno y el rendimiento académico. Esto podría hacer que los adolescentes se desinteresen de la escuela, lo que aumenta el riesgo de rechazo escolar y de ausentismo crónico [66].
La mala nutrición y la inactividad física mostraron una asociación significativa con la UEP. Los adolescentes que pasan más horas en línea navegan potencialmente hacia alimentos poco saludables. Se postula que los jugadores en línea toman bebidas energéticas con alto contenido de cafeína y comen bocadillos con alto contenido de azúcar para aumentar el estado de alerta para los juegos en línea [67]. Posteriormente, estos factores podrían hacer que los jugadores en línea estén más inclinados a comportamientos sedentarios en comparación con los no jugadores. Además, existe una gran lealtad entre los jugadores, particularmente aquellos que desplazan los alimentos, la higiene personal y la actividad física, para continuar con los juegos en línea [68]. Esto podría suponer graves riesgos para la salud y puede llevar a síntomas psicosomáticos graves.

5.5. Múltiples comportamientos de riesgo

Se determinó que los comportamientos de riesgo eran de naturaleza concurrente, con 89.9% de adolescentes en el grupo PIU que informaron múltiples comportamientos de riesgo. Estos resultados están en línea con la teoría de Jessor sobre el comportamiento problemático [69,70]. La teoría de la conducta problemática es un modelo psicosocial que intenta explicar los resultados conductuales en los adolescentes. Consiste en tres sistemas conceptuales basados ​​en componentes psicosociales: sistema de personalidad, sistema ambiental percibido y sistema de comportamiento. En este último sistema, las estructuras de riesgo-comportamiento (por ejemplo, consumo de alcohol, consumo de tabaco, delincuencia y desviación) tienden a coexistir y agruparse en un "síndrome de riesgo-comportamiento" general [71]. Según Jessor, estos comportamientos problemáticos a menudo se derivan de la afirmación de los adolescentes de la independencia de los padres y las influencias sociales.
Los adolescentes que luchan por su autonomía podrían, en parte, explicar la importante tendencia lineal observada entre las horas en línea por día y las múltiples conductas de riesgo. Esta tendencia fue comparativamente idéntica en todos los grupos de usuarios de Internet. Estos hallazgos son muy relevantes, ya que sugieren que el exceso de horas en línea en sí mismo puede aumentar el número de conductas de riesgo para todos los adolescentes y no solo para los diagnosticados con UEP. El exceso de horas en línea también podría ser un factor moderador en la relación entre la UEP y las conductas de riesgo; sin embargo, se necesita más investigación para explorar esta relación.

5.6. Interacciones de género

El análisis sobre las interacciones de género mostró que las asociaciones significativas observadas entre comportamientos de riesgo y PIU se distribuyeron uniformemente entre hombres y mujeres. Esto es algo contradictorio con la investigación anterior, que generalmente muestra que la UEP y las conductas de riesgo son específicas del género masculino. Este cambio de género podría ser un indicio de que la brecha de género en las conductas de riesgo puede reducirse entre los adolescentes europeos.
Desde otra perspectiva, la relación entre género y comportamientos de riesgo podría estar mediada por un tercer factor, como la psicopatología. En un estudio extenso, basado en el género, de adolescentes (n = 56,086) de 12-18 años de edad, las tasas de prevalencia de PIU se estimaron en 2.8% entre la muestra total, con tasas significativamente más altas observadas en hombres (3.6%) en comparación con mujeres ( 1.9%) [72]. El estudio respectivo observó que las mujeres con problemas emocionales, como la infelicidad subjetiva o los síntomas depresivos, tienen una prevalencia de UIP significativamente mayor que los hombres con síntomas emocionales similares. Los estudios basados ​​en el género que analizan el efecto de las interacciones de género en la PIU son un requisito previo esencial para la dirección futura de la investigación de la PIU.

