جبهه معتاد 2017 دسامبر 1؛ 6 (4): 490-504. doi: 10.1556 / 2006.6.2017.073.
بیلیفلد م1, دروز ام2, پوتزیک اول3, بتلل ل1, Steinbüchel T1, Dieris-Hirche J1, Szycik GR4, مولر A5, روی م6, Ohlmeier M7, Theodor Te Wildt B1.
چکیده
اهداف
شواهد علمی خوبی وجود دارد که اختلال بیش فعالی کمبود توجه (ADHD) یک پیش بینی کننده و یک اختلال اختلال اعتیادآور در بزرگسالی است. این انجمن ها نه تنها بر وابستگی های وابسته به مواد تمرکز می کنند، بلکه بر اعتیاد رفتاری مانند اختلال قمار و اختلال مصرف اینترنت (IUD) تمرکز می کنند. برای IUD، بررسی های سیستماتیک ADHD را یکی از شایع ترین عوارض جانبی همراه با اختلالات افسردگی و اضطراب می دانند. با این حال، نیاز به درک بیشتر ارتباطات بین هر دو اختلال برای پی بردن به پیامدهای درمان و پیشگیری خاص است. این به ویژه در مورد جمعیت بالینی بالغ است که تاکنون در مورد این روابط کم است. این مطالعه به منظور بررسی بیشتر این موضوع با توجه به فرضیه کلی این که تقاطع قاطع بین روانپزشکی و علت بین IUD و ADHD وجود دارد، بیشتر مورد بررسی قرار گرفته است.
مواد و روش ها
دو نمونه شاهد در یک بیمارستان دانشگاه مورد بررسی قرار گرفتند. بیماران مبتلا به ADHD بالینی و IUD از طریق یک کارآزمایی بالینی و روانشناسی فراگیر انجام گرفتند.
نتایج
ما حمایت از فرضیه ای که ADHD و IUD در مورد ویژگی های روانپزشکی به اشتراک می گذارند پیدا کردیم. در میان بیماران هر گروه، میزان شیوع قابل توجهی از ADHD همراه با IUD در بر داشت و برعکس. علاوه بر این، علائم ADHD با زمان مصرف دارو و علائم اعتیاد به اینترنت در هر دو نمونه رابطه مثبت داشت.
بحث
پزشکان بالینی باید از روابط نزدیک این دو اختلال از نظر تشخیصی و درمانی آگاه باشند. وقتی نوبت به کنترل مجدد استفاده از اینترنت در طول درمان و توانبخشی می رسد ، باید یک تغییر بالقوه اعتیاد را در ذهن پزشکان و بیماران به خاطر بسپارید.
کلید واژه ها:اختلال استفاده از اینترنت؛ اختلال بیش فعالی کمبود توجه؛ اعتیاد آنلاین
مقاله: 29280392
معرفی
یک مجموعه قوی از شواهد علمی وجود دارد که اختلال بیش فعالی کمبود توجه (ADHD) هر دو پیش بینی کننده (بیدرمن و دیگران ، 1995) و یک همبستگی مشخص برای بسیاری از اختلالات اعتیاد آور (گیلبرگ و دیگران ، 2004) در یک نمونه اروپایی بزرگ بیماران مبتلا به اختلال مصرف مواد، 13.9٪ با بزرگسالان ADHD (van Emmerik-van Oortmerssen و دیگران ، 2014) با تغییر پذیری زیاد به علت کشور و ماده اولیه مورد استفاده (ون دو گلیند و دیگران ، 2014) ADHD یک اختلال روانی است که به طور مشخص همراه با مشکلات در توجه و تمرکز، فعالیت بیش از حد و مشکلات کنترل رفتار است که برای سن فرد نامناسب است. به خصوص، اما نه به طور انحصاری، هنگامی که ADHD در طول دوران نوجوانی و بزرگسالی ادامه می یابد، این مورد در مورد 36.3٪ موارد (کسلر و همکاران ، 2005)، خطر ابتلا به اعتياد به الکل (بیدرمن و دیگران ، 1995)، نیکوتین (ویلنز و دیگران ، 2008) یا حتی داروهای غیر قانونی مانند کوکائین (کارول و رونساویل ، 1993) بلند است. از آنجا که محرک هایی مانند متیل فنیدات (MPH) به عنوان یک داروی موثر (Van der Oord ، Prins ، Oosterlaan و Emmelkamp ، 2008)، مصرف مواد و سوء مصرف در بیماران ADHD نیز به عنوان راهی برای خود دارو (هان و همکاران ، 2009) علاوه بر این، سطح بالایی از تکانشگری برای هر دو بیمار مبتلا به ADHD (وینستانلی ، عقاب و رابینز ، 2006) و با اختلالات مصرف مواد (د ویت، 2009).
ADHD نیز یک همبستگی مشخص برای قمار آسیب شناسی است که طبق ICD-10 (سازمان بهداشت جهانی 1992) هنوز به عنوان یک اختلال کنترل ضربه ای طبقه بندی شده است. در مقابل، در 2013، نسخه پنجم از راهنمای تشخیصی و آماری اختلالات روانی (DSM-5؛ انجمن روانپزشکی آمریکا، 2013) یک زمینه مشترک برای اختلالات مصرف مواد و مواد مخدر ایجاد کرد. در فصل "اختلالات مربوط به مواد مخدر و اعتیاد آور" که اکنون "اختلال قمار" نامیده می شود، تنها اعتبار رفتار شناختی شناخته شده است. با این حال، در بخش سوم DSM-5، اختلال بازی اینترنت (IGD) ابتدا به عنوان شرطی است که تحقیق و تجربه بالینی بیشتری را قبل از اینکه به طور کامل به عنوان یک اختلال متمایز (پتری و اوبراین ، 2013) در واقع IGD یکی از انواع خاصی از اعتياد به اینترنت است که بیشتر مورد مطالعه قرار گرفته است (جوان، 1996) و بالاترین شيوع را نشان داد (Rehbein ، Kliem ، Baier ، Mößle و Petry ، 2015) این توسعه به عنوان جای تعجب نیست، به ویژه که بازی آنلاین و قمار آنلاین به طور فزاینده ای ویژگی های مشترک را به اشتراک می گذارد.
به طور مستقل از اینترنت، اعتیاد به بازی های ویدئویی به روش های مختلف روانپزشکی ADHD مرتبط است (آرفی و بووار ، 2008; ین و همکاران ، 2017) بررسی های سیستماتیک ADHD را به عنوان یک پیش بینی معمول (ویس ، Baer ، Allan ، Saran ، و Schibuk ، 2011) و کمخونی (Weinstein & Weizman، 2012) برای IGD به ویژه در کودکان و نوجوانان. علاوه بر این، در بیش از حد سطح بالینی در سطح بالینی، تکانشگری، بی توجهی، نقص در تمرکز و تمرکز بر وظایف شناختی نشان داده شده است که با استفاده بیش از حد از بازی های ویدئویی، هم آفلاین و هم آنلاین (Swing ، Gentile ، Anderson و Walsh ، 2010) یافته های مشابه قبلا برای استفاده بیش از حد تلویزیون (میلر و همکاران ، 2007)، مشارکت در یک بحث مداوم در مورد اینکه استفاده بیش از حد از رسانه های صفحه نمایش به طور کلی و بازی های ویدئویی به ویژه ممکن است نه تنها یک نشانه of بلکه یک عامل خطر است برای توسعه ADHD (ویس و همکاران ، 2011).
ارتباط بین استفاده بیش از حد از برنامه های آنلاین خاص و ADHD به طور کامل درک نمی شود. با این حال، فرض می شود که فعالیت های آنلاین مانند بازی و غیره، موجب جریان مداوم تحریک و پاداش فوری می شود، که به نوبه خود توسط افرادی که دارای ADHD هستند، تمایل دارند که به راحتی خسته شوند (Castellanos & Tannock ، 2002) و به سمت تحریم های به تاخیر افتاده (الماس، 2005) مطالعات دیگر فرض شده است که این پیوند ممکن است توسط اختلال عملکرد حافظه کاری در ADHD توضیح داده شود که به عنوان یک Endofenotype ضروری از ADHD (Castellanos & Tannock ، 2002) با اشاره به این موارد، برنامه های آنلاین مانند بازی های چند نفره آنلاین، از طریق نمایش اهداف مأموریت برای غلبه بر این نارسایی ها، کمک های خود را به دست می آورند و از این رو بر سر ناامیدی و عملکرد ضعیف در زندگی واقعی غلبه می کنند. در نتیجه، افراد مبتلا به ADHD ممکن است برنامه های کاربردی پیچیده بازی های آنلاین را ترجیح دهند، که باعث می شود آنها برای توسعه استفاده از رسانه های آسیب پذیر (ین ، ین ، چن ، تانگ و کو ، 2008) جالب اینجاست که کوپ و همکاران (1998) گزارش دادند که بازی های ویدئویی منجر به انتشار دوپامین می شود که احتمالا منجر به تمرکز و عملکرد بهتر می شود، که ممکن است به عنوان یک تسکین توسط افرادی که مهارت های شناختی در زندگی واقعی دچار اختلال شده اند، درک شود. این متن با کاربرد ویژه طراحی شده است بازی های جدی برای درمان آفلاین بیماران مبتلا به ADHD از جمله برنامه های نوروفیدبک (لاو ، اسمیت ، فلمینگ و ریپر ، 2017) امروزه بازی های ویدئویی عمدتا در دستگاه های آنلاین و در حالت های آنلاین پخش می شوند. علاوه بر این، بازی های آنلاین به تدریج جنبه های قمار، خرید و شبکه های اجتماعی را (گینزبری ، هینگ ، دلفابرو و کینگ ، 2014)، که دارای ویژگی های بیشتر اعتیاد آور است. وابستگی های رفتاری مشابه مانند اختلال قمار، خرید پاتولوژیک و اختلال اضطرابی که با ADHD هم مرتبط است (Blankenship & Laaser ، 2004; بروک ، چنشو ، بروک و لوکفلد ، 2016)، خود را بیشتر و بیشتر در اینترنت آشکار می کنند و در این امر پویایی و پدیده شناسی جدیدی به دست می آورند (دیتمار ، لانگ و باند ، 2007; جوان، 2008) با توجه به این تحولات مداوم در خصوص انتقال و ادغام دیجیتال، مهم است که به دیگر اشکال خاص و کلی استفاده از اینترنت بیش از حد یا معتاد از فرایند IGD توجه داشته باشید. به تازگی، کارشناسان تمایل دارند که اصطلاح "اختلال مصرف اینترنت" (IUD؛ انجمن روانپزشکی آمریکا، 2013)، که اشاره به استفاده بی خطر از اینترنت بیش از حد است که منفی را با زندگی روزمره تداخل می کند. در واقع، IUD در حال حاضر با ADHD نیز مرتبط است. در کنار افسردگی و اختلالات اضطرابی، مشخص شده است که همواری مشترک IUD ها به طور کلی (کو ، ین ، ین ، چن و چن ، 2012) علاوه بر این، بیماران مبتلا به ADHD و IUD به نظر میرسد خطر بیشتری برای ایجاد اعتياد به فرم ديگر داشته باشند. در یک زمینه بالینی، این یک یافته قابل توجه است، چرا که این بیماران نیاز به آگاهی متمایز در مورد تغییر بالقوه در پاتولوژی اعتیاد در طول خروج و توانبخشی. با این حال، در مورد همپوشانی و ارتباط بین IUD و ADHD به ویژه در بالغین بالغ شناخته شده است. بنابراین، منطقی است که رابطه بین ADHD و IUD را از دیدگاه بالینی بررسی کنیم. مطالعات متعددی وجود دارد که گروههای بزرگ در این مقوله ها بیشتر در سطح بالینی قرار دارند (ین و همکاران ، 2008) با این حال، تنها چند مطالعه با نمونه های بالینی شامل ADHD (هان و همکاران ، 2009) و یا استفاده از اینترنت در معرض خطر (PIU) (برناردی و پالانتی ، 2009) به نظر ما، این اولین مطالعه برای مقایسه گروهی از بیماران مبتلا به ADHD با گروهی از بیماران مبتلا به IUD است که نه تنها با کنترل، بلکه همچنین با یکدیگر برای بررسی بیشتر مشترکات و تفاوتهایشان هستند. مطالعه برگرفته از فرضیه است که یک تقاطع قاطع از روانپزشکی وجود دارد که باید به طور مشخص در هر دو صورت درمانی و پیشگیرانه مورد توجه قرار گیرد. دقیق تر، ما انتظار داریم که اندازه گیری های ADHD به میزان قابل توجهی با اندازه گیری های اعتیاد به اینترنت مرتبط باشد.
مواد و روش ها
دو گروه بالینی (ADHD و IUD) و دو گروه کنترل در دانشکده پزشکی هانوور (MHH) استخدام شدند. این روش شامل شرکت کنندگان در 25 می باشد که این امکان را برای مقایسه هر گروه بالینی با گروه کنترل و هر دو گروه بالینی با یکدیگر فراهم می کند. در طی اولین قرار ملاقات، بیماران با قصد درمان باید با مصاحبه تشخیصی کاملا ارزیابی شوند. کسانی که معیارهای ADHD یا IUD را برآورده می کنند، برای شرکت در مطالعه انجام شده در یک انتصاب دوم دعوت شدند.
