استفاده از اینترنت آسیب پذیر و رفتارهای خطر در میان نوجوانان اروپایی (2016)

بین المللی J. محیط زیست. Res سلامت عمومی شماره ۱۰۲۹، 13(3)، 294؛ دوی:10.3390 / ijerph13030294

تونی دورکی 1,*، ولادیمیر کارلی 1، Birgitta Floderus 2، کامیلا واسرمن 3,4، مارکو ساچیاپونه 3,5، آلن آپتر 6، Judit A. Balazs 7,8، جولیو بابس 9، Romuald Brunner 10، پل کرکوران 11، دینا کاسمن 12، مسیحی هارینگ 13، کریستینا W. Hoven 4,14مایکل کائس 10، ژان پیر كان 15، بوگدان ناملس 12، ویتا Postuvan 16، Pilar A. Saiz 9، پتر وارنیک 17 و Danuta Wasserman 1
1
مرکز ملی تحقیقات خودکشی و پیشگیری از بیماری های روانی (NASP)، کارولینسکا Institutet، استکهلم SE-17177، سوئد
2
گروه علوم اعصاب بالینی، کارولینسکا Institutet، استکهلم SE-17177، سوئد
3
گروه علوم پزشکی و بهداشت، دانشگاه مولیس، Campobasso 86100، ایتالیا
4
گروه روانپزشکی کودکان و نوجوانان، موسسه روانپزشکی ایالت نیویورک، دانشگاه کلمبیا، نیویورک، NY 10032، USA
5
موسسه ملی مهاجرت و فقر، Via San Gallicano، Rome 25 / A، ایتالیا
6
مرکز مطالعات کودک Feinberg، مرکز پزشکی کودکان Schneider، دانشگاه تل آویو، تل آویو 49202، اسرائیل
7
بیمارستان روانپزشکی کودکان و نوجوانان Vadaskert، بوداپست 1021، مجارستان
8
موسسه روانشناسی، دانشگاه Eötvös Loránd، Budapest، 1064، مجارستان
9
گروه روانپزشکی، مرکز تحقیقات بیومدیکال در شبکه بهداشت روانی (CIBERSAM)، دانشگاه اوهایو، اوویدو 33006، اسپانیا
10
بخش اختلالات رشد شخصیت، کلینیک روانپزشکی کودکان و نوجوانان، مرکز پزشکی روان پزشکی، دانشگاه هیدلبرگ، هیدلبرگ 69115، آلمان
11
بنیاد ملی تحقیقات خودکشی، Western Rd.، Cork، ایرلند
12
گروه روانشناسی بالینی، دانشگاه پزشکی و داروسازی یولیو هتیگانو، خیابان. ویکتور بابا شماره 8، Cluj-Napoca 400000، رومانی
13
بخش تحقیقات بهداشت روان، دانشگاه علوم پزشکی و فناوری اطلاعات (UMIT)، Klagenfurt، Innsbruck 6060، اتریش
14
گروه اپیدمیولوژی، دانشکده بهداشت عمومی میلان، دانشگاه کلمبیا، نیویورک، NY 10032، USA
15
گروه روانپزشکی، مرکز بیمارستان-دانشگاه تایپه د نانسی، دانشگاه لورین، نانسی، Vandoeuvre-lès-Nancy 54500، France
16
مرکز تحقیقات خودکشی Slovene، موسسه Andrej Marušič، دانشگاه Primorska، Koper 6000، اسلوونی
17
مرکز علوم رفتاری و بهداشتی ، انستیتوی بهداشت روان و خودکشی استونی-سوئدی ، دانشگاه تالین ، تالین 10120 ، استونی
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
ویراستار دانشگاه: پل ب. چوانوو
دریافت شده: 1 دسامبر 2015 / پذیرفته شده: 3 مارس 2016 / انتشار: 8 مارس 2016

