¿Qué tipos de servicios de Internet hacen que los adolescentes sean adictos? Correlaciones del uso problemático de Internet (2020)

El uso de la pornografía fue la aplicación de Internet más adictiva:

 "La prevalencia de PIU fue la más alta en los adolescentes que más usaron Internet para la pornografía (19.6%), seguidos por los juegos (9.3%) y la comunidad de Internet (8.4%)"

"Sin embargo, la proporción de probabilidades de PIU entre aquellos que usaban Internet principalmente para pornografía era la más alta, lo que implica el fuerte potencial adictivo de la pornografía en Internet en comparación con otros servicios de Internet"

El uso de la pornografía es la aplicación más relacionada con la depresión y la psicopatología:

"Estos hallazgos sugieren que el uso de Internet principalmente para la pornografía está asociado con psicopatología grave, como depresión y suicidio, así como con un fuerte potencial adictivo".

——————————————————————————————————–

2020 20 de abril; 16: 1031-1041. doi: 10.2147 / NDT.S247292

Resumen

Finalidad:

Este estudio investigó la prevalencia y los correlatos del uso problemático de Internet (UIP) en una gran muestra de adolescentes en función del tipo de servicio de Internet utilizado.

Materiales y métodos:

El estudio se realizó entre 2008 y 2010, y 223,542 adolescentes de 12 a 18 años participaron en el estudio. Los participantes respondieron a un cuestionario de autoinforme que incluía elementos de factores demográficos, tiempo de uso de Internet, servicio de Internet más utilizado y salud mental. La UIP se evaluó con la Escala de propensión a la adicción a Internet para la forma corta para jóvenes.

Resultados:

La tasa de prevalencia general de la UIP fue del 5.2%, y las tasas de prevalencia estratificadas por sexo fueron del 7.7% en los niños y del 3.8% en las niñas. La distribución de los servicios de Internet más utilizados fue significativamente diferente entre los sexos. Los servicios de Internet más utilizados fueron los juegos (58.1%) en niños y los blogs (22.1%) y mensajería / chat (20.3%) en niñas. La razón de posibilidades para PIU fue significativamente diferente según el servicio de Internet más utilizado; utilizando Internet principalmente para pornografía en comparación con la búsqueda de información tuvo la mayor probabilidad (4.526 veces mayor). Los episodios depresivos, la ideación suicida y los intentos suicidas se asociaron significativamente con mayores odds ratios para la UIP (1.725, 1.747 y 1.361 veces, respectivamente).

Conclusión:

El presente estudio identificó información clínicamente importante sobre la UIP en adolescentes. La distribución de PIU tiene diferentes patrones basados ​​en sexo y servicios específicos de internet. Se necesitan estudios de PIU con una metodología bien definida y herramientas de evaluación para PIU de cada servicio de Internet específico.

PALABRAS CLAVE: adicción; adolescencia; diferencias de sexo; Uso de Internet

PMID 32368065
PMCID: PMC7182452
DOI: 10.2147 / NDT.S247292

Introducción

En las últimas dos décadas, Internet ha penetrado en la vida de las personas de una manera muy rápida y amplia y se ha convertido en un medio importante de la vida diaria, como ir de compras, recibir noticias y contactar amigos. Los datos de la encuesta de EE. UU. Informaron que aproximadamente el 90% de los adultos tenían acceso a Internet en 2019, y la proporción de personas que no usaron Internet disminuyó del 48% en 2000 a solo el 10% en 2019. En particular, los adolescentes usan Internet más en su vida diaria que otras poblaciones. En 2018, se informó que el 95% de los adolescentes de EE. UU. Tenían acceso a teléfonos inteligentes, y el 45% de los adolescentes están en línea de manera casi constante.

Aunque Internet ofrece varios beneficios, como educación, entretenimiento, comunicación social, conveniencia y bienestar psicológico, Muchos estudios han reportado asociaciones negativas de Internet con la salud mental de los jóvenes, incluyendo depresión, ansiedad social, suicidio y ciberacoso. En particular, el uso problemático de Internet (UIP) caracterizado por el uso excesivo y las características adictivas es uno de los mayores problemas con el uso de Internet en poblaciones adolescentes, de los cuales estudios anteriores han reportado una prevalencia de hasta el 26.7%.,

Se sabe que los adolescentes son vulnerables a la UIP debido a una mayor impulsividad acompañada de la relativa inmadurez de la corteza prefrontal (PFC), especialmente en el período temprano y medio de la adolescencia. Además, se ha informado que la desregulación emocional en el período infantil temprano (2 años) tiene un impacto sustancial en la PIU en los adolescentes, lo que indica que el temperamento innato es uno de los principales factores de riesgo para la PIU. Se sabe que el sexo es otro moderador diferenciador para el patrón de PIU. Es más probable que los niños usen los juegos de Internet, mientras que las niñas usan más servicios de redes sociales que los niños., Además, los factores ambientales, incluidos los apegos con padres y compañeros, también se informan como uno de los predictores de la UIP en adolescentes. Por ejemplo, Badenes-Ribera et al. informaron que las relaciones con sus padres influyeron más en el nivel de UIP en los primeros adolescentes, mientras que las relaciones con los compañeros fueron el factor más relevante en el período de los adolescentes mayores.

Del mismo modo, múltiples estudios han investigado las preocupaciones prevalentes por PIU y los factores de riesgo relacionados en los adolescentes. Sin embargo, no se ha hecho una definición clara de PIU. Los investigadores han investigado PIU con diferentes términos y conceptos, como "adicción a internet", "Uso compulsivo de internet", "Uso problemático de internet" y "uso patológico de internet". Otros estudios centrados en los juegos en Internet han utilizado los términos "uso problemático de juegos en línea", "Adicción a los juegos de internet" y "trastorno de los juegos de internet".