گروه ADHD و گروه کنترل آن
شرکت کنندگان گروه ADHD به طور انحصاری از کلینیک بستری بزرگسال ADHD MHH استخدام شدند. بیماران با ارزیابی تشخیصی کامل در مورد علائم ADHD و همراهی همراهی خود دریافت کردند. در طی فرایند تشخیصی، افراد برای ابزار اصلی تشخیصی دعوت شدند، مصاحبه بالینی مصاحبه تشخیصی ADHD بالغ بزرگسالان برای DSM-IV (CAADID؛ اپشتین ، جانسون و کانرز ، 2001) در اینجا 18 DSM-IV معیار ADHD به دو حوزه بالینی ناخواسته (نه مورد) و بیش فعالی / تکانشی (موارد 6 / 3) مربوط به دوران کودکی و بزرگسالی با اکتشاف کامل ارزیابی شد. ADHD تنها تشخیص داده شد که معیارهای DSM-IV برآورده شود، بدین معنی است که حداقل 6 عدد از نه علامت باید در یک یا هر دو حوزه در دوران کودکی و بزرگسالی حضور داشته باشند. ارزیابی با پرسشنامه های خود گزارش شده (زیر را ببینید). در طول مدت زمان 1.5، کیت های بررسی 50 برای بیماران مبتلا به ADHD تشخیص داده شد که بین 18 و 65 سال بودند و سطح هوش معنی کلامی را نشان دادند [آزمون هوش مکالمه چند گزینه ای (MWT-B) IQ از 100 ± 15]. در مجموع تعداد بیماران 25 بررسی های خود را بازبینی کردند که برابر با میزان پاسخ 50٪ است. در همان زمان، گروه کنترل از طریق اعلامیه های مربوط به تطبیق MHH با توجه به توزیع جنسیت، سن و تحصیلات مدرسه استخدام شد. معیارهای ورود به گروه کنترل عبارت بودند از: سطح هوش متوسط کلامی و عدم وجود سابقه بیماری روحی. کنترل برای ADHD و IUD مورد بررسی قرار گرفت.
گروه IUD و گروه کنترل آن
گروه IUD در درمانگاه سرپایی بیمارستان MHH برای اختلالات مرتبط با وسائل ارتباطی متخصص در اعتیاد به اینترنت استخدام شد. معیارهای ورود عبارت بودند از: تشخیص IUD با توجه به معیارهای Young (1996) و ریش (ریش و گرگ ، 2001) (جدول 1) و قصد درمان، سن بین 18 و 65، و سطح هوش متوسط کلامی. اگر معیارهای ورود به مطالعه برآورده شود، شرکت کنندگان به یک مصاحبه بالینی دعوت شدند که حاوی اطلاعات جمع آوری اطلاعات است. شرکت کنندگان گروه کنترل در داخل MHH استخدام شدند و برای توزیع متقابل جنسیت، سن و تحصیلات تکمیلی همسان شدند. معیارهای ورود به گروه کنترل عبارت بودند از: سطح هوش متوسط کلامی و عدم وجود سابقه بیماری روحی. کنترل برای ADHD و IUD مورد بررسی قرار گرفت. در مجموع، شرکت کنندگان 25 با کنترل های IUD و 25 استخدام شدند و در نتیجه در این مطالعه قرار گرفتند.
|
جدول 1. معیارهای تشخیصی برای اختلال مصرف اینترنت
| تمام موارد زیر (1-5) باید باشد: |
| 1. مشغول اینترنت است (به فعالیت قبلی آنلاین فکر کنید یا جلسه آنلاین بعدی را پیش بینی کنید). |
| 2. برای دستیابی به رضایت نیاز به استفاده از اینترنت با افزایش زمان دارد. |
| 3. برای کنترل ، قطع یا توقف استفاده از اینترنت تلاش های ناموفقی انجام داده است. |
| 4- هنگام تلاش برای قطع یا توقف استفاده از اینترنت ، بی قرار ، بدخلق ، افسرده یا تحریک پذیر است. |
| 5- مدت طولانی تری از آنچه در نظر گرفته شده بود در اینترنت باقی مانده است. |
| حداقل یکی از موارد زیر: |
| 1. از بین رفتن رابطه معنادار ، شغل ، تحصیلات یا فرصت شغلی را به خطر انداخته یا خطر آن را به خطر انداخته است. |
| 2. به اعضای خانواده ، درمانگر یا دیگران دروغ گفته است تا میزان درگیری با اینترنت را پنهان کند. |
| 3. از اینترنت به عنوان راهی برای فرار از مشکلات یا تسکین روحیه بدخلقی (به عنوان مثال ، احساس درماندگی ، احساس گناه ، اضطراب و افسردگی) استفاده می کند. |
توجه داشته باشید. اقتباس از جوان (1996) و ریش و گرگ (2001).
شرکت کنندگان هر چهار گروه در مورد دستکاری محرمانه اطلاعات و اهداف مطالعه مطلع شدند. جدول 2 یک نمای کلی از اطلاعات دموگرافیک نمونه را فراهم می کند.
|
جدول 2. اقدامات بالینی مقدار میانگین (SD)
گروه ADHD (n = 25) | گروه کنترل (n = 25) | آمار | گروه IUD (n = 25) | گروه کنترل (n = 25) | آمار | آمار (ADHD در مقابل IUD) | |
|---|---|---|---|---|---|---|---|
| ISS | 36.36 (17.45) | 23.00 (4.34) | U = 117.0 ** | 53.28 (12.99) | 24.88 (6.62) | U = 28.0 ** | U = 135.0 * |
| از دست دادن کنترل | 9.68 (4.09) | 4.84 (1.41) | U = 72.0 ** | 11.92 (3.49) | 5.28 (2.01) | U = 41.0 ** | U = 216.0 ، تعداد |
| علائم برداشت | 6.56 (3.66) | 4.24 (0.72) | U = 72.0 * | 10.12 (3.27) | 4.28 (0.74) | U = 34.0 ** | U = 140.50 * |
| توسعه تحمل | 7.92 (4.06) | 5.72 (2.51) | U = 208.0 ، تعداد | 12.64 (3.29) | 6.56 (2.95) | U = 64.0 ** | U = 114.50 ** |
| روابط اجتماعی | 6.32 (3.73) | 4.12 (0.44) | U = 192.0 * | 10.28 (3.61) | 4.36 (1.08) | U = 50.0 ** | U = 137.50 * |
| تأثیر بر عملکرد کار | 5.88 (3.66) | 4.08 (0.40) | U = 221.50 ، تعداد | 8.32 (3.57) | 4.40 (1.44) | U = 76.0 ** | U = 164.50 * |
| WURS-k | 41.68 (16.52) | 10.20 (9.97) | U = 26.0 ** | 27.29 (17.30) | 13.84 (11.35) | U = 131.50 ، تعداد | U = 125.0 ، تعداد |
| CAARS (میانگین مقادیر T) | |||||||
| مشکل غیر قابل توجه / حافظه | 80.05 (11.82) | 46.56 (8.91) | U = 2.50 ** | 61.77 (13.55) | 45.08 (8.36) | U = 67.50 ** | U = 69.50 ** |
| بیش فعالی / بی حسی | 69.86 (18.19) | 48.32 (10.68) | U = 93.00 ** | 49.77 (13.81) | 49.38 (10.13) | U = 254.50 ، تعداد | U = 93.00 * |
| لرزش عاطفی | 77.29 (14.21) | 47.36 (10.96) | U = 33.00 ** | 58.48 (16.55) | 48.13 (10.44) | U = 153.00 ، تعداد | U = 84.00 * |
| مشکلات خودمفهوم | 67.14 (12.11) | 44.40 (10.80) | U = 44.00 * | 58.68 (13.93) | 43.13 (9.82) | U = 95.50 ** | U = 146.00 ، تعداد |
| DSM-IV: بی توجهی | 80.43 (11.91) | 45.16 (7.48) | U = 4.50 ** | 57.41 (14.69) | 43.79 (7.47) | U = 112.00 * | U = 53.00 ** |
| DSM-IV: تحریک بیش از حد فعال | 73.29 (14.34) | 50.48 (8.90) | U = 50.00 ** | 53.14 (14.96) | 51.21 (8.83) | U = 255.00 ، تعداد | U = 76.50 ** |
| DSM-IV: علائم ADHD | 80.29 (12.95) | 47.76 (8.51) | U = 17.50 ** | 56.27 (14.51) | 47.42 (8.40) | U = 161.00 ، تعداد | U = 56.00 ** |
| شاخص ADHD | 82.00 (10.19) | 47.56 (9.92) | U = 13.00 ** | 61.09 (15.47) | 48.08 (10.95) | U = 127.50 * | U = 60.00 ** |
| DSM-IV خود ارزیابی مقیاس برای ADHD | |||||||
| ترکیب شده | 9 (36٪) | - | 3 (12٪) | - | |||
| بی توجهی | 8 (38٪) | - | χ2 (3) = 31.28 ** | 2 (8٪) | 2 (8٪) | χ2 (3) = 4.03، ns | χ2 (3) = 14.05 * |
| بیش فعالی-تحریک پذیر | 1 (4٪) | 1 (4٪) | 2 (8٪) | 2 (8٪) | |||
| نه | 3 (12٪) | 23 (92٪) | 15 (60٪) | 15 (60٪) | |||
| BDI | 16.96 (9.91) | 2.76 (3.66) | U = 46.50 ** | 18.54 (8.40) | 2.92 (3.42) | U = 16.50 ** | U = 277.0 ، تعداد |
| SCL-90-R / ارزش T همبستگی | |||||||
| GSI | 0.94 (0.50) / 63 | 0.23 (0.35) / 49 | U = 61.0 ** | 0.88 (0.45) / 62 | 0.25 (0.36) / 50 | U = 74.0 ** | U = 269.00 ، تعداد |
| PST | 42.20 (16.92) / 59 | 14.28 (15.78) / 48 | U = 70.0 ** | 40.68 (19.48) / 59 | 15.40 (16.23) / 48 | U = 99.50 ** | U = 301.0 ، تعداد |
| PSDI | 1.89 (0.43) / 63 | 1.19 (0.33) / 49 | U = 59.50 ** | 1.82 (0.43) / 62 | 1.25 (0.31) / 52 | U = 63.50 ** | U = 258.0 ، تعداد |
| MWT-B | 29.71 (3.54) | 29.40 (3.49) | U = 287.50 ، تعداد | 28.65 (3.66) | 26.84 (4.39) | U = 236.50 ، تعداد | U = 236.0 ، تعداد |
توجه داشته باشید. مجموعه داده های موجود در گروه ADHD از n = 20-25 و در گروه کنترل آن از n = 24–25. در گروه IUD شامل مجموعه داده های دسترسی از n = 20-25 و در گروه کنترل آن از 24 تا 25. نواحی سایه خاکستری نشان دهنده مقایسه آماری بین گروه بالینی و کنترل مربوطه است. ستون آخر نشان دهنده مقایسه آماری بین هر دو گروه بالینی است. ADHD: اختلال بیش فعالی با کمبود توجه. آی یو دی: اختلال استفاده از اینترنت. ISS: Internetsuchtskala ؛ WURS-k: مقیاس رتبه بندی وندر یوتا ؛ CAARS: مقیاس رتبه بندی ADHD بزرگسالان کانر. BDI: پرسشنامه افسردگی بک ؛ SCL-90-R: Symptom-checklist-90 - بازبینی شده ؛ GSI: شاخص شدت جهانی ؛ PST: مجموع علائم مثبت؛ MWT-B: آزمون هوش واژگان چند گزینه ای ؛ SD: انحراف معیار؛ ns: قابل توجه نیست
*p 01/XNUMX. **p <.001
پرسشنامه ها
پرسشنامه عمومی
پرسشنامه عمومی به طور خاص برای مطالعات طراحی شده بود. بخش اول شامل سوالات مربوط به اطلاعات جمعیت شناختی مربوط به مشارکت، تحصیلات و حرفه است. علاوه بر این، از شرکت کنندگان خواسته شد تا بیماری های پیش از ازدواج و درمان های سابق را گزارش دهند. قسمت دوم برای ارزیابی رفتار رسانه ای طراحی شده است. در اینجا، شرکت کنندگان می توانند استفاده رسانه ای خود را از لحاظ محتوا، فرکانس و مدت زمان تعیین کنند. علاوه بر این، آنها در مورد جنبه های انگیزشی و اشتیاق در مورد استفاده از رسانه های آنها خواسته شد و اگر آنها در نهایت خود را به عنوان معتاد به استفاده از رسانه های خاص درک کردند.
DSM-IV خود ارزیابی مقیاس برای ADHD
لیست DSM-IV علائم یک ابزار گذشته نگر برای تشخیص ADHD در دوران کودکی و نوجوانی است. اساسا، سازگاری معیارهای تشخیص DSM-IV (انجمن روانپزشکی آمریکا، 2000) این شامل اقلام 18 است که به حوزه های بالینی ناآگاه تقسیم می شوند (نه مورد)، بیش فعالی (شش مورد) و تکانشی (سه مورد). این ابزار اجازه می دهد تا تشخیص اختلال مخلوط، عمدتا بی توجه و یا عمدتا بیش فعالی از ADHD. برای تشخیص ADHD، حداقل 6 عدد از نه علامت به طور دائمی برای 6 ماه در طول سن 6-12 سال هستند. با سازگاری مستقیمی از معیار DSM-IV، این ابزار اعتبار بالا معیار را نشان می دهد.
مقیاس رتبه بندی استرالیا یوتا (WURS-k)
مقیاس رتبه بندی Wender Utah (WURS) ابزاری محبوب برای ارزیابی ابعاد گذشته نگر ADHD در دوران کودکی برای بزرگسالان است و به طور گسترده ای در این زمینه استفاده شده است. Retz-Junginger و همکاران (2002) یک نسخه کوتاه آلمانی (WURS-k) از WURS حاوی موارد 25 را نشان داد که نشان دهنده یک بررسی اقتصادی گذشتهنگرانه از علائم ADHD در دوران کودکی بود. شرکت کنندگان لیستی از اظهارات را دریافت می کنند که از آنها خواسته می شود تا در طی سن بین 8 و 10 یک رفتار توضیحی، ویژگی یا مشکل توضیح داده شود (مثلا، به عنوان یک کودک بین 8 و 10، من مشکل داشتم که تمرکز کنم یا به راحتی قابل تشخیص بود) در اینجا، پاسخ ها را می توان در یک مقیاس 5 در مقیاس لیکرت اعم از [0] به [4] به شدت تلفظ نمی شود. برای نمره کلی، یک نقطه برش از امتیازات 30 ADHD پیش از موعد را در دوران کودکی نشان می دهد. نسخه کوتاه نشان داد که ویژگی های روانشناسی رضایت بخش از نظر ساختار عامل، قابلیت اطمینان (تقسیم نصف: r12 = .85) و سازگاری داخلی (α = 0.91) (Retz-Junginger و همکاران ، 2003).
