Atascado en las pantallas: patrones de uso de computadoras y estaciones de juego en jóvenes vistos en una clínica psiquiátrica (2011)

OBJETIVO:

El uso de computadoras y estaciones de juego se ha arraigado en la cultura de nuestra juventud. Los padres de niños con trastornos psiquiátricos informan inquietudes sobre el uso excesivo, pero la investigación en esta área es limitada. El objetivo de este estudio es evaluar el uso de la computadora / estación de juego en adolescentes en una población clínica psiquiátrica y examinar la relación entre el uso y el deterioro funcional.

Método:

Los adolescentes de 102, edades 11-17, de clínicas psiquiátricas ambulatorias participaron. La cantidad de computadora / estación de juego utilizada, el tipo de uso (juego o no juego) y la presencia de características adictivas se determinaron junto con el deterioro emocional / funcional. Se utilizó la regresión lineal multivariante para examinar las correlaciones entre los patrones de uso y deterioro.

RESULTADOS:

El tiempo medio de cribado fue 6.7 ± 4.2 hrs / día. La presencia de características adictivas se correlacionó positivamente con el deterioro emocional / funcional. El tiempo empleado en el uso de la computadora / estación de juego no se correlacionó en general con el deterioro después de controlar las características adictivas, pero el tiempo de no juego se correlacionó positivamente con el comportamiento de riesgo en los niños.

CONCLUSIONES:

Los jóvenes con trastornos psiquiátricos pasan gran parte de su tiempo libre en la computadora / estación de juego y un subconjunto sustancial muestra características de uso adictivas que se asocian con el deterioro. Se necesita más investigación para desarrollar medidas y evaluar el riesgo para identificar el impacto de este problema.

Participantes

Los niños y sus familias que fueron atendidos en clínicas psiquiátricas ambulatorias en un hospital provincial de niños en Canadá, así como en los sitios de la comunidad 2 durante un mes 4 en 2008, fueron contactados y se les pidió participar en el estudio. Eran un grupo heterogéneo e incluían pacientes que acudían a clínicas de psiquiatría general, así como a clínicas de subespecialidades, y eran una mezcla de casos secundarios y terciarios. No teníamos datos sobre el estado socioeconómico de los participantes. Los criterios de inclusión fueron la edad entre 11 y 17, la fluidez en inglés y la capacidad de leer en inglés. Distribuimos ∼160 encuestas de las cuales 112 fueron completadas tanto por el niño como por sus padres. Omitimos a los participantes de 8 debido a los formularios de consentimiento y / o consentimiento incompletos, un participante porque tenía menos de la edad límite y un participante debido a una interpretación incorrecta de los cuestionarios. La muestra final, por lo tanto, consistió en sujetos 102. Este estudio fue aprobado por la Junta de Ética de Investigación de la Universidad de British Columbia y todos los sujetos firmaron los formularios de consentimiento o consentimiento.

Demografía

La información demográfica, incluida la edad, el sexo, el número de computadoras y el acceso a Internet se determinó a través de cuestionarios para padres e hijos. Se obtuvieron estimaciones de los niños y los padres del tiempo dedicado al juego, actividades recreativas basadas en computadora que no son juegos de azar, televisión durante los días de semana (días escolares) y fines de semana (días sin clases), lo que permite calcular un promedio diario ponderado para cada actividad. El cuestionario no evaluó los mensajes de texto y no distinguió entre juegos en línea o fuera de línea. Se determinó la presencia de reglas, límites de tiempo y ubicación del sistema de computadora / juegos.

Medidas

No existen medidas que analicen las características adictivas de las actividades de la computadora y las estaciones de juego adecuadas para los jóvenes. Se han desarrollado múltiples medidas para analizar específicamente las actividades basadas en Internet (Barba, 2005; Beranuy Fargues, et al., 2009; Ko, et al., 2005a; Nichols y Nicki, 2004; Parque, xnumx; Joven, 1998a, 1998b) y varios han sido desarrollados para mirar exclusivamente en videojuegos (Gentil, xnumx; Tejeiro Salguero y Bersabe Moran, 2002). Gran parte de la investigación sobre la adicción a Internet se ha llevado a cabo en Asia, y una de las medidas más utilizadas es la Escala de adicción a Internet de Chen (Ko, et al., 2005a), que no está disponible en inglés. Una de las medidas de idioma inglés más utilizadas en relación con las actividades de Internet, el Test de Adicción a Internet (IAT) (Joven, 1998a, 1998b) solo ha sido validado en adultos (Chang y Law, 2008; Widyanto y McMurran, 2004) e incluye algunas preguntas que son inapropiadas para los niños (por ejemplo, "¿Con qué frecuencia prefiere Internet a la intimidad con su pareja?"). Un estudio de validación incluyó algunos jóvenes, pero la edad media de la muestra fue superior a 25 (Widyanto y McMurran, 2004). No se han validado escalas de idioma inglés que evalúen la adicción a internet en niños. Además, todas las medidas existentes se basan exclusivamente en el autoinforme y no incluyen información colateral de un padre, lo que conlleva el riesgo de que los problemas no se informen.