Aunque estos diferentes términos y sus definiciones incluyen una construcción psicológica que implica un patrón de uso descontrolado de Internet que resulta en un deterioro clínico, Una de las razones de la falta de definición estándar de oro es que Internet ofrece una variedad de contenido que podría estar asociado con un potencial adictivo como los juegos, los juegos de azar, el chat o la pornografía. Joven Señaló que la adicción a Internet cubre una amplia variedad de problemas de control de los impulsos conductuales y se clasifica en cinco subtipos específicos, que incluyen cibersexualidad, ciberrelaciones, compulsiones netas, sobrecarga de información y adicción a la computadora.

Entre estos subtipos específicos de PIU, "trastorno de juego en Internet" y "trastorno de juego" se incluyeron como diagnóstico en la Sección 3 del Manual Diagnóstico y Estadístico de los Trastornos Mentales (DSM-5) y la última revisión de la Clasificación Internacional de Enfermedades (CIE-11) por la Organización Mundial de la Salud (OMS). Aunque las actividades de internet no relacionadas con el juego no se consideraron un diagnóstico formal debido a la falta de evidencia, Todavía hay inquietudes acerca de las actividades adictivas de Internet que no son de juego, como los juegos de azar por Internet las redes sociales y pornografía en línea.

Sin embargo, a pesar de estas preocupaciones sobre los diversos subtipos de PIU, faltan estudios que exploren los potenciales adictivos diferenciales basados ​​en servicios de Internet específicos. Un estudio alemán reciente con 6,081 estudiantes de 12 a 19 años investigó la distribución de aplicaciones de Internet de uso intensivo en PIU y no PIU. En el estudio de Rosenkranz et al. Las aplicaciones de Internet más utilizadas fueron los sitios de redes sociales y el chat, y las aplicaciones de Internet más predictivas para PIU fueron los juegos y las apuestas. Sin embargo, todavía faltan estudios que exploren la distribución y el potencial de adicción basados ​​en el uso del servicio de Internet específico; de hecho, hasta donde sabemos, no hay estudios en Corea. Por lo tanto, el presente estudio tuvo como objetivo investigar la prevalencia y los correlatos de la UIP en una gran muestra de adolescentes basada en el subtipo de uso de Internet.

Materiales y Métodos

Participantes

Nuestro estudio se realizó con datos derivados de la Encuesta basada en la web de comportamiento juvenil coreano de 2008, 2009 y 2010 (KYRBS). KYRBS es un estudio transversal de varios años que ha sido realizado anualmente por los Centros para el Control y la Prevención de Enfermedades de Corea (CDC) desde 2005. KYRBS se centra en comportamientos de riesgo para la salud entre los adolescentes. La encuesta se realizó con un cuestionario completado por los adolescentes, que consta de 125 ítems, que incluyen información sobre el consumo de tabaco, el consumo de alcohol, la obesidad, la actividad física, los comportamientos sexuales, el uso de sustancias, el uso de Internet y la salud mental. La población objetivo son estudiantes de secundaria y preparatoria a nivel nacional de 12 a 18 años en Corea, incluidos en una muestra de 400 escuelas intermedias y 400 secundarias cada año. El número total de participantes fue de 223,542, y el KYRBS de 2008, 2009 y 2010 incluyó a 75,238, 75,066 y 73,238 participantes, respectivamente. Antes de ingresar al estudio, los maestros capacitados les dieron a los estudiantes las instrucciones completas sobre el propósito y los métodos del estudio, y se obtuvo el consentimiento informado por escrito de los estudiantes. Los estudiantes que aceptaron participar completaron el cuestionario anónimo, que se presentó en una computadora. La Junta de Revisión Institucional de los CDC ha aprobado los protocolos para KYRBS.

Evaluación

Para evaluar PIU, la Escala de Propensión a la Adicción a Internet para la Forma Corta Juvenil (escala KS) desarrollada por Kim et al. se utilizó. La escala KS es una escala de autoinforme de 20 ítems calificada en una escala Likert de 4 puntos (1 = nunca, 2 = a veces, 3 = a menudo o 4 = siempre). Se compone de seis subfactores: (1) alteración de la función adaptativa (6 ítems), (2) anticipación positiva (1 ítem), (3) retirada (4 ítems), (4) relación interpersonal virtual (3 ítems), (5 ) comportamiento desviado (2 ítems) y (6) tolerancia (4 ítems). El encuestado se clasifica según los puntajes en uno de tres grupos: PIU definida, PIU probable y usuario normal de Internet. La PIU definida se define por un puntaje total de 53 o más o la presencia de todo lo siguiente: puntajes de funcionamiento adaptativo de 17 o más; puntajes de retiro de 11 o más; y puntajes de tolerancia de 13 o más. La PIU probable se define por un puntaje total entre 48 y 52 o la presencia de todo lo siguiente: puntajes de funcionamiento adaptativo de 15 o más; puntajes de retiro de 10 o más; y puntajes de tolerancia de 12 o más. En el presente estudio, el grupo de PIU se definió como los participantes en los grupos de PIU definidos y probables.

Se preguntó el tiempo de uso de Internet con el ítem "¿Cuántas horas y minutos ha usado Internet entre semana y el fin de semana en los últimos 30 días?" El servicio de internet que usaban principalmente los participantes se preguntaba en el ítem "¿Para qué servicio usas más el internet?" con las opciones de elección que incluyen búsqueda de información, mensajería / chat, juegos, mirar películas, escuchar música, mirar videos como contenido creado por el usuario, correo electrónico, compras, pornografía, blogs, etc. La presencia de episodios depresivos, ideas suicidas y Los intentos suicidas fueron consultados por un ítem para cada experiencia en los últimos 12 meses con respuestas afirmativas o negativas de la siguiente manera: “¿Alguna vez se sintió lo suficientemente triste o desesperado como para detener su vida diaria durante dos semanas en los últimos 12 meses? " para la depresión, "¿Has pensado seriamente en el suicidio en los últimos 12 meses?" por ideación suicida y "¿Has intentado suicidarte en los últimos 12 meses?" por intentos suicidas

Estadística

Se utilizaron estadísticas descriptivas para el análisis de las características demográficas. Para analizar la asociación entre el servicio de Internet más utilizado, la prevalencia y los correlatos de la UIP y las estadísticas descriptivas, se adoptó la prueba de chi-cuadrado y el análisis de varianza (ANOVA). Para examinar el odds ratio para PIU de acuerdo con los correlatos asociados, dos modelos utilizaron la regresión logística con PIU como variable dependiente. El primer modelo incluyó sexo, grado, servicio de Internet más utilizado, episodio depresivo, ideación suicida e intento suicida como variables independientes. El modelo 2 agregó el estado socioeconómico y el rendimiento escolar como covariables al modelo 1. Los análisis estadísticos se realizaron utilizando el paquete de software SPSS 25.0 para Windows (SPSS Inc., Chicago, IL).

