Validación de una versión malaya de la escala de adicción a teléfonos inteligentes entre estudiantes de medicina en Malasia (2015)

Resumen

Figuras

 

 

 

 

 

  

Cita: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validación de una versión malaya de la escala de adicción a teléfonos inteligentes entre estudiantes de medicina en Malasia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, Universidad de Ariel, ISRAEL

Recibido: Marzo 18, 2015; Aceptado: Septiembre 11, 2015; Publicado: 2 de Octubre de 2015

Copyright: © 2015 Ching 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: Todos los datos relevantes están dentro del documento y sus archivos de información de respaldo.

Fondos: Los autores también desean agradecer al fondo de investigación de UPM (concesión no: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) por el apoyo financiero. La URL es http://www.rmc.upm.edu.my/.

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

Introducción

No cabe duda de que el teléfono inteligente nos ha brindado una gran comodidad en nuestra vida diaria, ya que tiene una capacidad de computación y conectividad más avanzadas que los teléfonos con funciones básicas [1]. El uso del teléfono inteligente tiene su propia variedad de objetivos y propósitos. Una amplia gama de estudios informó que el teléfono inteligente tiene numerosos beneficios para fines sociales y médicos [2–5]. Aunque el teléfono inteligente se ha convertido en una de las herramientas de comunicación más populares e importantes, su uso excesivo ha surgido como un problema social en todo el mundo y ha creado un nuevo problema de salud mental, en el que el usuario tiende a desarrollar dependencia en él [6–8].

La adicción a los teléfonos inteligentes también se denomina "dependencia del teléfono móvil", "uso excesivo compulsivo del teléfono móvil" o "uso excesivo del teléfono móvil". Estos términos describen principalmente el fenómeno del uso problemático de teléfonos móviles [9, 10]. "Adicción a los teléfonos inteligentes" es el término que se usa típicamente en la literatura. Esta adicción se caracteriza principalmente por preocupaciones, impulsos o comportamientos excesivos o mal controlados con respecto al uso de teléfonos inteligentes, en la medida en que los individuos descuidan otras áreas de la vida [11–13]. Los estudios informan que el uso excesivo de teléfonos móviles se asoció con estrés, trastornos del sueño, tabaquismo y síntomas de depresión [14–16].

Los datos recientes de Malasia mostraron que la penetración de los teléfonos inteligentes aumentó del 47% en 2012 al 63% en 2013. En 2014, 10.13 millones de malayos eran usuarios activos de teléfonos inteligentes, en comparación con 7.7 millones en 2012 [17–20]. El uso patológico del teléfono inteligente es similar a la adicción a internet. El uso de la adicción a internet se vuelve excesivo entre los jóvenes y adultos de todo el mundo [21]. La excesiva adicción a internet conduce a trastornos psiquiátricos, baja autoestima, depresión y deterioro del rendimiento académico y laboral [22–25]. Los estudios locales informaron que la prevalencia de la adicción a Internet era 43% [26], y hay más de 4.2 millones de usuarios activos de Facebook en Malasia; De hecho, Facebook es el mejor sitio de redes en este país. Dado que ha habido un rápido aumento en el uso de teléfonos inteligentes en Malasia, existe una necesidad urgente de validar una escala para medir la adicción a teléfonos inteligentes en la población local para determinar su prevalencia e identificar quiénes están en riesgo de desarrollar adicción a teléfonos inteligentes para que los responsables políticos Puede planificar una intervención adecuada en un futuro próximo.

Como la estructura factorial preparada para la prueba de adicción a internet [27], la Escala de Adicción al Smartphone (SAS) desarrollada por Min Kwon et al. Fue la primera escala de adicción a teléfonos inteligentes utilizada para el diagnóstico [28]. Esta escala consta de elementos 33 y se ha informado que es confiable, con buena consistencia interna (alfa de Cronbach = 0.967), y la validez concurrente de las seis subescalas varía de 0.32 a 0.61 [28].

