Más uno. 2016 Ago 17; 11 (8): e0159788. doi: 10.1371 / journal.pone.0159788.
Kim Y1, Jeong JE2, Cho H2, Jung dj2, Kwak M2, Rho MJ3, Yu H1, Kim DJ2, Choi IY3.
Resumen
El propósito de este estudio fue identificar los factores predictores asociados a factores de personalidad de predisposición a la adicción a los teléfonos inteligentes (SAP). Los participantes fueron hombres 2,573 y mujeres 2,281 (n = 4,854) años 20-49 envejecidos (Media ± SD: 33.47 ± 7.52); los participantes completaron los siguientes cuestionarios: la Escala de propensión a la adicción a teléfonos inteligentes de Corea (K-SAPS) para adultos, el Cuestionario del Sistema de inhibición de la conducta / Sistema de activación de la conducta (BIS / BAS), el Instrumento de impulsividad disfuncional de Dickman (DDII) y el Autodominio breve Escala (BSCS). Además, los participantes informaron sobre su información demográfica y el patrón de uso del teléfono inteligente (horas de uso promedio en días de semana o fines de semana y uso principal). Analizamos los datos en tres pasos: (1) identificando predictores con regresión logística, (2) derivando relaciones causales entre SAP y sus predictores utilizando una red de creencias bayesiana (BN), y (3) calculando puntos de corte óptimos para los datos identificados. predictores utilizando el índice de Youden.
Los predictores identificados de SAP fueron los siguientes: género (mujer), horas de uso promedio de fin de semana y puntajes en BAS-Drive, BAS-Reward Responsiveness, DDII y BSCS. El género femenino y las puntuaciones en BAS-Drive y BSCS aumentaron directamente el SAP. BAS-Reward Responsiveness y DDII aumentaron indirectamente el SAP. Descubrimos que SAP se definió con la máxima sensibilidad de la siguiente manera: horas de uso promedio de fin de semana> 4.45, BAS-Drive> 10.0, BAS-Reward Responsiveness> 13.8, DDII> 4.5 y BSCS> 37.4. Este estudio plantea la posibilidad de que los factores de personalidad contribuyan a SAP. Y calculamos puntos de corte para predictores clave. Estos hallazgos pueden ayudar a los médicos a detectar SAP mediante puntos de corte y ampliar la comprensión de los factores de riesgo de SA.
PMID: 27533112
DOI: 10.1371 / journal.pone.0159788
;