5.7. Modelo de componentes de Griffiths

Modelo de componentes de adicción de Griffiths [30] la hipótesis de que las adicciones conductuales (p. ej., UIP) y las adicciones relacionadas con sustancias avanzan a través de procesos biopsicosociales similares y comparten numerosas fisonomías. Los criterios de adicción de los seis componentes principales respectivos en este modelo son la prominencia (1), la modificación del estado de ánimo (2), la tolerancia (3), el retiro (4), el conflicto (5) y la recaída (6). Kuss et al. El73] evaluó el modelo de componentes de la adicción en dos muestras independientes (n = 3105 y n = 2257). Los resultados mostraron que el modelo de componentes de PIU se ajusta muy bien a los datos en ambas muestras.
En el presente estudio, la medida YDQ se utilizó para evaluar y detectar adolescentes con riesgos desadaptativos y patológicos relacionados con su uso de Internet y comportamientos en línea. Como la medida YDQ comprende los seis criterios de adicción estipulados en el modelo de componentes de Griffiths, la validez de los resultados informados en este estudio está respaldada por este marco teórico.

5.8. Fortalezas y limitaciones

La gran muestra representativa y transnacional es una de las principales fortalezas de este estudio. La metodología homogénea y los procedimientos estandarizados utilizados en todos los países aumentan la validez, confiabilidad y comparabilidad de los datos. Hasta donde sabemos, el área geográfica en Europa fue la más grande que se haya utilizado para realizar un estudio sobre la UEP y las conductas de riesgo.
También hay algunas limitaciones del estudio. Los datos autoinformados son propensos a ser recordados y sesgos de deseabilidad social, que es probable que varíen entre países y culturas. El diseño transversal no puede dar cuenta de las relaciones temporales, por lo que no se pudo determinar la causalidad. En la medida GSHS, las subcategorías de las acciones de toma de riesgos solo representan una parte de los comportamientos de búsqueda de sensaciones; por lo tanto, se debe tener precaución al interpretar los resultados.

6. Conclusiones

Se observó una tasa de prevalencia significativamente mayor en todos los grupos de AIU, MIU y PIU en todas las categorías de riesgo (uso de sustancias, búsqueda de sensaciones y características de estilo de vida). Los adolescentes que informaron sobre hábitos de sueño deficientes y acciones de riesgo mostraron las asociaciones más fuertes con PIU, seguidas del consumo de tabaco, la mala nutrición y la inactividad física. La asociación significativa observada entre la UIP y las conductas de riesgo, combinada con una alta tasa de co-ocurrencia, subraya la importancia de considerar la UIP al evaluar, tratar o prevenir las conductas de alto riesgo en adolescentes.
Entre los adolescentes en el grupo PIU, 89.9% se caracterizó por tener múltiples conductas de riesgo. Por lo tanto, los esfuerzos deben dirigirse a los adolescentes que usan Internet de manera excesiva, ya que se observó una tendencia lineal significativa entre las horas en línea por día y las múltiples conductas de riesgo. Esta tendencia fue similar en todos los grupos de usuarios de Internet, lo que indica que el exceso de horas en línea en sí mismo es un factor importante para los comportamientos de riesgo. Estos hallazgos deben replicarse y explorarse más a fondo antes de determinar sus implicaciones teóricas.

AGRADECIMIENTOS

El proyecto SEYLE fue apoyado a través del Tema de Coordinación 1 (Salud) del Séptimo Programa Marco de la Unión Europea (7PM), Acuerdo de subvención No. HEALTH-F2-2009-223091. Los autores fueron independientes de los patrocinadores en todos los aspectos del diseño del estudio, el análisis de datos y la redacción de este manuscrito. El líder del proyecto y coordinador del proyecto SEYLE es la profesora de Psiquiatría y Suicidología Danuta Wasserman, Instituto Karolinska (KI), Directora del Centro Nacional de Investigación y Prevención del Suicidio y Prevención de Enfermedades Mentales y Suicidio (NASP), en KI, Estocolmo, Suecia. Otros miembros del Comité Ejecutivo son el Profesor Vladimir Carli, Centro Nacional de Investigación del Suicidio y Prevención de Enfermedades Mentales (NASP), Instituto Karolinska, Estocolmo, Suecia; Christina WH Hoven y la antropóloga Camilla Wasserman, Departamento de Psiquiatría de Niños y Adolescentes, Instituto Psiquiátrico del Estado de Nueva York, Universidad de Columbia, Nueva York, EE. UU.; y Marco Sarchiapone, Departamento de Ciencias de la Salud, Universidad de Molise, Campobasso, Italia. El Consorcio SEYLE comprende centros en 12 países europeos. Los líderes del sitio para cada centro y país respectivos son: Danuta Wasserman (NASP, Instituto Karolinska, Suecia, Centro de coordinación), Christian Haring (Universidad de Tecnología de la Información Médica, Austria), Airi Varnik (Instituto Sueco de Salud Mental y Suicidología de Estonia, Estonia), Jean-Pierre Kahn (Universidad de Lorena, Nancy, Francia), Romuald Brunner (Universidad de Heidelberg, Alemania), Judit Balazs (Hospital Psiquiátrico Infantil y Adolescente Vadaskert, Hungría), Paul Corcoran (Fundación Nacional de Investigación del Suicidio, Irlanda), Alan Apter (Centro Médico Infantil Schneider de Israel, Universidad de Tel Aviv, Tel Aviv, Israel), Marco Sarchiapone (Universidad de Molise, Italia), Doina Cosman (Universidad de Medicina y Farmacia Iuliu Hatieganu, Rumania), Vita Postuvan (Universidad de Primorska, Eslovenia) ) y Julio Bobes (Universidad de Oviedo, España). El apoyo para "Cuestiones éticas en la investigación con menores y otros grupos vulnerables" se obtuvo mediante una subvención de la Fundación Botnar, Basilea, para la Profesora de Ética, Stella Reiter-Theil, Clínica Psiquiátrica de la Universidad de Basilea, quien se desempeñó como consultora ética independiente para el proyecto SEYLE.