Este estudio tuvo como objetivo traducir el SAS al idioma malayo y estudiar las propiedades psicométricas de la versión malaya del SAS (SAS-M) para facilitar su uso para futuras investigaciones en el entorno local.

Metodología

Diseño y configuración del estudio

Este fue un estudio transversal de todos los estudiantes de primer y segundo año de medicina de la Universiti Putra Malaysia. Estos estudiantes fueron contactados para un estudio de validación desde agosto 2014 hasta septiembre 2014. Esta universidad está ubicada en Serdang, junto a la capital administrativa de Malasia, Putrajaya. Estimamos que el tamaño de la muestra es al menos 165 basado en el cálculo de cinco casos por artículo en el SAS (que tiene un total de artículos 33) [29]. Por lo tanto, un tamaño de muestra de 228 en este estudio fue adecuado.

Procedimiento.

1: El autor obtuvo la versión en inglés del SAS de Kwon et al. La traducción del inglés al malayo se realizó en paralelo por dos expertos en idiomas bilingües, y una tercera traducción fue realizada por un tercer experto en idiomas bilingüe. Se discutieron las discrepancias entre la versión original y la traducción inversa, y se hicieron los ajustes correspondientes. Una versión final del SAS traducido, que denominamos borrador del SAS-M, fue generada por un panel de expertos compuesto por un psiquiatra, dos médicos de alto nivel y un médico de familia, todos ellos profesionales calificados con respecto al uso de instrumentos psicométricos y todos los cuales tenían experiencia clínica con condiciones depresivas.

2: El primer borrador del SAS-M se probó de manera piloto entre estudiantes nativos del idioma malayo de 20 para identificar fallas en esta versión. Cualquier palabra que los encuestados consideraron inadecuada o inapropiada en esta versión se anotó y corrigió. La mayoría de los estudiantes tuvieron dificultades para aceptar el ítem 15: "Estar enojado y resentido cuando no tengo un teléfono inteligente". Este artículo fue revisado y traducido a "Sentirme impaciente e inquieto cuando no tengo un teléfono inteligente" en el idioma malayo. La versión final del SAS-M fue revisada más a fondo por dos psiquiatras consultores con más de 10 años de experiencia para evaluar la validez del contenido y asegurar una cara satisfactoria y una semántica satisfactoria, criterios y equivalencia conceptual.

3: Cada estudiante proporcionó un consentimiento informado por escrito después de recibir una explicación completa de la naturaleza y la confidencialidad del estudio, y los estudiantes de 228 dieron su consentimiento para participar en el estudio, con una tasa de no respuesta del 9%. Los datos sociodemográficos (edad, sexo, etnia e ingresos del hogar) se obtuvieron de los estudiantes. Se documentó la información sobre el uso de teléfonos inteligentes por parte de los estudiantes según su propia estimación, como el número de horas de uso por semana, la cantidad de años como usuarios habituales de teléfonos inteligentes y la edad en que comenzaron a usar un teléfono inteligente. Los alumnos recibieron los siguientes cuestionarios:

1. El SAS y el SAS-M (Tabla A en Texto S1).
2. Versión malaya de la prueba de adicción a internet.

Instrumentos

Escala de Adicción al Smartphone [28].

El SAS es una escala tipo Likert de puntos 6 autocompletada con elementos 33. Cada pregunta tiene una escala de respuesta de 1 a 6 (1 = muy en desacuerdo a 6 = muy de acuerdo), lo que refleja la frecuencia de los síntomas. El encuestado encierra la declaración que describe más detalladamente las características de uso de sus teléfonos inteligentes. La puntuación total posible en el SAS varía de 48 a 288. Cuanto mayor sea la puntuación, mayor será el grado de uso patológico del teléfono inteligente.

Prueba de adicción a internet [26].