مقیاس های ADHD بزرگسالان کانرز (CAARS)
طراحی شده توسط 1999 توسط Conners [نگاه کنید به Macey (2003) برای توصیف دقیق] CAARS یکی از ابزارهای معتبرتر برای تشخیص و ارزیابی علائم ADHD در دوران بزرگسالی شده است. در اینجا، در مطالعات ارائه شده، نسخه طولانی خود گزارش با موارد 66 اعمال شده است. از پاسخ دهندگان خواسته می شود تا ارزیابی کنند، چقدر یا اغلب یک بیانیه (مثلا من به راحتی نا امید می شوم) در مورد تجربه شخصی آنها اعمال می شود. پاسخ ها در مقیاس 4 درجه ای لیکرت ارائه می شود که دامنه آن [0] به هیچ وجه / هرگز ، [1] کم / بعضی اوقات ، [2] قوی / غالباً و [3] بسیار قوی / خیلی زیاد است. نسخه طولانی گزارش خود اجازه تقسیم به هشت خرده مقیاس را می دهد ، به عنوان مثال ، برای بی توجهی ، بیش فعالی / تکانشگری و علامت گذاری کلی ADHD بر اساس معیارهای DSM-IV برای ADHD. اقتباس آلمانی از کریستینسن ، هیرش ، عبدالحمید و کیس (2014) اعتبار و اعتبار خوبی را نشان داده است.
معیارهای IUD
همانطور که IUD یک پدیده نسبتا جدید است و به دلیل طبقه بندی پدیده شناسی هنوز در حال بررسی به عنوان یک اختلال کنترل ضربه یا اعتیاد به رفتار، هنوز به طور کامل به عنوان یک موجودیت بالینی در ICD-10 و یا DSM-IV شناخته نشده است. با این حال، یک تحقیق رو به رشد نشان می دهد که معیارهای اختلالات مربوط به مواد نیز می تواند به اعتیاد به اینترنت اعمال شود. یک رویکرد مطابق با این تحقیق از سوی Young (1996) که هشت معیار را ایجاد کرده اند که حداقل پنج مورد برای تشخیص اعتياد به اینترنت وجود دارد. ریش و گرگ (2001) اصلاح استفاده از هشت معیار را ارائه داد. با توجه به تعریف آنها، حضور پنج عنصر اول، تمرکز بر رفتار معتاد کننده اولیه، واجب بودن تشخیص اعتبار اینترنتی است. و حداقل یکی از سه معیار آخر باید وجود داشته باشد که در عوض رفتار ناخوشایند را در عملکرد روزانه خود توصیف می کند. در این مطالعه، معیارهای سخت تر که توسط ریش و گرگ پیشنهاد شده است (جدول 1).
Internetsuchtskala (ISS)
در کشورهای آلمانی زبان، ISS [ترجمه آزاد: مقیاس اعتبار اینترنتی، نباید با مقیاس اعتیاد به اینترنت (IAS) Griffiths (1998)] توسط هان و اورشلیم (2003) یک ابزار نسبتا معتبر برای ارزیابی IUD است. بیست مورد پنج جنبه IUD را پوشش می دهد: از دست دادن کنترل (به عنوان مثال وقت بیشتری را صرف اینترنت می کنم همانطور که در اصل در نظر گرفته شده است)، علائم ترک (به عنوان مثال هنگامی که من نمی توانم آنلاین باشم احساس ناراحتی و ناراحتی می کنم)، توسعه تحمل (به عنوان مثال زندگی روزمره من به طور فزاینده ای تحت تاثیر اینترنت قرار می گیرد)، تاثیر منفی بر عملکرد کار (به عنوان مثال عملکرد من در مدرسه یا کار منفی تحت تاثیر استفاده از اینترنت من است) و تاثیر منفی بر روابط اجتماعی (مثلا از آنجا که اینترنت را کشف کردم، فعالیت های کمتری را با دیگران انجام می دهم) هر خرده مقیاس از چهار مورد تشکیل شده است. پاسخ ها در مقیاس 4 درجه ای لیکرت اعمال می شود که دامنه آن [1] اعمال نمی شود ، [2] به سختی اعمال می شود ، [3] بیشتر اعمال نمی شود و [4] دقیقاً اعمال می شود. نمره برش برای شناسایی IUD بر روی> 59 (میانگین پاسخ 3) تنظیم شده است ، در حالی که نمره بین 50 تا 59 (میانگین پاسخ 2 ، 5) نشان دهنده سو mis استفاده و خطر ابتلا به IUD است. ISS از نظر سازگاری درونی 0.93/0.80 = α برای نمره کلی و XNUMX/XNUMX = α برای پنج خرده مقیاس و همچنین اعتبار با معیارهای خارجی ، به عنوان مثال ، تکانشگری (برای بررسی ، نگاه کنید به خواص روان سنجی رضایت بخش). هان و اورشلیم ، 2010).
پرسشنامه افسردگی بک (BDI)
BDI مبتنی بر DSM (Beck، Ward، Mendelson، Mock، & Erbaugh، 1961) یکی از رایج ترین ابزار برای اندازه گیری افسردگی در تحقیقات و فعالیت های بالینی است. خواص روان سنجی عالی آن اجازه می دهد تا ارزیابی قابل اعتماد و معتبر از شدت افسردگی انجام شود. سازگاری آلمان (هاوتزینگر ، کلر و کوهنر ، 2006) شامل اقلام 21 اجازه می دهد برای محاسبه نمره کلی. پاسخ ها در مقیاس لیکرت نقطه 4 ساخته می شوند. مقادیر 0 به 13 بیانگر افسردگی نیستند، مقادیری از 14 به 19 کد افسردگی خفیف، مقادیر 20 به 28 نشان دهنده افسردگی متوسط است و مقادیر بالای 28 نشان دهنده افسردگی شدید است. سازگاری آلمانی BDI با اعتبار بالا و روایی معیار (کوهنر ، بورگر ، کلر و هاوتزینگر ، 2007).
Symptom-checklist-90 - تجدید نظر شده (SCL-90-R)
SCL-90-R (Derogatis، 1977) اختلال ذهنی را با علائم جسمی و روانی طی 7 روز گذشته اندازه گیری می کند. این پرسشنامه شامل 90 ماده است که 83 مقاله از آنها 7 حوزه علامت را در بر می گیرد: جسمی سازی ، وسواس فکری-عملی ، حساسیت بین فردی ، افسردگی ، اضطراب ، خصومت ، اضطراب هراس ، ایده پارانوئید و روان پریشی. مجموع نه مورد به چندین شاخص جهانی اضافه می شود (به زیر مراجعه کنید). از پاسخ دهندگان خواسته شده است که نشان دهند که در طی 5 روز گذشته تحت چه علامت مشخصی به چه شدت دچار شده اند. پاسخ ها در مقیاس XNUMX درجه ای لیکرت داده می شوند. موجودی اجازه می دهد تا سه شاخص جهانی ایجاد شود: شاخص شدت جهانی ، مجموع علائم مثبت و شاخص پریشانی علائم مثبت. اقتباس آلمانی از Franke (2016) سازگاری داخلی بالا را برای مقیاس جهانی و تمام خرده مقیاس ها و نیز اعتبارات همگرا (اشمیتز و همکاران ، 2000).
آزمون هوش معنوی چند گزینه ای (MWT-B)
MWT-B توسط Lehrl، Triebig، و فیشر (1995) موجودی است که سطح هوش عمومی را از نظر هوش کلامی متبلور در بزرگسالان از 20 تا 64 سال ارزیابی می کند. این شامل 37 مورد است که از پاسخ دهندگان خواسته می شود تنها کلمه آلمانی را در یک ردیف از پنج کلمه پیدا کنند و علامت گذاری کنند . این یک ابزار بسیار اقتصادی است زیرا اتمام به طور معمول فقط 5 دقیقه طول می کشد. نمره خام (تعداد پاسخ های صحیح) را می توان با در نظر گرفتن سن فرد به مقدار ضریب هوشی تبدیل کرد.
تحلیل دادهها
برای بررسی اینکه آیا داده ها به پارامترهای روش تجزیه و تحلیل اجازه می دهند، روش ترکیبی انتخاب شد. ابتدا آزمونهای اهمیت (آزمونهای Kolmogorov-Smirnov و Shapiro-Wilk) برای بررسی نرمال توزیع مورد استفاده قرار گرفتند. علاوه بر این، برای تجزیه و تحلیل عادی داده ها، گرافیکی (هیستوگرام، قطعه Q-Q و پلات P-P) و رویکردهای عددی که شامل محاسبه گره و گرایش توزیع ها هستند، مورد استفاده قرار می گیرد. برای تجزیه و تحلیل اقدامات بالینی، مقایسه ساده ابزارها انتخاب شد. از کجا پارامترهای مناسب مناسب بودند، نمونه های مستقل tتستها انجام شد. برای روش های غیر پارامتری Mann-Whitney U آزمایش انجام شد. مجموعه داده های گم شده در پاورقی جداول برجسته شده است. برای متغیرهای دسته ای، χ2 آزمایشات محاسبه شد. با توجه به حجم نمونه های کوچک و مقایسه های چندگانه در نمونه ها، سطح اهمیت برای 0.01 (دو باله) برای تمام تجزیه و تحلیل ها تعیین شد. بنابراین، آمار ارائه شده، یک روش تجزیه و تحلیل محافظه کارانه است.
اصول اخلاق
روش های مطالعه مطابق با اعلامیه هلسینکی و مطابق با الزامات کلیه استانداردهای اخلاقی محلی و بین المللی انجام شده است. کمیته اخلاق نهادی [دانشکده پزشکی هانورور] این مطالعه را تایید کرد. همه افراد در مورد مطالعه مطلع شدند و همه رضایت آگاهانه دریافت کردند و برای مشارکت آنها جبران نشد.
نتایج
اقدامات بالینی
تمام بیماران مبتلا به ADHD بر اساس CAADID تشخیص داده شدند که توسط متخصصین بالینی انجام شده است. استفاده از پرسشنامه یک مکمل اضافی بود. لازم به ذکر است که تشخیص بیشتر مبتنی بر مصاحبه بالینی ساختاری لزوما به این معنی نیست که همه افراد به قطع متقاطع در پرسشنامه می رسند (جدول 3).
|
جدول 3. نمونه جمعیتی
گروه ADHD (n = 25) | گروه کنترل (n = 25) | آمار | گروه IUD (n = 25) | گروه کنترل (n = 25) | آمار | آمار (ADHD در مقابل IUD) | |
|---|---|---|---|---|---|---|---|
| جنسیت (مرد / زن) | 14/11 | 14/11 | 19/6 | 19/6 | |||
| سن (متوسط در سال (SD)] | 38.8 (10.22) | 38.16 (10.84) | U = 301.0, NS | 29.36 (10.76) | 29.48 (9.96) | U = 302.0, NS | U = 158.5 ، تعداد |
| IQ [mean (SD)] | 109.92 (14.43) | 108.36 (11.22) | U = 289.50 ، تعداد | 106.61 (13.11) | 101.72 (10.10) | U = 236.50 ، تعداد | U = 236.0 ، تعداد |
| تحصیلات مدرسه ای (٪) | |||||||
| دانش آموز مدرسه | - | - | χ2 (2) = 2.03، ns | 1 (4٪) | 1 (4٪) | χ2 (3) = 0.36، ns | χ2 (3) = 5.92، ns |
| مدرسه مدرن متوسطه | 8 (32٪) | 5 (20٪) | 2 (8٪) | 2 (8٪) | |||
| مدرسه متوسطه | 10 (40٪) | 15 (60٪) | 10 (40٪) | 12 (48٪) | |||
| مدرسه راهنمایی / دبیرستان | 7 (28٪) | 5 (20٪) | 12 (48٪) | 10 (40٪) | |||
| تحصیلات حرفه ای (٪) | |||||||
| هیچ | 4 (16٪) | 2 (8٪) | χ2 (5) = 3.47، ns | 9 (36٪) | - | χ2 (6) = 13.61، ns | χ2 (6) = 12.92، ns |
| در آموزش (کارآموزی) | - | - | 3 (12٪) | 4 (16٪) | |||
| کارآموزی پایانی | 14 (56٪) | 16 (64٪) | 6 (24٪) | 11 (44٪) | |||
| دانشکده فنی | 4 (16٪) | 2 (8٪) | 1 (4٪) | 2 (8٪) | |||
| مدرک دانشگاهی | 2 (8٪) | 4 (16٪) | 5 (20٪) | 5 (20٪) | |||
| دیگر | - | - | - | 3 (12٪) | |||
| وضعیت شغلی / کار (٪) | |||||||
| بله، آموخته ام | 9 (36٪) | 16 (64٪) | χ2 (5) = 5.00، ns | 9 (36٪) | 15 (60٪) | χ2 (6) = 12.41، ns | χ2 (7) = 10.29، ns |
| بله، دیگر | 6 (24٪) | 5 (20٪) | 2 (8٪) | 3 (12٪) | |||
| بله، محافظت شده | 1 (4٪) | - | - | - | |||
| نه، شکستن خانواده | 2 (8٪) | 1 (4٪) | - | 2 (8٪) | |||
| نه، بدون شغل | 5 (20٪) | 2 (8٪) | 6 (24٪) | 1 (4٪) | |||
| نه، بیمار دائمی | - | - | 4 (16٪) | - | |||
| نه، در حقوق بازنشستگی | - | - | 1 (4٪) | - | |||
| نه دیگر | 2 (8٪) | 1 (4٪) | 3 (12٪) | 4 (16٪) | |||
| شراکت (٪) | |||||||
| تنها | 6 (24٪) | 4 (16٪) | χ2 (3) = 3.09، ns | 11 (44٪) | 9 (36٪) | χ2 (4) = 8.38، ns | χ2 (4) = 12.77، ns |
| در همکاری | 7 (28٪) | 6 (24٪) | 12 (48٪) | 10 (40٪) | |||
| متاهل | 8 (32٪) | 14 (56٪) | - | 6 (24٪) | |||
| جدا / طلاق | 3 (12٪) | 1 (4٪) | 1 (4٪) | - | |||
| بیوه | - | - | 1 (4٪) | - | |||
| بیماری های پرخطر [n (٪)] | |||||||
| افسردگی | 14 (56٪) | 0% | - | 12 (48٪) | 0% | - | χ2 (1) = 0.32، ns |
| اختلال اضطراب | 7 (28٪) | 0% | - | 6 (24٪) | 0% | - | χ2 (1) = 0.10، ns |
| OCD | 1 (4٪) | 0% | - | 1 (4٪) | 0% | - | χ2 (1) = 0، ns |
| اختلال خوردن | 4 (16٪) | 0% | - | 2 (8٪) | 0% | - | χ2 (1) = 0.76، ns |
| اختلال سازگاری | 1 (4٪) | 0% | - | - | 0% | - | χ2 (1) = 1.02، ns |
| اختلال کمردرد | 1 (4٪) | 0% | - | - | 0% | - | χ2 (1) = 1.02، ns |
| اختلال روانشناختی | 5 (20٪) | 0% | - | 3 (12٪) | 0% | - | χ2 (1) = 0.60، ns |
| PTSD | 2 (8٪) | 0% | - | - | 0% | - | - |
| اختلال تجزیه هویت | - | 0% | - | 2 (8٪) | 0% | - | - |
| شخصیت مرزی | 1 (4٪) | 0% | - | - | 0% | - | |
| اختلال شخصیت دیگر | 1 (4٪) | 0% | - | 2 (8٪) | 0% | - | χ2 (1) = 0.36، ns |
| اختلال وابستگی | 3 (12٪) | 0% | - | 1 (4٪) | 0% | - | χ2 (1) = 1.09، ns |
| جنون جوانی | 1 (4٪) | 0% | - | 1 (4٪) | 0% | - | χ2 (1) = 0، ns |
| ADHD | 10 (40٪) | 0% | - | 0 (0٪) | 0% | - | χ2 (1) = 12.50 * |
| دیگر | 0 (0٪) | 0% | 4 (16٪) | 0% | χ2 (1) = 4.35 |
توجه داشته باشید. مناطق سایه دار خاکستری نشان دهنده مقایسه آماری بین گروه بالینی و کنترل است. ستون نهایی نشان دهنده مقایسه آماری بین دو گروه بالینی است. SD: انحراف معیار؛ IUD: اختلال مصرف اینترنت؛ ADHD: اختلال بیش فعالی کمبود توجه؛ OCD: اختلال وسواس فکری PTSD: اختلال استرس پس از سانحه.