Contribuciones de autor

Tony Durkee es el primer y correspondiente autor que desarrolló el diseño del estudio, realizó los análisis estadísticos y revisó críticamente todas las fases del manuscrito. Vladimir Carli, Birgitta Floderus y Danuta Wasserman participaron en el diseño del estudio e hicieron revisiones críticas al manuscrito. Camilla Wasserman, Christina W. Hoven, Michael Kaess y Peeter Värnik brindaron consultas e hicieron revisiones críticas al manuscrito. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn y Vita Postuvan son los principales investigadores del proyecto SEYLE en sus respectivos países y contribuyeron a las revisiones críticas de el manuscrito. Bogdan Nemes y Pilar A. Saiz son gerentes de proyecto del proyecto SEYLE en sus respectivos países y participaron en importantes revisiones del manuscrito.

Conflictos de Interés

Los autores declaran no tener conflicto de intereses.

Abreviaturas

Las siguientes abreviaturas se utilizan en este manuscrito: 

SEYLE
Salvar y potenciar las vidas jóvenes en Europa
YRBSS
Sistema de vigilancia de conductas de riesgo juvenil
GSHS
Encuesta mundial de salud estudiantil basada en la escuela
YDQ
Cuestionario de diagnóstico de Young
GLMM
Modelos mixtos lineales generalizados.
ANOVA
Análisis de varianza de una sola vía
PIU
Uso patológico de internet
MIU
Uso inadecuado de Internet
AIU
Uso adaptativo de internet
CI
Intervalos de confianza
SEM
Error estandar de la media
M
Media