El cuestionario IAT, desarrollado por Kimberly Young en 1998, es la herramienta más utilizada para diagnosticar la adicción a Internet. La versión malaya ha sido validada localmente, con buena consistencia interna (alfa de Cronbach = 0.91) y confiabilidad paralela (coeficiente de correlación intraclase (ICC) = 0.88, P <0.001). Se trata de un cuestionario autocumplimentado que consta de una escala tipo Likert de 5 puntos que contiene 20 ítems, con un valor mínimo de 20 puntos y un valor máximo de 100. La puntuación de cada pregunta va de 1 a 5 (1 = nunca a 5 = siempre), replicando la aparición de los síntomas. Los estudiantes eligieron la declaración que mejor describía las características de su uso de Internet. Cuanto mayor es la puntuación, mayor es el grado de uso patológico de Internet. Cuando la puntuación en la versión malaya del IAT es superior a 43, se diagnostica que la persona tiene riesgo de adicción a Internet [26].

Análisis estadístico

Todos los análisis se realizaron utilizando el paquete estadístico para las ciencias sociales versión 21.0 (SPSS, Chicago, IL, EE. UU.). Se calcularon estadísticas descriptivas para las características iniciales de los participantes. Se utilizó el alfa de Cronbach para evaluar la consistencia interna del SAS-M, y la normalidad de los datos se evaluó mediante el análisis de Kolmogorov-Smirnov. La homogeneidad de los ítems de la escala se analizó en base a los coeficientes de correlación entre los ítems y las puntuaciones totales si se eliminaba un ítem. La validez de constructo se investigó mediante análisis factorial exploratorio y promax oblicuo con normalización de Kaiser. Se utilizó una carga factorial de> 0.30 para determinar los ítems de cada factor. Según la regla de Guttman-Kaiser, los factores con valor propio superior a 1 se retienen [30, 31]. El ICC se utilizó para examinar la confiabilidad paralela entre el SAS-M y la versión en inglés del SAS y la confiabilidad test-retest del SAS-M. La correlación de Pearson se utilizó para examinar la validez concurrente entre el SAS-M y la versión malaya del IAT. La puntuación de corte óptima de SAS-M para los casos en riesgo se determinó a partir de los puntos de coordinación cuando la puntuación para la versión malaya de la IAT fue mayor que 43 [26], momento en el que la sensibilidad y la especificidad fueron óptimas en los análisis de características operativas del receptor (ROC). El área bajo la curva (AUC) se determinó para la curva ROC.

Definición

El usuario normal se define como aquellos que usan el teléfono inteligente al menos 6 o más veces en los meses 6 [32]

Aprobación ética

La aprobación de ética para este estudio se obtuvo del Comité de Ética de la Universiti Putra Malaysia (FPSK-EXP14 P091).

Resultados

Un total de estudiantes de 228 fueron reclutados en este estudio. Tabla 1 Muestra las características clínicas de la población estudiada. En general, la edad media fue de aproximadamente 22 años ± 1.1. Más de la mitad de los estudiantes eran mujeres (56.6%), y la mayoría eran de etnia malaya (52.4%). Las horas promedio de uso de teléfonos inteligentes por semana fueron 36.5 horas. En promedio, los estudiantes comenzaron a usar un teléfono inteligente a la edad de 19, y la cantidad promedio de años de uso regular del teléfono inteligente fue de 2.4 años.

  

 

Descargar:  

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (81KB)

• TIFF

  imagen original (461KB)

Tabla 1. Características de la población estudiada (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Estructura factorial y consistencia interna del SAS-M

La prueba de esfericidad de Bartlett fue significativa (p <0.01), y la medida de adecuación muestral de Kaiser-Meyer-Olkin para el SAS-M fue 0.92, lo que indica que la escala fue meritoria [33], que a su vez indicó que el análisis factorial era apropiado. Se extrajeron seis factores (valor propio> 1.00) mediante el enfoque de análisis factorial exploratorio y la rotación promax oblicua con normalización de Kaiser, que representaron el 65.3% de la varianza total. Este resultado fue consistente con el SAS original [28].

