Uso problemático de Internet y función inmune (2015)

Más uno. 2015 Ago 5; 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538.

Reed P1, Vile R1, Osborne la2, Romano m3, Truzoli R3.

Resumen

El uso problemático de Internet se ha asociado con una variedad de comorbilidades psicológicas, pero su relación con la enfermedad física no ha recibido el mismo grado de investigación. El estudio actual encuestó a los participantes de 505 en línea y les preguntó sobre sus niveles de uso problemático de Internet (Prueba de adicción a Internet), depresión y ansiedad (escalas de ansiedad y depresión hospitalaria), aislamiento social (Cuestionario de soledad de UCLA), problemas de sueño (índice de calidad del sueño de Pittsburgh) , y su estado de salud actual - Cuestionario de salud general (GHQ-28), y el Cuestionario de función inmunológica. Los resultados demostraron que alrededor del 30% de la muestra mostró niveles leves o peores de adicción a Internet, según lo medido por el IAT. Aunque hubo diferencias en los propósitos para los cuales hombres y mujeres usaban internet, no hubo diferencias en cuanto a los niveles de uso problemático entre los géneros. Los problemas de Internet estaban fuertemente relacionados con todas las demás variables psicológicas, como depresión, ansiedad, aislamiento social y problemas de sueño. La adicción a Internet también se asoció con una reducción de la función inmunológica autorreportada, pero no con la medida de la salud general (GHQ-28). Se encontró que esta relación entre el uso problemático de Internet y la función inmune reducida es independiente del impacto de las comorbilidades. Se sugiere que la relación negativa entre el nivel de uso problemático de internet y la función inmune puede estar mediada por los niveles de estrés producidos por dicho uso de internet, y la subsiguiente actividad nerviosa simpática, relacionada con los inmunodepresores, como el cortisol.

Cita: Reed P, Vile R, Osborne LA, Romano M, Truzoli R (2015) Uso problemático de Internet y función inmunológica. PLoS ONE 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538

Editor: Antonio Verdejo-García, Universidad de Granada, ESPAÑA

Recibido: Diciembre 3, 2014; Aceptado: Julio 10, 2015; Publicado: 5 de agosto de 2015

Copyright: © 2015 Reed et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que el autor original y la fuente estén acreditados

Disponibilidad de datos: Debido a los requisitos éticos que impone la publicación de cualquier dato recopilado electrónicamente por el Comité de Ética del Departamento de Psicología, no podemos hacer que el conjunto de datos esté disponible en línea, pero estamos muy contentos de proporcionar estos datos a cualquiera que desee verlos, contactando al profesor Phil Reed en [email protected].

Fondos: Los autores no tienen apoyo o financiación para informar.

Conflicto de intereses: Los autores han declarado que no existen intereses en pugna.

Introducción

El uso excesivo o inadaptado de Internet (o el uso problemático de Internet) ha sido sugerido por algunos como un problema para ciertos grupos de individuos [1,2], y se ha sugerido la necesidad de un estudio adicional sobre si un trastorno de adicción a Internet (DIA) es un concepto útil [1,3]. Las personas que informan sobre problemas relacionados con el uso de Internet notan una serie de síntomas asociados, como: una interrupción importante de su trabajo y relaciones sociales [4,5,6], y afecto negativo cuando se separa de internet [7]. Las estimaciones de la prevalencia del uso problemático de Internet en la población general varían entre 2% y 8%, y varían hasta 20% en muestras más jóvenes [3, 8–10], aunque estas cifras son difíciles de interpretar precisamente debido a las diferentes definiciones de "uso problemático de Internet" o "adicción a Internet" que se emplean.

Aquellas personas que informan un uso problemático de Internet también informan una amplia gama de problemas psicológicos y sociales asociados [10–12]. Se ha encontrado que las comorbilidades psicológicas observadas en aquellas personas que informan de un uso problemático de Internet incluyen: ansiedad [7,13,14], desorden hiperactivo y deficit de atencion [15], desórdenes del espectro autista [7,16] depresión [13–15, 17], desregulación de impulsos y hostilidad [18–20], y la esquizofrenia [7,21]. Desorden de ansiedad social [18] y la soledad [22], también son muy comúnmente asociados con IAD. Además, altos niveles de estrés en la vida [23] y aislamiento social [22, 24–26], y una menor calidad de vida [24,27], son mencionados por aquellos que reportan el uso problemático de internet

Los niveles y tipos de uso de Internet problemáticamente altos también se han asociado con cambios neurológicos [28,29]. Una cantidad cada vez mayor de investigaciones sugiere que el uso problemático de Internet, en común con otras adicciones de comportamiento, se asocia con anomalías en el sistema dopaminérgico [30,31], y con mayor actividad nerviosa simpática [32,33], que también se ha demostrado que están relacionados entre sí [34].

En contraste con la creciente literatura sobre los correlatos psicológicos y neurológicos de la DAI, ha habido pocos estudios sobre el impacto del uso problemático de Internet en la salud física. Se ha establecido una relación entre el sueño perturbado y el uso intensivo de internet [35,36], ya que tiene una relación entre el uso problemático de internet y una mala alimentación [37] resultando en problemas de peso, como la obesidad [38]. Algunas investigaciones han encontrado asociaciones entre el uso problemático de Internet y la calidad de vida relacionada con la salud autonotificada, un concepto relacionado con la enfermedad, aunque debe observarse que hay muy pocas demostraciones de este tipo y que existen discrepancias en esta literatura [39,40]. Por ejemplo, se ha encontrado que la calidad de vida relacionada con la salud, medida por el SF-36, se correlaciona con el uso problemático de Internet, aunque la calidad de vida no se correlaciona con el tiempo empleado en usar Internet [40]. En contraste, cuando la calidad de vida relacionada con la salud ha sido medida por el Cuestionario de Salud General (GHQ), se ha observado poca relación con la DIA [9,39]. Las razones de los diferentes patrones de hallazgos que utilizan estas dos medidas de la calidad de vida relacionada con la salud no están claras, aunque pueden reflejar ambas diferencias en la operacionalización de la noción de uso problemático de Internet en todos los estudios, y el enfoque del SF-36 en la calidad de vida tanto física como psicológica relacionada con la salud en comparación con el enfoque principalmente psicológico del GHQ. Por lo tanto, la literatura con respecto a la calidad de vida relacionada con la salud es actualmente difícil de interpretar.

La discusión anterior implica que se justifica la investigación adicional en esta área potencialmente importante, dado el uso creciente de Internet [3], y la falta de evidencia clara relacionada con su impacto en el funcionamiento de la salud per se a diferencia de la calidad de vida relacionada con la salud, así como los problemas concomitantes que los mayores niveles de enfermedades físicas asociadas pueden causar en los sistemas de salud. Por supuesto, dada la co-morbilidad mostrada por aquellos que reportan el uso problemático de internet, cualquier relación entre el uso problemático de internet y la enfermedad física puede ser el producto de una serie de problemas. El abandono del yo por parte de quienes informan el uso problemático de Internet en términos de una dieta deficiente y patrones de sueño deficientes, puede implicar un aumento de los niveles de enfermedad física [37,40]. Ciertamente, se ha demostrado que la falta de sueño predice algunos aspectos de la función inmunológica [41–43]. Además, los problemas psicológicos comórbidos también pueden desempeñar un papel. Se ha observado que los problemas de salud mental se correlacionan con la cantidad de resfriados reportados durante un año [44]. Específicamente, tanto la depresión [45–47], y problemas de ansiedad y estrés [48], especialmente la ansiedad social y la soledad [49–51], predice la disfunción inmune. Finalmente, la activación del sistema simpático, que se observa en aquellos con un uso problemático de Internet, se correlaciona con aumentos en los niveles de adrenalina y cortisol, y conduce a una disminución de la función inmunológica, especialmente en aquellos con altos niveles de estrés informado [52]. Cualquier investigación sobre la relación entre el uso problemático de Internet y la enfermedad física requerirá una evaluación de las contribuciones relativas de estos aspectos relacionados con el funcionamiento.

Obviamente, la salud física es un concepto muy amplio, pero la revisión anterior sugiere que el uso problemático de Internet podría tener un impacto específico en la función inmunológica, que no ha recibido ningún estudio directo [53]. Si este es el caso, entonces enfermedades como el resfriado común [54] influenza [55], herpes labial [56], neumonía [57], sepsis [58], y las infecciones de la piel [59], puede ser clave para centrarse cuando se evalúa el impacto del uso problemático de Internet en los síntomas físicos. Como se señaló anteriormente, las exploraciones previas de la relación entre el uso problemático de Internet y las enfermedades físicas han tendido a centrarse en los informes sobre la calidad de vida relacionada con la salud obtenidos utilizando instrumentos como el SF-36 y el GHQ. Si bien estas medidas son confiables, no se enfocan necesariamente en ningún conjunto específico de enfermedades, y no están relacionadas con las enfermedades que las personas con sistemas inmunitarios reprimidos podrían presentar. En la determinación del grado en que la función inmune puede estar comprometida, el trabajo previo ha examinado los autoinformes de los síntomas que típicamente se correlacionan con una función inmune deficiente [31,44]. El autoinforme se considera como un método sólido en este contexto, ya que estos síntomas son fáciles de autodeprimir, a menudo no se reportan a los profesionales de la salud y, por lo tanto, no aparecen en los registros médicos, y con frecuencia se experimentan sin una causa viral verificable objetivamente El54].