Referencias

  1. Moshman, D. Desarrollo cognitivo más allá de la infancia. En Handbook of Child Psychology, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, Eds .; Wiley: Nueva York, NY, EE. UU., 1998; Volumen 2, pp. 947 – 978. ElGoogle Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Desarrollo cognitivo social durante la adolescencia. Soc. Cogn. Afectar. Neurosci. 2006, 1, 165 – 174. ElGoogle Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. El desarrollo cognitivo en la adolescencia. En Handbook of Psychology: Developmental Psychology; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, EE. UU., 2003; Volumen 6, pp. 325 – 350. ElGoogle Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Bruto, E. El impacto del uso de la computadora en el desarrollo de niños y adolescentes. J. Appl. Dev. Psychol. 2001, 22, 7 – 30. ElGoogle Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. Los beneficios de los “amigos” de Facebook: el capital social y el uso de los estudiantes universitarios de las redes sociales en línea. J. comput. Medicina. Comun. 2007, 12, 1143 – 1168. ElGoogle Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Capital social, autoestima y uso de sitios de redes sociales en línea: un análisis longitudinal. J. Appl. Dev. Psychol. 2008, 29, 434 – 445. ElGoogle Scholar] [CrossRef]
  7. Tapscott, D. Growing up Digital: The Rise of the Net Generation; McGraw-Hill Educación: Nueva York, NY, EE. UU., 2008; pag. 384. ElGoogle Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. paradoja de Internet. ¿Una tecnología social que reduce la participación social y el bienestar psicológico? A.m. Psychol. 1998, 53, 1017 – 1031. ElGoogle Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V .; Crawford, A. La paradoja de Internet revisada. J. Soc. Cuestiones 2002, 58, 49 – 74. ElGoogle Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Uso de Internet, relaciones interpersonales y sociabilidad: un estudio del diario del tiempo. En internet en la vida cotidiana; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd .: Oxford, Reino Unido, 2002; pp. 213 – 243. ElGoogle Scholar]
  11. Nalwa, K .; Anand, AP adicción a Internet en los estudiantes: un motivo de preocupación. Cyberpsychol. Behav. 2003, 6, 653 – 656. ElGoogle Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Relación entre la adicción a internet y el rendimiento académico entre estudiantes universitarios. Edu. Res. Rdo. 2013, 8, 1793. ElGoogle Scholar]
  13. Gür, K .; Yurt, S .; Bulduk, S .; Atagöz, S. Adicción a Internet y problemas de comportamiento físico y psicosocial en estudiantes de secundaria rural. Enfermería Salud Sci. 2015, 17, 331 – 338. ElGoogle Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. El uso intensivo de internet y sus asociaciones con el riesgo de salud y los comportamientos que promueven la salud entre los estudiantes universitarios de Tailandia. En t. J. Adolesc. Medicina. Salud 2014, 26, 187 – 194. ElGoogle Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Uso de la tecnología de la información y la comunicación (TIC) y la salud percibida en la adolescencia: el papel de los hábitos de sueño y el cansancio de la vigilia. J. Adolesc. 2007, 30, 569 – 585. ElGoogle Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. Principios para el uso racional de las computadoras por parte de los niños. Ergonomía 2009, 52, 1386 – 1401. ElGoogle Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Black, adicción a Internet DW: definición, evaluación, epidemiología y manejo clínico. Drogas CNS 2008, 22, 353 – 365. ElGoogle Scholar] [CrossRef] [PubMed]
  18. Young, K. Adicción a Internet: la aparición de un nuevo trastorno clínico. CyberPsychol. Behav. 1998, 1, 237 – 244. ElGoogle Scholar] [CrossRef]
  19. Asociación Americana de Psiquiatría (APA). Manual Diagnóstico y Estadístico de los Trastornos Mentales. Disponible en linea: http://www.dsm5.org (acceso en 2 febrero 2016).
  20. Petry, NM; O'Brien, trastorno de juego en Internet CP y el DSM-5. Adiccion 2013, 108, 1186 – 1187. ElGoogle Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Prevalencia de las adicciones: ¿Un problema de la mayoría o de la minoría? Eval. Prof. Salud. 2011, 34, 3 – 56. ElGoogle Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsividad en la adicción a internet: una comparación con el juego patológico. Cyberpsychol. Behav. Soc. Netw. 2012, 15, 373 – 377. ElGoogle Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. ¿Es la adicción a Internet una condición psicopatológica distinta del juego patológico? Adicto. Behav. 2014, 39, 1052 – 1056. ElGoogle Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N .; Raj, Z .; Abraham, A. La adicción a Internet y los trastornos por uso de sustancias en estudiantes adolescentes: un estudio transversal. J. Int. Medicina. Abolladura. 2015, 2, 172 – 179. ElGoogle Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Comportamientos sin adicción a sustancias en los jóvenes: juegos de azar patológicos y uso problemático de Internet. Niños adolescentes. Psiquiatría Clinica N. Am. 2010, 19, 625 – 641. ElGoogle Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Disfunción de la corteza prefrontal en la adicción: hallazgos de neuroimagen e implicaciones clínicas. Nat. Rev. Neurosci. 