چکیده

: رفتارهای ریسک یکی از مهمترین عوامل پیشگیری از بیماری در میان نوجوانان و جوانان است. با این حال، ارتباط آنها با استفاده از اینترنت پاتولوژیک (PIU) نسبتا ناشناخته است، به ویژه در زمینه اروپا. هدف اصلی این مطالعه بررسی ارتباط بین رفتارهای ریسک و PIU در نوجوانان اروپایی است. این مطالعه مقطعی در چارچوب پروژه اتحادیه اروپا FP7: صرفه جویی و توانمندسازی زندگی جوان در اروپا (SEYLE) انجام شد. داده های مربوط به نوجوانان از مدارس تصادفی در محل های مطالعه در 11 کشور اروپایی جمع آوری شد. PIU با استفاده از پرسشنامه تشخیصی یانگ (YDQ) اندازه گیری شد. رفتارهای ریسک با استفاده از سوالات تهیه شده از سوی سازمان بهداشت جهانی (GSHS) تهیه شده است. در کل 11,931 نوجوانان در تجزیه و تحلیل شامل: 43.4٪ مرد و 56.6٪ زن (M / F: 5179 / 6752)، با میانگین سن 14.89 ± 0.87 سال. نوجوانانی که عادت های خواب ضعیف و اقدامات ریسک پذیری را گزارش می دهند، قوی ترین ارتباط با PIU را نشان می دهد، به دنبال آن مصرف دخانیات، تغذیه نامناسب و عدم فعالیت فیزیکی است. در میان نوجوانان در گروه PIU، 89.9٪ به عنوان رفتارهای ریسک چندگانه مشخص شد. ارتباط معنی داری بین PIU و رفتارهای ریسک همراه با میزان بالای هموفیلی، اهمیت توجه به PIU در هنگام غربالگری، درمان یا پیشگیری از رفتارهای پرخطر در میان نوجوانان را برجسته می کند.

کلمات کلیدی: استفاده از اینترنت پاتولوژیک؛ اعتیاد به اینترنت؛ ریسک رفتاری؛ رفتارهای متعدد ریسک؛ سبک زندگی ناسالم نوجوانان؛ سایه

1. معرفی

نوجوانی یک دوره گذار است که با تغییرات قابل توجه در ویژگی های جسمی، اجتماعی و روانی شناخته می شود [1] علاوه بر این، روابط با همسالان، خانواده و جامعه در طول این دوره گذار تغییرات متفاوتی را تحت تاثیر قرار می دهد، همانطور که نوجوانان شروع به اتخاذ تصمیم خود، احساسات و رفتار می کنند [2] توانایی های اجتماعی در نوجوانان اغلب در جریان تعاملات روانی و اجتماعی در حوزه های مختلف یادگیری توسعه می یابد [3] با توجه به پلت فرم گسترده برای پرورش شناخت اجتماعی و مهارت های بین فردی [4,5]، اینترنت ثابت کرده است که یک کانال جدید و منحصر به فرد برای رشد روانی اجتماعی در میان نوجوانان است [6,7].
علیرغم این مزایای ذاتی، مطالعات نشان داده اند که استفاده مکرر و طولانی مدت از برنامه های آنلاین، تمایل به تغییر تعاملات و روابط اجتماعی متعارف است [8,9] شواهدی وجود دارد که نشان می دهد زمان تجمع آنلاین جابجایی زمان در روابط متقابل چهره به چهره با خانواده و دوستان [10]، شرکت در فعالیت های فوق برنامه [11]، تکمیل وظایف دانشگاهی [12]، عادات غذایی مناسب [13]، فعالیت بدنی [14] و خواب [15] همانطور که نوجوانان وقت بیشتری را صرف آنلاین می کنند، خطر استفاده از اینترنت آنها می تواند بیش از حد یا حتی آسیب پذیر باشد [16].
 