Análisis estadístico

Estadística descriptiva se realizaron en todas las variables. Se realizaron regresiones lineales multivariadas con puntajes totales y subescala de WFIRS-P, SDQ secundario y SDQ principal, como las variables dependientes. Las variables independientes incluyeron género, tiempo de juego, tiempo sin juego y puntaje de adicción. Los valores faltantes en el SDQ se manejaron según el protocolo de puntaje de SDQ (www.sdqinfo.com). Los valores de puntuación de adicción y WFIRS faltantes se manejaron de la misma manera. Los sujetos se descartaron para una regresión específica si faltaban> 2 ítems de la subescala, excepto para la subescala WFIRS “self” que contenía solo 3 ítems y por lo tanto se requerían todas las respuestas. Este protocolo dio como resultado la eliminación de 1 sujeto para cada una de las regresiones SDQ del niño y del padre, y 2 sujetos para el WFIRS. La significación estadística se definió como p <0.05. El análisis estadístico se calculó utilizando el software STATA (versión 9.1, Statacorp, 2005).

Descriptivos

El tamaño total de la muestra fue 102, incluidas las hembras 41 (40.2%) y los machos 61 (59.8%). La edad media fue 13.7 ± 1.9. Casi todos los hogares (99.0%) tenían una computadora en el hogar y la gran mayoría tenía acceso a Internet (94.1%). El número medio de computadoras en el hogar era 2.3 ± 1.3. Una cuarta parte (24.5%) de los niños tenía una computadora en su habitación. La mitad de los hogares (50.0%) tenían reglas que limitaban el uso de computadoras / estaciones de juego. Los padres informaron que sus hijos obedecieron las reglas 67 (± 31)% del tiempo.

Los niños informaron que pasaron 2.3 (± 2.2) hrs / día en juegos, 2.0 (± 2.1) hrs / day en actividades informáticas no relacionadas con juegos y 2.4 (± 2.0) hrs / día viendo la televisión. El tiempo medio de pantalla informado por el niño fue 6.7 ± 4.2 hrs / día. Estadísticamente, los niños tenían más probabilidades de participar en los juegos que las niñas: 2.8 vs. 1.4 hrs / day (p = 0.002). Contrariamente a nuestra hipótesis de que los niños subestiman el tiempo, los padres informaron un uso menor de todos los medios de comunicación en comparación con sus hijos. Estas diferencias fueron estadísticamente significativas para el tiempo sin juegos y el tiempo de TV utilizando una prueba t pareada (diferencias medias = 0.35 ± 0.14 hrs y 0.33 ± 0.15 hrs, t = 2.5 y 2.2, p = 0.02 y 0.03, respectivamente), aunque ninguna Las diferencias fueron clínicamente importantes en relación con el uso medio. Para el análisis de regresión, se utilizaron las estimaciones de los tiempos de los niños, ya que se consideró que los niños eran más precisos al describir cómo dividían su tiempo entre las actividades de juego y las actividades no relacionadas con el juego.

La distribución entre las diversas actividades de los medios se muestra en Tabla 1. Aunque la cantidad de tiempo dedicado a cada actividad de los medios de comunicación fue aproximadamente la misma, era más probable que los juegos consumieran grandes cantidades de tiempo, ya que el doble de niños que informan sobre el gasto de 6 hr / día en juegos en comparación con los no juegos o la televisión.

 

Tabla 1.