2011, 12, 652 – 669. ElGoogle Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. El papel del gen chrna4 en la adicción a internet: un estudio de casos y controles. J. Addict. Medicina. 2012, 6, 191 – 195. ElGoogle Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Factores de riesgo y características psicosociales del potencial uso problemático y problemático de Internet en adolescentes: un estudio transversal. BMC Salud Pública 2011, 11, 595. ElGoogle Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Anomalías de la materia gris en la adicción a internet: un estudio de morfometría basado en voxel. EUR. J. Radiol. 2011, 79, 92 – 95. ElGoogle Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Un modelo de "componentes" de adicción dentro de un marco biopsicosocial. J. Subst. Utilizar 2005, 10, 191 – 197. ElGoogle Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Prevalencia de adicción a Internet y calidad de vida (real): un metanálisis de las naciones de 31 en siete regiones del mundo. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 755 – 760. ElGoogle Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Uso excesivo de internet en adolescentes europeos: ¿qué determina las diferencias en la gravedad? En t. J. Salud pública 2015, 60, 249 – 256. ElGoogle Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Comportamiento adictivo de Internet en la adolescencia: un estudio transversal en siete países europeos. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 528 – 535. ElGoogle Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. Prevalencia del uso patológico de internet en adolescentes de Europa: factores demográficos y sociales. Adiccion 2012, 107, 2210 – 2222. ElGoogle Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Adicción a Internet: una revisión sistemática de la investigación epidemiológica de la última década. Curr. Farmacéutico Des. 2014, 20, 4026 – 4052. ElGoogle Scholar] [CrossRef] [PubMed]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. La asociación entre el uso patológico de internet y la psicopatología comórbida: una revisión sistemática. Psicopatología 2013, 46, 1 – 13. ElGoogle Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. La asociación entre la adicción a internet y la comorbilidad psiquiátrica: un meta-análisis. BMC Psychiatry 2014, 14, 1 – 10. ElGoogle Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Uso patológico de internet en adolescentes europeos: psicopatología y conductas autodestructivas. EUR. Niños adolescentes. Psiquiatría 2014, 23, 1093 – 1102. ElGoogle Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD La psicología clínica de la adicción a internet: una revisión de su conceptualización, prevalencia, procesos neuronales e implicaciones para el tratamiento. Neurosci. Neuroeconomia 2015, 4, 11 – 23. ElGoogle Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Comportamiento de riesgo múltiple en la adolescencia. J. Salud pública 2012, 34, i1 – i2. ElGoogle Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Factores de riesgo del estilo de vida de los estudiantes: un enfoque analítico de grupo. Prev. Medicina. 2010, 51, 73 – 77. ElGoogle Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Manejo del estilo de vida de la depresión unipolar. Acta Psychiatr. Scand. 2013, 127, 38 – 54. ElGoogle Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Primavera, B .; Nigg, CR Múltiples investigaciones sobre cambios en el comportamiento de la salud: introducción y descripción general. Prev. Medicina. 2008, 46, 181 – 188. ElGoogle Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. Un grupo recientemente identificado de adolescentes con riesgo "invisible" de psicopatología y comportamiento suicida: hallazgos del estudio SEYLE. Psiquiatría mundial 2014, 13, 78 – 86. ElGoogle Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Vigilancia de conductas de riesgo en jóvenes - Estados Unidos, 2013. MMWR Surveill. Summ 2014, 63, 1 – 168. ElGoogle Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. Salvar y potenciar vidas jóvenes en Europa (SEYLE): un ensayo controlado aleatorio. BMC Salud Pública 2010, 10, 192. ElGoogle Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. El ensayo controlado aleatorio (ECA) aleatorizado (ECA): salvar y empoderar vidas jóvenes en Europa (SEYLE): problemas metodológicos y características de los participantes. BMC Salud Pública 2013, 13, 479. ElGoogle Scholar] [CrossRef] [PubMed]
  48. Young, KS atrapado en la red: Cómo reconocer los signos de la adicción a Internet y una estrategia ganadora para la recuperación; J. Wiley: Nueva York, NY, EE.UU., 1998; pags. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Evaluación de la dependencia de Internet: ¿Los criterios de diagnóstico propuestos diferencian el uso normal de Internet dependiente? Cyberpsychol. Behav. 2009, 12, 21 – 27. ElGoogle Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Criterios de diagnóstico para el uso problemático de Internet entre estudiantes de la Universidad de los Estados Unidos: una evaluación de métodos mixtos. Más uno 2016, 11, e0145981. ElGoogle Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD La conceptualización y medición del trastorno del juego por Internet dsm-5: el desarrollo de la prueba IGD-20. Más uno 2014, 9, e110137. ElGoogle Scholar] [CrossRef] [PubMed]