El SAS-M exhibió buena consistencia interna; El coeficiente alfa de Cronbach para la escala total fue 0.94, y los coeficientes respectivos para los seis factores fueron 0.877, 0.843, 0.865, 0.837, 0.865 y 0.861. Los seis factores correspondientes a las subescalas del SAS se denominaron "relación orientada al ciberespacio", "perturbación de la vida diaria", "primacía", "uso excesivo", "anticipación positiva" y "retiro" (Tabla 2). Todos los artículos tenían correlaciones totales de elementos corregidos de más de 0.9. La eliminación de cualquiera de los ítems no aumentó la consistencia interna de la puntuación total (Tabla 3). La confiabilidad paralela entre el SAS-M y el SAS fue alta, como lo demuestra un ICC de 0.95 (95% Intervalo de confianza = 0.937 – 0.962). La fiabilidad test-retest del SAS-M después de un intervalo 1-week fue alta, con un ICC de 0.85 (95% Intervalo de confianza = 0.808-0.866).

  

 

Descargar:  

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (365KB)

• TIFF

  imagen original (756KB)

Tabla 2. Análisis factorial de la versión SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

  

 

Descargar:  

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (594KB)

• TIFF

  imagen original (977KB)

Tabla 3. Elemento corregido: correlaciones totales y alfa de Cronbach si el elemento se eliminó para el SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Validez concurrente del SAS-M: Correlaciones entre las subescalas del SAS-M y la versión malaya del IAT

Los resultados del análisis de correlación de Pearson que se realizó entre las subescalas del SAS-M y la versión en malayo del IAT se muestran en Tabla 4. Los resultados muestran que todas las subescalas del SAS-M, excepto la "anticipación positiva", se relacionaron significativamente con la versión malaya del IAT.

  

 

Descargar:  

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (238KB)

• TIFF

  imagen original (407KB)

Tabla 4. Validez concurrente de SAS-M (correlación de Pearson): subescalas del SAS-M y la versión malaya del IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

El AUC para la curva ROC fue 0.801 (95% CI = 0.746 a 0.855). La puntuación de corte óptima para identificar casos de riesgo fue más que 98, con una sensibilidad de 71.43%, una especificidad de 71.03%, un valor predictivo positivo (PPV) de 64.10% y un valor predictivo negativo (NPV) de 77.44 %. La prevalencia de un caso de riesgo de desarrollar adicción a teléfonos inteligentes en este estudio fue 46.9%, basado en una puntuación de 98.

Discusión

Este estudio examinó la consistencia interna, la dimensionalidad y la validez concurrente y de construcción del SAS-M. Los hallazgos del estudio indican que el SAS-M es un instrumento confiable y válido para evaluar la adicción a los teléfonos inteligentes en la población de habla malaya.

En este estudio, el SAS-M exhibió buena consistencia interna; El coeficiente alfa de Cronbach para la escala total fue 0.94, y los coeficientes respectivos para los seis factores fueron 0.877, 0.843, 0.865, 0.837, 0.865 y 0.861. La confiabilidad paralela del SAS-M y la confiabilidad test-retest después de un intervalo 1-week fueron buenas, con ICCs de 0.95 y 0.85, respectivamente, que son incluso mejores que las de la versión original del SAS [28]. Hasta la fecha, este es el primer estudio de este tipo relacionado con la adicción a los teléfonos inteligentes, y muestra que el SAS-M es tan bueno como la versión en inglés.

Sin embargo, los seis componentes dominantes que explicaron una gran proporción de la variabilidad del SAS-M fueron similares a los del SAS original. En el presente estudio, los componentes consistían en "relación orientada al ciberespacio", "perturbación de la vida diaria", "primacía", "uso excesivo", "anticipación positiva" y "retiro". Los componentes en el SAS original fueron "perturbación de la vida diaria", "anticipación positiva", "retiro", "relación orientada al ciberespacio", "uso excesivo" y "tolerancia". No todos los factores adquiridos en este análisis factorial son paralelos a los factores obtenidos en el SAS original. Es más probable debido al hecho de que esto refleja las diferencias entre las muestras malayas y coreanas. El significado del SAS original había sido cambiado durante el proceso de traducción.