Distribución del tiempo promedio diario dedicado a las actividades de los medios de comunicación (informe del niño). N = 102

El valor medio de la puntuación de adicción fue 17.2 ± 7.7. El puntaje de adicción no varió significativamente por género y no dependió de si el tiempo se gastó predominantemente en actividades de juego o no, es decir, los niños que eran jugadores predominantemente tenían la misma probabilidad de mostrar características adictivas de uso a aquellos que participan predominantemente en otras actividades, como las redes sociales.

Propiedades psicométricas del CGAS.

La consistencia interna fue excelente con Cronbach α = 0.89. El análisis factorial exploratorio de los componentes principales del CGAS fue consistente con una solución unidimensional basada tanto en la prueba Scree (Cattell, 1978) y el criterio de Kaiser. Un factor explicó el 56% de la varianza y las 8 preguntas se cargaron con pesos aproximadamente iguales (0.66-0.80). La correlación entre la puntuación de adicción y el tiempo diario pasado en la computadora fue moderada (r = 0.42, p <0.001) consistente con la hipótesis de que el tiempo de uso y la adicción son entidades superpuestas, pero distintas. Las correlaciones entre la puntuación de adicción y las puntuaciones del SDQ también estuvieron en el rango moderado (r = 0.55, p <0.001 y 0.41, p <0.001 para los SDQ de niños y padres, respectivamente) de nuevo en consonancia con la superposición de la adicción con los síntomas generales de psicopatología. La puntuación de adicción se correlacionó moderadamente con las señales de advertencia de los padres de adicción (r = 0.47, p <0.001).

Aunque la mayoría de los sujetos con un alto puntaje de adicción eran usuarios pesados ​​de computadoras / estaciones de juego, un subconjunto no lo era. Figura 1 y XNUMX muestra la relación entre el puntaje de adicción y el tiempo, donde los tercios superior, medio e inferior de los puntajes de adicción se comparan con los usuarios altos, medios y bajos. La mayoría de los sujetos se encuentran dentro de las categorías esperadas (por ejemplo, alta adicción / alto uso), sin embargo, muchos sujetos están fuera de estas categorías. Aproximadamente el 30% de los sujetos con puntaje de adicción bajo está usando una cantidad de tiempo de media a alta y aproximadamente el 10 de los sujetos con un puntaje alto de adicción está usando una cantidad de tiempo baja. Por lo tanto, aunque la escala tiene una alta consistencia interna, es capaz de distinguir entre el tiempo empleado y las características adictivas.

 

Figura 1.

Tiempo de uso de la computadora / estación de juego (bajo, medio o alto) en comparación con diferentes niveles de puntaje de adicción

Resultados de regresión

La puntuación SDQ media del niño para la muestra fue 14.6 ± 6.4, que se encuentra en el percentil 82 en comparación con los datos normados (Meltzer, et al., 2000). Los percentiles de subescala en el SDQ secundario se elevaron de manera similar y oscilaron entre los percentiles 77th y 85th. La puntuación media de SDQ de los padres fue 15.4 ± 6.5, que se encuentra en el percentil 89th en comparación con los datos normados de la población. Los percentiles de subescala en el SDQ principal se elevaron de manera similar y oscilaron entre los percentiles 83rd y 92nd. Estos valores están bien dentro del rango clínico, como se anticiparía dado el reclutamiento de una población clínica. La puntuación media de WFIRS fue 40.3 ± 24.2, que se encuentra en el percentil 27th en comparación con una población clínica de niños 200 con TDAH no tratados, edades 6 – 11 (Weiss, 2008). Los percentiles de subescalas oscilaron entre el 20th y el 60th percentil en comparación con la misma muestra de TDAH.

Las relaciones entre el tiempo empleado en la computadora / estación de juego, la presencia de características adictivas y el funcionamiento emocional y conductual general medido por el SDQ principal, el SDQ secundario y el WFIRS se evaluaron mediante regresiones lineales multivariantes. Se verificó el tiempo de televisión para ver si tuvo algún impacto en los resultados, pero se eliminó porque no contribuyó al análisis de ninguna de las tres regresiones. Se examinaron los efectos de género en las relaciones entre el tiempo, las características adictivas y el funcionamiento.