استفاده از اینترنت آسیب پذیر (PIU) با مشکالت بیش از حد و یا ضعیف کنترل شده، خواسته یا رفتار در رابطه با استفاده از اینترنت است که منجر به اختلال یا ناراحتی می شود [17] PIU به لحاظ مفهومی به عنوان یک اختلال کنترل ضربه ای مدل سازی شده و به عنوان طبقه بندی اعتیاد رفتاری مشابه ماهیت قمار آسیب شناسی طبقه بندی شده است [18] علیرغم پیشرفت های اخیر در تحقیق PIU، تلاش ها برای درک این پدیده ناشی از عدم توافق بین المللی در مورد معیار های تشخیص شرایط است. این نه در فهرست تشخیصی و آماری اختلالات روانی (DSM) و نه در سیستم های شناختی بین المللی (ICD) آمده است. چالش اصلی مواجهه با تحقیقات PIU، درک آن به عنوان یک اختلال اعتیاد آور است.
 
با توجه به این موارد، اخیرا منتشر DSM-5 [19] شامل اعتیاد رفتاری (اختلالات اعتیادآور غیر وابسته به مواد) به عنوان یک گروه تشخیص رسمی است، و اختلال قمار (GD) تنها شرط ذکر شده در این طبقه بندی جدید است. اختلال بازی در اینترنت (IGD) نیز یک زیرمجموعه بالقوه اعتیاد رفتاری است که برای درج در سیستم nosologic DSM مورد توجه قرار گرفت؛ با این حال، شواهدی از IGD به عنوان یک اختلال تشخیصی هنوز وجود نداشت. بعد از آن IGD در بخش سوم DSM-5 به عنوان شرطی مورد مطالعه قرار گرفت که در آن [20]، به منظور تعیین مناسب بودن آن به عنوان یک اختلال تشخیصی. علیرغم ابهام کنونی نئوپولوژیک PIU، شواهدی وجود دارد که نشان می دهد ارتباط قوی بین PIU و دیگر انواع اعتیاد وجود دارد [21,22,23,24].
تحقیقات نشان می دهد که افراد مبتلا به PIU دارای ویژگی های عصبی، بیولوژیکی و روان شناختی با هر دو وابستگی های رفتاری و وابسته به مواد هستند [25,26,27,28,29] بر اساس یک مدل نظری که توسط گریفیتس [30]، شش عامل اصلی در اختلال های اعتیاد آور وجود دارد که برای PIU قابل استفاده هستند. این موارد عبارتند از: مهم بودن (علاقه به فعالیت های آنلاین)، اصلاح خلق (استفاده از اینترنت برای فرار یا کاهش استرس)، تحمل (ضرورت آنلاین بودن طولانی مدت)، خروج (افسردگی و تحریک پذیری در حالت آفلاین)، درگیری (بین فردی و درونی) و عود (تلاش ناپذير استفاده از اینترنت متوقف شد). این اجزای اصلی یک چارچوب نظری برای برآورد میزان PIU ارائه می کنند.
 
نرخ شيوع PIU در كشورها بطور قابل توجهی متفاوت است، به علت ناهمگونی تعريف، نامگذاری و ارزيابی تشخيصی. در تلاش برای برآورد شیوع جهانی، چنگ و لی [31] این اختلافات را با استفاده از متا آنالیز اثرات تصادفی با استفاده از مطالعات با ابزار و معیارهای روان سنجی مقایسه می کند. این رویکرد مجموعا از شرکت کنندگان 89,281 از کشورهای 31 در سراسر مناطق مختلف جهان به دست آمد. نتایج نشان داد که شيوع جهانی PIU 6.0٪ (95٪ CI: 5.1-6.9) با تنها ناهمگونی متوسط ​​است.
مطالعات شایع که ارزیابی PIU در سطح اروپا با استفاده از نمونه های نمایشی محدود است. علیرغم این کمبود، شواهد اپیدمیولوژیک نشان دهنده روند پایدار در میزان شیوع در میان این گروه هدف است. در نمونه ای از نوجوانان اروپایی (n = 18,709) ساله 11-16، Blinka و همکاران. [32] نشان داد که شیوع PIU٪ 1.4 است. این هم با نرخ های گزارش شده توسط Tsitsika و همکاران. [33]، که برآورد شیوع PIU٪ 1.2٪ در نمونه ی نمونه ی جوانان اروپایی (n = 13,284) ساله 14-17 را نشان می دهد. Durkee و همکاران [34با این حال، شيوع PIU کمی بالاتر از٪ 4.4٪ در نمونه ی نمونه ای از نوجوانان اروپایی (n = 11,956) ساله 14-16 مشاهده شد. میزان شيوع PIU در اروپا به طور معنی داری در مردان بالاتر از زنان بوده است، با سن افزایش می يابد، در كشور متفاوت است و با مجموعه ای از اختلالات روانی و رفتاری مرتبط است [35,36,37,38,39].
 