Resultados

Características demográficas

Las características demográficas se muestran en Tabla 1. En total, 223,542 estudiantes de secundaria y preparatoria participaron en el estudio, y el 52.5% eran hombres. La prevalencia general de PIU fue del 5.8%, y el grupo de usuarios de Internet de alto riesgo entre el grupo de PIU fue del 3.2%. La prevalencia de UIP basada en el sexo fue del 7.7% en niños y del 3.8% en niñas. La proporción de participantes que experimentaron un episodio depresivo, ideación suicida e intento de suicidio fue 38.0%, 19.1% y 4.8%, respectivamente.

Tabla 1

Características demográficas

n (%)
Total223542
Año
 200875238 (33.7)
 200975066 (33.6)
 201073238 (32.8)
Sexo
 Masculino117281 (52.5)
 Femenino106261 (47.5)
Grado
 1 ° de secundaria38219 (17.1)
 2do de secundaria38423 (17.2)
 3 ° de secundaria38280 (17.1)
 1 ° de secundaria37218 (16.6)
 2do de secundaria36926 (16.5)
 3 ° de secundaria34476 (15.4)
PIU
 Total13056 (5.8)
 Usuario de alto riesgo7183 (3.2)
 Usuario de riesgo potencial5873 (2.6)
 Episodio depresivo; si84848 (38.0)
 Ideación suicida; si42728 (19.1)
 Intento de suicidio; si10778 (4.8)
Estatus socioeconómico
 Alta13775 (6.2)
 Medio alto48348 (21.6)
 Ed. Media105472 (47.2)
 Medio-bajo41322 (18.5)
 Baja14625 (6.5)
Logro escolar
 Alta25440 (11.4)
 Medio alto52399 (23.4)
 Ed. Media60448 (27.0)
 Medio-bajo57183 (25.6)
 Baja28072 (12.6)

Abreviatura: PIU, uso problemático de internet.

Prevalencia y correlaciones de PIU basadas en el servicio de Internet más utilizado

Entre todos los participantes, el servicio de Internet más utilizado fue el juego en Internet (35.0%), seguido por la búsqueda de información (16.2%), el chat (14.1%) y los blogs (12.1%) (Tabla 2 y Figura 1 y XNUMX). Sin embargo, las proporciones de los servicios de Internet más utilizados fueron diferentes entre niños y niñas (x2 = 9144.0; p <0.001). Mientras que el servicio más utilizado en los chicos fue el de los juegos de Internet (58.1%), las chicas utilizaron más los blogs (22.1%) y el chat (20.3%).

Tabla 2

Asociación entre el servicio de Internet más utilizado y la prevalencia y correlaciones de PIU

Servicio de internet más utilizadoBúsqueda de informaciónMensajero / ChatGamingViendo una películaEscuchando músicaVer video (es decir, UCC)Comunidad o club de InternetE-MailLas compras en líneaPornografia de internetBloggingEtcéteraTotalEstadísticas F o χ2
Total
 n36,15031,44678,325824821,0752896403211475315171627,1426050223,542
 %16.214.135.03.79.41.31.80.52.40.812.12.7100.0
Sexo
 Masculino; norte16,857987368,1394415725711581064313780156536372223117,28169144.0*
 %14.48.458.13.86.21.00.90.30.71.33.11.9100.0
 Mujer norte19,29321,57310,186383313,81817382968834453515123,5053827102,434
 %18.220.39.63.613.01.62.80.84.30.122.13.6100.0
Tiempo de uso de internet; Media (DE)
 Día laborable; horas1.1 (1.3)1.6 (1.6)1.6 (1.8)1.3 (1.5)1.1 (1.3)1.4 (1.4)1.7 (1.5)1.0 (1.2)1.3 (1.3)2.0 (3.0)1.4 (1.4)1.5 (1.7)457.5*
 Fin de semana; horas1.8 (1.8)2.4 (2.1)3.1 (2.5)2.4 (2.1)1.8 (1.7)2.4 (2.1)3.0 (2.2)1.5 (1.7)2.1 (1.8)2.8 (3.4)2.2 (1.9)2.4 (2.3)1112.5*
Escala KS1298.4*
 Media27.829.633.029.127.029.832.926.427.836.228.728.6
 SD8.69.010.58.97.78.99.77.77.818.18.18.9
PIU total; si3791.9*
 n1217153473173345161223392514933691125613,056
 %3.44.99.34.02.44.28.42.22.819.63.44.25.8
Solo PIU definida; si2624.9*
 n66681740261952726017411842694561537183
 %1.82.65.12.41.32.14.31.01.615.71.72.53.2
Episodio depresivo; si3867.8*
 n13,41215,17124,0813307828811041585443222585812,149222584,848
 %37.148.230.740.139.338.139.338.641.950.044.836.838.0
Ideación suicida; si1918.0*
 n6107794712,3071662399954587621211005336,2081,23242,728
 %16.925.315.720.219.018.821.718.520.731.122.920.419.1
Intento de suicidio; si1386.4*
 n13322458281340197210218058274235166528810,778
 %3.77.83.64.94.63.54.55.15.213.76.14.84.8

Nota: * p <0.001.

abreviaturas: PIU, uso problemático de Internet; UCC, contenido creado por el usuario; Escala KS, Escala de propensión a la adicción a Internet para jóvenes en formato corto; DE: desviación estándar.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es NDT-16-1031-g0001.jpg

Servicio de internet más utilizado según sexo (%).