Tabla 2 muestra los resultados de una regresión lineal multivariable que analiza cómo varían las puntuaciones de SDQ de los niños según el género, el tiempo de juego, el tiempo de no juego y la puntuación de adicción. Es de destacar que el puntaje de adicción se correlaciona significativamente con el puntaje total de SDQ, así como con todos los puntajes de subescala, es decir, los sujetos con puntaje de adicción alto reportan mayores dificultades y menos comportamiento prosocial. Por el contrario, el tiempo de juego no se correlaciona con ninguna subescala SDQ y, de hecho, el coeficiente de regresión para la SDQ infantil total es cercano a cero (0.04), lo que sugiere que no hay relación entre los dos. De manera similar, el tiempo de no juego no se correlaciona con la puntuación total de SDQ o las puntuaciones de subescala, con las excepciones de correlación positiva con problemas de conducta y correlación negativa con problemas de compañeros. No se encontraron diferencias significativas entre niños y niñas en los efectos del tiempo de juego, el tiempo de no juego y el puntaje de adicción en los puntajes de SDQ del niño.

 

Tabla 2.

Coeficientes estandarizados de regresión múltiple (puntajes t) para las subescalas de SDQ del niño y puntaje total.

Tabla 3 muestra los resultados de una regresión lineal multivariable que analiza cómo varían los puntajes de SDQ de los padres según el género, el tiempo de juego, el tiempo sin juego y el puntaje de adicción. Nuevamente, la puntuación de adicción se correlaciona significativamente con las puntuaciones de SDQ de los padres. Al igual que con el SDQ secundario, el tiempo de juego no se correlaciona significativamente con ninguna subescala SDQ principal o puntaje total. De manera similar, el tiempo de no juego no se correlaciona significativamente con la SDQ principal, con la excepción de una correlación negativa con los problemas de los compañeros informados por los padres. No se encontraron diferencias significativas entre niños y niñas en los efectos del tiempo de juego, el tiempo de no juego y el puntaje de adicción en los puntajes de SDQ de los padres.

 

Tabla 3.

Coeficientes estandarizados de regresión múltiple (puntajes t) para subescalas de SDQ de los padres y puntaje total.

Tabla 4 muestra los resultados de una regresión lineal multivariable que analiza cómo varían las puntuaciones de WFIRS según el sexo, el tiempo de juego, el tiempo de no juego y la puntuación de adicción. Similar a los resultados para ambos SDQ, el puntaje de adicción se correlaciona significativamente con el puntaje total de WFIRS y los puntajes de la subescala (con la excepción del comportamiento de riesgo); es decir, los sujetos con alto puntaje de adicción han aumentado el deterioro funcional en la mayoría de los dominios. El tiempo de juego, como en ambas medidas de SDQ, no se correlaciona significativamente con ninguna subescala o puntuación total de WFIRS. De manera similar, el tiempo sin juegos no se correlaciona significativamente con el puntaje total de WFIRS o los puntajes de la subescala (con la excepción del comportamiento de riesgo). No se encontraron diferencias significativas entre niños y niñas en los efectos del tiempo de juego, el tiempo de no juego y el puntaje de adicción en WFIRS, con la excepción del comportamiento de riesgo, donde el análisis de género mostró que el tiempo de juego no se correlacionó significativamente con el comportamiento de riesgo para los niños pero no las niñas (coeficiente de regresión = 0.46, p = 0.001 y coeficiente de regresión = 0.02, p = 0.93, respectivamente). Por lo tanto, la correlación significativa entre el comportamiento de riesgo y el tiempo de no juego se muestra en Tabla 4 Es en gran parte representada por los niños.

 

Tabla 4.

Coeficientes estandarizados de regresión múltiple (puntajes t) para las subescalas WFIRS y puntaje total.

Gracias al Dr. MD Weiss y al Dr. EJ Garland por sus comentarios útiles. Gracias a Adrian Lee Chuy por su apoyo a la investigación. Este estudio fue financiado por el Fondo de Investigación de Psiquiatría de la División de Salud Mental Infantil y Juvenil en el Hospital de Niños de British Columbia, así como por el Programa de Investigación de Estudiantes de Verano de la Universidad de British Columbia. Los autores no tienen relaciones financieras para revelar.