Teniendo en cuenta estas consideraciones anteriores, el estudio actual exploró la relación entre el uso problemático de Internet y dos indicadores principales de salud (función inmune y estado de salud autoinformado), así como una gama de variables relacionadas con la salud (depresión, ansiedad, soledad y problemas para dormir). De particular interés fue la relación entre el uso problemático de Internet y la salud física relacionada con el sistema inmunológico, que no se ha evaluado específicamente. En este sentido, un objetivo inicial del estudio fue investigar si los niveles más altos de uso problemático de Internet se asociarían con un mayor informe de enfermedades relacionadas con el sistema inmunológico (más allá del impacto potencial de los problemas de Internet en las otras variables relacionadas con la salud medidas ). Además, hubo una serie de objetivos secundarios que no se han examinado previamente en el estudio, incluida la exploración de la naturaleza de la relación entre el uso problemático de Internet y el estado de salud informado por los usuarios. Esto se examinó para determinar si esta variable mostraba la misma relación con el uso problemático de Internet que los informes de síntomas relacionados con el sistema inmunológico. En un intento por determinar la relación entre el uso problemático de Internet, se midió una variedad de otros problemas potencialmente asociados para aquellos que muestran un uso problemático de Internet, que también han demostrado predecir una función inmune deficiente, como la ansiedad, la depresión, la soledad y los problemas de sueño. y síntomas de salud física independientes de estos problemas comórbidos. Esto debería permitir un primer paso para establecer la naturaleza de cualquier relación entre el uso problemático de Internet y la función inmune reducida, en caso de que exista una asociación.

Método

Declaración ética

La aprobación ética para esta investigación se obtuvo del Comité de Ética del Departamento de Psicología de la Universidad de Swansea. Los participantes dieron su consentimiento informado para participar en este estudio firmando un formulario de consentimiento luego de leer la hoja de información que se les proporcionó, y el Comité de Ética aprobó este procedimiento de consentimiento.

Participantes

Se reclutaron quinientos cinco participantes (mujeres 265 y hombres 240) a través de enlaces publicados en sitios de Internet (sitios de redes sociales, sitios de blogs y microblogging y sitios de juegos). Se adoptó una estrategia de reclutamiento en línea en línea con exploraciones previas del impacto del uso problemático de Internet [60,61].

Todos los participantes eran voluntarios y ninguno recibió ningún tipo de compensación por su participación. Los participantes tenían una edad media de 29.73 (+ 13.65, rango 18-101) años: <20 años = 7.5%; 21 a 29 años = 61.8%; 30 a 39 años = 15.5%; 40 a 49 años = 4.6%; 50 a 59 años = 4.2%; 60+ años = 5.9%. La etnia autoinformada de los participantes fue: 202 (40%) blancos; 50 (10%) grupos étnicos mixtos / múltiples; 141 (28%) asiáticos; 106 (21%) negros / africanos / caribeños; y 6 (1%) Otro grupo étnico. El estado civil de la muestra fue: 305 (60%) solteros, 65 (13%) casados ​​o en pareja; 105 (21%) en otras formas de relación; y 30 (6%) divorciados o viudos.

Uso típico del participante de Internet

Se les pidió a los participantes que estimaran su uso promedio de internet al pedirles que estimaran la cantidad de horas por semana que habían pasado en internet durante los últimos meses; esta medida se toma comúnmente en estudios de uso problemático de internet [40,61]. Aunque se ha sugerido que es un uso 'no profesional' que se correlaciona con varios problemas asociados con el uso intensivo de Internet [40], se pensó que la distinción entre profesional y no profesional podría no aplicarse a todos los encuestados, y que estos usos también podrían ser difíciles de discriminar para algunos encuestados. Además, el uso total de Internet, en sí mismo, también se ha encontrado asociado con problemas relacionados con Internet [40].

El número promedio de horas por semana en el uso de Internet fue 39.57 (+ 28.06, rango = 1 a 135): 28.3% de gasto en línea entre 1 y 20 por semana; 29.5% informó sobre el gasto de 21 a 40 horas por semana en línea; 22.4% informó el gasto de 41 a 60 horas a la semana en línea, y 19.8% informó sobre el gasto de 61 horas a la semana en Internet. La media de horas por semana que las mujeres pasaron en línea fue 34.77 (± 26.84, rango = 1 – 135), y para los hombres, fue 44.88 (± 28.46, rango = 6 – 130). Una prueba t de grupo independiente reveló que esta diferencia fue estadísticamente significativa, con un efecto de tamaño moderado, t(503) = 4.11, p <0.001, d = 0.366. Hubo una relación lineal significativa, pero débil, positiva entre la edad y el tiempo que pasaron en línea. F(1,503) = 6.74, p <0.05, R2 = 0.013, pero una relación cuadrática U más invertida entre estas variables, F(1,502) = 11.10, p <0.001, R2 = 0.042). Sin embargo, cuando la muestra se dividió en las que estaban actualmente solteras (N = 331) y aquellas en alguna forma de relación (N = 174), no hubo diferencias estadísticamente significativas en el tiempo que se pasó en línea. t (503) = 1.48, p > .10, d = 0.146. Del mismo modo, no hubo diferencias estadísticamente significativas entre el tiempo pasado en línea en los diferentes grupos étnicos, F <1.

También se les preguntó a los participantes sobre los tipos de usos que hacían de Internet y se les pidió que indicaran si habían visitado o no tipos particulares de sitios de Internet durante los últimos meses. Las respuestas a esta pregunta se muestran en Tabla 1, que muestra el porcentaje de la muestra completa que ha visitado sitios web de las diversas formas, junto con porcentajes de hombres y mujeres, y más jóvenes (menos de 29 años) y más viejos (años 30 y más), participantes que visitan los sitios. Adicionalmente, Tabla 1 muestra los coeficientes Phi para estos datos (calculados sobre la cantidad real de participantes, en lugar de los porcentajes mostrados en Tabla 1). Los coeficientes Phi proporcionan un índice del grado de asociación entre las variables (y son estadísticamente significativos cuando el estadístico chi-cuadrado correspondiente es significativo).

uña del pulgar
Tabla 1. Porcentaje de sitios web de visitas de muestra de diversas formas, junto con el porcentaje de hombres y mujeres, y más jóvenes y mayores, participantes que visitan sitios junto con coeficientes Phi.

doi: 10.1371 / journal.pone.0134538.t001

Estos datos revelan que las redes sociales (por ejemplo, Facebook, Twitter) y los sitios web de compras / banca son los tipos de sitios de Internet más utilizados. Los juegos de azar (incluidos los sitios de lotería), los juegos y los sitios con contenido sexual / citas, se utilizaron con una frecuencia moderada, con pequeños números participando en los blogs tradicionales (excluyendo Twitter) o salas de chat. Hubo algunas diferencias de género en el uso de Internet: las mujeres usaban los medios sociales y los sitios de compras más que los hombres, y los hombres usaban los juegos, los sitios de citas sexuales y las salas de chat más que las mujeres. Más personas menores de 30 de años usaron sitios de redes sociales y sitios web para investigación, con más frecuencia que los de 30. Sin embargo, aquellos con más de 30 años utilizaron sitios de compras / banca, así como sitios de noticias, blogs tradicionales y salas de chat, más a menudo que los que tienen menos de 30.

Materiales

Prueba de adicción a internet (IAT)

El IAT [62] es una escala de ítems 20 que cubre el grado en que el uso de Internet interrumpe la vida cotidiana (por ejemplo, trabajo, sueño, relaciones, etc.). Cada elemento se califica en una escala 1 – 4, y el puntaje general varía de 20 a 100. La estructura factorial de la IAT se debate actualmente [61,63], pero se considera que un puntaje de corte de 40 o más para el puntaje total del IAT representa un nivel de uso problemático de Internet [7,62,64] Se ha encontrado que la confiabilidad interna de la escala está entre .90 [64] y .93 [62].