La tasa de prevalencia de PIU en los usuarios de cada servicio de Internet específico también fue significativamente diferente según el servicio de Internet más utilizado (x2 = 3791.9; p <0.001). La prevalencia de PIU fue la más alta en los adolescentes que más usaron Internet para la pornografía (19.6%), seguida de los juegos (9.3%) y la comunidad de Internet (8.4%) (Tabla 2 y Figura 2 y XNUMX) La proporción de usuarios de juegos de Internet entre el grupo total de aquellos con PIU fue la más alta con 56.0%.

Un archivo externo que contiene una imagen, ilustración, etc. El nombre del objeto es NDT-16-1031-g0002.jpg

Prevalencia de PIU según el servicio de internet más utilizado (%).

abreviaturas: PIU, uso problemático de internet; UCC, contenido creado por el usuario.

La proporción de participantes con experiencias de episodios depresivos, ideación suicida e intento también fue la más alta entre los adolescentes que más usaron Internet para pornografía (50.0%, 31.1% y 13.7%, respectivamente), seguido por el chat (48.2%, 25.3 % y 7.8%, respectivamente) y blogs (44.8%, 22.9% y 6.1%).

Razones de probabilidades de estar en el grupo de PIU en función de las variables demográficas y de uso de Internet

Tabla 3 muestra las razones de probabilidad para estar en el grupo PIU según las variables demográficas y de uso de Internet. La razón de posibilidades fue significativamente mayor en los niños que en las niñas (OR = 1.520; p <0.001). En comparación con los participantes más jóvenes, los grupos de estudiantes mayores mostraron razones de probabilidades significativamente más altas, de 1.274 a 1.319 veces más altas, para PIU.

Tabla 3

Regresión logística para la UIP con covariables

Variablesmodelo 1modelo 2
OR95% CIpOR95% CIp
Sexo
 Femeninoreferente
 Masculino1.5011.432a1.573.0001.5201.450a1.593.000
Grado
 1 ° de secundariareferente
 2do de secundaria1.3031.223a1.387.0001.2741.196a1.357.000
 3 ° de secundaria1.3681.285a1.457.0001.3271.246a1.413.000
 1 ° de secundaria1.3341.251a1.423.0001.2861.205a1.373.000
 2do de secundaria1.3101.226a1.399.0001.2381.158a1.323.000
 3 ° de secundaria1.4041.313a1.501.0001.3191.232a1.411.000
Servicio de internet más utilizado
 Búsqueda de informaciónreferente
 Messenger / chat1.3781.274a1.490.0001.2851.188a1.391.000
 Gaming2.8242.644a3.015.0002.6612.491a2.843.000
 Viendo una película1.127.995a1.276.0601.096.967a1.241.152
 Escuchando música.743.668a.825.000.733.660a.814.000
 Ver video (es decir, UCC)1.2871.063a1.559.0101.2781.055a1.548.012
 Comunidad o club de Internet2.7852.453a3.162.0002.8222.485a3.206.000
 E-mail.682.456a1.019.062.658.440a.985.042
 Las compras en línea.893.750a1.063.203.873.733a1.040.128
 Pornografia de internet4.9444.311a5.670.0004.5263.941a5.198.000
 Blogging1.058.967a1.158.2171.023.935a1.120.616
 Etcétera1.3411.167a1.541.0001.3351.162a1.535.000
Episodio depresivo
 Noreferente
 Sí1.7821.710a1.857.0001.7251.655a1.798.000
Ideación suicida
 Noreferente
 Sí1.8131.728a1.903.0001.7471.664a1.833.000
Intento suicida
 Noreferente
 Sí1.4501.353a1.553.0001.3611.270a1.459.000

Notas: El modelo 1 incluía el sexo, el grado, el servicio de Internet más utilizado, el episodio depresivo, la ideación suicida y el intento de suicidio como covariables. El modelo 2 incluía el estado socioeconómico y el rendimiento escolar como covariables además del modelo 1.

abreviaturas: PIU, uso problemático de internet; UCC, contenido creado por el usuario

En comparación con los adolescentes que más utilizan Internet para buscar información, la razón de probabilidades de PIU en los adolescentes que más utilizan Internet para la pornografía fue la más alta (OR = 4.526, p <0.001), seguida de los que usan Internet para la comunidad. (OR = 2.822, p <0.001) y juegos (OR = 2.661, p <0.001). Aquellos que más usaban Internet para escuchar música (OR = 0.733, p <0.001) y correo electrónico (OR = 0.658, p = 0.042) mostraron razones de probabilidad significativamente más bajas que los adolescentes que utilizaban Internet para buscar información. No hubo diferencias significativas en las razones de probabilidad entre los grupos que utilizan Internet principalmente para buscar información y los grupos que ven películas, compras en línea y blogs.

Asociaciones entre psicopatología y riesgo de UIP

Las proporciones de participantes con una experiencia de episodio depresivo, ideación suicida e intento de suicidio en los últimos 12 meses fueron las más altas en los grupos que más usaron Internet para pornografía (50.0%, 31.1% y 13.7%, respectivamente), seguido por messenger / chat (48.2%, 25.3% y 7.8%, respectivamente) y blogging (44.8%, 22.9% y 6.1%, respectivamente) (Tabla 2). La presencia de episodio depresivo, ideación suicida e intento de suicidio también se asoció significativamente con una mayor razón de probabilidades de UIP en toda la muestra. (OR = 1.725, p <0.001; OR = 1.747, p <0.001; y 1.361, p <0.001, respectivamente) (Tabla 3).