• Ahn DH. Política coreana de tratamiento y rehabilitación para adolescentes adictos a internet. Seúl, Corea: Comisión Nacional de la Juventud; 2007.
• Allison SE, von Wahide L, Shockley T, Gabbard GO. El desarrollo del yo en la era de Internet y los juegos de fantasía de rol. American Journal of Psychiatry. 2006; 163 (3): 381 – 385. ElPubMed]
• Academia Americana de Pediatría. Academia Americana de Pediatría: Niños, Adolescentes y Televisión. Pediatría. 2001; 107 (2): 423 – 426. ElPubMed]
• Asociación Americana de Psiquiatría. Manual Diagnóstico y Estadístico de los Trastornos Mentales. 4th edición, revisada. Washington, DC: Asociación Americana de Psiquiatría; 2000.
• Barba KW. Adicción a Internet: una revisión de las técnicas de evaluación actuales y posibles preguntas de evaluación. Ciberpsicología y Comportamiento. 2005; 8 (1): 7 – 14. ElPubMed]
• Beranuy Fargues M, Chamarro Lusar A, Graner Jordania C, Carbonell Sanchez X. [Validación de dos escalas breves para el uso de problemas de adicción a Internet y teléfonos móviles] Psicothema. 2009; 21 (3): 480 – 485. ElPubMed]
• Bloque JJ. Problemas para el DSM-V: Adicción a Internet. American Journal of Psychiatry. 2008; 165: 306 – 307. ElPubMed]
• Byun S, Ruffini C, Mills JE, Douglas AC, Niang M, Stepchenkova S, et al. Adicción a Internet: Metasíntesis de la investigación cuantitativa 1996-2006. Ciberpsicología y Comportamiento. 2009; 12 (2): 203 – 207. ElPubMed]
• Campbell AJ, Cumming SR, Hughes I. Uso de Internet por parte de personas con miedo social: ¿Adicción o terapia? Ciberpsicología y Comportamiento. 2006; 9 (1): 69 – 81. ElPubMed]
• Cao F, Su L. La adicción a Internet entre los adolescentes chinos: prevalencia y características psicológicas. Niño: Cuidado, Salud y Desarrollo. 2006; 33 (3): 275 – 278. ElPubMed]
• Cao F, Su L, Liu T, Gao X. La relación entre la impulsividad y la adicción a Internet en una muestra de adolescentes chinos. Psiquiatría europea. 2007; 22: 466 – 471. ElPubMed]
• Cattell RB. El uso científico del análisis factorial en el comportamiento y las ciencias de la vida. Nueva York: Pleno; 1978.
• Ceyhan AA. Predictores del uso problemático de Internet en estudiantes universitarios turcos. Ciberpsicología y Comportamiento. 2008; 11 (3): 363 – 366. ElPubMed]
• Chak K, Leung L. Shyness y locus de control como predictores de la adicción a Internet y el uso de Internet. Ciberpsicología y Comportamiento. 2004; 7 (5): 559 – 570. ElPubMed]
• Chan PA, Rabinowitz T. Un análisis transversal de los videojuegos y los síntomas del trastorno por déficit de atención con hiperactividad en adolescentes. Anales de Psiquiatría General. 2006; 5 (16) [Artículo gratuito de PMC] [PubMed]
• Chang MK, Ley SPM. Estructura factorial para la prueba de adicción a Internet de Young: un estudio confimatorio. Computadoras en el comportamiento humano. 2008; 24 (6): 2597 – 2619.
• Gentile D. Uso patológico de videojuegos entre jóvenes de edades 8 a 18. Ciencia psicológica. 2009; 20 (5): 594 – 602. ElPubMed]
• Goodman R. El cuestionario de fortalezas y dificultades: una nota de investigación. Revista de psicología infantil y psiquiatría. 1997; 38: 581 – 586. ElPubMed]
• Goodman R. Propiedades psicométricas del Cuestionario de Fortalezas y Dificultades (SDQ) Diario de la Academia Americana de Psiquiatría Infantil y del Adolescente. 2001; 40: 1337 – 1345. ElPubMed]
• Goodman R, Ford T, Simmons H, Gatward R, Meltzer H. Uso del cuestionario de fortalezas y dificultades para detectar trastornos psiquiátricos infantiles en una muestra comunitaria. Revista británica de psiquiatría. 2000; 177: 534 – 539. ElPubMed]