Escala hospitalaria de ansiedad y depresión (HADS)

El HADS [65] es una medida ampliamente utilizada de la ansiedad y la depresión. Diseñado originalmente para su uso por pacientes ambulatorios de medicina general del hospital, se ha utilizado para muestras no médicas [66,67]. Contiene elementos 14 (7 para la ansiedad y 7 para la depresión) que se relacionan con la semana pasada. Hay preguntas 7 para cada ansiedad y depresión, cada pregunta se califica de 0 a 3 según la gravedad del síntoma; El puntaje máximo es 21 para cada una de las escalas. Los encuestados se pueden clasificar en cuatro categorías: 0 – 7 normal; 8 – 10 suave; 11 – 14 moderado; y 15 – 21 grave. La fiabilidad y validez de test-retest son fuertes [65], y la confiabilidad interna es .82 para la escala de ansiedad, y .77 para la escala de depresión, para una población no clínica [67].

Escala de la soledad de UCLA

La escala de la soledad de UCLA [68] consiste en declaraciones de 20 diseñadas para evaluar la soledad. Los participantes responden a cada pregunta utilizando una escala de puntos 4 ("A menudo me siento así", "A veces me siento así", "Rara vez me siento así" y "Nunca me siento así"), y cada elemento es anotó de 0 a 3, lo que da un puntaje total de 0 a 60. Una puntuación más alta indica una mayor severidad de la soledad. Un punto de corte para problemas de soledad generalmente se da en una desviación estándar por encima de la media de la muestra. La báscula tiene una alta confiabilidad, con una consistencia interna de .92, y una confiabilidad de prueba-retest de .73 [69].

Índice de calidad del sueño de Pittsburgh (PSQI)

Este PSQI [70] consiste en las preguntas principales de 10, algunas con subsecciones, donde se requiere que el participante ingrese datos sobre sus hábitos de sueño. El cuestionario da una puntuación de entre 0 y 21, donde una puntuación alta refleja un sueño peor, y una puntuación mayor que 5 refleja un sueño deficiente [70]. Se ha encontrado que el PSQI tiene una alta "confiabilidad test-retest" y una buena validez cuando se usa para probar [70].

Cuestionario de Salud General (GHQ-28)

El GHQ-28 [71] mide una variedad de problemas psiquiátricos y de salud, y se divide en subescalas 4: síntomas somáticos, ansiedad e insomnio, disfunción social y depresión grave. Cada subescala contiene elementos 7, todos requieren una respuesta en una escala tipo Likert de 4 puntos: De ningún modo, No mas de lo usual, Más bien de lo habitual, Mucho mas de lo usual, puntuando 0 a 3, respectivamente. La confiabilidad interna de las básculas está por encima de .90. Para el presente estudio, solo se analizó la escala de síntomas somáticos, que pidió a los participantes que calificaran el grado en que se han sentido: en buena salud general, en necesidad de un tónico, agotamiento, malestar, dolores de cabeza, estrechez o presión. Cabeza y hechizos calientes o fríos.

Cuestionario de función inmune (IFQ)

El IFQ consta de ítems 15 que evalúan la frecuencia de varios síntomas asociados con una función inmune deficiente. En función de su frecuencia en la población general y la relación directa con las deficiencias inmunitarias, se seleccionaron las siguientes condiciones como base para los ítems del cuestionario: resfriado común [54] influenza [55], herpes labial [56], neumonía [57], sepsis [58], y las infecciones de la piel [59]. Tras el análisis de los principales síntomas de estas afecciones, se incluyeron en el cuestionario los síntomas de 19 como signos de funcionamiento débil del sistema inmunitario: dolor de garganta, cefaleas, gripe, secreción nasal, tos, herpes labial, furúnculos, fiebre leve, verrugas / verrugas , neumonía, bronquitis, sinusitis, fiebre alta repentina, infección de oído, diarrea, meningitis, infección ocular, sepsis y lesiones de larga curación. Se calificaron en una escala tipo Likert de 5 puntos (Nunca, Una o dos veces, Ocasionalmente, Regularmente, Con frecuencia, con puntuaciones de 0 a 4 respectivamente). La puntuación total varía de 0 a 79, y la puntuación alta refleja una función inmunológica peor. El IFQ se ha utilizado anteriormente para estudiar el impacto de los eventos estresantes de la vida en la salud autoinformada, como evaluar el impacto de tener un hijo con TEA. En trabajos anteriores [72], se ha encontrado que la puntuación IFQ se correlaciona positivamente (r =. 578, p <001) con el número de visitas a un médico generalista, existe una correlación positiva significativa entre el IFQ y una puntuación total del GHQ (r =. 410, p <.01), así como una correlación significativa entre el IFQ y la subescala de síntomas somáticos del GHQ (r =. 493, p <01).

Procedimiento

Todos los participantes respondieron a los enlaces publicados en los sitios de Internet destinados a llegar a una gran variedad de personas, incluidos los sitios de redes sociales (por ejemplo, Facebook, Twitter), páginas de blogs / foros (por ejemplo, Mashable), sitios de juegos (por ejemplo, Eurogamer.com), y sitios web de ayuda a la adicción a internet. Estos enlaces les dieron a los participantes una breve introducción al estudio, en el que se les dijo que la investigación se refería a la relación entre el uso de Internet y varios problemas de personalidad y salud. Si estaban interesados ​​en participar, se les indicó que siguieran un enlace en línea al cuestionario. Este enlace llevó a los participantes a una página web que contenía más información sobre el estudio: una vez más, destacó que el propósito del estudio estaba relacionado con el uso de Internet y diversos problemas de salud y personalidad, y que también describía los tipos de cuestionarios que responderían. La página de información también proporcionó detalles de su derecho a retirarse del estudio en cualquier momento y los pasos que se están tomando para garantizar su privacidad. La información fue seguida por una declaración de consentimiento, indicando a los participantes que solo hicieran clic para comenzar el cuestionario si estaban dispuestos a dar su consentimiento y si eran mayores de 18. Los participantes fueron presentados con los cuestionarios.

No hubo un límite de tiempo para las respuestas, y a los participantes se les dio la opción de guardar su encuesta y volver a ella en una ocasión posterior si fuera necesario. Una vez que se completaron todos los cuestionarios, que llevaron a los participantes aproximadamente a 30 min, los participantes fueron dirigidos a una página informativa, que les agradeció su contribución, entró en más detalles sobre los objetivos y el propósito del estudio y proporcionó detalles de contacto para el Investigador y un servicio de asesoramiento, si sintieran que necesitaban apoyo, siguiendo los problemas planteados en la encuesta. El enlace del estudio permaneció abierto durante tres meses (durante el período de primavera) y luego se cerró.

Análisis de datos

Inicialmente, las posibles diferencias en las puntuaciones de adicción a Internet entre participantes con diferentes características (por ejemplo, sexo, edad, etc.) se analizaron mediante las pruebas t. Luego, los participantes se dividieron en grupos de problemas de Internet inferior y superior mediante una división en el punto de corte para problemas de Internet leves o peores basados ​​en el IAT (es decir, 40), y la asociación entre puntajes de uso de Internet problemático y género, depresión , etc., fue explorado utilizando pruebas de chi-cuadrado. La relación entre la puntuación de la función inmunitaria y cada una de las variables predictoras se exploró mediante correlaciones semi-parciales (para eliminar parcialmente el impacto de los otros predictores), y también se empleó una regresión gradual para identificar el impacto de las puntuaciones de problemas de Internet en la función inmunológica por encima del impacto de las otras variables predictoras. Los mismos análisis también se realizaron para la puntuación de salud de autoinforme (GHQ). Finalmente, los grupos se dividieron en función inmune alta y baja, y estado de salud autoinformado alto y bajo (GHQ), y estos grupos se compararon en términos de sus puntuaciones de adicción a Internet mediante el análisis de covarianza, utilizando los otros predictores como covariables. Cuando se realizaron comparaciones múltiples, se adoptaron criterios de rechazo más severos para las pruebas de significación y se calcularon los tamaños del efecto en todo momento.

Resultados

La puntuación media para problemas de Internet (IAT) para la muestra fue 37.25 (± 16.18, rango = 0 – 96). La puntuación media de IAT para las hembras fue 36.26 (± 15.36, rango = 0 – 69), y esta puntuación para los hombres fue 38.35 (± 17.00, rango = 9-96). Una prueba t de grupos independientes no reveló diferencias estadísticamente significativas entre estas puntuaciones, t <1, d = 0.006. Las correlaciones de Pearson revelaron una relación estadísticamente significativa y de tamaño moderado entre el tiempo pasado en línea y la puntuación IAT. r(503) = .485, p <.001, R2 = .235, pero no hubo una relación significativa entre la edad de los participantes y su puntuación IAT, r(503) = –.025, p > .50, R2 = .0006.