La mayoría de los componentes informados en el estudio actual son los mismos, excepto por el componente "primacy", que es diferente de la "tolerancia" del componente en el SAS original. Las posibles razones podrían ser que nuestra población de estudio fuera más joven (21.7 ± 1.1 años con un rango de edad de 20 a 27) en comparación con la población coreana (26.1 ± 6.0 con rangos de edad de 18 a 53). Los antecedentes de nuestra población de estudio fueron homogéneos, ya que todas las asignaturas eran estudiantes de medicina en comparación con el amplio rango de ocupación y nivel de educación en el estudio SAS original. La diferente interpretación podría complicarse por la heterogeneidad en los antecedentes y la educación de la población estudiada.

En este estudio, todas las subescalas del SAS-M, excepto la "anticipación positiva", se relacionaron significativamente con la versión malaya del IAT. Esta puede ser la única subescala que no se correlaciona bien con el IAT porque el IAT mide principalmente el uso adverso de Internet, por lo que no hay elementos que pregunten sobre la anticipación positiva. Sin embargo, este aspecto no reduce la validez concurrente porque las otras subescalas 5 están fuertemente correlacionadas.

La prevalencia de casos de riesgo que podrían identificarse como adicción a teléfonos inteligentes con esta escala fue 46.9%. Hay varias explicaciones posibles para este resultado. Se espera una alta prevalencia de adicción a los teléfonos inteligentes, ya que un estudio local ha demostrado que el 85% de los malayos posee teléfonos móviles [18]. Los teléfonos inteligentes son la opción favorita porque los malayos tienden a seguir las tendencias de la comunidad [20]. Además, el teléfono inteligente proporciona mensajería instantánea gratuita a través de ciertas plataformas, por ejemplo, WhatsApp y WeChat, que enriquecen la vida de los usuarios. El entretenimiento es otra explicación posible de la alta prevalencia de la adicción a los teléfonos inteligentes porque con estos teléfonos, los estudiantes de medicina pueden escuchar música, ver películas y jugar juegos para aliviar el estrés [34]. Por lo tanto, pueden tender a pasar más tiempo con su teléfono inteligente al final del día y finalmente convertirse en usuarios patológicos.

Sin embargo, una de las preocupaciones en nuestro estudio sería que el puntaje de corte óptimo de SAS-M para los casos en riesgo se determinó a partir de los puntos de coordinación cuando el puntaje para la versión malaya del IAT fue mayor que 43. Esto no está actualizado a los límites establecidos para IAT. De manera similar, no existe un criterio de diagnóstico establecido para la adicción a Internet o teléfonos inteligentes según el DSM V en el espectro del trastorno de adicción [21, 25]. Por lo tanto, el punto de corte propuesto por nuestro estudio fue probablemente demasiado bajo, lo que llevó a una tasa muy alta de adicción a los teléfonos inteligentes. Por derecho, el diagnóstico de la adicción a internet debe basarse en tres criterios como lo describen Ko, et al, 2012 [25].

SAS-M funciona más como una prueba de detección o una escala para evaluar la gravedad del uso adictivo de un teléfono inteligente que un instrumento de diagnóstico. Realizar un diagnóstico adecuado de la adicción a los teléfonos inteligentes será un tema importante para futuras investigaciones. Propusimos que en el futuro el diagnóstico de la adicción a los teléfonos inteligentes debería incluir más criterios que consisten en los criterios A, B y C. El criterio A contiene seis síntomas característicos de la adicción a los teléfonos inteligentes, como la relación orientada al ciberespacio, la perturbación de la vida diaria, la primacía, el uso excesivo y la anticipación positiva. y la retirada. El criterio B debe incluir el deterioro funcional secundario al uso del teléfono inteligente. El criterio C debe excluir otros trastornos psiquiátricos como el trastorno bipolar u otro trastorno impulsivo. Los sujetos que cumplan con todos los criterios A, B y C solo se considerarán como adictos a teléfonos inteligentes.