چهار مجموعه داده ها از دست رفته، یک مجموعه داده از دست رفته، سه مجموعه داده ها گم شده است.
*p 01/XNUMX. **p <.001
DSM-IV خود ارزیابی مقیاس برای ADHD
درباره 18 از بیماران مبتلا به ADHD 25 (72٪) در این مقیاس خود ارزیابی به حد مطلوب رسید. این گروه عمدتا معیارهای زیرمجموعه ترکیبی (36٪) را مستقیما به دنبال زیرمجموعه نامناسب (32٪) رعایت کرد. در یک مورد، یک زیرمجموعه هیپوپروتای-امپدانس یافت شد (4٪) و سه نفر از آنها به قطع (12٪) برسند. چهار مجموعه داده مربوط به اطلاعات معیار DSM از دست رفته بود (16٪).
درباره 7 از بیماران مبتلا به IUD 25 (28٪) مثبت برای ADHD در معیارهای DSM مورد آزمایش قرار گرفت. در اینجا، شایعترین زیرمجموعه (12٪) بود. دو مورد مثبت برای زیر نوع نادری (8٪) و زیرتایپ پرتحرک (8٪) مثبت بودند. در موارد 15 (60٪) قطع روان سنجی برای ADHD رد نشد و سه مجموعه داده (12٪) از دست رفته بود. اختلاف معنی داری بین گروه IUD و کنترل آنها در مورد معیارهای DSM وجود نداشت. در نهایت، هر دو گروه بالینی به طور معنی داری از نظر یکدیگر در رابطه با توزیع زیرسیستم ترکیبی و بی توجهی به نفع گروه ADHD متفاوت بودند. اختلاف معنی داری در مورد نوع زیرپوپروتئین hyperactive-impulse یافت نشد.
WURS-k
نتایج بر روی WURS-k نشان دهنده ADHD پیش از موعد برای گروه ADHD بر اساس میانگین نمره (M = 41.68 ، SD = 16.52) در سطح فردی ، 18 (72٪) از شرکت کنندگان مقداری برابر یا بالاتر از 30 قطع داشتند. در کل ، گروه ADHD به طور قابل توجهی با گروه کنترل متفاوت بود (U = 26.00 ، p <.001). با در نظر گرفتن میانگین نمره ، گروه IUD مقدار بالایی از WURS-k نزدیک بودن به برش پیشنهادی را نشان داد که نشانگر افزایش علائم ADHD در دوران کودکی است (M = 27.29 ، SD = 17.30). در سطح فردی ، هشت مورد IUD (32٪) به مقداری رسیدند که برابر یا بالاتر از حد قطع بود. هر دو گروه بالینی با توجه به علامت گذاری ADHD خود گزارش شده در دوران کودکی تفاوت قابل توجهی با یکدیگر نداشتند.
CAARS
همان طور که CAARS بر اساس نمرات خام بر اساس قطعنامه ارائه نمی کنند و فقط دارای هنجارهای خاص جنسی هستند، tامتیازات کتاب توسط Christiansen و همکاران. (2014) گزارش شده است که ابعاد علائم بالینی ADHD را ارزیابی می کنند. اینجا، tامتیازات برابر یا بالاتر از 65 به عنوان بالینی مرتبط هستند. این tامتیاز بین 60 و 65 حاوی علائم بالینی بالا است که بالاتر از سطح طبیعی است و به عنوان مرزی برای ابعاد بالینی مشخص شده است. گروه ADHD نمرات بسیار بالایی و بالینی مرتبط را در تمام ابعاد CAARS نشان داد و از کنترل آنها به طور قابل توجهی متفاوت بود. در سطح فردی، افراد 19 (76٪) از گروه ADHD سطح بالینی مربوط به DSM-IV را نشان دادند که ADHD مداوم را در اغلب موارد نشان می دهد. گروه IUD کمی نسبت به نمرات بالا در CAARS نشان داد. آنها به طور معنی داری از کنترل های آنها بر روی ابعاد مختلف متفاوت بود، به غیر از کمپرستی خرده مقیاس ها، تکانشگری، DSM-IV بیش از حد تحریک کننده و علائم ADHD DSM-IV. در سطح فردی، پنج مورد (20٪) معیارهای سنجش سنجی CAARS DSM-IV ADHD را برآورده کردند. در مقایسه مستقیم بین دو گروه بالینی، گروه ADHD در اکثریت قریب به اتفاق از دیدگاه CAARS به جز مشکلات مربوط به خودپنداره از گروه IUD متفاوت بود.
ISS
به طور کلی، بیماران ADHD در مقایسه با کنترل آنها، نمره ISS را به میزان قابل توجهی بالاتر نشان دادند [(M = 36.36 ، SD = 17.45) در مقابل (M = 23.00 ، SD = 4.34)] ، در حالی که میانگین برای استفاده از اینترنت با مشکل و آسیب شناختی به حد نهایی نرسیده است. در سطح خرده مقیاس ، گروه ADHD به طور قابل توجهی سطح بالاتری را برای از دست دادن کنترل نشان داد (M = 9.68 ، SD = 4.09) ، علائم ترک (M = 6.56 ، SD = 3.66) ، و تأثیر منفی بر روابط اجتماعی (M = 6.32 ، SD = 3.73) در مقایسه با گروه کنترل آنها. در سطح فردی ، پنج بیمار (20٪) نمرات مساوی یا بالاتر از حد قطع را برای خطر ابتلا به اعتیاد به اینترنت نشان دادند. سه بیمار (12٪) در واقع مقادیر مساوی یا بالاتر از حد اعتیاد را نشان دادند. در گروه IUD ، ISS برای چهار بیمار (16٪) و استفاده از اینترنت پاتولوژیک (10٪) استفاده مشکل ساز را نشان داد. در سطح خرده مقیاس ، گروه IUD از دست دادن کنترل بالاتری را نشان داد (M = 11.92 ، SD = 3.49) ، علائم ترک (M = 10.12 ، SD = 3.27) ، توسعه تحمل (M = 12.64 ، SD = 3.29) ، تأثیر منفی بر روابط اجتماعی (M = 10.28 ، SD = 3.61) ، و عملکرد کاری (M = 8.32 ، SD = 4.40) در مقایسه با گروه کنترل آنها. در مقایسه مستقیم ، گروه IUD در هر بعد ISS به طور معنیداری از گروه ADHD فراتر رفت از دست دادن کنترل خرده مقیاس
BDI و SCL-90-R
به طور کلی، بیماران ADHD ارزش هایی را نشان می دهند که افسردگی خفیف دارند (M = 16.96 ، SD = 9.91). علاوه بر این ، آنها به طور قابل توجهی با کنترل خود متفاوت است. در میان بیماران ADHD ، 13 نفر (52٪) از نظر بالینی افسرده ارزیابی شدند. گروه IUD علائم افسردگی کمی شدیدتر را نشان داد ، که از نظر BDI هنوز خفیف بود (M = 18.54 ، SD = 8.40) در اینجا ، 15 بیمار (60٪) به عنوان بالینی افسرده ارزیابی شدند. باز هم ، این گروه تفاوت معنی داری با گروه کنترل خود داشتند. بین هر دو گروه بالینی تفاوت معنی داری وجود نداشت. با توجه به SCL-90-R ، هر دو گروه بالینی به طور قابل توجهی از کنترل خود در همه شاخص ها متفاوت بودند. در مقایسه مستقیم ، هر دو گروه بالینی تفاوت معنی داری نشان ندادند اما نمرات بالایی را نشان دادند که به طور رسمی در لبه قرار داشتند تا مربوط به بالینی باشند. به طور کلی ، هر دو گروه بالینی بار علائمی را نشان دادند که نشان دهنده سطح مربوط به فشار است.
متغیرهای Sociodemographic
به طور خلاصه، تجزیه و تحلیل نشان داد که در اکثر موارد، توزیع نرمال داده ها نمی تواند فرض شود (جدول 4) فقط تعداد کمی از متغیرها نشان دادند که به طور معمول توزیع می شوند ، اما به عنوان یک رویکرد غیر پارامتری (به عنوان مثال ، مان ویتنی) U آزمونها نیز می تواند برای این موارد استفاده شود، یک رویکرد غیر پارامتری برای کل مجموعه داده انتخاب شده است.
|
جدول 4. استفاده از رسانه منظور داشتن (SD)
گروه ADHD (n = 25) | گروه کنترل (n = 25) | آمار | گروه IUD (n = 25) | گروه کنترل (n = 25) | آمار | آمار (ADHD در مقابل IUD) | |
|---|---|---|---|---|---|---|---|
| بازی های ویدئویی [n (٪)] | 15 (60) | 9 (36) | χ2 (1) = 2.89، ns | 21 (87.5)a | 10 (40) | χ2 (1) = 11.89 ** | χ2 (1) = 4.75، ns |
| استفاده از بازی های ویدئویی از سال (سال) | 9.3 (5.95) | 13.3 (6.98) | U = 47.0 ، تعداد | 13.15 (6.26) | 12.9 (6.15) | U = 93.00 ، تعداد | U = 99.00 ، تعداد |
| استفاده از بازی های ویدئویی (روز / هفته) | 4.61 (2.34) | 2.31 (2.05) | U = 55.0 ، تعداد | 5.90 (2.02) | 2.75 (2.53) | U = 240.00 ، تعداد | U = 88.50 * |
| استفاده از بازی های ویدئویی (ساعت ها / روز) | 3.69 (3.12) | 1.81 (1.31) | U = 32.50 ، تعداد | 6.47 (5.41) | 1.94 (0.95) | U = 18.00 ** | U = 81.50, NS |
| انگیزه برای بازی کردن بازی های ویدئویی [n (٪)] | |||||||
| علاقه | 7 (46.7) | 4 (44.4) | 10 (47.6) | 5 (50) | |||
| سرگرمی | 10 (66.7) | 7 (77.8) | 16 (76.2) | 9 (90) | |||
| خستگی | 5 (33.3) | 3 (33.3) | 14 (66.7) | 4 (40) | |||
| تمدد اعصاب | 7 (46.7) | 1 (11.1) | 5 (23.8) | 1 (90) | |||
| تحریک | 1 (6.7) | 0 (0) | 1 (4.8) | 0 (0) | |||
| تنهایی | 3 (20) | 0 (0) | 3 (14.3) | 0 (0) | |||
| معاشرت اجتماعی | 1 (6.7) | 0 (0) | 5 (23.8) | 0 (0) | |||
| اعتياد درک شده خود [n (٪)] | 11 (73.3) | 0 (0) | χ2 (1) = 12.76 ** | 12 (57.1) | 1 (10) | χ2 (1) = 7.60 * | χ2 (1) = 0.52، ns |
| اینترنت [n (٪)] | 24 (96) | 21 (84) | χ2 (1) = 2.00، ns | 23 (95.8) | 23 (92) | χ2 (1) = 0.31، ns | χ2 (1) = 0.001، ns |
| استفاده از اینترنت از سال (سال) | 5.08 (2.86) | 5.86 (2.20) | U = 208.50 ، تعداد | 7.43 (3.67) | 5.65 (2.60) | U = 203.50 ، تعداد | U = 181.50 ، تعداد |
| استفاده از اینترنت (روز / هفته) | 4.96 (2.20) | 3.48 (2.52) | U = 168.00 ، تعداد | 6.96 (0.21) | 3.96 (2.57) | U = 143.00 ** | U = 121.00 ** |
| استفاده از اینترنت (ساعت / روز) | 2.50 (2.43) | 1.64 (1.97) | U = 134.50 ، تعداد | 6.47 (4.07)a | 2.20 (2.52) | U = 66.00 ** | U = 65.00 ** |
| انگیزه برای استفاده از اینترنت [n (٪)] | |||||||
| علاقه | 22 (91.7) | 21 (100) | 16 (69.6) | 22 (95.7) | |||
| سرگرمی | 10 (41.7) | 4 (19) | 14 (60.9) | 8 (34.8) | |||
| خستگی | 5 (20.8) | 2 (9.5) | 14 (60.9) | 4 (17.4) | |||
| تمدد اعصاب | 2 (8.3) | 0 (0) | 4 (17.4) | 0 (0) | |||
| تحریک | 6 (25) | 7 (33.3) | 5 (21.7) | 6 (26.1) | |||
| تنهایی | 1 (4.2) | 0 (0) | 6 (26.1) | 0 (0) | |||
| معاشرت اجتماعی | 10 (41.7) | 2 (9.5) | 11 (47.8) | 2 (8.7) | |||
| اعتياد درک شده خود [n (٪)] | 6 (25) | 2 (9.5) | χ2 (1) = 2.02، ns | 17 (73.9) | 3 (13) | χ2 (1) = 20.42 ** | χ2 (1) = 14.03 ** |
توجه داشته باشید. مناطق سایه دار خاکستری نشان دهنده مقایسه آماری بین گروه بالینی و کنترل است. آخرین ستون نشان دهنده مقایسه آماری بین دو گروه بالینی است. SD: انحراف معیار؛ IUD: اختلال مصرف اینترنت؛ ADHD: اختلال بیش فعالی کمبود توجه؛ ns: قابل توجه نیست
aیک مجموعه داده از دست رفته، چهار مجموعه داده ها از دست رفته است.