Las proporciones de la muestra que caen por encima del punto de corte para el uso problemático moderado o peor de Internet (es decir, una puntuación IAT de 40 o superior [62]) se muestran en Fig 1 para toda la muestra, junto con estos datos para hembras y machos, por separado. De la muestra, los participantes de 192 (mujeres de 103, hombres de 89) estuvieron por encima del límite de los problemas de Internet. No hubo una diferencia estadísticamente significativa entre la probabilidad de un puntaje de uso de Internet problemático entre los géneros, chi cuadrado =. 17, p > .60, Fi = .018. Las correlaciones biseriales puntuales no revelaron ninguna relación entre la edad y la caída por encima del punto de corte, rpb(503) = -.002, p > .30, Rpb2 = .102, aunque hubo una relación estadísticamente significativa, y de tamaño moderado, entre las horas pasadas en línea y la caída por encima del punto de corte para problemas de adicción a Internet, r(503) = .320, p <.001, Rpb2 = .102.

uña del pulgar
Fig. 1. Porcentaje de participantes por encima y por debajo del punto de corte para el uso problemático moderado o peor de Internet (es decir, una puntuación IAT de 40 o superior), junto con estos datos para mujeres y hombres, por separado.

doi: 10.1371 / journal.pone.0134538.g001

El panel superior de Tabla 2 muestra los promedios de la muestra y las desviaciones estándar para problemas de Internet (IAT), horas pasadas en línea, depresión (HADS), ansiedad (HADS), soledad (UCLA) y problemas de sueño (PSQI). Estos medios están ampliamente en línea con los vistos en investigaciones previas de tales muestras [7]. También muestra el porcentaje de individuos que se encuentran por encima del punto de corte para esas escalas, que, aparte de los problemas de sueño, fueron los esperados para dicha muestra. Tabla 2 también muestra el porcentaje de la muestra con IAD por encima del límite de esas otras escalas psicológicas. Los porcentajes de aquellos con DAI que también presentan comorbilidad son más altos que los de la muestra en su conjunto. Para investigar más estas relaciones, se realizó una serie de pruebas de chi-cuadrado de 2 × 2 (comorbilidad presente o ausente versus problemas de Internet presentes o ausentes) para cada variable, y revelaron que todas las comorbilidades se asociaron significativamente con la presencia de un problema de Internet: depresiónchi-cuadrado(1) = 30.56, p <.001, Fi = .246; ansiedad-chi-square(1) = 38.98, p <.001, Fi = .278; soledad – chi-square(1) = 15.31, p <.001, Fi = .174; y dormir-chi-square(1) = 9.38, p <.01, Fi = .136. Las correlaciones de Pearson entre todas las variables y con los problemas de salud somática (GHQ) y los síntomas inmunitarios también se muestran en Tabla 2y estos análisis revelaron relaciones estadísticamente significativas entre todas las variables.

uña del pulgar
Tabla 2. Medias (desviaciones estándar) para problemas de Internet (IAT), horas pasadas en línea, depresión (HADS), ansiedad (HADS), soledad (UCLA) y problemas de sueño (PSQI), junto con el porcentaje de personas que se encuentran por encima del punto de corte para esas escalas y el porcentaje de personas con DAI que caen por encima del límite para esas escalas.

 

También se muestran las correlaciones de Pearson entre todas las variables y con los problemas de salud somáticos (GHQ) y los síntomas.

doi: 10.1371 / journal.pone.0134538.t002

La puntuación media de la muestra para los síntomas somáticos (GHQ-S) fue 7.28 (± 3.87; rango = 0 – 19), y la media para el cuestionario de síntomas relacionados con el sistema inmunitario fue 15.20 (± 9.43; rango = 0 – 37). Estas escalas tuvieron una correlación de r = 0.345, p <.001, R2 = .119, uno con el otro. El puntaje de GHQ (S) estuvo fuertemente relacionado con la depresión, la ansiedad y los problemas de sueño y, en menor medida, con las otras variables. La escala de síntomas relacionados con el sistema inmunológico estuvo fuertemente relacionada con la ansiedad, el sueño y los problemas de Internet y, en menor medida, con las otras variables.

Dado que ambas variables de enfermedad (GHQ-S e IFQ) se correlacionaron con todas las demás variables, y que la IAT se relacionó con todas las demás variables, para explorar si los problemas de Internet (es decir, la puntuación de IAT) contribuyeron a estas puntuaciones de enfermedad, se realizaron dos regresiones múltiples por pasos separadas: una para predecir la puntuación de GHQ-S y otra para predecir la puntuación de IFQ. En ambos casos, la depresión, la ansiedad, la soledad, el sueño y las horas pasadas en línea se ingresaron en el modelo de regresión en el primer paso. Todas estas variables más la puntuación del problema de Internet (IAT) se ingresaron en el modelo en el segundo paso, y se calculó el grado en que se mejoró la cantidad de varianza explicada por la adición de la puntuación IAT.

Los paneles inferiores de Tabla 2 Muestra los resultados de estos análisis. La inspección de los datos del panel inferior derecho para el puntaje de GHQ-S muestra que ambos pasos de la regresión fueron estadísticamente significativos, con la reducción del error producida por la adición del IAT en el paso 2 que también produce una mejora estadísticamente significativa en la predicción de la puntuación GHQ-S. Cabe señalar que la mejora en la predicción del GHQ-S producido por la adición del IAT no fue muy grande. El mismo patrón de datos también se encontró a partir del análisis realizado para predecir la puntuación de los síntomas relacionados con el sistema inmunológico (IFQ). Sin embargo, la adición de la IAT en el paso 2 produjo una mejora mucho mayor en la precisión predictiva para las puntuaciones relacionadas con el sistema inmunológico (IFQ), que para las puntuaciones de los síntomas somáticos (GHQ-S).

Para explorar más a fondo la naturaleza de las relaciones entre las variables, las correlaciones semi-parciales entre los predictores individuales (es decir, depresión, ansiedad, sueño, soledad, horas en línea y problemas de Internet) y las dos puntuaciones de los síntomas (GHQ-S y IFQ) Se calcularon por separado. Las correlaciones semi-parciales se realizaron entre cada variable predictiva y las dos variables relacionadas con la enfermedad utilizando todas las otras variables predictoras como co-variables. Esto permite observar la relación única entre dos variables en ausencia del efecto de mediación de cualquier otra variable, y estos valores se pueden ver en Fig 2 Para las dos variables relacionadas con la enfermedad. Estos datos muestran un patrón similar de relación entre los predictores y los síntomas tanto para el GHQ-S como para el IFQ; en eso, la depresión, la ansiedad y los problemas de sueño, todos tuvieron relaciones estadísticamente significativas con ambos resultados cuando se controló el impacto de las otras variables. Sin embargo, mientras que los problemas de Internet (IAT) predijeron significativamente los síntomas relacionados con el sistema inmunológico (IFQ), esto no se relacionó estadísticamente con la puntuación de GHQ (S).

uña del pulgar
Fig. 2. Correlaciones semi-parciales entre la depresión (HADS), la ansiedad (HADS), el sueño (PSQI), la soledad (UCLA), las horas en línea y los problemas de Internet (IAT), y las dos puntuaciones de los síntomas (GHQ (S) e IFQ).

doi: 10.1371 / journal.pone.0134538.g002

Para explorar más a fondo la relación entre los problemas de salud relacionados con Internet (puntajes IAT) y los problemas de salud general-somáticos (GHQ-S) e inmunes (IFQ), la muestra se dividió en aquellos con puntajes por debajo y por encima del límite de 40 para problemas moderados o peores relacionados con Internet en el IAT [62]. Esto creó dos grupos: un grupo sin problemas de internet (N = 313; media IAT = 26.89 + 7.89; rango = 0 – 39), y un grupo con problemas de Internet (N = 313; media IAT = 54.14 ± 11.23; rango = 40 – 96). Fig 3 muestra la puntuación media de salud somática general (GHQ-S) (panel izquierdo) y la puntuación media de salud relacionada con el sistema inmunitario (IFQ). La inspección de los datos para el GHQ-S revela poca diferencia entre los grupos de IAT bajos y altos en términos de sus puntuaciones de GHQ-S. Estos datos se analizaron mediante un análisis de covarianza, con el grupo de internet como un factor entre sujetos, y la depresión, la ansiedad, los problemas de sueño, la soledad y las horas en línea como covariables. Este análisis no reveló diferencias estadísticamente significativas entre los grupos de problemas de Internet en términos de sus puntuaciones GHQ-S, F <1, eta parcial2 = .001. En contraste, el panel derecho de Fig 3 muestra que el grupo de altos problemas de internet tenía más problemas de salud relacionados con el sistema inmunológico que el grupo de no problemas de internet, F(1,498) = 27.79, p <.001, eta parcial2 = .046.

uña del pulgar
Fig. 3. La puntuación media de salud general-somática (GHQ (S)) (panel izquierdo) y la puntuación media de salud relacionada con el sistema inmunitario (IFQ) para los dos grupos de IAT (problemas menores y mayores).