Discusión

Nuestro estudio investigó la prevalencia y los correlatos de la UIP en un gran número de adolescentes basándose en los servicios de Internet más utilizados. En nuestro estudio, la prevalencia general de UIP fue del 5.4%, que es comparable con estudios previos realizados en otros países. Múltiples estudios previos de PIU informaron una amplia gama de prevalencia de PIU. Por ejemplo, un estudio realizado en nueve países europeos informó una prevalencia del 25%, que oscila entre el 14% y el 55% en todos los países. Otro estudio realizado en seis países asiáticos informó que la prevalencia del uso adictivo de Internet analizado por la Prueba de Adicción a Internet (IAT) varió del 1% en Corea del Sur al 5% en Filipinas, y la prevalencia de la UIP varió del 13% al 46% . Otras revisiones sistemáticas de la adicción a Internet también informaron una amplia gama de tasas de prevalencia del 1% al 18.7%. y del 0.8% al 26.7%. Estos estudios argumentaron que estos amplios rangos de tasas de prevalencia para la UIP podrían haber sido causados ​​por la falta de coherencia en la metodología, como las definiciones, las herramientas de evaluación y los límites para la UIP., Por lo tanto, se necesitan estudios futuros con definiciones y herramientas de evaluación más acordadas para la UIP para confirmar la prevalencia de la UIP. Sin embargo, un metanálisis con 27 estudios entre 1998 y 2006 informó una prevalencia promedio del trastorno de los juegos de Internet del 4.7%, a pesar de un amplio rango de tasas de prevalencia, lo cual es consistente con nuestro estudio.

En nuestro estudio, los niños mostraron una prevalencia más alta de UIP que las niñas en aproximadamente dos veces. Este es un hallazgo consistente con múltiples estudios previos que informaron que el sexo masculino es un factor de riesgo para la UIP. Sin embargo, otros estudios han informado el patrón opuesto de las diferencias de sexo para la prevalencia de la UIP. Por ejemplo, Durkee et al. informaron que se encontraron pequeñas variaciones en la tasa de prevalencia de UIP entre los sexos en un estudio con adolescentes de 11 países europeos a pesar de algunas diferencias interculturales. Un estudio canadiense tampoco informó diferencias de sexo en la prevalencia de UIP. Además, un estudio con adultos de 9 países europeos informó que la UIP general fue más frecuente en mujeres que en hombres. Estas discrepancias con respecto a las diferencias de sexo en la UIP podrían ser causadas por diferencias interculturales. Sin embargo, para comprender estas discrepancias en las diferencias de sexo en la prevalencia de la UIP, también debe tenerse en cuenta la exploración de los servicios específicos utilizados a través de Internet por ambos sexos.

En nuestro estudio, el servicio de Internet más utilizado entre todos los participantes fue el juego en Internet seguido de búsqueda de información, mensajería / chat y blogs. Sin embargo, la distribución de los servicios de Internet más utilizados fue significativamente diferente entre los sexos. Mientras que los niños usaban abrumadoramente Internet para jugar más, las niñas usaban Internet para bloguear y enviar mensajes / chatear más. Estas tendencias son consistentes con los hallazgos en estudios previos. Se informó que las niñas tenían más probabilidades de usar la mensajería instantánea (74%) y los servicios de redes sociales (70%) que los niños de 15 a 17 años (62% y 54%, respectivamente)., Dufour et al. También informó que la proporción de uso excesivo de redes sociales y blogs fue mayor en niñas que en niños. En contraste, el uso de los juegos de Internet ha sido reportado consistentemente más alto en hombres que en mujeres.,,, Aunque las razones exactas de estas diferencias relacionadas con el sexo en el uso de Internet no se comprenden bien, estudios previos para explicar las diferencias de sexo en la participación en juegos de computadora se centraron en aspectos como el contenido y el diseño de juegos típicos, la violencia de los juegos, las estructuras competitivas de los juegos y las interacciones sociales dentro de los juegos. Nuestros resultados para el mayor uso de Internet para bloguear y chatear y un menor uso de Internet para jugar en niñas que en niños podrían estar relacionados con evidencia bien establecida de que las mujeres están más orientadas interpersonalmente, mientras que los hombres están más orientados a la información / tareas.

En nuestro estudio, el número de personas con PIU fue el más alto en los usuarios de juegos de Internet (componiendo más del 50% del grupo total de PIU), y la razón de probabilidades para PIU también fue muy alta en los usuarios de juegos de Internet. Estos hallazgos proporcionan evidencia de apoyo para la preocupación predominante por los juegos en Internet y la inclusión del trastorno de los juegos en Internet en los sistemas de criterios de diagnóstico., Sin embargo, también debe tenerse en cuenta el potencial adictivo de la pornografía en Internet. Las proporciones de pornografía en Internet como el servicio de Internet más utilizado no fueron altas (0.8%) e incluso más raras en las niñas (0.1%). Sin embargo, la razón de probabilidades para la UIP entre quienes usaron Internet principalmente para pornografía fue la más alta, lo que implica el fuerte potencial adictivo de la pornografía en Internet en comparación con otros servicios de Internet. Por supuesto, consumir pornografía no es un problema causado solo por Internet. Se ha argumentado que los usuarios excesivos de Internet no son adictos a Internet, sino que solo usan Internet como medio para otros comportamientos adictivos., Sin embargo, estudios previos han señalado que el uso de pornografía en línea está en aumento, y la mayor "triple A" (accesibilidad, asequibilidad y anonimato) proporcionada por Internet ha aumentado el riesgo potencial para el uso problemático de la pornografía en línea. Además, nuestros hallazgos son inconsistentes con los resultados del estudio previo de Rosenkranz et al. que informó el potencial adictivo relativamente menor del contenido sexual en comparación con los juegos y los juegos de azar. Estos resultados diferenciales con respecto al potencial adictivo del contenido sexual entre los estudios pueden ser causados ​​por diferencias socioambientales. Por lo tanto, se necesitan más estudios para comprender y proteger a los adolescentes del riesgo de uso problemático de la pornografía en Internet.