*p 01/XNUMX. **p <.001
گروه ADHD در مقایسه با گروه کنترل
تجزیه و تحلیل نشان داد که تفاوت معناداری در جنس، سن، تحصیلات، وضعیت شغلی و مشارکت بین گروه ADHD و گروه کنترل وجود ندارد. مهمتر از همه، با توجه به معیارهای ورود، گروه ADHD از نظر گروه بیماریهای پیش از ازدواج، از گروه کنترل متفاوت بود. در اینجا، افسردگی و اختلالات اضطرابی شایع ترین بیماری ها بودند. به میزان کمتر، اختلالات خوردن و اختلالات روانی در گروه ADHD گزارش شد.
گروه IUD در مقابل گروه کنترل
تجزیه و تحلیل نشان داد که تفاوت معناداری بین متغیرهای جمعیت شناختی بین IUD و گروه کنترل وجود ندارد. گروه IUD بیشتر بیماری های موجود را به عنوان کنترل آنها گزارش کردند. باز هم افسردگی و اختلالات اضطرابی بیشترین موارد را تجربه کردند.
ADHD در برابر IUD
بر اساس اکثر متغیرهای جامعه شناختی، تفاوت معنی داری بین دو گروه بالینی وجود ندارد. همانطور که انتظار می رفت، گروه ADHD ADHD پیش از موعد را به طور قابل توجهی بیشتر گزارش کرد.
استفاده از رسانه
گروه ADHD در مقایسه با گروه کنترل
بین متغیرهای استفاده از اینترنت بین گروه ADHD و کنترل آنها اختلاف معنی داری وجود نداشت. حساب های مشابه برای متغیرهای بازی های ویدئویی. با توجه به انگیزه استفاده از بازی های ویدئویی، یک الگوی قابل توجه وجود داشت. بیماران ADHD گزارش کردند که از بازی های ویدئویی برای تحریک، غلبه بر تنهایی و / یا نیازهای اجتماعی استفاده می کنند، در حالی که هیچ یک از این کنترل ها انجام نداده اند. یکی دیگر از انگیزه های مهم برای استفاده از بازی های ویدئویی در میان بیماران ADHD برای آرامش بود. انگیزه استفاده از اینترنت در میان افراد درون گروه ADHD عمدتا به دلیل علاقه بود. گروه ADHD به طور معنی داری نسبت به کنترل های خود بیشتر گزارش دادند تا خود را به عنوان معتاد از بازی های ویدئویی درک کنند [11 vs. 0، χ2 (1) = 12.76، p <.001].
IUD در مقابل گروه کنترل
گروه IUD از بازی های ویدئویی به طور قابل توجهی بیشتر نسبت به کنترل های خود استفاده کردند [21 vs. 10، χ2 (1) = 11.89، p <.001]. همچنین در مورد ساعاتی که هر روز با بازیهای ویدیویی به نفع گروه IUD می گذرد تفاوت معنی داری وجود داشت [(M = 6.47 ، SD = 5.41) در مقابل (M = 1.94 ، SD = 0.95) ، U = 18.00 ، p <.001]. در مورد استفاده از اینترنت ، گروه IUD ساعتهای بیشتری در روز را در مقایسه با کنترلهای خود با استفاده از اینترنت صرف کرد [(M = 6.47 ، SD = 4.07) در مقابل (M = 2.20 ، SD = 2.52) ، U = 66.0 ، p <.001]. الگوی انگیزشی متمایز برای استفاده از بازی های ویدیویی که در میان بیماران ADHD یافت می شود نیز در بین بیماران IUD یافت شد. انگیزه های استفاده از اینترنت در بین افراد مبتلا به IUD عمدتا به دلیل علاقه بود. بیماران IUD گزارش کردند که خود را معتاد به بازیهای ویدیویی می دانند [12 در مقابل 1 ، χ2 (1) = 7.60، p = 006] به طور قابل توجهی بیشتر به عنوان کنترل آنها.
ADHD در برابر IUD
شرکت کنندگان گروه IUD به طور قابل توجهی بیش از روز در هفته با بازی کردن بازی های ویدئویی صرف [(M = 5.90 ، SD = 2.02) در مقابل (M = 4.61 ، SD = 2.34) ، U = 88.50 ، p 05/XNUMX> ، گرچه آنها ساعات بیشتری را در روز با آن نمی گذرانند [(M = 6.47 ، SD = 5.41) در مقابل (M = 3.69 ، SD = 3.12) ، U = 81.50 ، p > .05]. انگیزه استفاده از بازی های ویدیویی در گروه IUD از نظر تمایل بیشتر برای جلوگیری از کسالت با گروه ADHD متفاوت بود. علاوه بر این ، نیازهای اجتماعی انگیزه بارزتری در گروه IUD بود. استفاده از بازی های ویدئویی برای استراحت در گروه ADHD آشکارتر بود. در مقایسه مستقیم هر دو گروه بالینی ، هیچ تفاوت معناداری در مورد بازی های ویدیویی اعتیاد خود درک شده وجود ندارد. گروه IUD ساعتهای بیشتری در روز از اینترنت استفاده می کرد [(M = 6.47 ، SD = 4.07) در مقابل (M = 2.5 ، SD = 2.43) ، U = 65.0 ، p <.001]. انگیزه استفاده از اینترنت از نظر خستگی ، تنهایی ، سرگرمی و آرامش به نفع گروه آی یو دی متفاوت بود.
همدردی
برای بررسی بیشتر و کشف خطوط متقابل و ارتباطات بین هر دو اختلال، بیماران که به قطع های مربوط به اندازه گیری ADHD و IUD رسیدند، به طور جداگانه مورد بررسی قرار گرفتند. در اینجا بیمارانی که مقدار بالاتر یا برابر با 50 را در ISS نشان دادند و T مقدار بالاتر یا برابر با 65 در اندازه گیری ADHD CAARS DSM-IV در این گروه قرار گرفتند. این روش باعث شد که هشت بیمار از هر دو گروه با سهم برابر برخوردار شوند. این گروه شامل پنج مرد و سه زن با میانگین سن سال 41.6 (SD = 10.23) حدود 75٪ شاغل بودند و 62.5/87.5٪ شریک زندگی داشتند. طبق WURS-k ، XNUMX٪ از معیارهای ADHD در دوران کودکی (زیرگروه عمدتا ترکیبی) را برآورده کرده اند. در نتیجه ، این گروه مقدار WURS-k بالا نشان داد (M = 49.88 ، SD = 16.19) همچنین نشان دهنده ADHD موجود در دوران کودکی است. در مورد استفاده از رسانه ها ، 62.5٪ از این گروه گزارش کردند که به طور متوسط برای 4.40 سال بازی های ویدیویی انجام می دهند (SD = 2.07) در 6 روز در هفته (SD = 1.73) به طور متوسط 4.60 ساعت (SD = 4.22) عمدتا برای سرگرمی (60٪) و استراحت (60٪). از این بیماران 7.75 سال به طور متوسط از اینترنت در این گروه استفاده می شد (SD = 3.77). علاوه بر این ، آنها گزارش دادند که به طور متوسط در هر ساعت 6 ساعت از اینترنت استفاده می کنند (SD = 5.90/62.5) عمدتاً برای سرگرمی (62.5/50 درصد) ، علاقه (XNUMX/XNUMX درصد) و معاشرت (XNUMX درصد). به طور کلی ، این گروه از حد اعتیاد به ISS فراتر رفت (M = 61.50 ، SD = 9.53) مقادیر مربوط به CAARS DSM-IV: اندازه گیری بیش فعالی را می توان از نظر بالینی بسیار مرتبط دانست (M = 81.75 ، SD = 7.72). سرانجام ، این زیر گروه را می توان به عنوان افسرده خفیف توصیف کرد (M = 17.13 ، SD = 7.10).
همبستگی
به طور کلی، ابزارهای مورد استفاده نشان داد که سازگاری داخلی بالاست و سازه های زیرزمینی را به شیوه ای رضایت بخش پذیرفته اند (جدول 5) در گروه ADHD، WURS-k و ساعات استفاده از اینترنت نشان داد که رابطه قوی و قابل توجهی وجود دارد (r = .630 p <.01). جالب است که این ارتباط فقط در نمونه IUD ضعیف بود و نتوانست اهمیت نشان دهد (r = .264 ، ns). رابطه بین استفاده از بازی ویدیویی در ساعت و WURS-k در نمونه ADHD زیاد بود اما معنی دار نبود (r = .564 p 056/XNUMX). جالب است که در نمونه IUD اینگونه نبود (r = .297 ، ns). در نمونه ADHD ، بین ISS و استفاده از اینترنت در ساعتها همبستگی متوسط اما غیر معنی داری وجود داشت (r = .472، ns) ، که در نمونه IUD اینگونه نبود (r = .171 ، ns). در نمونه IUD ، اندازه گیری بیش فعالی CAARS با استفاده از اینترنت در چند ساعت تا حد متوسط و غیر قابل توجه همراه بود (r = .453 ، ns). در گروه بیماران مبتلا به ADHD و IUD تشخیص داده شد ، بین WURS-k و ISS ارتباط قوی و معناداری وجود داشت (r = .884 p <.01) (در جدول نمایش داده نمی شود 5).
|
جدول 5. همبستگی مقیاس و هماهنگی داخلی (سمت چپ: ADHD و IUD سمت راست) در قطر برای ADHD (زیر قطر) و نمونه IUD (بالای قطر)
مقیاس | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1. WURS-k | 0.919 | 0.907 | -0.022 | 0.627 | 0.223 | 0.715* | 0.208 | 0.611* | 0.264 | 0.297 | ||||||||
| 2. ISS | 0.394 | 0.977 | 0.918 | 0.232 | 0.218 | 0.159 | 0.169 | 0.236 | 0.171 | -0.319 | ||||||||
| 3. CAARS DSM-IV: ADHD | 0.509 | 0.364 | 0.932 | 0.929 | 0.771* | 0.830* | -0.281 | 0.442 | 0.315 | -0.147 | ||||||||
| 4. CAARS DSM-IV: بی توجهی | 0.389 | 0.396 | 0.891* | 0.888 | 0.866 | 0.285 | -0.315 | 0.159 | -0.017 | -0.200 | ||||||||
| 5. CAARS DSM-IV: بیش فعال | 0.523 | 0.271 | 0.919* | 0.640* | 0.838 | 0.898 | -0.147 | 0.525 | 0.453 | -0.077 | ||||||||
| 6. BDI | -0.011 | 0.357 | 0.176 | 0.143 | 0.174 | 0.881 | 0.820 | 0.294 | 0.216 | -0.050 | ||||||||
| 7. SCL-90 (GSI) | -0.206 | 0.104 | 0.276 | 0.304 | 0.203 | 0.580* | 0.962 | 0.945 | 0.298 | -0.042 | ||||||||
| 8. استفاده از اینترنت (ساعت) | 0.630* | 0.472 | 0.418 | 0.385 | 0.392 | 0.025 | -0.223 | - | - | -0.078 | ||||||||
| 9. استفاده از بازی های ویدیویی (ساعت) | 0.564 | 0.418 | 0.313 | 0.231 | 0.342 | 0.209 | -0.158 | 0.818* | - | - | ||||||||
توجه داشته باشید. همبستگی پیرسون، شامل مجموعه داده ها از 12 به 25 (گروه ADHD) و 17 به 24 (گروه IUD) می رسد. WURS-k: مقیاس رتبه بندی یونایتد؛ ISS: Internetsuchtskala؛ IUD: اختلال مصرف اینترنت؛ ADHD: اختلال بیش فعالی کمبود توجه؛ CAARS: مقیاس امتیاز ADHD بزرگسالان کانرز؛ BDI: پرسشنامه افسردگی بک؛ SCL-90-R: Symptom-checklist-90؛ GSI: شاخص شدت جهانی.
*p <.01؛ p مقادیر دو طرفه هستند.