شروع رفتارهای ریسک اغلب در طول نوجوانی با افزایش احتمال پیوستگی در بزرگسالی اتفاق می افتد. مردان نسبت به زنان شایع تر هستند و فراوانی رفتارهای ریسک با سن افزایش می یابد [40] سطوح مختلفی از شدت وجود دارد که از ریسک کم (عادات خواب ضعیف، تغذیه نامناسب و عدم فعالیت بدنی) تا رفتارهای پر خطر (مصرف بیش از حد الکل، مصرف مواد مخدر و مصرف دخانیات) وجود دارد. تحقیقات به طور معمول رفتارهای ریسک را به عنوان نهادهای مستقل ارزیابی می کنند، هرچند شواهد واضح نشان می دهد که همپیمانی آنها حتی در سن زودهنگام [41,42] جمعیت مبتلایان به ریسک چندگانه بیشترین خطر را برای بیماری های مزمن، اختلالات روانپزشکی، رفتارهای خودکشی و مرگ زودرس در مقایسه با افرادی که دارای رفتارهای خطرناک و بدون ریسک هستند بیشتر می کند [43,44] با توجه به ماهیت همزمان رفتارهای ریسک، ضروری است که آنها را در خطر ابتلا به PIU نوجوانان درک کنیم.
 
سیستم نظارت بر رفتار جوانان ریسک (YRBSS) در ایالات متحده نشان می دهد که رفتارهای ریسک نقش مهمی در علل عمده مرگ و میر در میان نوجوانان و جوانان دارد [45] به استثنای این فرض ضمنی، تحقیق نسبتا کمی وجود دارد که به طور سیستماتیک بررسی می کند که آیا این گونه رفتارها با PIU نوجوان ارتباط دارد یا خیر، به خصوص در محدوده اروپایی. تحقیقات اپیدمیولوژیک برای درک بهتر این پدیده لازم است.
 
بر اساس یک نمونه بزرگ نمونه ای از نوجوانان مبتنی بر مدرسه در اروپا، هدف اصلی این مطالعه بررسی رابطه بین رفتارهای ریسک (یعنی مصرف الکل، مصرف مواد مخدر غیرقانونی، مصرف دخانیات، اقدامات ریسک پذیری، ریزش مو، عادات خواب ضعیف، تغذیه نامناسب و عدم فعالیت فیزیکی) و فرم های متمایز استفاده از اینترنت.

2 مواد و روش ها

2.1 طراحی مطالعه و جمعیت

مطالعه حاضر مقطعی در قالب طرح اتحادیه اروپا انجام شده است: صرفه جویی و توانمند سازی زندگی های جوان در اروپا (SEYLE) [46] نوجوانان از مدارس به طور تصادفی انتخاب شده در سراسر سایت های تحصیل در اتریش، استونی، فرانسه، آلمان، مجارستان، ایرلند، اسرائیل، ایتالیا، رومانی، اسلوونی و اسپانیا استخدام شدند و سوئد به عنوان مرکز هماهنگی فعالیت می کرد.
 
معیار ورود برای انتخاب مدارس واجد شرایط بر اساس شرایط زیر بود: (1) مدارس عمومی بودند؛ (2) شامل حداقل دانش آموزان 40 ساله 15 سال؛ (3) بیش از دو معلم برای دانش آموزان سالهای 15 داشتند؛ و (4) بیش از 60٪ از دانش آموزان همان جنسیت بود. مدارس واجد شرایط بر اساس اندازه طبقه بندی شدند: (i) کوچک (≤ میانگین تعداد دانش آموزان در تمام مدارس محل تحصیل)؛ و (ii) بزرگ (متوسط ​​تعداد دانش آموزان در تمام مدارس محل تحصیل) [46] با استفاده از یک مولد عدد تصادفی، مدارس با توجه به مداخلات SEYLE و اندازه مدرسه با توجه به عوامل اجتماعی فرهنگی، محیط مدرسه و ساختار سیستم مدرسه در هر سایت مطالعه، تصادفی شدند.
 