 

Panel izquierdo = puntuaciones relacionadas con somática GHQ (S); panel derecho = puntajes relacionados con el sistema inmunológico (IFQ).

doi: 10.1371 / journal.pone.0134538.g003

Discusión

El estudio actual exploró la relación entre los puntajes de las pruebas de adicción a Internet y los puntajes de salud, centrándose en las autoevaluaciones de la función del sistema inmunológico y del estado de salud general. Se pensó que esto era un área importante para investigar ya que no se habían presentado datos previos sobre el impacto del uso problemático de Internet en el funcionamiento inmunológico; Además, los informes anteriores sobre la relación entre el uso problemático de Internet y la calidad de vida relacionada con la salud habían sido discrepantes entre sí [9,39,40]. Se pensó que las últimas discrepancias podrían estar relacionadas con la naturaleza de las medidas utilizadas para evaluar el estado de salud, con escalas de informes de salud más orientadas psicológicamente, como el GHQ, que están menos relacionadas con el uso problemático de Internet que las medidas más directamente relacionadas con funcionamiento inmune

Aunque se adoptó una estrategia de reclutamiento en línea, la muestra actual tenía características similares a muchas otras que han sido empleadas anteriormente en el estudio del uso de Internet. La muestra era joven (menos de 30 años), pero tenía un rango de edad grande. El tiempo promedio empleado en Internet fue de alrededor de 5 – 6 horas al día, lo que está en línea con varias estimaciones actuales [40,61]. Cabe señalar que este valor no diferenciaba entre el uso profesional y el personal, y se ha sugerido que esto es importante en términos de problemas de Internet [40]. Sin embargo, no está claro si tal distinción es fácil de hacer para los participantes. Los tipos de actividades realizadas en Internet por los participantes actuales fueron similares a los observados en estudios anteriores [61]. Hubo diferencias de género en el uso de internet. Las mujeres tendían a usar las redes sociales y los sitios de compras más que los hombres, pero los hombres solían usar los juegos, los sitios de citas sexuales y las salas de chat más que las mujeres. Por supuesto, esto se basa en datos de autoinforme, y las diferencias, aunque estadísticamente confiables, fueron pequeñas para algunas de estas comparaciones. Los niveles de uso problemático de Internet en la muestra actual, alrededor del 30% de la muestra mostraron síntomas leves o peores de adicción a Internet, están en línea con las investigaciones anteriores [7].

Un hallazgo clave del estudio actual fue que el uso problemático autoinformado de Internet se relacionó con una función inmune peor informada por sí misma, según lo indujeron los números de síntomas relacionados con el sistema inmune. Esto corrobora los resultados de un estudio que examinó la calidad de vida relacionada con la salud autoinformada medida por el SF-36 y el uso problemático de Internet [40]. Sin embargo, aunque la función inmune y la salud autoinformada estaban relacionadas entre sí, el uso problemático de Internet no predijo los síntomas de salud autoinformados, medidos por la escala somática del GHQ. El último hallazgo está en línea con varios estudios previos que no lograron encontrar una relación entre las puntuaciones IAT y las puntuaciones de GHQ [9,39]. El hallazgo positivo actual, en términos de la relación entre las puntuaciones IAT y la función inmune deteriorada, puede reflejar que la medición de los síntomas relacionados con el sistema inmunitario de manera más directa, como se hizo en el estudio actual, evalúa este aspecto de la salud mejor que el GHQ con orientación psicológica escala.

A pesar de las dificultades en la medición de la función inmune que se han discutido anteriormente (ver también más adelante), la relevancia clínica de los hallazgos debería ubicarse en contexto, dadas las limitaciones metodológicas del estudio. El estudio es correlacional, lo que significa que la causación no debe inferirse automáticamente a partir de dicha asociación. Es posible que las personas con mayores niveles de enfermedad tiendan a utilizar Internet con más frecuencia que las personas que están más en forma. Sin embargo, dada la ubicuidad del uso de internet y la asociación entre los jóvenes y el uso de internet, esto parece poco probable, aunque sigue siendo una posibilidad que requerirá una investigación longitudinal para evaluar. Alternativamente, podría ser que algún tercer factor predice el uso de Internet y la mala salud. Sin embargo, también se debe tener en cuenta que se descubrió que la relación entre el uso problemático de Internet y el funcionamiento inmunitario autoinformado mantiene más allá del impacto de otras áreas de funcionamiento (depresión, ansiedad, soledad) asociadas con Internet problemática. utilizar [10–12], y que están, en sí mismas, asociadas con una función inmune reducida [45,46,48,49]. Esto hace que no esté claro cuál podría ser el tercer factor mediador.

Si el uso problemático de Internet predice una peor función inmunológica, la pregunta clara para los médicos se referirá a los mecanismos. Una posibilidad es que se ha observado que los altos niveles de uso problemático de Internet aumentan la activación del sistema nervioso simpático [32,33]. Tal actividad simpática elevada conduce a aumentos en los niveles de nor-epinefrona y / o cortisteroides (cortisol), que, eventualmente, conducen a una disminución de la función inmune [52]. Por lo tanto, esta ruta bien puede subyacer a la relación entre el uso problemático de Internet y la función inmune reducida, pero requerirá una mayor investigación. La última sugerencia tiene cierta relevancia para la futura conceptualización y exploración de las características clínicas del uso problemático de Internet.

La relación entre los puntajes IAT y la función inmunológica refleja el hecho de que el uso general de Internet para algunas personas se considera, por sí mismos, como un problema; sin embargo, su uso diferirá entre estas personas. Por ejemplo, el estudio actual encontró diferencias de género en los usos que las personas tenían para Internet, y puede ser que los usos particulares estén relacionados con la reducción de la función inmunológica de manera diferente entre los géneros. El trabajo detallado adicional sobre el tipo de uso de Internet, como la naturaleza exacta del uso y el tiempo que se pasa en línea para uso profesional y personal, puede arrojar más luz sobre la relación entre el uso de Internet y las reducciones en la función inmunológica.

Como siempre, hay algunas limitaciones para el estudio actual que deben tenerse en cuenta. La muestra actual se reclutó en línea, y esto puede haber sesgado el tipo de individuo que participó en el estudio. Sin embargo, debe mencionarse que el rango de individuos en la muestra fue bastante amplio en términos de sus edades y sus otras características, y la muestra parecía estar en línea con las utilizadas en estudios anteriores. Cabe señalar que el estudio actual no distinguió entre el uso profesional y personal de Internet, lo que puede ser importante examinar. Por ejemplo, el nivel de compulsión y urgencia de usar Internet puede impactar en los niveles de estrés en mayor medida que las horas que se tienen que gastar en Internet para trabajar. Es decir, se podría hacer una distinción entre aquellos que trabajan duro y están estresados ​​por esa razón, y las personas que tienen un problema de Internet y están estresadas y enfermas debido a este problema.

En términos de los predictores alternativos potenciales de la función inmune reducida observada en usuarios con problemas altos, el trabajo futuro podría considerar el papel de múltiples adicciones que podrían haber afectado al grupo de usuarios con problemas de Internet. La información relacionada con la adicción farmacológica y no farmacológica no se recopiló en el informe actual, y esto podría coincidir con problemas de Internet y con la función inmunológica. De manera similar, los recientes eventos estresantes de la vida podrían haber impactado el comportamiento adictivo y el funcionamiento del sistema inmunológico, al igual que las condiciones sociales de los participantes. Ambos aspectos podrían ser examinados por una investigación adicional.

La confianza en el autoinforme para la función inmune puede ser posteriormente reforzada por el uso del análisis de las células sanguíneas, lo que agregaría apoyo a las conclusiones actuales. Sin embargo, como se señaló anteriormente, no existe una relación perfecta entre la fisiología de la función inmunológica y la experiencia de los síntomas [54], y el autoinforme de resfriados y gripes se toma como medida válida de la función inmune a este respecto [31,44]. Ciertamente, se ha encontrado que los autoinformes de los síntomas de la enfermedad, especialmente en relación con las infecciones de las vías respiratorias superiores (p. Ej., Resfriados y gripe), como se usa en el presente estudio, se correlacionan bien con las lecturas objetivas de inmunoglobina [73].

Finalmente, debe reconocerse que aunque el estudio actual mostró relaciones entre el uso problemático de Internet y los síntomas relacionados con el sistema inmunitario, existen dos advertencias para sacar conclusiones causales de esta asociación que deben mencionarse. En primer lugar, como el estudio no fue de naturaleza longitudinal, entonces no debería considerarse la inferencia causal. En segundo lugar, como muchas de las variables predictoras se correlacionaban unas con otras, esto podría haber producido un grado de colinealidad en los análisis de regresión que dificultan la interpretación. Aunque debe tenerse en cuenta que el uso de correlaciones semi-parciales, en cierta medida, mejora esta dificultad.