بحث
گروه IUD
همانطور که انتظار می رفت، بیماران مبتلا به تشخیص IUD به طور قابل ملاحظه ای بر روی تمام اقدامات اعتیاد به اینترنت از کنترل خود اختلاف نظر داشتند. ما یک الگو مشابه را با توجه به بعضی از اندازه گیری های ADHD بزرگسال پیدا کردیم.
تشخیص ADHD در داخل IUD
در بیماران مبتلا به IUD تشخیص داده شد ، ما میزان شیوع ADHD قابل توجهی پیدا کردیم. تعداد شیوع بالای ADHD دوران کودکی در گروه بیماران IUD نشان می دهد که ADHD ممکن است یک عامل خطر قابل توجه برای شروع و توسعه IUD باشد. حمایت از این مفهوم ، به عنوان مثال ، از ناحیه وابستگی به نیکوتین و الکل ناشی می شود. در اینجا ، اولمایر و همکاران (2007) دریافتند که تقریبا یک چهارم در یک گروه از بیماران وابسته به الکل ممکن است در دوران کودکی ADHD تشخیص داده شود. پشتیبانی اضافی از منطقه اعتیاد به اینترنت از Dalbudak و Evren (2014) در تحقیق خود در مورد دانشجویان کالج، آنها بین معیار WURS-25 و IAS همبستگی قوی و قابل توجهی پیدا کردند. در این مطالعه، 20٪ از بیماران مبتلا به IUD با علائم بالغ ADHD شناسایی شد. با استفاده از این اعداد، ما به حمایت از مفهوم ما از ارتباطات قوی بین هر دو اختلال می پردازیم. به عنوان متن ادبیات در این موضوع، به خصوص در زمینه بالینی بالغ، هنوز هم کوچک است، تنها Bernardi و Pallanti (2009) داده ها را برای مقایسه این یافته ها ارائه می دهند. در اینجا، آنها دریافتند که 20٪ از بیماران سرپایی بالغ، که از لحاظ قدرت یوگا معتاد به اینترنت بودند1998) IAS، معیارهای ADHD بالغ را برآورده می کند. همانطور که یافته های آنها با نتایج ما مطابقت دارد، ما اعتبار داده های ما را به اعتماد به نفس می دهیم. داده های اضافی از Ko، ین، چن، چن و ین (2008) که در یک نمونه از دانشجویان بالغ دانشگاهی با اعتياد به اینترنت مشکوک به روانپزشکی بودند. در اینجا، دانشجویان از طریق یک مصاحبه تشخیصی روانپزشکی انجام گرفتند و٪ 32.2٪ به عنوان ADHD تشخیص داده شد. علیرغم شرایط غیر بالینی، این نتایج هنوز نشان می دهد که ADHD و IUD ارتباطات قابل توجهی را نشان می دهد.
IUD - جنبه های انگیزشی و همبستگی
با توجه به انگیزه های استفاده از برنامه های آنلاین خاص، یک الگوی جالب در گروه بیماران مبتلا به IUD پیدا کردیم. همانطور که گزارش شد، بازی های ویدئویی برای تحریک، غلبه بر تنهایی و برقراری ارتباط با دیگران در گروه IUD مورد استفاده قرار می گرفت، در حالی که هیچ یک از کنترل های آنها چنین انگیزه ای را گزارش نکردند. علاوه بر این، خستگی یک انگیزه اصلی در میان بیماران مبتلا به تشخیص IUD بود. در نمونه ای از دانشجویان دانشگاه Skues، Williams، Oldmeadow و Wise (2016) تشخیص خستگی را به عنوان یک پیش بینی کننده از PIU شناسایی کرد. علاوه بر این، تنهایی با خستگی و رفع خستگی همراه بود، اما در مدل پیشنهادی قابل توجهی نبود. آنها نتیجه می گیرند که دانشجویان دانشگاهی که مبتلا به خستگی می شوند، از اینترنت استفاده می کنند تا به دنبال جبران تحریک و رضایت باشند. براساس اطلاعات ما، ما این دیدگاه را به اشتراک می گذاریم زیرا خستگی و سرگرمی را به عنوان انگیزه های اصلی برای فعالیت در فعالیت های آنلاین، هر دو برای بازی های ویدئویی و اینترنت به طور کلی، نشان می دهد. با توجه به روابط خطی، ما تنها روابط ضعیف یا حتی منفی بین اقدامات بالینی و جنبه های خارجی مانند زمان استفاده از رسانه ها را پیدا کردیم. در اینجا، باید اعلام کرد که استفاده از ساعت های رسانه ای به عنوان یک معیار معتبر برای تشخیص IUD نیست. معیارهای بالینی مانند آنهایی که توسط Young (1996) و ریش و گرگ (2001) استاندارد طلای شامل عوارض جانبی IUD در ابعاد خصوصی و حرفه ای زندگی است. این جنبه با بررسی هان و اورشلیم (2010) که تنها در مورد ارتباطات گزارش شده است r = .40 بین ISS و میانگین استفاده از رسانه در طی یک هفته. با این حال ، باید عنوان شود که این تحقیق در یک نمونه غیر بالینی انجام شده است.
گروه ADHD
با توجه به علائم اعتياد به اينترنت، بيماران ADHD به طور معني داري از کنترل خود در اکثر اقدامات متفاوت بودند.
تشخیص IUD در ADHD
تجزیه و تحلیل ISS نشان داد که 20٪ از بیمارانی که مبتلا به ADHD تشخیص داده شده اند مقادیری را نشان می دهند که بالاتر از حد قطع برای استفاده از اینترنت با مشکل و آسیب شناختی است. از نظر ما ، این اولین مطالعه است که داده های مربوط به استفاده از رسانه را در یک جمعیت بالغ و بالینی ADHD فراهم می کند. بنابراین ، مقایسه مستقیم این نتایج دشوار است. هان و همکاران (2009) نمونه ای از کودکان مبتلا به ADHD را مورد بررسی قرار دادند و٪ 45٪ را به لحاظ سطح بالاتری در IAS معتاد به اینترنت کردند. اگرچه نمونه ما از لحاظ سن و ابزارهای کاربردی متفاوت است، ما هنوز هم از دیدگاه ما بر این باوریم که IUD در مورد کودکان و همچنین بزرگسالان مبتلا به ADHD نیز مورد توجه است. مطالعات آینده در جمعیت بالغ بالغ بزرگ نیاز به ارائه اطلاعات بیشتر در مورد میزان شيوع دارد. با توجه به هنجارهای تبلیغ شده، ISS cut-offs برای تعریف یک مشکل رسانه ای یا آسیب پذیری رسانه ها بسیار بالا است. بنابراین، به نظر می رسد منطقی فرض کنید میزان شیوع IUD حتی بیشتر از بزرگسالان مبتلا به ADHD باشد.
ADHD - جنبه های انگیزشی و همبستگی
با توجه به جنبه های انگیزشی استفاده از رسانه در بیماران مبتلا به ADHD، یک الگو قابل توجه پیدا کردیم. یکی از انگیزه های مهم در میان بیماران ADHD برای بازی های ویدئویی برای آرامش بود. البته این موضوع به خودی خود پاتولوژیک نیست، اما همچنان علاقه مند است، زیرا این انگیزه بیشتر در بیماران مبتلا به ADHD در مقایسه با سایر گروه ها وجود دارد. از دیدگاه بیولوژیکی، شناخته شده است که ADHD با عملکرد دوپامین کم (فریدل و همکاران ، 2007; Gold، Blum، Oscar-Berman، and Braverman، 2014; ولوکو و دیگران ، 2009) همانطور که پخش بازی های ویدئویی به انتشار دوپامین ماوراء بنفش (کوپ و همکاران ، 1998) بازی ممکن است به عنوان راهی برای خود دارو در نظر آرامش تفسیر شود. همچنین فرضیه خود دارو برای توضیح شایع بودن اختلالات مصرف مواد در افراد مبتلا به ADHD پیشنهاد شده است (برای یک مرور کلی، ببینید بیدرمن و دیگران ، 1995) بنابراین، در اینجا، انگیزه گزارش شده برای استفاده از بازی های ویدئویی برای آرام کردن می تواند به عنوان تاثیر عاطفی آزادی دوپامین در هنگام بازی تفسیر شود. همانطور که ادبیات در بزرگسالان و بیماران بالغ ADHD کوچک است، این ایده هنوز محتمل است. در سطح همبستگی ها، ارتباطات معناداری بین دوره های WURS-k و زمان استفاده از رسانه ها پیدا کردیم. همبستگی بین WURS-k و بازی های ویدئویی در ساعت ها در حقیقت معنی دار نبود اما هنوز هم بالا است. در اینجا، اندازه نمونه کوچک و سطح اهمیت محافظه کار ممکن است مانع از اهمیت باشد. با این وجود، این روابط بلند از لحاظ جالب توجه است، زیرا شواهدی وجود دارد که نشانگان ADHD را پیش از این گزارش کرده اند مربوط به معیارهای انتزاعی رفتارهای اعتیاد آور است. در یک نمونه بزرگ جمعیت مبتنی بر جمعیت جوان، کالینز، مک کلنن، و فومملر (2005) در طی سالهای 5-12 و تعداد سیگارهای سیگاری روزانه، یک رابطه خطی معنادار بین نشانه های پیش آگهی شده ADHD گزارش شده است. به طور دقیق تر، تعداد علائم ناخواسته گزارش شده با تعداد سیگار های سیگاری روزانه رابطه مثبت دارد. در اینجا، ما برخی از خطوط همگرا را به داده هایمان می گوییم، که ممکن است بیشتر از فرضیه خود دارو باشد.
تشخیص دوگانه - ADHD و IUD
در زیر گروه کوچکی از بیماران که نمرات آسیب شناختی در ISS و نمرات بالینی قابل توجهی در مورد اندازه گیری ADHD CAARS نشان داد، ما بین WURS-k و ISS همبستگی شدید و معناداری پیدا کردیم. این رابطه این گروه را از گروه های بالینی یا تشخیص ADHD یا IUD تشخیص داد، در حالیکه همان رابطه تنها ضعیف بود. این یافته بیشتر می تواند اهمیت ADHD دوران کودکی را که پیش بینی کننده شروع و توسعه IUD است، تاکید کند.
شدت ها و محدودیت ها
این، به نظر ما، اولین مطالعه برای بررسی دقیق تر از نمونه های بیمار مبتلا به ADHD و IUD (و کنترل آنها) است که شواهد بیشتری را برای وابستگی های متقابل و تحریک تحقیقات بیشتری در این زمینه ارائه می دهند. این مطالعه از روش روانشناسی و بالینی جامع استفاده کرده است که با انواع متغیرهای متنوع و ابزارهای سازنده که چندین ساختار مورد توجه را در بر می گیرد و به ما امکان تحقیق و ارزیابی ارتباطات متعدد را می دهد، کار می کرد. همانطور که این یک مطالعه مقطعی است، ما نمی توانیم نتیجه گیری های علمی درباره انجمن هایی که در بر داشتیم، ایجاد کنیم. همان طور که ADHD به طور معمول در سن 7 شروع می شود، می توان حدس زد که حداقل برخی از انجمن های مرتبط با علائم ADHD. با این وجود، این نمیتواند یک طراحی طولی را جایگزین کند، که مهمترین کاربرد آن در بررسی و ارزیابی تداخل رشد بین ADHD و IUD است. جنبه دیگری که تفسیرهای ما را محدود می کرد، اندازه نمونه های نسبتا کوچک بود که بخشی از آن به دلیل داده های از دست رفته بود. علاوه بر این، کارهای تشخیصی بالینی مشخص برای بیماران ADHD و IUD برعکس اعمال نشد، که مشکل ساز است زیرا نتایج حاصل از پرسشنامه های خود گزارش لزوما نشان دهنده تشخیص نیست. بنابراین، یافته های ما باید با احتیاط تفسیر شود تا در نمونه های بزرگتر تکرار شود. در نهایت، گروه ADHD بزرگتر از گروه IUD بود، اگر چه تفاوت آماری ناچیز بود. از آنجا که استفاده از رسانه های دیجیتال به ویژه در میان نسل های جوان افزایش یافته است، گروه های قدیمی ADHD ممکن است از نظر استفاده از اینترنت خود نماینده باشند. با این وجود، مطالعه ما نشان می دهد که استفاده از اینترنت مشکل ساز و پاتولوژیک نیز می تواند در میان افراد مسن تر یافت شود که ممکن است از طریق سنین اولیه در معرض رسانه های آنلاین قرار نگیرند. اگر در ابتدا قرار گرفتن در معرض تابش بیش از حد رسانه ها با توسعه ADHD مثبت باشد، نتایج ما می تواند به عنوان برآورد محافظه کارانه این تاثیر در نمونه ADHD ما دیده شود.
پیامدهای بالینی و علمی
از دیدگاه بالینی و با توجه به میزان بالای همراهی، بیماران مبتلا به IUD باید برای ADHD، زمانی که نشانه های آن ظاهر می شود، مورد آزمایش قرار گیرند. بیماران مبتلا به ADHD باید مصرف اینترنت و بازی های ویدئویی اندکی را به عنوان یک استراتژی پیشگیرانه انجام دهند. به عنوان یک استراتژی درمان پارک، لی و هان (2016) می تواند نشان دهد که یک دارو 12 هفته با atomoxetine یا MPH می تواند شدت IGD را کاهش دهد، که با کاهش تکانشگری همبستگی دارد. بنابراین، رویکردهای دارویی و همچنین روان درمانی برای کاهش نادیده گرفتن، بیش فعالی و تکانشی بودن ممکن است مداخلات امیدوار کننده ای باشد. همانطور که بیماران مبتلا به ADHD به طور کلی خطر ابتلا به سایر اختلالات را افزایش می دهند، پزشکان باید از تغییرات بالقوه اعتیاد در طول درمان و فراتر از آن آگاهی داشته باشند. از سوی دیگر، نمی توان انکار کرد که مصرف بیش از حد رسانه در دوران کودکی می تواند عامل دیگری باشد، که می تواند علائم بالینی ADHD را تشدید یا تشدید کند.