داده ها با استفاده از پرسشنامه های ساختاری که برای نوجوانان در محیط مدرسه مورد استفاده قرار گرفت، جمع آوری شد.
نمایندگی، رضایت، مشارکت و میزان پاسخ نمونه در یک تحلیل روش شناسی گزارش شده است [47].
این مطالعه مطابق با اعلامیه هلسینکی انجام شد و پروتکل توسط کمیته اخلاق محلی در هر کشور شرکت کننده (شماره پروژه HEALTH-F2-2009-223091) تایید شد. قبل از شرکت در مطالعه، هر دو نوجوان و والدین رضایت آگاهانه خود را برای مشارکت ارائه دادند.

2.2 اندازه گیری ها

PIU با استفاده از پرسشنامه تشخیصی یانگ (YDQ) [18] پرسشنامه YDQ یک پرسشنامه 8 است که الگوهای استفاده از اینترنت را که در طی دوره شش ماهه قبل از جمع آوری داده ها منجر به نقص روانی یا اجتماعی می شود، ارزیابی می کند [48] هشت مورد در YDQ مربوط به شش مورد در مدل اجزای گریفیتس و نه مورد در معیارهای تشخیص IGD در DSM-5 [49,50] بر اساس نمره YDQ، از کاربران 0-8، کاربران اینترنت به سه گروه تقسیم شدند: کاربران اینترنت انطباقی (AIU) (نمره 0-2)؛ کاربران اینترنت ناسازگار (MIU) (نمره 3-4)؛ و کاربران اینترنت آسیب پذیر (PIU) (نمره ≥ 5) [51] علاوه بر این، ساعتهای آنلاین در روز با استفاده از پرسشنامه تک تک پرسشنامه در پرسشنامه ساختار یافته اندازه گیری شد.
داده های مربوط به رفتارهای ریسک با استفاده از پرسشنامه های بهداشت جهانی (GSHS)52] GSHS، که توسط سازمان بهداشت جهانی (WHO) و همکارانش تهیه شده است، یک نظرسنجی مبتنی بر مدرسه است که ارزیابی رفتارهای بهداشتی در میان نوجوانان 13-17 ساله است. این پرسشنامه خود گزارش شامل اقلامی است که با علل عمده مرگ و میر در میان نوجوانان و جوانان مرتبط است.

2.3 ریسک فردی

بر اساس GSHS، رفتارهای فردی فردی به سه دسته تقسیم شدند: (i) مصرف مواد؛ (2) حساس بودن؛ (iii) و ویژگی های شیوه زندگی. رفتارهای فردی خطرناک به عنوان متغیرهای دو متغیر کدگذاری شده اند.

2.3.1 استفاده از مواد

مصرف مواد شامل مصرف الکل، مصرف مواد مخدر غیرقانونی و مصرف دخانیات است. متغیرها به ترتیب طبقه بندی شدند: (1) فرکانس مصرف الکل: ≥2 بار در هفته در برابر ≤1 بار در هفته؛ (2) تعداد نوشیدنی ها در یک روز نوشیدن معمول: ≥3 نوشیدنی در برابر ≤2 نوشیدنی؛ (3) در طول عمر مصرف نوشیدن به نقطه مستی (مسمومیت الکل): ≥3 بار در برابر ≤2 بار؛ (4) بروز طول عمر یک پیروزی بعد از نوشیدن: ≥3 بار در برابر ≤2 بار؛ (5) تا کنون مواد مخدر مصرف کرده است: بله / خیر؛ (6) تا کنون از حشیش یا ماری جوانا استفاده کرده است: بله / خیر؛ (7) تا کنون از تنباکو استفاده کرده است: بله / خیر؛ و (8) در حال حاضر سیگار کشیدن سیگار: ≥6 / روز در مقابل ≤5 / روز.