  52. Organización Mundial de la Salud (OMS). Encuesta global de salud estudiantil escolar (GSHS). Disponible en linea: http://www.who.int/chp/gshs/en/ (se accede en 12 December 2015).
  53. Choi, K .; Hijo, H .; Parque, m .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Uso excesivo de Internet y somnolencia diurna excesiva en adolescentes. Clinica de Psiquiatria. Neurosci. 2009, 63, 455 – 462. ElGoogle Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B .; Demirci, AC Alto riesgo de adicción a internet y su relación con el uso de sustancias durante toda la vida, problemas psicológicos y de comportamiento entre adolescentes de grado 10. Psiquiatria Danub. 2014, 26, 330 – 339. ElGoogle Scholar]
  55. Unión Internacional de Telecomunicaciones (UIT). Datos y cifras de las TIC. Disponible en linea: http://www.itu.int/en (accedido en 8 agosto 2015).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Covariance entre múltiples conductas de riesgo para la salud en adolescentes. Más uno 2014, 9, e98141. ElGoogle Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. La relación entre la impulsividad y la adicción a internet en una muestra de adolescentes chinos. EUR. Psiquiatría: J. Assoc. EUR. Psiquiatría 2007, 22, 466 – 471. ElGoogle Scholar] [CrossRef] [PubMed]
  58. Slater, MD Alienación, agresión y búsqueda de sensaciones como predictores del uso adolescente de películas violentas, computadoras y contenido de sitios web. J. Commun. 2003, 53, 105 – 121. ElGoogle Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Hacia una teoría integral del uso problemático de Internet: evaluar el papel de la autoestima, la ansiedad, el flujo y la importancia autoevaluada de las actividades de Internet. Comput. Tararear. Behav. 2009, 25, 490 – 500. ElGoogle Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID. Distinción de adicción y alto compromiso en el contexto de los juegos en línea. Comput. Tararear. Behav. 2007, 23, 1531 – 1548. ElGoogle Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Redes sociales en línea y adicción: una revisión de la literatura psicológica. En t. J. Environ. Res. Salud pública 2011, 8, 3528 – 3552. ElGoogle Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Uso problemático de los sitios de redes sociales entre adolescentes de escuelas urbanas. Ind. Psiquiatría J. 2012, 21, 94. ElGoogle Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Características de la adicción a internet / uso patológico de internet en estudiantes de la Universidad de los Estados Unidos: una investigación de métodos cualitativos. Más uno 2015, 10, e0117372. ElGoogle Scholar] [CrossRef] [PubMed]
  64. Lam, L. Adicción a los juegos de Internet, uso problemático de Internet y problemas del sueño: una revisión sistemática. Curr. Psiquiatría Rep. 2014, 16, 1 – 9. ElGoogle Scholar] [CrossRef] [PubMed]
  65. Caín, N .; Gradisar, M. El uso de medios electrónicos y el sueño en niños y adolescentes en edad escolar: una revisión. Sleep Med. 2010, 11, 735 – 742. ElGoogle Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Prevalencia de los problemas del sueño y la relación entre los problemas del sueño y el comportamiento de rechazo escolar en niños en edad escolar en las calificaciones de niños y padres. Psicopatología 2014, 47, 119 – 126. ElGoogle Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC La búsqueda de la sensación y la dependencia de internet de los adolescentes taiwaneses de secundaria. Comput. Tararear. Behav. 2002, 18, 411 – 426. ElGoogle Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. El papel de la adicción a internet en la lealtad de los juegos en línea: un estudio exploratorio. Res. Internet 2008, 18, 499 – 519. ElGoogle Scholar]
  69. Jessor, R .; Jessor, SL Comportamiento problemático y desarrollo psicosocial: un estudio longitudinal de la juventud; Prensa Académica: Cambridge, MA, USA, 1977; pag. 281. ElGoogle Scholar]
  70. Jessor, R. Teoría del problema y comportamiento, desarrollo psicosocial y problema de la bebida en adolescentes. Br. J. Addict. 1987, 82, 331 – 342. ElGoogle Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Equivalencia estructural de la participación en el comportamiento problemático de los adolescentes en todos los grupos raciales mediante el análisis factorial confirmatorio de múltiples grupos. Soc. Res. De trabajo 1996, 20, 168 – 177. ElGoogle Scholar]
  72. Ha, Y.-M .; Hwang, WJ Las diferencias de género en la adicción a internet asociadas con los indicadores de salud psicológica en adolescentes que utilizan una encuesta nacional basada en web. En t. J. Ment. Adicto a la salud. 2014, 12, 660 – 669. ElGoogle Scholar] [CrossRef]
  73. Kuss, DJ; Más corto, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Evaluación de la adicción a Internet utilizando el parsimonioso modelo de componentes de adicción a Internet: un estudio preliminar. En t. J. Ment. Adicto a la salud. 2014, 12, 351 – 366. ElGoogle Scholar] [CrossRef]