• Green CS, el videojuego Bavelier D. Action modifica la atención visual selectiva. Naturaleza. 2003; 423: 534 – 537. ElPubMed]
• Grusser SM, Thalemann R, Albrecht U, Thalemann CN. Uso excesivo de la computadora en adolescentes: resultados de una evaluación psicométrica. Wiener Klinische Wochenschrift. 2005; 117: 188 – 195. ElPubMed]
• Ha JH, Yoo HJ, Cho IH, Chin B, Shin D, Kim JH. Comorbilidad psiquiátrica evaluada en niños y adolescentes coreanos con resultados positivos en la adicción a Internet. Revista de psiquiatría clínica. 2006; 67 (5): 821 – 826. ElPubMed]
• Jang KS, Hwang SY, Choi JY. Adicción a Internet y síntomas psiquiátricos en adolescentes coreanos. Revista de Salud Escolar. 2008; 78 (3): 165 – 171. ElPubMed]
• Jordan AB. Explorando el impacto de los medios de comunicación en los niños. Archivos de Pediatría y Medicina del Adolescente. 2006; 160 (4): 446 – 448. ElPubMed]
• Khaleej Times en línea. El centro de adicción a Internet 2009 se abre en Estados Unidos http://www.khaleejtimescom/Displayarticle08asp?section=technology&xfile=data/technology/2009/September/technology_September21.xml Obtenido en abril 16, 2010.
• Kim K, Ryu E, Chon MY, Yeun EJ, Choi SY, Seo JS, y otros. La adicción a Internet en adolescentes coreanos y su relación con la depresión y la ideación suicida: una encuesta por cuestionario. Revista Internacional de Estudios de Enfermería. 2006; 43: 185 – 192. ElPubMed]
• Ko CH, Yen JY, Yen CF, Chen CC, Yen CN, Chen SH. Evaluación de la adicción a Internet: un estudio empírico sobre los puntos de corte para la escala de adicción a Internet de Chen. Revista Kaohsiung de Ciencias Médicas. 2005a; 21 (12): 545 – 551. ElPubMed]
• Ko CH, Yen JY, Chen CC, Chen SH, Yen CF. Criterios diagnósticos propuestos de adicción a internet para adolescentes. Revista de Enfermedades Nerviosas y Mentales. 2005b; 193 (11): 728 – 733. ElPubMed]
• Ko CH, Yen JY, Chen CS, Chen CC, Yen CF. Comorbilidad psiquiátrica de la adicción a Internet en estudiantes universitarios: un estudio de entrevista. Espectros del SNC. 2008; 13 (2): 147 – 153. ElPubMed]
• Lo SK, Wang CC, Fang W. Las relaciones físicas interpersonales y la ansiedad social entre los jugadores de juegos en línea. Ciberpsicología y Comportamiento. 2005; 8 (1): 15 – 20. ElPubMed]
• Mark AE, Janssen I. Relación entre el tiempo de pantalla y el síndrome metabólico en adolescentes. Revista de Salud Pública. 2008; 30 (2): 153 – 160. ElPubMed]
• Red de sensibilización de los medios. 2005 Media Awareness Network: Jóvenes canadienses en un mundo conectado — Fase II http://www.media-awarenessca/english/research/YCWW/phaseII/upload/YCWWII_trends_recomm.pdf> Consultado el 9 de abril de 2010.
• Meltzer H, Gatward R, Goodman R, Ford F. Salud mental de niños y adolescentes en Gran Bretaña. Londres: la oficina de papelería; 2000.
• Mythily S, Qiu S, Winslow M. Prevalencia y correlatos del uso excesivo de Internet entre los jóvenes de Singapur. Anales, Academia de Medicina, Singapur. 2008; 37: 9 – 14. ElPubMed]
• Nichols LA, Nicki R. Desarrollo de una escala de adicción a Internet psicométricamente sólida: un paso preliminar. Psicología de las conductas adictivas. 2004; 18 (4): 381 – 384. ElPubMed]
• 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. Ciberpsicología y Comportamiento. 2005; 8 (6): 562 – 570. ElPubMed]
• Olson CK, Kutner LA, Warner DE, Almerigi JB, Baer L, Nicholi AM. Factores correlacionados con el uso violento de videojuegos por adolescentes y niños. Revista de salud del adolescente. 2007; 41 (1): 77 – 83. ElPubMed]
• Parque js. [Desarrollo de escalas de medición de adicción a internet e índice de adicción a internet en coreano] Journal of Preventative Medicine and Public Health. 2005; 38 (3): 298 – 306. ElPubMed]
