Prevalencia y factores de la intención de autocorrección entre los estudiantes de secundaria de Hong Kong que son casos de adicción a Internet autoevaluados (2017)

Lau, JT, Wu, A., Cheng, KM, Tse, VW, Lau, M. y Yang, X. (2017).

Salud Mental Infantil y Adolescente.

  • DOI: 10.1111 / camh.12219  

Resumen

Antecedentes

La adicción adolescente a Internet (IA) es frecuente. Sin embargo, ningún estudio ha aplicado el modelo de creencias sobre la salud (HBM) para investigar problemas de AI ni ha investigado los factores asociados con la intención de corregir el problema de AI percibido (intención de autocorrección). Esta información facilita el diseño de intervenciones relacionadas, que están justificadas.

Métodos

Este estudio transversal examinó a los estudiantes de secundaria chinos de 9,618 en Hong Kong; 4,111 (42.7%) autoevaluó que tenían IA (casos IA autoevaluados); 1,145 de estos casos autoevaluados de IA (27.9%) también se clasificaron como casos de IA (casos concordantes de IA), ya que su puntuación en la escala de adicción a Internet de Chen superó a 63.

Resultados

La prevalencia de la intención de autocorrección entre estas dos submuestras fue de solo 28.2% y 34.1%, respectivamente. En la submuestra de IA autoevaluada, los constructos de HBM que incluyen la susceptibilidad percibida a IA [odds ratio ajustado (ORa) = 1.24, IC del 95% = 1.16, 1.34], gravedad percibida de IA (ORa = 2.28, IC del 95% = 2.09, 2.48), los beneficios percibidos para reducir el uso de Internet (ORa = 1.21, IC del 95% = 1.18, 1.24), la autoeficacia para reducir el uso de Internet (ORa = 1.07, IC del 95% = 1.03, 1.11) y las señales de acción para reducir El uso de Internet (ORa = 1.15, IC del 95% = 1.11, 1.20) fue positivo, mientras que las barreras percibidas para reducir el uso de Internet (ORa = 0.95, IC del 95% = 0.94, 0.97) se asociaron negativamente con la intención de autocorrección. Se identificaron factores similares en la submuestra de IA concordante.

Conclusiones

Una gran proporción de los estudiantes percibieron que tenían IA, pero solo un tercio tenía la intención de corregir el problema. Las intervenciones futuras pueden considerar alterar las construcciones de HBM de los estudiantes y centrarse en el segmento de IA concordante con intención de autocorrección, ya que muestran la disposición para los cambios.