En resumen, el informe actual estableció un vínculo entre el uso problemático de Internet y la notificación de un mayor número de síntomas asociados con una función reducida del sistema inmunológico. Esta relación fue independiente de la cantidad de horas pasadas en línea y también del impacto de los síntomas comórbidos del uso problemático de Internet, como la depresión, el aislamiento y la ansiedad. Se sugirió que el impacto negativo de la función inmunológica puede estar mediado por un aumento del estrés y también por el aumento de la actividad nerviosa simpática que a veces muestran los adictos a Internet.

Contribuciones de autor

Concebido y diseñado los experimentos: PR RV LAO MR RT. Realizó los experimentos: RV. Analicé los datos: RV PR. Reactivos aportados / materiales / herramientas de análisis: LAO. Escribió el papel: PR LAO MR RT.

Referencias

  1. 1. Bloque JJ. Problemas para el DSM-V: adicción a internet. Soy J Psychiatry 2008; 165: 306 – 7. doi: 10.1176 / appi.ajp.2007.07101556. pmid: 18316427
  2. 2. Young KS. Adicción a Internet: la aparición de un nuevo trastorno clínico. CyberPsychology & Behavior 1998; 1 (3): 237–244. doi: 10.1089 / cpb.1998.1.237
  3. Ver artículo
  4. PubMed / NCBI
  5. Google Scholar
  6. Ver artículo
  7. PubMed / NCBI
  8. Google Scholar
  9. Ver artículo
  10. PubMed / NCBI
  11. Google Scholar
  12. Ver artículo
  13. PubMed / NCBI
  14. Google Scholar
  15. Ver artículo
  16. PubMed / NCBI
  17. Google Scholar
  18. Ver artículo
  19. PubMed / NCBI
  20. Google Scholar
  21. Ver artículo
  22. PubMed / NCBI
  23. Google Scholar
  24. Ver artículo
  25. PubMed / NCBI
  26. Google Scholar
  27. Ver artículo
  28. PubMed / NCBI
  29. Google Scholar
  30. Ver artículo
  31. PubMed / NCBI
  32. Google Scholar
  33. Ver artículo
  34. PubMed / NCBI
  35. Google Scholar
  36. Ver artículo
  37. PubMed / NCBI
  38. Google Scholar
  39. Ver artículo
  40. PubMed / NCBI
  41. Google Scholar
  42. Ver artículo
  43. PubMed / NCBI
  44. Google Scholar
  45. Ver artículo
  46. PubMed / NCBI
  47. Google Scholar
  48. Ver artículo
  49. PubMed / NCBI
  50. Google Scholar
  51. Ver artículo
  52. PubMed / NCBI
  53. Google Scholar
  54. Ver artículo
  55. PubMed / NCBI
  56. Google Scholar
  57. Ver artículo
  58. PubMed / NCBI
  59. Google Scholar
  60. Ver artículo
  61. PubMed / NCBI
  62. Google Scholar
  63. Ver artículo
  64. PubMed / NCBI
  65. Google Scholar
  66. Ver artículo
  67. PubMed / NCBI
  68. Google Scholar
  69. Ver artículo
  70. PubMed / NCBI
  71. Google Scholar
  72. Ver artículo
  73. PubMed / NCBI
  74. Google Scholar
  75. Ver artículo
  76. PubMed / NCBI
  77. Google Scholar
  78. Ver artículo
  79. PubMed / NCBI
  80. Google Scholar
  81. Ver artículo
  82. PubMed / NCBI
  83. Google Scholar
  84. Ver artículo
  85. PubMed / NCBI
  86. Google Scholar
  87. Ver artículo
  88. PubMed / NCBI
  89. Google Scholar
  90. Ver artículo
  91. PubMed / NCBI
  92. Google Scholar
  93. Ver artículo
  94. PubMed / NCBI
  95. Google Scholar
  96. Ver artículo
  97. PubMed / NCBI
  98. Google Scholar
  99. Ver artículo
  100. PubMed / NCBI
  101. Google Scholar
  102. Ver artículo
  103. PubMed / NCBI
  104. Google Scholar
  105. Ver artículo
  106. PubMed / NCBI
  107. Google Scholar
  108. Ver artículo
  109. PubMed / NCBI
  110. Google Scholar
  111. Ver artículo
  112. PubMed / NCBI
  113. Google Scholar
  114. Ver artículo
  115. PubMed / NCBI
  116. Google Scholar
  117. Ver artículo
  118. PubMed / NCBI
  119. Google Scholar
  120. Ver artículo
  121. PubMed / NCBI
  122. Google Scholar
  123. Ver artículo
  124. PubMed / NCBI
  125. Google Scholar
  126. Ver artículo
  127. PubMed / NCBI
  128. Google Scholar
  129. Ver artículo
  130. PubMed / NCBI
  131. Google Scholar
  132. Ver artículo
  133. PubMed / NCBI
  134. Google Scholar
  135. Ver artículo
  136. PubMed / NCBI
  137. Google Scholar
  138. Ver artículo
  139. PubMed / NCBI
  140. Google Scholar
  141. Ver artículo
  142. PubMed / NCBI
  143. Google Scholar
  144. Ver artículo
  145. PubMed / NCBI
  146. Google Scholar
  147. Ver artículo
  148. PubMed / NCBI
  149. Google Scholar
  150. Ver artículo
  151. PubMed / NCBI
  152. Google Scholar
  153. Ver artículo
  154. PubMed / NCBI
  155. Google Scholar
  156. Ver artículo
  157. PubMed / NCBI
  158. Google Scholar
  159. Ver artículo
  160. PubMed / NCBI
  161. Google Scholar
  162. Ver artículo
  163. PubMed / NCBI
  164. Google Scholar
  165. Ver artículo
  166. PubMed / NCBI
  167. Google Scholar
  168. Ver artículo
  169. PubMed / NCBI
  170. Google Scholar
  171. Ver artículo
  172. PubMed / NCBI
  173. Google Scholar
  174. Ver artículo
  175. PubMed / NCBI
  176. Google Scholar
  177. Ver artículo
  178. PubMed / NCBI
  179. Google Scholar
  180. Ver artículo
  181. PubMed / NCBI
  182. Google Scholar
  183. 3. Christakis DA. La adicción a internet: ¿una epidemia del siglo xxxst? BMC Medicine 21; 2010 (8): 1. doi: 61 / 10.1186-1741-7015-8
  184. Ver artículo
  185. PubMed / NCBI
  186. Google Scholar
  187. Ver artículo
  188. PubMed / NCBI
  189. Google Scholar
  190. 4. Caplan SE, Alto AC. Interacción social en línea, bienestar psicosocial y uso problemático de internet. Adicción a Internet: un manual y una guía para la evaluación y el tratamiento de 201; 35 – 53. doi: 10.1002 / 9781118013991.ch3
  191. Ver artículo
  192. PubMed / NCBI
  193. Google Scholar
  194. Ver artículo
  195. PubMed / NCBI
  196. Google Scholar
  197. Ver artículo
  198. PubMed / NCBI
  199. Google Scholar
  200. Ver artículo
  201. PubMed / NCBI
  202. Google Scholar
  203. Ver artículo
  204. PubMed / NCBI
  205. Google Scholar
  206. Ver artículo
  207. PubMed / NCBI
  208. Google Scholar
  209. Ver artículo
  210. PubMed / NCBI
  211. Google Scholar
  212. Ver artículo
  213. PubMed / NCBI
  214. Google Scholar
  215. 5. Shaw M, DW Negro. Adicción a Internet. Medicamentos para el SNC 2008; 22: 353 – 65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  216. 6. Griffiths M. ¿Es hora de la adicción a Internet? Investigación y teoría de adicciones 2000; 8: 413–418. doi: 10.3109 / 16066350009005587
  217. 7. Romano M, Osborne LA, Truzoli R, Reed P. Impacto psicológico diferencial de la exposición a Internet en los adictos a Internet. PLOS UNO 2013; 8 (2): e55162. doi: 10.1371 / journal.pone.0055162. pmid: 23408958
  218. 8. Kuss DJ, Griffiths MD, Binder JF. La adicción a internet en los estudiantes: prevalencia y factores de riesgo. Computadoras en Comportamiento Humano 2013; 29 (3): 959 – 966. doi: 10.1016 / j.chb.2012.12.024
  219. 9. Niemz K, Griffiths M, Banyard P. Prevalencia del uso patológico de Internet entre estudiantes universitarios y correlaciones con la autoestima, el cuestionario de salud general (GHQ) y la desinhibición. CyberPsychology & Behavior 2005; 8 (6): 562–570. doi: 10.1089 / cpb.2005.8.562
  220. 10. Weinstein A, Lejoyeux M. Adicción a Internet o uso excesivo de Internet. The American Journal of Drug and Alcohol Abuse 2010; 36 (5): 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  221. 11. Bernardi S, Pallanti S. Adicción a Internet: un estudio clínico descriptivo que se centra en las comorbilidades y los síntomas disociativos. Psiquiatría Integral 2009; 50 (6): 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011. pmid: 19840588