Otro hallazgo notable de nuestro estudio fue la asociación significativa entre una mayor razón de probabilidad general para la UIP y la psicopatología, incluida la depresión y la ideación e intento suicida, que es consistente con los hallazgos de un estudio anterior eso informó que el grupo de estudiantes con UIP tenía más probabilidades de mostrar más depresión y comportamiento suicida y autolesivo que el grupo de uso normal de Internet. En particular, es interesante que la proporción de respuestas 'sí' a episodios depresivos, ideación suicida e intentos suicidas fue mayor en los usuarios de mensajería / chat y blogs que en los usuarios de otros servicios, con la excepción de los usuarios de pornografía en Internet, y esta proporción fue la más baja en los usuarios de juegos de internet. Estos hallazgos implican que los adolescentes deprimidos buscan más la interacción social por internet que el entretenimiento. Estos hallazgos son consistentes con un estudio previo. eso también informó que había un mayor riesgo de depresión en los estudiantes con PIU que no era de juego que en los estudiantes con PIU de juego. Además, la proporción de respuestas "sí" a episodios depresivos, ideación suicida e intento suicida fue la más alta en usuarios de pornografía en Internet. Estos hallazgos sugieren que el uso de Internet principalmente para la pornografía está asociado con una psicopatología severa, como la depresión y el suicidio, así como con un fuerte potencial adictivo.

Limitaciones

Nuestro estudio tiene algunas limitaciones que deben tenerse en cuenta. Aunque realizamos el estudio con una gran muestra de adolescentes, nuestro estudio se basa en un diseño transversal que limita la interpretación de la causalidad. Por ejemplo, los episodios depresivos, la ideación suicida y los intentos suicidas se asocian con mayores probabilidades de PIU, y no podemos determinar la dirección de la causalidad. Por lo tanto, los estudios futuros con un diseño longitudinal están garantizados. En segundo lugar, aunque intentamos incluir una variedad de servicios de Internet que los adolescentes usan en los cuestionarios, no incluimos todos los servicios. Por ejemplo, el juego en Internet es una de las principales preocupaciones sobre el uso de Internet, que no se incluyó en los cuestionarios. Tercero, nuestro estudio se basó en el autoinforme de los adolescentes solos, lo que podría sesgar el informe. Se sabe que la notificación de síntomas psiquiátricos es discrepante entre los informantes, como los padres y los adolescentes. Por lo tanto, obtener información de múltiples informantes, incluidos los padres, es importante para la evaluación exacta de los síntomas psiquiátricos. Afortunadamente, un estudio anterior informó que los informes basados ​​en autoinformes de los adolescentes sobre los síntomas de trastornos adictivos como el abuso de alcohol y sustancias eran mucho más coincidentes con los diagnósticos reales que los informes de los padres. Además, utilizamos ítems categóricos simplificados para evaluar la depresión, la ideación suicida y los intentos suicidas y no incluimos herramientas de evaluación validadas. Aunque estos ítems simplificados se adoptaron para mejorar la tasa de respuesta mediante un cuestionario parsimonioso para un gran número de participantes, esto podría resultar en una falta de información detallada y una distorsión de la asociación real entre la UIP y la psicología adolescente, como la depresión y el suicidio. Finalmente, la información sobre las características de la familia, como las interacciones entre padres e hijos y el estilo de crianza, no se incluyó en el estudio, que es un factor importante que modera la UIP en adolescentes. Por lo tanto, los estudios futuros que incluyen información más detallada sobre la psicopatología de los adolescentes y las características familiares de múltiples informantes están garantizados para confirmar los hallazgos actuales.

Conclusiones

A pesar de algunas limitaciones, nuestro estudio identificó información clínicamente importante sobre la UIP en adolescentes. La distribución de los servicios de Internet más utilizados tiene diferentes patrones basados ​​en el sexo. La prevalencia de PIU también mostró diferencias significativas basadas en el uso de servicios específicos de Internet. Se necesitan estudios futuros de PIU con una metodología bien definida y herramientas de evaluación para cada servicio de Internet específico para desarrollar estrategias para proteger a los adolescentes individuales del riesgo de PIU.

AGRADECIMIENTOS

Los autores desean agradecer al Ministerio de Educación, al Ministerio de Salud y Bienestar, y a los Centros para el Control y la Prevención de Enfermedades, los Centros para el Control y la Prevención de Enfermedades de Corea, que proporcionaron los datos en bruto.

Declaración de financiación

Este trabajo fue apoyado por la subvención de la Fundación Nacional de Investigación de Corea (NRF) financiada por el gobierno de Corea (MSIP; Ministerio de Ciencia, TIC y Planificación Futura) (NRF-2018R1C1B5041143).

Contribuciones de autor

Todos los autores hicieron contribuciones sustanciales a la concepción y diseño, adquisición de datos o análisis e interpretación de datos; participó en la redacción del artículo o la revisión crítica de contenido intelectual importante; dio la aprobación final de la versión que se publicará; y acepta ser responsable de todos los aspectos del trabajo.

Divulgación

Los autores informan que no hay conflictos de intereses en este trabajo.