2.3.2 حسن جستن

حس شکنی شامل چهار عنصر است که نشان می دهد اقدامات ریسک پذیری در طول دوازده ماه گذشته: (1) در یک وسیله نقلیه توسط یکی از دوستان که الکل مصرف کرده بود، رانده شد. (2) یک اسکیت بورد یا غلتک در ترافیک بدون یک کلاه ایمنی و / یا (3) که در امتداد یک وسیله نقلیه حرکت می کند؛ و (4) در طول شب به خیابان ها یا کوچه های خطرناک رفته اند. جایگزین های پاسخ در هر چهار مورد بله / خیر بود.

2.3.3 ویژگی های سبک زندگی

ويژگي هاي شيوه زندگي شامل متغيرهاي مرتبط با خواب، تغذيه، فعاليت جسماني و حضور در مدارس است. عادت های خوابیدن به شش ماه گذشته اشاره کرد: (1) احساس خستگی در صبح قبل از مدرسه: ≥3 روز / هفته در برابر ≤2 روز / هفته؛ (2) پس از مدرسه: بعد از مدرسه ≥3 روز در مقابل ≤2 روز در هفته؛ و (4) خواب: ≤6 ساعت / شب در مقابل ≥7 ساعت / شب. تغذیه اشاره به شش ماه گذشته: (4) مصرف میوه ها / سبزیجات: ≤1 زمان / هفته در برابر ≥2 بار / هفته؛ و (5) مصرف صبحانه قبل از مدرسه: ≤2 روز / هفته در مقابل ≥3 روز / هفته. فعالیت فیزیکی اشاره به شش ماه گذشته: (6) فعالیت بدنی برای حداقل 60 دقیقه در دو هفته گذشته: ≤3 روز در مقابل ≥4 روز؛ و (7) به صورت منظم ورزش می کنند: بله / نه حضور مدرسه شامل مواردی بود که در طول دو هفته گذشته از غیبت غیرمعمول از مدرسه استفاده شد: ≥3 روز در مقابل ≤2 روز.

2.4 ریسک چندگانه

تعداد کل رفتارهای ریسک به یک متغیر واحد محاسبه شده و به عنوان ضریب رشته ای کدگذاری شده است. قابلیت اطمینان تقسیم نیمه (rsb = 0.742) و هماهنگی داخلی (α = 0.714) نشان داد سطح قابل قبولی همگنی بین اقلام در اندازه گیری رفتار ریسک چندگانه

3 تجزیه و تحلیل آماری

شیوع رفتارهای فردی-ریسک در میان گروههای کاربری اینترنت برای مردان و زنان محاسبه شد. برای تعیین تفاوت های آماری معنیداری بین نسبت گروه ها، مقایسه های چندگانه چندگانه با استفاده از آزمون Z دو طرفه با مقادیر p-adjusted Bonferroni انجام شد. تجزیه و تحلیل های گسترده برای آزمایش اثر رفتارهای فردی بر روی MIU و PIU با استفاده از مدل های مختلط خطی تعمیم یافته (GLMM) با پیوند چندجملهای لجیت و حداکثر احتمال درستنمایی انجام شد. در تجزیه و تحلیل GLMM، MIU و PIU به عنوان مقادیر نتیجه با AIU به عنوان رده مرجع وارد شدند، رفتارهای فردی فردی به عنوان اثرات ثابت Level 1، مدرسه به عنوان Level 2 تصادفی و کشور به عنوان Level 3 تصادفی رهگیری وارد شد. مولفه های واریانس به عنوان ساختار کوواریانس برای اثرات تصادفی مورد استفاده قرار گرفت. برای مطالعه اثر متناوب جنسیتی، اصطلاحات تعامل (جنس * ریسک-رفتار) در مدل رگرسیون قرار گرفت. تنظیمات مربوط به سن و جنسیت به مدل های مرتبط GLMM اعمال می شود. نسبت شانس (OR) با 95٪ اطمینان فواصل اطمینان (CI) برای مدل های مربوطه گزارش شده است.
در تجزیه و تحلیل رفتارهای مختلف ریسک، میانگین (M) و خطای استاندارد میانگین (SEM) برای گروه های مختلف اینترنت استفاده شده و طبقه بندی شده براساس جنسیت محاسبه شد. برای نشان دادن این روابط، از جعبه و ویلچر استفاده شده است. آزمون آماری معنی داری بین رفتارهای چندگانه ریسک و جنسیت با استفاده از آزمون t مستقل انجام شد. تجزیه و تحلیل واریانس یک طرفه (ANOVA) با مقایسههای دوگانه بعد از هک، برای ارزیابی اهمیت آماری بین چندین ریسک-رفتار و گروههای کاربر اینترنتی استفاده شد.
یک طرح متغیر رگرسیون برای روشن کردن رابطه خطی بین تعداد ساعات آنلاین در روز و تعداد رفتارهای خطرناک در بین گروه های کاربر اینترنت انجام شد. تمام آزمون های آماری با استفاده از IBM SPSS Statistics 23.0 انجام شده است. مقدار بحرانی p <0.05 از نظر آماری معنی دار در نظر گرفته شد.