Fuerza y ​​limitaciones

Los resultados de este estudio deben interpretarse en el contexto de las limitaciones del estudio: Primero, no existe un criterio de diagnóstico establecido para la adicción a Internet o teléfonos inteligentes según el DSM V en el espectro del trastorno por adicción [21, 25]. Sin embargo, en vista de los estudios limitados sobre la adicción a los teléfonos inteligentes en entornos locales, los resultados de este estudio aún pueden proporcionar algunas ideas al equipo de profesionales de la salud. En segundo lugar, a pesar de que el tamaño de la muestra era adecuado pero no fue aleatorio. El género y la raza no se distribuyeron por igual. Además, este estudio se realizó en un solo centro, por lo que la población de la muestra fue homogénea y puede no reflejar la población general de Malasia.

A pesar de esta limitación, los resultados del presente estudio demostraron que el SAS-M se puede usar para evaluar la adicción a los teléfonos inteligentes entre los adultos jóvenes de Malasia educados.

Conclusión

Este estudio desarrolló la primera escala de adicción a teléfonos inteligentes entre los estudiantes de medicina. Este estudio también proporciona evidencia de que el SAS-M es una herramienta autoadministrada válida y confiable para detectar personas en riesgo de tener adicción a los teléfonos inteligentes.

información de soporte

Contribuciones de autor

Concebido y diseñado los experimentos: SMC AY FKH. Realizó los experimentos: VR SMSL WAWS YLF. Analicé los datos: SMC AY. Reactivos aportados / materiales / herramientas de análisis: SMC AY. Escribió el papel: SMC AY VR.