  222. 12. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC. La asociación entre la adicción a Internet y el trastorno psiquiátrico: una revisión de la literatura. Psiquiatría europea 2012; 27 (1): 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  223. 13. Akin A, Iskender M. Adicción a Internet y depresión, ansiedad y estrés. Revista Internacional Online de Ciencias de la Educación 2011; 3 (1): 138 – 148.
  224. 14. Yen CF, Chou WJ, Liu TL, Yang P, Hu. La asociación de síntomas de adicción a Internet con ansiedad, depresión y autoestima entre adolescentes con trastorno por déficit de atención / hiperactividad. Psiquiatría Integral 2014. doi: 10.1016 / j.comppsych.2014.05.025
  225. 15. Gundogar A, Bakim B, Ozer OA, Karamustafalioglu. P-32-La asociación entre adicción a internet, depresión y TDAH entre estudiantes de secundaria. Psiquiatría europea 201; 27: 1. doi: 10.1016 / s0924-9338 (12) 74199-8
  226. 16. Romano M, Truzoli R, Osborne LA, Reed P. La relación entre el cociente del autismo, la ansiedad y la adicción a Internet. Investigación en trastornos del espectro autista 2014; 11: 1521 – 1526. doi: 10.1016 / j.rasd.2014.08.002
  227. 17. Young KS, Rogers RC. La relación entre la depresión y la adicción a Internet. CyberPsychology & Behavior 1998; 1 (1): 25-28. doi: 10.1089 / cpb.1998.1.25
  228. 18. Ko CH, Liu TL, Wang PW, Chen CS, Yen CF, Yen JY. La exacerbación de la depresión, la hostilidad y la ansiedad social en el curso de la adicción a Internet entre los adolescentes: un estudio prospectivo. Psiquiatría Integral 2014. doi: 10.1016 / j.comppsych.2014.05.003
  229. 19. Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS. La impulsividad en la adicción a internet: una comparación con el juego patológico. Ciberpsicología, comportamiento y redes sociales 2012; 15 (7): 373 – 377. doi: 10.1089 / cyber.2012.0063
  230. 20. Yen JY, Yen CF, Wu HY, Huang CJ, Ko CH. La hostilidad en el mundo real y en línea: el efecto de la adicción a Internet, la depresión y la actividad en línea. Ciberpsicología, comportamiento y redes sociales 2011; 14 (11): 649 – 655. doi: 10.1089 / cyber.2010.0393
  231. 21. Heim C. El uso intensivo de computadoras e Internet como factor de riesgo para la esquizofrenia en hombres jóvenes inteligentes. Diario de psiquiatría de Australia y Nueva Zelanda 2012; 46 (8): 791 – 792. doi: 10.1177 / 0004867412442407. pmid: 22403394
  232. 22. Caplan SE. Preferencia por la interacción social en línea: una teoría del uso problemático de Internet y el bienestar psicosocial. Investigación en Comunicación 2003; 30: 625 – 648. doi: 10.1177 / 0093650203257842
  233. 23. Yan W, Li Y, Sui N. La relación entre los recientes eventos estresantes de la vida, los rasgos de personalidad, el funcionamiento familiar percibido y la adicción a Internet entre los estudiantes universitarios. Estrés y Salud 2014; 30 (1): 3 – 11. doi: 10.1002 / smi.2490. pmid: 23616371
  234. 24. Bozoglan B, Demirer V, Sahin I. Soledad, autoestima y satisfacción con la vida como predictores de la adicción a Internet: un estudio transversal entre estudiantes universitarios turcos. Revista Escandinava de Psicología 2013; 54 (4): 313 – 319. doi: 10.1111 / sjop.12049. pmid: 23577670
  235. 25. Nalwa K, Anand AP. La adicción a Internet en los estudiantes: un motivo de preocupación. CyberPsychology & Behavior 2003; 6 (6): 653–656. doi: 10.1089 / 109493103322725441
  236. 26. Sanders CE, Field TM, Diego M, Kaplan M. La relación entre el uso de Internet y la depresión y el aislamiento social entre los adolescentes. Adolescencia 2000; 35 (138): 237 – 242. pmid: 11019768
  237. 27. Tonioni F, D'Alessandris L, Lai C, Martinelli D, Corvino S, Vasale M,… Bria P. Adicción a Internet: horas pasadas en línea, comportamientos y síntomas psicológicos. Psiquiatría del Hospital General 2012; 34 (1): 80–87. doi: 10.1016 / j.genhosppsych.2011.09.013. pmid: 22036735
  238. 28. Yuan K, Qin W, Wang G, Zeng F, Zhao L, Yang X, et al. Anomalías de la microestructura en adolescentes con trastorno de adicción a internet. PloS ONE 2011; 6 (6): e20708. doi: 10.1371 / journal.pone.0020708. pmid: 21677775
  239. 29. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, y otros. Anomalías de la materia gris en la adicción a Internet: un estudio de morfometría basado en voxel Revista Europea de Radiología 2011; 79 (1): 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025. pmid: 19926237
  240. 30. Hou H, Jia S, Hu S, Fan R, Sun W, Sun T, et al. Transportadores de dopamina del estriado reducido en personas con trastorno de adicción a Internet. BioMed Research International 2012; 2012. doi: 10.1155 / 2012 / 854524
  241. 31. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, Kim SE. Reducción de los receptores D2 de dopamina estriatal en personas con adicción a Internet. Neuroreport 2011; 22 (8): 407 – 411. doi: 10.1097 / WNR.0b013e328346e16e. pmid: 21499141
  242. 32. Lu DW, Wang JW, Huang ACW. Diferenciación del nivel de riesgo de adicción a Internet basado en respuestas nerviosas autónomas: la hipótesis de adicción a Internet de la actividad autónoma. Ciberpsicología, comportamiento y redes sociales 2010; 13 (4): 371 – 378. doi: 10.1089 / cyber.2009.0254
  243. 33. Lin PC, Kuo SY, Lee PH, Sheen TC, Chen SR. Efectos de la adicción a internet sobre la variabilidad del ritmo cardíaco en niños en edad escolar. El Diario de Enfermería Cardiovascular 2013. doi: 10.1097 / jcn.0b013e3182a477d5
  244. 34. Zheng H, Liu X, Patel K K. A Papel de la dopamina en la respuesta simpática mediada centralmente en ratas con diabetes tipo 2 inducida por estreptozotocina y una dieta alta en grasas. La revista FASEB 2011; 25: 1028 – 11.
  245. 35. Bélanger RE, Akre C, Berchtold A, Michaud PA. Una asociación en forma de U entre la intensidad del uso de Internet y la salud de los adolescentes. Pediatría 2014; 127: e330 – e335. doi: 10.1542 / peds.2010-1235
  246. 36. Lam LT. Adicción a los juegos de Internet, uso problemático de Internet y problemas del sueño: una revisión sistemática. Informes de psiquiatría actuales 2014; 16 (4): 1 – 9. doi: 10.1007 / s11920-014-0444-1
  247. 37. Kim Y, Park JY, Kim SB, Jung IK, Lim YS, Kim JH. Los efectos de la adicción a Internet en el estilo de vida y el comportamiento alimentario de los adolescentes coreanos. Investigación y práctica de nutrición 2010; 4 (1): 51 – 57. doi: 10.4162 / nrp.2010.4.1.51. pmid: 20198209
  248. 38. Li M, Deng Y, Ren Y, Guo S, He X. Estado de obesidad de los estudiantes de secundaria en Xiangtan y su relación con la adicción a Internet. Obesidad 2014; 22 (2): 482 – 487. doi: 10.1002 / oby.20595. pmid: 23929670
  249. 39. Jenaro C, Flores N, Gomez-Vela M, Gonzalez-Gil F, Caballo C. Uso problemático de Internet y teléfonos celulares: correlatos psicológicos, de comportamiento y de salud. Investigación y Teoría de la Adicción 2007; 15: 309 – 320. doi: 10.1080 / 16066350701350247