Referencias

1. Anderson M, Perrin A, Jiang J, Kumar M. El 10% de los estadounidenses no usan Internet. ¿Quienes son? Washington, DC: Centro de Investigación Pew; 2019. []
2. Anderson M, Jiang J. Adolescentes, redes sociales y tecnología 2018. Washington, DC: Centro de Investigación Pew; 2018. []
3. Bruto E, Juvonen J, Gable S. Uso de internet y bienestar en la adolescencia. Temas de J Soc. 2002;58:75–90. doi:10.1111/1540-4560.00249 [CrossRef] []
4. Caplán SE. Relaciones entre soledad, ansiedad social y uso problemático de Internet.. Cyberpsychol Behav. 2006;10(2): 234–242. doi: 10.1089 / cpb.2006.9963 [PubMed] [CrossRef] []
5. Daine K, Hawton K, Singaravelu V, Stewart A, Simkin S, Montgomery P. El poder de la web: una revisión sistemática de estudios sobre la influencia de Internet en la autolesión y el suicidio en los jóvenes.. PLoS One.. 2013;8(10): e77555. doi: 10.1371 / journal.pone.0077555 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
6. Kiriakidis SP, Kavoura A. Cyberbullying: una revisión de la literatura sobre acoso a través de internet y otros medios electrónicos. Salud comunitaria familiar. 2010;33(2):82–93. doi:10.1097/FCH.0b013e3181d593e4 [PubMed] [CrossRef] []
7. Joven KS, Rogers RC. La relación entre la depresión y la adicción a internet.. Cyberpsychol Behav. 1998;1(1): 25–28. doi: 10.1089 / cpb.1998.1.25 [CrossRef] []
8. Kuss DJ, Griffiths MD, Karila L, Billieux J. La adicción a Internet: una revisión sistemática de la investigación epidemiológica de la última década.. Curr Pharm Des. 2014;20(25): 4026–4052. doi: 10.2174 / 13816128113199990617 [PubMed] [CrossRef] []
9. Pontes HM, Kuss DJ, Griffiths MD. Psicología clínica de la adicción a Internet: una revisión de su conceptualización, prevalencia, procesos neuronales e implicaciones para el tratamiento.. Neurociencia Neuroecon. 2015;4: 11-23. []
10. Cerniglia L, Cimino S, Ballarotto G, et al. Accidentes automovilísticos y adolescentes: un estudio empírico sobre sus perfiles emocionales y de comportamiento, estrategias de defensa y apoyo de los padres.. Transp Res F. 2015;35: 28–36. doi: 10.1016 / j.trf.2015.09.002 [CrossRef] []
11. Steinberg L. Un modelo de sistemas duales de toma de riesgos en adolescentes.. Dev Psychobiol. 2010;52(3): 216–224. doi: 10.1002 / dev.20445 [PubMed] [CrossRef] []
12. Cerniglia L, Guicciardi M, Sinatra M, Monacis L, Simonelli A, Cimino S. El uso de tecnologías digitales, impulsividad y síntomas psicopatológicos en la adolescencia.. Behav Sci. 2019;9(8): E82. doi: 10.3390 / bs9080082 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
13. Cimino S, Cerniglia L. Un estudio longitudinal para la validación empírica de un modelo etiopatogenético de adicción a internet en la adolescencia basado en la regulación temprana de las emociones.. Biomed Res Int. 2018;2018: 4038541. doi: 10.1155 / 2018 / 4038541 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
14. Lenhart A, Madden M, Macgill A, Smith A. Adolescentes y redes sociales. Washington, DC: Proyecto Pew Internet & American Life; 2007. []
15. Dufour M, Brunelle N, Tremblay J y col. Diferencia de género en el uso de internet y problemas de internet entre los estudiantes de secundaria de Quebec. Can J Psiquiatría. 2016;61(10): 663 – 668. doi: 10.1177 / 0706743716640755 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
16. Badenes-Ribera L, Fabris MA, Gastaldi FGM, Prino LE, Longobardi C. El apego de los padres y compañeros como predictores de los síntomas de adicción a Facebook en diferentes etapas de desarrollo (primeros adolescentes y adolescentes). Adicto Behav. 2019;95: 226–232. doi: 10.1016 / j.addbeh.2019.05.009 [PubMed] [CrossRef] []
17. Joven 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; 1998. []
18. Van der Aa N, Overbeek G, Engels RC, Scholte RH, Meerkerk GJ, Van den Eijnden RJ. Uso diario y compulsivo de internet y bienestar en la adolescencia: un modelo de diátesis-estrés basado en cinco grandes rasgos de personalidad. J juventud adolescentes. 2009;38(6):765–776. doi:10.1007/s10964-008-9298-3 [PubMed] [CrossRef] []
19. Caplán SE. Uso problemático de internet y bienestar psicosocial: desarrollo de un instrumento de medición cognitivo-conductual basado en la teoría.. Comput Hum Behav. 2002;18(5):553–575. doi:10.1016/S0747-5632(02)00004-3 [CrossRef] []
20. Kaess M, Parzer P, Brunner R y col. El uso patológico de internet está en aumento entre los adolescentes europeos. J adolesc salud. 2016;59(2): 236–239. doi: 10.1016 / j.jadohealth.2016.04.009 [PubMed] [CrossRef] []
21. Kim MG, Kim J. Validación cruzada de confiabilidad, validez convergente y discriminante para la escala problemática de uso de juegos en línea. Comput Hum Behav. 2010;26(3): 389–398. doi: 10.1016 / j.chb.2009.11.010 [CrossRef] []
22. Kuss DJ, Griffiths MD. Adicción a los juegos en Internet: una revisión sistemática de la investigación empírica. Int J Ment Health Addict. 2012;10(2):278–296. doi:10.1007/s11469-011-9318-5 [CrossRef] []
23. Pontes HM, Griffiths MD. Medición del trastorno del juego en Internet DSM-5: desarrollo y validación de una escala psicométrica corta. Comput Human Behav. 2015;45: 137-143. doi: 10.1016 / j.chb.2014.12.006 [CrossRef] []
24. Strittmatter E, Kaess M, Parzer P, y col. Uso patológico de internet entre adolescentes: comparación de jugadores y no jugadores. Psiquiatría Res.. 2015;228(1): 128-135. doi: 10.1016 / j.psychres.2015.04.029 [PubMed] [CrossRef] []