Referencias

1. 1. Rashvand HF, Hsiao KF (2015) Aplicaciones inteligentes para teléfonos inteligentes: una breve reseña. Sistemas multimedia 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
   • Ver artículo
   • PubMed / NCBI
   • Google Scholar
2. 2. Mosa AS, Yoo I, Sheets L (2012) Una revisión sistemática de las aplicaciones de atención médica para teléfonos inteligentes. BMC Informática médica y toma de decisiones 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
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. 3. Carril N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: una aplicación de teléfono inteligente para monitorear, modelar y promover el bienestar. 5th Conferencia internacional sobre tecnologías de computación generalizada para la atención médica, Dublín.
88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Health y el teléfono móvil. American Journal of Preventive Medicine 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
89. 5. Derbyshire E, Dancey D (2013) Aplicaciones médicas de teléfonos inteligentes para la salud de la mujer: ¿Cuál es la base de evidencia y la retroalimentación? Revista Internacional de Telemedicina y Aplicaciones Artículo ID 782074, 10. doi: 10.1155 / 2013/782074
90. 6. Emad AS, Haddad E (2015) La influencia de los teléfonos inteligentes en la salud y el comportamiento humanos: las percepciones de los jordanos. Revista internacional de redes y aplicaciones informáticas 2 (2): 52 – 56.
91. 7. Sarwar M, Soomro TR (2013) Impacto de los teléfonos inteligentes en la sociedad. Revista Europea de Investigación Científica 98 (2): 216 – 226.
92. 8. Acharya JP, Acharya I, Waghrey D (2013) Un estudio sobre algunos de los efectos comunes en la salud de los teléfonos móviles entre estudiantes universitarios. Journal of Community Medicine & Health Education 3:21. Doi: 10.5958 / j.2319-5886.2.3.068
93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Desarrollo y validación del Inventario de Adicciones al Smartphone (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) ¿La impulsividad se relaciona con la dependencia percibida y el uso real del teléfono móvil? Psicología cognitiva aplicada 21: 527–537. doi: 10.1002 / acp.1289
95. 11. Park N, Lee H (2012) Implicaciones sociales del uso de teléfonos inteligentes: uso de teléfonos inteligentes y bienestar psicológico de estudiantes universitarios coreanos. Ciberpsicología, comportamiento y redes sociales 15: 491–497. doi: 10.1089 / cyber.2011.0580
96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Síntomas del uso problemático de teléfonos celulares, deterioro funcional y su asociación con la depresión entre adolescentes en el sur de Taiwán. Diario de la adolescencia 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Uso problemático de Internet y teléfonos móviles y síntomas clínicos en estudiantes universitarios: el papel de la inteligencia emocional. Computadoras en comportamiento humano 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
98. 14. Thomee S, Harenstam A, Hagberg M (2011) El uso y el estrés del teléfono móvil, los trastornos del sueño y los síntomas de depresión entre los adultos jóvenes: un estudio de cohorte prospectivo. BMC Salud Pública 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Relaciones de personalidad y estilo de vida con dependencia de teléfonos móviles entre estudiantes de enfermería. Comportamiento social y personalidad: una revista internacional 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) La dependencia de los teléfonos móviles y el estilo de vida relacionado con la salud de los estudiantes universitarios. Comportamiento social y personalidad 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
101. 17. Comisión de Comunicaciones y Multimedia de Malasia (2012) Encuesta a usuarios de teléfonos de mano 2011. Disponible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
102. 18. Comisión de Comunicaciones y Multimedia de Malasia (2014) Encuesta a usuarios de teléfonos de mano 2012. Disponible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
103. 19. Ecommercemilo (2014). Disponible: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Un estudio de la tendencia del teléfono inteligente y su comportamiento de uso en Malasia. Revista internacional de nuevas arquitecturas informáticas y sus aplicaciones 2: 274 – 285.
105. 21. Weinstein A, Lejoyeux M (2010) adicción a Internet o uso excesivo de Internet. The American Journal of Drug and Alcohol Abuse 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Uso problemático de Internet y teléfono celular: correlatos psicológicos, conductuales y de salud. Investigación y teoría de la adicción 15: 309–320. doi: 10.1080 / 16066350701350247
107. 23. Niemz K, Griffiths M, Banyard P (2005) 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 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
108. 24. Young KS, Rogers RC (1998) La relación entre la depresión y la adicción a Internet. CyberPsychology & Behavior 1: 25–28. doi: 10.1089 / cpb.1998.1.25
109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) La asociación entre la adicción a Internet y el trastorno psiquiátrico: una revisión de la literatura. Psiquiatría europea 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Validez de la versión malaya de la Prueba de adicción a Internet: un estudio sobre un grupo de estudiantes de medicina en Malasia. Revista de Salud Pública de Asia y el Pacífico 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Validación francesa de la prueba de adicción a Internet. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
112. 28. Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C, et al. (2013) Desarrollo y validación de una escala de adicción a teléfonos inteligentes (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
113. 29. Gorsuch RL (1983) Análisis factorial. 2nd ed. Hillsdale, Nueva Jersey: Erlbaum.
114. 30. Kaiser HF (1960) La aplicación de computadoras electrónicas al análisis factorial. Medición educativa y psicológica 20: 141 – 151 doi: 10.1177 / 001316446002000116
115. 31. Guttman L (1954) Algunas condiciones necesarias para el análisis de factores comunes. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
116. 32. Ybama ML (2004) Vínculos entre la sintomatología depresiva y el acoso de Internet entre los jóvenes usuarios habituales. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
117. 33. Kaiser HF (1974) Un índice de simplicidad factorial. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
118. 34. Elias H, Ping WS, Abdullah MC (2011) Estrés y rendimiento académico entre estudiantes de pregrado en la Universiti Putra Malaysia. Procedia-Ciencias Sociales y del Comportamiento 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288