• Rehbein F, Kleimann M, Mossle T. Prevalencia y factores de riesgo de la dependencia de los videojuegos en la adolescencia: resultados de una encuesta nacional alemana. Ciberpsicología y Comportamiento. 2010; 13 (3): 269 – 277. ElPubMed]
• Shaffer HJ, Hall MN, Vander Bilt J. "Adicción a la computadora": una consideración crítica. American Journal of Orthopsychiatry. 2000; 70 (2): 162 – 168. ElPubMed]
• Shapira NA, Goldsmith TD, Keck PE, Kholsa UM, McElroy SL. Características psiquiátricas de individuos con uso problemático de internet. Revista de trastornos afectivos. 2000; 57: 267 – 272. ElPubMed]
• Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Martin L, Gold MS, y otros. Uso problemático de internet: clasificación propuesta y criterios de diagnóstico. Depresion y ansiedad. 2003; 17 (4): 207 – 216. ElPubMed]
• Smith A, Stewart D, Peled M, Poon C, Saewyc E. Una imagen de la salud: aspectos destacados de la Encuesta sobre la salud de los adolescentes de 2008 BC. Vancouver, BC: McCreary Centre Society; 2009.
• Sun DL, Chen ZJ, Ma N, Zhang XC, Fu XM, Zhang DR. Toma de decisiones y funciones de inhibición de respuesta prepotentes en usuarios excesivos de internet. Espectros del SNC. 2009; 14 (2): 75 – 81. ElPubMed]
• Sun DL, Ma N, Bao M, Chen XC, Zhang DR. Juegos de computadora: ¿Una espada de doble filo? Ciberpsicología y Comportamiento. 2008; 11 (5): 545 – 548. ElPubMed]
• Tejeiro Salguero RA, Bersabe Moran RM. Medición de problemas de videojuegos en juego en adolescentes. Adiccion. 2002; 97: 1601 – 1606. ElPubMed]
• van Rooij AJ, Schoenmakers TM, van de Eijnden RJ, van de Mheen D. Uso compulsivo de Internet: el papel de los juegos en línea y otras aplicaciones de Internet. Revista de salud del adolescente. 2010; 47 (1): 51 – 57. ElPubMed]
• Vaugeois P. Cyber ​​Addiction: Fundamentals and Perspectives. 2006. En Montreal: Centro quebecois de lutte aux dependances (Ed.). Montreal, Quebec.
• Weinstein A, Lejoyeux M. Adicción a Internet o uso excesivo de Internet. Revista Americana de Abuso de Drogas y Alcohol. 2010; 36 (5): 248 – 253. ElPubMed]
• Weinstein AM. Adicción a la computadora y los videojuegos: una comparación entre usuarios de juegos y usuarios que no son de juegos. Revista Americana de Abuso de Drogas y Alcohol. 2010; 36 (5): 268 – 276. ElPubMed]
• Weiss M. Más allá de los síntomas principales: implicaciones de la investigación de efectividad para la práctica clínica; Documento presentado en la Reunión Anual de la Academia Americana de Psiquiatría Infantil y Adolescente. 2008.
• Widyanto L, McMurran M. Las propiedades psicométricas de la prueba de adicción a Internet. Ciberpsicología y Comportamiento. 2004; 7 (4): 443 – 450. ElPubMed]
• Yang CK, Choe BM, Baity M, Lee JH, Cho JS. SCL-90-R y 16PF perfiles de estudiantes de secundaria con uso excesivo de Internet. Revista canadiense de psiquiatría. 2005; 50 (7): 407 – 414. ElPubMed]
• Yen JY, Ko CH, Yen CF, Chen SH, Chung WL, Chen CC. Síntomas psiquiátricos en adolescentes con adicción a internet: comparación con el uso de sustancias. Psiquiatría y Neurociencias Clínicas. 2008; 62: 9 – 16. ElPubMed]
• Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ, Hwang J, et al. Déficit de atención con síntomas de hiperactividad y adicción a internet. Psiquiatría y Neurociencias Clínicas. 2004; 58 (5): 487 – 494. ElPubMed]
• Young KS. Atrapado en la red: Cómo reconocer los signos de adicción a Internet y una estrategia ganadora para la recuperación. Nueva York: John Wiley & Sons; 1998a.
• Joven KS. Adicción a internet: la aparición de un nuevo trastorno clínico. Ciberpsicología y Comportamiento. 1998b; 1 (3): 237 – 244.