نتیجه گیری
ما بر این فرضیه تأکید کردیم که مصرف بیش از حد و یا آسیب پذیری در میان بیماران مبتلا به ADHD و / یا IUD در واقع یک عامل پاتولوژیک رایج و قابل توجه است و باید در درمان و توانبخشی به طور کامل مورد توجه قرار گیرد. در میان بیماران، بازی های ویدئویی به نظر می رسد که به عنوان یک ابزار انتخابی برای غلبه بر حالت های حالت خفیف، در حالی که اینترنت به این دلایل نیز در بین افراد سالم مورد استفاده قرار می گیرد. این به ویژه در مورد بیماران مبتلا به ADHD که از بازی های ویدئویی برای آرام شدن به درجه قوی تر استفاده می کنند، که ممکن است به دلیل کمبود آنها در عملکرد دوپامین باشد. با توجه به میزان قابل توجه بودن میزان همبودگی، تحقیقات آینده باید مکانیسم های بین هر دو اختلال را مورد بررسی قرار دهند و بنابراین باید طرح های طولی را به ویژه در افراد بالغ و بالغ طراحی کنند. پزشکان بالینی باید از روابط نزدیک بین هر دو بیماری، از نظر تشخیصی و درمانی، آگاه باشند. اصول پایدار در درمان ADHD می تواند در درمان بیماران مبتلا به IUD نیز کاربرد داشته باشد. علاوه بر این، هنگامی که برای به دست آوردن کنترل از طریق استفاده از اینترنت در طول درمان و توانبخشی به دست می آید، یک تغییر بالقوه اعتیاد باید به سمت پزشکان و بیماران در نظر گرفته شود.
سهم نویسندگان
BTW: محقق اصلی؛ MB: تجزیه و تحلیل داده ها و نویسنده اول؛ MD و IP: امتحانات در بیماران مبتلا به IUD؛ MR و MO: امتحانات در بیماران مبتلا به ADHD؛ LB، TS، JD-H، GRS و AM: همکاران با تخصص در IUD.
تضاد منافع
نویسندگان هیچ گونه تضاد منافع را اعلام نمی کنند.
منابع
| انجمن روانپزشکی آمریکا. (2000). راهنمای تشخیصی و آماری اختلالات روانی (ویرایش 4th، rev. text). واشنگتن دی سی: انجمن روانپزشکی آمریکا. | |
| انجمن روانپزشکی آمریکا. (2013). راهنمای تشخیصی و آماری اختلالات روانی (5th ed.). آرلینگتون، VA: انجمن روانپزشکی آمریکا. ر | |
| Arfi، L.، & Bouvard، M. P. (2008). کمبود توجه / اختلال بیش فعالی و بازی های ویدیویی: یک مطالعه مقایسه ای بر روی کودکان بیش فعال و کنترل. مجله انجمن روانپزشکی اروپا ، 23 ، 134–141. doi:https://doi.org/10.1016/j.eurpsy.2007.11.002 ر, Medline | |
| Beard، K. W.، & Wolf، E. M. (2001). اعتیاد به اینترنت. سایبر روانشناسی و رفتار ، 4 (3) ، 377–383. doi:https://doi.org/10.2165/00023210-200822050-00001 ر, Medline | |
| Beck، A. T.، Ward، C. H.، Mendelson، M.، Mock، J.، & Erbaugh، J. (1961). اختراعی برای اندازه گیری ناراحتی. بایگانی روانپزشکی عمومی ، 4 (6) ، 561–571. doi:https://doi.org/10.1001/archpsyc.1961.01710120031004 ر, Medline | |
| Bernardi، S.، & Pallanti، S. (2009). اعتیاد به اینترنت: یک مطالعه بالینی توصیفی با تمرکز بر بیماری های همزاد و علائم تجزیه ای. روانپزشکی جامع ، 50 (6) ، 510–516. doi:https://doi.org/10.1016/j.comppsych.2008.11.011 ر, Medline | |
| Biederman، J.، Wilens، T.، Mick، E.، Milberger، S.، Spencer، T. J.، & Faraone، S. V. (1995). اختلالات مصرف مواد روانگردان در بزرگسالان مبتلا به اختلال بیش فعالی با کمبود توجه (ADHD): اثرات ADHD و بیماری روانپزشکی. مجله روانپزشکی آمریکا ، 152 (11) ، 1652-1658. doi:https://doi.org/10.1176/ajp.152.11.1652 ر, Medline | |
| Blankenship، R.، & Laaser، M. (2004). اعتیاد جنسی و ADHD: آیا ارتباطی وجود دارد؟ اعتیاد جنسی و اجبار ، 11 (1–2) ، 7–20. doi:https://doi.org/10.1080/10720160490458184 ر | |
| Brook، J. S.، Zhang، C.، Brook، D. W.، & Leukefeld، C. G. (2016). خرید اجباری: مصرف غیرقانونی مواد مخدر زودهنگام ، خرید تکانه ای ، افسردگی و علائم ADHD در بزرگسالان. تحقیقات روانپزشکی ، 8 (5) ، 583–592. doi:https://doi.org/10.1002/aur.1474. تکثیر | |
| Carroll، K. M.، & Rounsaville، B. J. (1993). تاریخچه و اهمیت اختلال کمبود توجه در دوران کودکی در افراد سوers استفاده کننده از کوکائین روانپزشکی جامع ، 34 (2) ، 75–82. doi:https://doi.org/10.1016/0010-440X(93)90050-E ر, Medline | |
| Castellanos، F. X.، & Tannock، R. (2002). علوم اعصاب اختلال کمبود توجه / بیش فعالی: جستجوی اندوفنوتیپ ها. بررسیهای طبیعت علوم اعصاب ، 3 (8) ، 617–628. doi:https://doi.org/10.1038/nrn896 ر, Medline | |
| Christianen، H.، Hirsch، O.، Abdel-Hamid، M.، & Kis، B. (2016). CARS مقیاس رتبه بندی بزرگسالان کانر. برن ، سوئیس: هوبر. | |
| Dalbudak، E.، & Evren، C. (2014). رابطه شدت اعتیاد به اینترنت با علائم اختلال بیش فعالی و نقص توجه در دانشجویان دانشگاه ترکیه. تأثیر ویژگی های شخصیتی ، افسردگی و اضطراب. روانپزشکی جامع ، 55 (3) ، 497-503. doi:https://doi.org/10.1016/j.comppsych.2013.11.018 ر, Medline | |
| Derogatis، L. R.، & Cleary، P. A. (1977). تأیید ساختار ابعادی SCL-90: مطالعه ای در اعتبارسنجی سازه. مجله روانشناسی بالینی ، 33 ، 981–989. doi:https://doi.org/10.1002/1097-4679(197710)33:4<981::AID-JCLP2270330412>3.0.CO;2-0 ر | |
| De Wit، H. (2009). Impulsivity به عنوان تعیین کننده و نتیجه استفاده از مواد مخدر: بررسی فرآیندهای اساسی. زیست شناسی اعتیاد، 14 (1)، 22-31. دوی:https://doi.org/10.1111/j.1369-1600.2008.00129.x ر, Medline | |
| الماس، A. (2005). اختلال نقص توجه (اختلال کمبود توجه / بیش فعالی بدون بیش فعالی): یک اختلال متمایز از نظر بیوفیزیولوژیک و رفتاری از اختلال کمبود توجه / بیش فعالی (با بیش فعالی). توسعه و روانپزشکی، 17 (3)، 807-825. دوی:https://doi.org/10.1017/S0954579405050388 ر, Medline | |
| دیتمار ، اچ ، لانگ ، ک. ، و باند ، ر. (2007). وقتی یک فرد بهتر تنها با یک دکمه کلیک کنید: ارتباط بین ارزش های مادی ، انگیزه های خرید احساسی و مربوط به هویت و تمایل به خرید آنلاین اجباری. مجله روانشناسی اجتماعی و بالینی ، 26 (3) ، 334–361. doi:https://doi.org/10.1521/jscp.2007.26.3.334 ر | |
| Epstein، J. N.، Johnson، D.، & Conners، C. K. (2001). مصاحبه تشخیصی ADHD بزرگسالان کانرز برای کتابچه راهنمای فنی DSM-IV (CAADID). Tonawanda شمالی ، نیویورک: سیستم های چند بهداشتی. | |
| Franke، G. H. (2016). Symptom-Checklist-90-Revised (SCL-90-R) ، (ژانویه 2002). اشتوتگارت شمالی: هاگرفه. | |
| فریدل ، S. ، Saar ، K. ، Sauer ، S. ، Dempfle ، A. ، Walitza ، S. ، Renner ، T. ، Romanos ، M. ، Freitag ، C. ، Seitz ، C. ، Palmason ، H. ، Scherag، A.، Windemuth-Kieselbach، C.، Schimmelmann، BG، Wewetzer، C.، Meyer، J.، Warnke، A.، Lesch، KP، Reinhardt، R.، Herpertz-Dahlmann، B.، Linder، M . ، Hinney ، A. ، Remschmidt ، H. ، Schäfer ، H. ، Konrad ، K. ، Hübner ، N. ، & Hebebrand ، J. (2007). ارتباط و ارتباط انواع آللی ژن ناقل دوپامین در ADHD روانپزشکی مولکولی ، 12 (10) ، 923–933. doi:https://doi.org/10.1038/sj.mp.4001986 ر, Medline | |
| Gainsbury، S. M.، Hing، N.، Delfabbro، P. H.، & King، D. L. (2014). طبقه بندی بازی های قمار و کازینو از طریق رسانه های اجتماعی و فن آوری های آنلاین. مطالعات قمار بین المللی ، 14 (2) ، 196–213. doi:https://doi.org/10.1080/14459795.2014.890634 ر | |
| Gillberg، C.، Gillberg، I. C.، Rasmussen، P.، Kadesjö، B.، Söderström، H.، Råstam، M.، Johnson، M.، Rothenberger، A.، & Niklasson، L. (2004). اختلالات همزمان در ADHD - پیامدهای تشخیص و مداخله. روانپزشکی کودک و نوجوان اروپا ، 13 (ضمیمه 1) ، 80–92. doi:https://doi.org/10.1007/s00787-004-1008-4 | |
| Gold، M. S.، Blum، K.، Oscar-Berman، M.، & Braverman، E. R. (2014). عملکرد پایین دوپامین در اختلال کمبود توجه / بیش فعالی: آیا ژنوتیپ به معنی تشخیص زودرس در کودکان است؟ پزشکی تحصیلات تکمیلی ، 126 (1) ، 153–177. doi:https://doi.org/10.3810/pgm.2014.01.2735 ر, Medline | |
| گریفیتس ، م. دی. (1998). اعتیاد به اینترنت: آیا واقعاً وجود دارد؟ در J. Gackenbach (ویراستار) ، روانشناسی و اینترنت: پیامدهای درون فردی ، بین فردی و فرا شخصی (صص 61-75). سان دیگو ، کالیفرنیا: مطبوعات علمی. | |
| Hahn، A.، & Jerusalem، M. (2003). Reliabilität und Validität in der Online-Forschung Marktforschung und Probleme Online [قابلیت اطمینان و اعتبار در تحقیقات آنلاین]. در Theobald، A.، Dreyer، M.، & Starsetzki، T. (Eds.) ، تحقیقات بازار آنلاین (ویرایش دوم). ویسبادن ، آلمان: گابلر. | |
| Hahn، A.، & Jerusalem، M. (2010). Die Internetsuchtskala (ISS): Psychometrische Eigenschaften und Validität [مقیاس اعتیاد به اینترنت (ISS): ویژگی ها و اعتبار روان سنجی]. در Mücken، D.، Teske، A.، Rehbein، F.، & te Wildt، BT (Eds.)، Prävention، Diagnostik Und Therapie von Computerspielabhängigkeit [پیشگیری ، تشخیص و درمان اعتیاد به بازی های ویدیویی] (ص 185-204 ) لنگريچ ، آلمان: ناشران Pabst Science. | |
| Han، D. H.، Lee، Y. S.، Na، C.، Ahn، J. Y.، Chung، U. S.، Daniels، M. A.، Haws، C. A.، & Renshaw، P. F. (2009). تأثیر متیل فنیدیت در بازی ویدئویی اینترنتی در کودکان مبتلا به اختلال کمبود توجه / بیش فعالی. روانپزشکی جامع ، 50 (3) ، 251-256. doi:https://doi.org/10.1016/j.comppsych.2008.08.011 ر, Medline | |
| هاوتزینگر ، م. ، کلر ، ف. ، و کوهنر ، سی. (2006). Das Beck Depressions inventar II. Deutsche Bearbeitung und Handbuch zum BDI-II [پرسشنامه افسردگی بک II. نسخه آلمانی و کتاب راهنمای BDI-II]. لندن ، انگلستان: پیرسون. | |
| Kessler، RC، Adler، LA، Barkley، R.، Biederman، J.، Conners، CK، Faraone، SV، Greenhill، LL، Jaeger، S.، Secnik، K.، Spencer، T.، Ustün، TB، & زاسلاوسکی ، AM (2005). الگوها و پیش بینی کننده های تداوم اختلال کمبود توجه / بیش فعالی تا بزرگسالی: نتایج حاصل از تکرار بررسی ملی همراهی. روانپزشکی بیولوژیک ، 57 (11) ، 1442-1451. doi:https://doi.org/10.1016/j.biopsych.2005.04.001 ر, Medline | |
| Ko ، C.-H. ، Yen ، J.-Y. ، Chen ، C.-S. ، Chen ، C.-C. ، و ین ، C.-F. (2008). همراهی روانشناختی اعتیاد به اینترنت در دانشجویان: یک مطالعه مصاحبه ای. طیف CNS ، 13 (2) ، 147–53. بازیابی شده از http://www.ncbi.nlm.nih.gov/pubmed/18227746 ر, Medline | |