  250. 40. Kelley KJ, Gruber EM. Uso problemático de internet y salud física. Diario de Adicciones al Comportamiento 2013; 2 (2): 108 – 112. doi: 10.1556 / JBA.1.2012.016. pmid: 26165930
  251. 41. Besedovsky L, Lange T, Born J. El sueño y la función inmune. Pflügers Archiv-European Journal of Physiology 2012; 463 (1): 121 – 137. doi: 10.1007 / s00424-011-1044-0. pmid: 22071480
  252. 42. Cheung LM, Wong WS. Los efectos del insomnio y la adicción a internet en la depresión en adolescentes chinos de Hong Kong: un análisis transversal exploratorio. Sleep Research 2011; 20: 311 – 317. doi: 10.1111 / j.1365-2869.2010.00883.x
  253. 43. Irwin M. Efectos del sueño y la pérdida de sueño sobre la inmunidad y las citoquinas. Cerebro, comportamiento e inmunidad 2002; 16 (5): 503 – 512. doi: 10.1016 / s0889-1591 (02) 00003-x
  254. 44. Adam Y, Meinlschmidt G, Lieb R. Asociaciones entre los trastornos mentales y el resfriado común en adultos: un estudio transversal basado en la población. Revista de Investigación Psicosomática 2013; 74 (1): 69 – 73. doi: 10.1016 / j.jpsychores.2012.08.013. pmid: 23272991
  255. 45. Irwin M, Patterson T, Smith TL, Caldwell C, Brown SA, Gillin JC, et al. Reducción de la función inmune en el estrés de la vida y la depresión. Psiquiatría Biológica 1990; 27 (1): 22 – 30. pmid: 2297549 doi: 10.1016 / 0006-3223 (90) 90016-u
  256. 46. Kiecolt-Glaser JK, Glaser R. Depresión y función inmune: vías centrales hacia la morbilidad y la mortalidad. Revista de Investigación Psicosomática 2002; 53 (4): 873 – 876. pmid: 12377296 doi: 10.1016 / s0022-3999 (02) 00309-4
  257. 47. Kim HC, Park SG, Leem JH, Jung DY, Hwang SH. Los síntomas depresivos como un factor de riesgo para el resfriado común entre los empleados: un estudio de seguimiento de 4 durante un mes. Revista de Investigación Psicosomática 2011; 71 (3): 194 – 196. doi: 10.1016 / j.jpsychores.2011.01.014. pmid: 21843756
  258. 48. Dickerson SS, Kemeny ME. Agresores agudos y respuestas de cortisol: una integración teórica y síntesis de la investigación de laboratorio. Boletín Psicológico 2004; 130 (3): 355. pmid: 15122924 doi: 10.1037 / 0033-2909.130.3.355
  259. 49. Cacioppo JT, Hawkley LC. Aislamiento social y salud, con énfasis en los mecanismos subyacentes. Perspectivas en biología y medicina 2003; 46 (3): S39 – S52. pmid: 14563073 doi: 10.1353 / pbm.2003.0049
  260. 50. Cohen S. Relaciones sociales y salud. El psicólogo norteamericano 2004; 59 (8): 676. pmid: 15554821 doi: 10.1037 / 0003-066x.59.8.676
  261. 51. Jaremka LM, Fagundes CP, Glaser R, Bennett JM, Malarkey WB, Kiecolt-Glaser JK. La soledad predice el dolor, la depresión y la fatiga: comprender el papel de la desregulación inmunológica. Psychoneuroendocrinology 2013; 38 (8): 1310 – 1317. doi: 10.1016 / j.psyneuen.2012.11.016. pmid: 23273678
  262. 52. McClelland DC, Piso E, Davidson RJ, Saron C. Motivación del poder estresado, activación simpática, función inmune y enfermedad. Diario de estrés humano 1980; 6 (2): 11 – 19. pmid: 7391555 doi: 10.1080 / 0097840x.1980.9934531
  263. 53. Cao H, Sun Y, Wan Y, Hao J, Tao F. BMC Public Health 2011; 11: 802. doi: 10.1186 / 1471-2458-11-802. pmid: 21995654
  264. 54. Heikkinen T, Järvinen A. El resfriado común. Lancet 2003; 361: 51 – 59. pmid: 12517470 doi: 10.1016 / s0140-6736 (03) 12162-9
  265. 55. QUIEN. Revisión de la temporada de influenza de invierno 2012 – 2013, hemisferio norte. Organización Mundial de la Salud Registro epidemiológico semanal 2013; 88: 225 – 232. Recuperado de http://www.who.int/wer/2013/wer8822.pdf
  266. 56. Grout P, ​​Barber V E. Úlceras bucales: un estudio epidemiológico. Diario del Real Colegio de Médicos Generales 1976; 26: 428 – 434. pmid: 957310
  267. 57. Glaser R, Sheridan J, Malarkey WB, MacCallum RC, Kiecolt-Glaser J K. El estrés crónico modula la respuesta inmune a una vacuna contra la neumonía neumocócica. Medicina psicosomática 2000; 62: 804 – 807. pmid: 11139000 doi: 10.1097 / 00006842-200011000-00010
  268. 58. Hass HS, Schauenstein K. Inmunidad, hormonas y el cerebro. Alergia 2001; 56: 470 – 77 pmid: 11421890 doi: 10.1034 / j.1398-9995.2001.056006470.x
  269. 59. Aberg KM, Radeck KA, Choi EH, Kim DK, Demerjian M, Hupe M, et al. El estrés psicológico regula a la baja la expresión del péptido antimicrobiano epidérmico y aumenta la gravedad de las infecciones cutáneas en ratones. La revista de investigación clínica 2007; 117: 3339 – 3349. pmid: 17975669 doi: 10.1172 / jci31726
  270. 60. Ng BD, Wiemer-Hastings P. Adicción a Internet y juegos en línea. CyberPsychology & Behavior 2005; 8 (2): 110-113. doi: 10.1089 / cpb.2005.8.110
  271. 61. Widyanto L, McMurran M. Las propiedades psicométricas de la prueba de adicción a Internet. Cyberpsychology & Behavior 2004; 7: 443–450. doi: 10.1089 / cpb.2004.7.443
  272. 62. Joven KS. Prueba de adicción a internet (IAT) 2009.
  273. 63. Chang MK, Hombre Ley SP. Estructura factorial para la prueba de adicción a Internet de Young: un estudio confirmatorio Computadoras en Comportamiento Humano 2008; 24: 2597 – 2619. doi: 10.1016 / j.chb.2008.03.001
  274. 64. Hardie E, Tee MY. Uso excesivo de Internet: el papel de la personalidad, la soledad y las redes de apoyo social en la adicción a Internet. Revista Australiana de Tecnologías Emergentes y Sociedad 2007; 5: 34 – 47.
  275. 65. Snaith RP, Zigmond AS. HADS: Escala hospitalaria de ansiedad y depresión 1994. Windsor: Nelson Nelson.
  276. 66. Andrew B, Wilding J M. La relación de la depresión y la ansiedad con la vida, el estrés y el rendimiento en los estudiantes. British Journal of Psychology 2004; 95 (4): 509 – 521. doi: 10.1348 / 0007126042369802
  277. 67. Crawford JR, Henry JD, Crombie C, Taylor EP. Datos normativos para el HADS de una muestra no clínica grande. British Journal of Clinical Psychology 2001; 40 (4): 429 – 434. doi: 10.1348 / 014466501163904
  278. 68. Russell DW. Escala de soledad de UCLA (versión 3): confiabilidad, validez y estructura de factores. Revista de Evaluación de Personalidad 1996; 66 (1): 20 – 40. pmid: 8576833 doi: 10.1207 / s15327752jpa6601_2
  279. 69. Jobe LE, Williams White S. Soledad, relaciones sociales y un fenotipo de autismo más amplio en estudiantes universitarios. Personalidad y diferencias individuales 2007; 42 (8): 1479 – 1489. doi: 10.1016 / j.paid.2006.10.021
  280. 70. Buysse DJ, Reynolds CF, Monk TH, Berman SR, Kupfer DJ. El índice de calidad del sueño de Pittsburgh (PSQI): un nuevo instrumento para la investigación y la práctica psiquiátrica. Investigación en psiquiatría 1989; 28 (2): 193 – 213. doi: 10.1016 / 0165-1781 (89) 90047-4
  281. 71. Goldberg DP, Hillier V F. Una versión a escala del Cuestionario de Salud General. Medicina Psicológica 1979; 9: 139 – 145. pmid: 424481 doi: 10.1017 / s0033291700021644
  282. 72. Reed P., & Senunaite K. Impacto de un niño con TEA en la función inmunológica autoinformada de los padres. Bajo revisión.
  283. 73. McClelland DC, Alexander C, Marks E. La necesidad de poder, estrés, función inmunológica y enfermedad entre los presos varones. Revista de Psicología Anormal 1982; 91 (1): 61. pmid: 7056944 doi: 10.1037 / 0021-843x.91.1.61