4. نتایج

4.1 خصوصیات نمونه مطالعه

در میان نمونه اولیه SEYLE از 12,395 نوجوان ، 464 نفر (3.7)) وجود داشتند که به دلیل از دست رفتن داده ها در مورد متغیرهای مربوطه ، از مطالعه خارج شدند. این یک نمونه نمونه از 11,931 نوجوان مدرسه محور برای مطالعه حاضر است. نمونه شامل 43.4/56.6 درصد نوجوانان مرد و 5179/6752 درصد نوجوانان زن (M / F: 14.89/0.87) با میانگین سنی 14.3/12.4 ± 5.2/3.9 سال بود. شیوع MIU در زنان (2/11928 درصد) در مقایسه با مردان (19.92/0.001 درصد) به طور معنی داری بیشتر بود ، در حالیکه PIU در مردان (XNUMX/XNUMX درصد) نسبت به خانمها (XNUMX/XNUMX درصد) به طور معنی داری بیشتر بود (χ² (XNUMX ، XNUMX) = XNUMX/XNUMX ، p < XNUMX)

4.2 شیوع رفتارهای ریسک

جدول 1 شیوع رفتارهای ریسک طبقه بندی شده توسط گروه کاربر اینترنت را توصیف می کند. میانگین شیوع شیوع در میان گروه های کاربر اینترنت (AIU، MIU و PIU) 16.4٪، 24.3٪ و 26.5٪ برای مصرف مواد (مصرف الکل، مصرف مواد مخدر غیرقانونی و مصرف دخانیات) بود. 19.0٪، 27.8٪ و 33.8٪ برای رفتارهای حساس (اقدامات خطرپذیر)؛ و 23.8٪، 30.8٪ و 35.2٪ برای ویژگی های شیوه زندگی (عادات ضعیف خواب، تغذیه نامناسب، عدم فعالیت فیزیکی و ریزش مو). شیوع در گروه های MIU و PIU در مقایسه با گروه AIU در همه گروه های خطر (مصرف مواد، حساس بودن و ویژگی های شیوه زندگی) به میزان قابل توجهی بیشتر بود. به استثنای پنج زیر شاخه، مقایسه های دوگانه نشان داد که میزان شیوع بین گروه های MIU و PIU به طور قابل توجهی متفاوت نیست.

جدول
جدول 1. شیوع رفتارهای ریسک در میان نوجوانان طبقه بندی شده بر اساس جنسیت و گروه کاربر اینترنت 1,2a-c.

4.3 ریسک چندگانه

نتایج نشان داد که 89.9٪ از نوجوانان در گروه PIU رفتارهای پرخطر متعددی را گزارش کرده اند. آزمون ANOVA یک طرفه نشان داد که میانگین میزان رفتارهای پرخطر متعدد به طور قابل توجهی از استفاده انطباقی (M = 4.89 ، SEM = 0.02) به استفاده ناسازگار (M = 6.38 ، SEM = 0.07) به استفاده پاتولوژیک (M = 7.09 ، SEM = 0.12) (F (2 ، 11928) = 310.35 ، p <0.001). این روند برای مردان و زنان تقریبا معادل بود (شکل 1).