| Ko، C. H.، Yen، J. Y.، Yen، C. F.، Chen، C. S.، & Chen، C. C. (2012). ارتباط بین اعتیاد به اینترنت و اختلال روانپزشکی: مروری بر ادبیات. روانپزشکی اروپا ، 27 (1) ، 1–8. doi:https://doi.org/10.1016/j.eurpsy.2010.04.011 ر, Medline | |
| Koepp، M. J.، Gunn، R. N.، Lawrence، A. D.، Cunningham، V. J.، Dagher، A.، Jones، T.، Brooks، D. J.، Bench، C. J.، & Grasby، P. M. (1998). شواهدی برای انتشار دوپامین جسم مخطط در طی یک بازی ویدیویی. طبیعت ، 393 (6682) ، 266–268. doi:https://doi.org/10.1038/30498 ر, Medline | |
| Kollins، S. H.، McClernon، F. J.، & Fuemmeler، B. F. (2005). ارتباط بین سیگار کشیدن و علائم اختلال کمبود توجه / بیش فعالی در یک نمونه مبتنی بر جمعیت از بزرگسالان جوان. بایگانی روانپزشکی عمومی ، 62 (10) ، 1142–1147. doi:https://doi.org/10.1001/archpsyc.62.10.1142 ر, Medline | |
| Kühner، C.، Bürger، C.، Keller، F.، & Hautzinger، M. (2007). اعتبار و اعتبار سنجی مجدد Beck-Depressions-inventars (BDI-II). Befunde aus deutschsprachigen stichproben [قابل اعتماد بودن و اعتبار موجودی تجدیدنظر شده در افسردگی بک (BDI-II). نتایج حاصل از یک گروه آلمانی]. Nervenarzt ، 78 (6) ، 651–656. doi:https://doi.org/10.1007/s00115-006-2098-7 Medline | |
| Lau، H. M.، Smit، J. H.، Fleming، T. M.، & Riper، H. (2017). بازی های جدی برای سلامت روان: آیا آنها قابل دسترسی ، عملی و م effectiveثر هستند؟ یک بررسی سیستماتیک و فراتحلیل. مرزها در روانپزشکی ، 7 ، 209. doi:https://doi.org/10.3389/fpsyt.2016.00209 ر, Medline | |
| Lehrl، S.، Triebig، G.، & Fischer، B. (1995). آزمون واژگان چند گزینه ای MWT به عنوان یک آزمون معتبر و کوتاه برای تخمین هوش پیش از بارداری. Acta Neurologica Scandinavica ، 91 (5) ، 335–345. doi:https://doi.org/10.1111/j.1600 ر, Medline | |
| Macey، K. (2003) مقیاس رتبه بندی ADHD بزرگسالان Conners (CAARS). توسط CK Conners ، D. Erhardt ، و MA Sparrow. New York: Multihealth Systems، Inc.، 1999. Archives of Clinical Neurop Psychology، 18 (4)، 431-437. doi:https://doi.org/10.1016/S0887-6177(03)00021-0 ر | |
| Miller، C. J.، Marks، D. J.، Miller، S. R.، Berwid، O. G.، Kera، E. C.، Santra، A.، & Halperin، J. M. (2007). گزارش مختصر: تماشای تلویزیون و احتمال بروز مشکلات توجه در کودکان پیش دبستانی. مجله روانشناسی کودکان ، 32 (4) ، 448-452. doi:https://doi.org/10.1093/jpepsy/jsl035 ر, Medline | |
| Ohlmeier، M. D.، Peters، K.، Kordon، A.، Seifert، J.، te Wildt، B.، Wiese، B.، Ziegenbein، M.، Emrich، H. M.، & Schneider، U. (2007). وابستگی به نیکوتین و الکل در بیماران مبتلا به اختلال کمبود توجه / بیش فعالی همزمان (ADHD). الکل و الکل ، 42 (6) ، 539-543. doi:https://doi.org/10.1093/alcalc/agm069 ر, Medline | |
| Park، J. H.، Lee، Y. S.، & Han، D. H. (2016). اثربخشی اتوموكستین و متیل فنیدیت برای بازی های آنلاین مشكل در نوجوانان مبتلا به اختلال بیش فعالی با كمبود توجه. روانپزشکی انسان ، 31 (6) ، 427-432. doi:https://doi.org/10.1002/hup.2559 ر, Medline | |
| Petry، N. M.، & O'Brien، C. P. (2013). اختلال بازی در اینترنت و DSM-5. اعتیاد ، 108 (7) ، 1186–1187. doi:https://doi.org/10.1111/add.12162 ر, Medline | |
| Rehbein، F.، Kliem، S.، Baier، D.، Mößle، T.، & Petry، N. M. (2015). شیوع اختلال بازی در اینترنت در نوجوانان آلمانی: سهم تشخیصی نه معیار DSM-5 در یک نمونه نماینده در کل ایالت. اعتیاد ، 110 (5) ، 842–851. doi:https://doi.org/10.1111/add.12849 ر, Medline | |
| Retz-Junginger، P.، Retz، W.، Blocher، D.، Stieglitz، R. D.، Georg، T.، Supprian، T.، Wender، P. H.، & Rösler، M. (2003). Reliabilitätt und Validität der Wender-Utah-Rating-Scale-Kurzform: Retrospektive erfassung von علائم aus dem spektrum der aufmerksamkeitsdefizit / hyperaktivitätsstörung [قابلیت اطمینان و اعتبار مقیاس رتبه بندی وند یوتا در نسخه کوتاه: . Nervenarzt ، 74 (11) ، 987–993. doi:https://doi.org/10.1007/s00115-002-1447-4 Medline | |
| Retz-Junginger، P.، Retz، W.، Blocher، D.، Weijers، H. G.، Trott، G. E.، Wender، P. H.، & Rössler، M. (2002). مقیاس رتبه بندی وندا یوتا (WURS-k): سندرمهای مرگ و میر دزدکی سنجش های hyperkinetischen bei erwachsenen [مقیاس رتبه بندی وندا یوتا (WURS-k): نسخه کوتاه آلمانی برای ارزیابی گذشته نگر علائم سندرم بیش فعالی در بزرگسالان]. Nervenarzt ، 73 (9) ، 830–838. doi:https://doi.org/10.1007/s00115-001-1215-x Medline | |
| Schmitz، N.، Hartkamp، N.، Kiuse، J.، Franke، G. H.، Reister، G.، & Tress، W. (2000). Symptom Check-list-90-R (SCL-90-R): یک مطالعه اعتبار سنجی در آلمان. تحقیقات کیفیت زندگی ، 9 (2) ، 185–193. doi:https://doi.org/10.1023/A:1008931926181 ر, Medline | |
| Skues، J.، Williams، B.، Oldmeadow، J.، & Wise، L. (2016). تأثیرات کسالت ، تنهایی و تحمل پریشانی بر استفاده مشکل از اینترنت در بین دانشجویان دانشگاه. مجله بین المللی بهداشت روان و اعتیاد ، 14 (2) ، 167-180. ر | |
| Swing، E. L.، Gentile، D. A.، Anderson، C. A.، & Walsh، D. A. (2010). قرار گرفتن در معرض تلویزیون و بازی های ویدیویی و ایجاد مشکلات توجه. اطفال ، 126 (2) ، 214–221. doi:https://doi.org/10.1542/peds.2009-1508 ر, Medline | |
| van de Glind، G.، Konstenius، M.، Koeter، MW، van Emmerik-van Oortmerssen، K.، Carpentier، PJ، Kaye، S.، Degenhardt، L.، Skutle، A.، Franck، J.، Bu ، E.-T. ، Moggi ، F. ، Dom ، G. ، Verspreet ، S. ، Demetrovics ، Z. ، Kapitány-Fövény ، M. ، Fatséas ، M. ، Auriacombe ، IM ، Schillinger ، IA ، Møller ، M . ، جانسون ، بی. ، فرارونه ، اس وی ، راموس-کوئروگا ، آ. ، کازاس ، م. ، آلسوپ ، اس. ، کارروترز ، اس. ، اسکوورز ، RA ، والد ، س. ، بارتا ، سی. آلمن ، پ. . ، لوین ، FR ، ون دن برینک ، W. ، و گروه تحقیقاتی IASP. (2014). تنوع در شیوع ADHD بزرگسالان در درمان بیماران مبتلا به اختلال مصرف مواد: نتایج حاصل از یک مطالعه بین المللی چند مرکزی با بررسی معیارهای DSM-IV و DSM-5. وابستگی به مواد مخدر و الکل ، 134 ، 158–166. doi:https://doi.org/10.1016/j.drugalcdep.2013.09.026 ر, Medline | |
| Van der Oord، S.، Prins، P. J. M.، Oosterlaan، J.، & Emmelkamp، P. M. G. (2008). اثربخشی متیل فنیدیت ، درمان های روانی - اجتماعی و ترکیب آنها در کودکان مدرسه ای مبتلا به ADHD: فراتحلیل مرور روانشناسی بالینی ، 28 (5) ، 783–800. doi:https://doi.org/10.1016/j.cpr.2007.10.007 ر, Medline | |
| van Emmerik-van Oortmerssen، K.، Glind، G.، Koeter، MW، Allsop، S.، Auriacombe، M.، Barta، C.، Bu، ET، Burren، Y.، Carpentier، PJ، Carruthers، S. ، Casas ، M. ، Demetrovics ، Z. ، Dom ، G. ، Faraone ، SV ، Fatseas ، M. ، Franck ، J. ، Johnson ، B. ، Kapitány-Fövény ، M. ، Kaye ، S. ، Konstenius ، M ، ، لوین ، FR ، Moggi ، F. ، مولر ، M. ، Ramos-Quiroga ، JA ، Schillinger ، A. ، Skutle ، A. ، Verspreet ، S. ، گروه تحقیقاتی IASP ، van den Brink ، W. ، و Schoeverrs ، RA (2014). همبودی روانپزشکی در بیماران مبتلا به اختلال استفاده از مواد مخدر در درمان با و بدون اختلال بیش فعالی با کمبود توجه: نتایج مطالعه IASP اعتیاد ، 109 (2) ، 262–272. doi:https://doi.org/10.1111/add.12370 ر, Medline | |
| Volkow ، ND ، Wang ، G.-J. ، Kollins ، SH ، Wigal ، TL ، Newcorn ، JH ، Telang ، F. ، Fowler ، JS ، Zhu ، W. ، Logan ، J. ، Ma ، Y. ، Pradhan ، K. ، Wong ، C. ، & Swanson ، JM (2009). ارزیابی مسیر پاداش دوپامین در ADHD: پیامدهای بالینی JAMA ، 302 (10) ، 1084–1091. doi:https://doi.org/10.1001/jama.2009.1308 ر, Medline | |
| Weinstein، A.، & Weizman، A. (2012). ارتباط بین بازی اعتیاد آور و اختلال کمبود توجه / بیش فعالی. گزارش های روانپزشکی فعلی ، 14 (5) ، 590–597. doi:https://doi.org/10.1007/s11920-012-0311-x ر, Medline | |
| Weiss، M. D.، Baer، S.، Allan، B. A.، Saran، K.، & Schibuk، H. (2011). فرهنگ نمایشگرها: تأثیر بر ADHD. اختلالات کم توجهی و بیش فعالی ADHD ، 3 (4) ، 327–334. doi:https://doi.org/10.1007/s12402-011-0065-z ر | |
| Wilens، T. E.، Vitulano، M.، Upadhyaya، H.، Adamson، J.، Sawtelle، R.، Utzinger، L.، & Biederman، J. (2008). سیگار کشیدن همراه با اختلال کم توجهی و بیش فعالی. مجله اطفال ، 153 (3) ، 414-419. doi:https://doi.org/10.1016/j.jpeds.2008.04.030 ر, Medline | |
| Winstanley، C. A.، Eagle، D. M.، & Robbins، T. W. (2006). مدلهای رفتاری تکانشگری در رابطه با ADHD: ترجمه بین مطالعات بالینی و بالینی. مرور روانشناسی بالینی ، 26 (4) ، 379–395. doi:https://doi.org/10.1016/j.cpr.2006.01.001 ر, Medline | |
| سازمان بهداشت جهانی. (1992). طبقهبندی ICD-10 اختلالات روانی و رفتاری: توصیفهای بالینی و دستورالعملهای تشخیصی. ژنو، سوئیس: سازمان بهداشت جهانی. | |
| ین ، J. ، Liu ، T. ، Wang ، P. ، Chen ، C. ، ین ، C. ، و Ko ، C. (2017). ارتباط رفتارهای اعتیادی بین اختلال بازی در اینترنت و کمبود توجه و بیش فعالی بزرگسالان و ارتباط آنها: تکانشگری و خصومت. رفتارهای اعتیاد آور ، 64 ، 308–313. doi:https://doi.org/10.1016/j.addbeh.2016.04.024 ر, Medline | |
| ین ، J.-Y. ، ین ، C.-F. ، Chen ، C.-S. ، Tang ، T.-C. ، و Ko ، C.-H. (2008). ارتباط بین علائم ADHD بزرگسالان و اعتیاد به اینترنت در بین دانشجویان: تفاوت جنسیتی. سایبر روانشناسی و رفتار ، 12 (2) ، 187–191. doi:https://doi.org/10.1089/cpb.2008.0113 ر | |
| یانگ ، ک. (1996) اعتیاد به اینترنت: ظهور یک اختلال بالینی جدید. سایبر روانشناسی و رفتار ، 1 (3) ، 237–244. ر | |
| جوان ، K. S. (1998). گرفتار در شبکه: چگونه علائم اعتیاد به اینترنت و یک استراتژی برنده برای بهبودی را تشخیص دهیم. نیویورک ، نیویورک: جان ویلی و پسران. | |
| جوان ، K. S. (2008). عوامل خطر ابتلا به اعتیاد به رابطه جنسی در اینترنت ، مراحل رشد و درمان. دانشمند علوم رفتاری آمریکا ، 52 (1) ، 21–37. doi:https://doi.org/10.1177/0002764208321339 ر |
;