25. Joven KS. Adicción a Internet: evaluación y tratamiento.. Br Med J. 1999;7: 351-352. []
26. Asociación Americana de Psiquiatría. Manual diagnóstico y estadístico de trastornos mentales (DSM-5)®). Arlington, TX: American Psychiatric Publishing; 2013 []
27. Rey DL, Potenza MN. No jugar: trastorno del juego en la clasificación internacional de enfermedades (CIE-11). J adolesc salud. 2019;64(1): 5–7. doi: 10.1016 / j.jadohealth.2018.10.010 [PubMed] [CrossRef] []
28. GainsburySM. Adicción al juego en línea: la relación entre el juego en Internet y el juego desordenado. Curr Adicto Rep. 2015;2(2):185–193. doi:10.1007/s40429-015-0057-8 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
29. Andreassen CS. Adicción a sitios de redes sociales en línea: una revisión exhaustiva. Curr Adicto Rep. 2015;2(2):175–184. doi:10.1007/s40429-015-0056-9 [CrossRef] []
30. Grubbs JB, Volk F, Exline JJ, Pargament KI. Uso de pornografía en Internet: adicción percibida, angustia psicológica y la validación de una breve medida. J sexo marital ther. 2015;41(1):83–106. doi:10.1080/0092623X.2013.842192 [PubMed] [CrossRef] []
31. Rosenkranz T, Muller KW, Dreier M, Beutel ME, Wolfling K. Potencial adictivo de las aplicaciones de Internet y correlatos diferenciales de uso problemático en jugadores de Internet versus usuarios de Internet generalizados en una muestra representativa de adolescentes. Eur Addict Res. 2017;23(3): 148–156. doi: 10.1159 / 000475984 [PubMed] [CrossRef] []
32. Kim Y, Choi S, Chun C, Park S, Khang YH, Oh K. Perfil de recursos de datos: la encuesta basada en la web de comportamiento juvenil de riesgo de Corea (KYRBS). Int J Epidemiol. 2016;45(4): 1076-1076e. doi: 10.1093 / ije / dyw070 [PubMed] [CrossRef] []
33. Kim DI, Chung YJ, Lee EA, Kim DM, Cho YM. Desarrollo de la forma abreviada de la escala de propensión a la adicción a Internet (escala KS). Corea J Couns. 2008;9: 1703-1722. doi: 10.15703 / kjc.9.4.200812.1703 [CrossRef] []
34. Laconi S, Kaliszewska-Czeremska K, Gnisci A, et al. Estudio intercultural del uso problemático de internet en nueve países europeos.. Comput Human Behav. 2018;84: 430-440. doi: 10.1016 / j.chb.2018.03.020 [CrossRef] []
35. Mak KK, Lai CM, Watanabe H y col. Epidemiología de las conductas y adicciones en Internet entre adolescentes en seis países asiáticos.. Cyberpsychol Behav Soc Netw. 2014;17(11): 720–728. doi: 10.1089 / cyber.2014.0139 [PubMed] [CrossRef] []
36. Petry NM, O'Brien CP. El trastorno de los juegos de Internet y el DSM-5. Adicción. 2013;108(7): 1186–1187. doi: 10.1111 / add.12162 [PubMed] [CrossRef] []
37. Feng W, Ramo DE, Chan SR, Bourgeois JA. Trastorno de juego en Internet: tendencias en prevalencia 1998-2016. Adicto Behav. 2017;75: 17-24. doi: 10.1016 / j.addbeh.2017.06.010 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
38. Bakken IJ, Wenzel HG, Gotestam KG, Johansson A, Oren A. Adicción a Internet entre adultos noruegos: un estudio de muestra de probabilidad estratificada. Scand j psychol. 2009;50(2):121–127. doi:10.1111/j.1467-9450.2008.00685.x [PubMed] [CrossRef] []
39. Durkee T, Kaess M, Carli V y col. Prevalencia del uso patológico de internet entre adolescentes en Europa: factores demográficos y sociales. Adicción. 2012;107(12):2210–2222. doi:10.1111/j.1360-0443.2012.03946.x [PubMed] [CrossRef] []
40. Tsai HF, Cheng SH, Yeh TL y col. Los factores de riesgo de la adicción a Internet: una encuesta de estudiantes universitarios de primer año. Psiquiatría Res.. 2009;167(3): 294-299. doi: 10.1016 / j.psychres.2008.01.015 [PubMed] [CrossRef] []
41. Pujazón-Zazik M, Park MJ. Tuitear o no tuitear: diferencias de género y posibles resultados de salud positivos y negativos del uso de internet social de los adolescentes. Soy J Mens Health. 2010;4(1): 77–85. doi: 10.1177 / 1557988309360819 [PubMed] [CrossRef] []
42. Yau YH, Crowley MJ, Mayes LC, Potenza MN. ¿Son el uso de internet y los comportamientos adictivos de los videojuegos? implicaciones biológicas, clínicas y de salud pública para jóvenes y adultos. Minerva Psicóloga. 2012;53(3): 153 – 170. [Artículo gratuito de PMC] [PubMed] []
43. Hartmann T, Klimmt C. Género y juegos de computadora: explorando los disgustos de las mujeres. J Comput Mediat Commun. 2006;11(4):910–931. doi:10.1111/j.1083-6101.2006.00301.x [CrossRef] []
44. Jackson LA, Ervin KS, policía de Gardner, Schmitt N. Género e internet: las mujeres se comunican y los hombres buscan. Roles Sexuales. 2001;44(5:363–379. doi:10.1023/A:1010937901821 []
45. Griffiths M. Adicción a Internet: ¿es hora de que lo tomen en serio? Adicto res. 2000;8(5): 413–418. doi: 10.3109 / 16066350009005587 [CrossRef] []
46. Joven KS, de Abreu CN. Adicción a Internet: un manual y una guía para la evaluación y el tratamiento. Hoboken, Nueva Jersey: Wiley; 2010 []
47. de Alarcón R, de la Iglesia JI, Casado NM, Montejo AL. Adicción a la pornografía en línea: lo que sabemos y lo que no: una revisión sistemática. J Clin Med. 2019;8(1): E91. doi: 10.3390 / jcm8010091 [Artículo gratuito de PMC] [PubMed] [CrossRef] []
48. Cantwell DP, Lewinsohn PM, Rohde P, Seeley JR. Correspondencia entre el informe del adolescente y el informe de los padres de los datos de diagnóstico psiquiátrico. J Am Acad Niño Adolescente Psiquiatría. 1997;36(5):610–619. doi:10.1097/00004583-199705000-00011 [PubMed] [CrossRef] []