Ijerph 13 00294 g001 1024
شکل 1. توزیع جعبه و وصکر از رفتارهای مختلف ریسک در بین کاربران اینترنت انطباق (AIU)، کاربران اینترنت مضر (MIU) و کاربران اینترنت آسیب پذیر (PIU) طبقه بندی شده بر اساس جنس *.
علاوه بر این، هیچ تفاوت آماری بین جنس در هر دو گروه MIU (t (1608) = 0.529، p = 0.597) و PIU (t (526) = 1.92، p = 0.054) مشاهده نشد (جدول 2) لازم به ذکر است که ارزش p برای گروه PIU نسبتا نزدیک به رسیدن به اهمیت آماری (p = 0.054) است. 

جدول
جدول 2. نمونه های مستقل t-test از رفتارهای مختلف ریسک و جنسیت با استفاده از گروه کاربر اینترنت 1-3.
طرح متغیر رگرسیون یک رابطه خطی روشن بین تعداد ساعتهای آنلاین در روز و تعداد رفتارهای ریسک در نوجوانان نشان داد. این روند در مقایسه بین گروه های کاربر اینترنت (شکل 2). 

Ijerph 13 00294 g002 1024
شکل 2. رابطه خطی بین تعداد ساعتهای آنلاین در روز و تعداد رفتارهای ریسک در گروههای AIU، MIU و PIU *.

4.4 GLMM تجزیه و تحلیل ارتباط بین رفتارهای خطر، MIU و PIU

رفتارهای ریسک که به طور قابل توجهی با MIU مرتبط بودند، به طور قابل توجهی با PIU همبستگی داشت، به استثنای سه زیرمجموعه ذکر شده در اقدامات ریسک پذیری و رها کردن (جدول 3) تجزیه و تحلیل GLMM نشان داد که همه زیر شاخه های عادات خواب ضعیف، شانس نسبی PIU را با اندازه های اعمال شده از OR = 1.45 به OR = 2.17 افزایش می دهد. پیوندهای مهم بین اقدامات ریسک پذیری و PIU با اندازه اثر از OR = 1.55 به OR = 1.73 مشاهده شد. علاوه بر این، نسبت شانس برای دسته بندی های تک در داخل استفاده از توتون (OR = 1.41)، تغذیه ضعیف (OR = 1.41) و عدم فعالیت فیزیکی (OR = 1.39) از نظر آماری معنی دار بود.

جدول
جدول 3. همبستگی مدل خطی (GLMM) ارتباط بین رفتارهای ریسک فردی، استفاده ناسازگارانه و استفاده از آسیب شناسی با تحلیل گسترده ای در تعاملات جنسیتی 1-4.

4.5 تعاملات جنسیتی

تجزیه و تحلیل بر روی تعاملات جنسیتی نشان داد که ارتباط بین اقدامات ریسک پذیری، عادات خواب ضعیف و PIU در زنان به طور قابل توجهی بالاتر بود، در حالیکه ارتباط بین زمان رحلت، تغذیه نامناسب و PIU در مردان (جدول 3).

5 بحث

5.1 شیوع رفتارهای ریسک

مطالعه حاضر با هدف بررسی رابطه بین ضریب اطمینان و ریسک-رفتارها انجام شده است. نتایج نشان داد که شیوع رفتارهای خطر در بین کاربران پاتولوژیک نسبت به کاربران تطبیقی ​​با برخی تغییرات بین جنس ها به طور معناداری بالاتر بود. بیشترین شیوع در بین کاربران ناسازگار و پاتولوژیک، عادات خواب کم و مصرف دخانیات بود. این برآوردها در مقایسه با میزان شیوع گزارش شده در مطالعات خارج از اتحادیه اروپا، یعنی در مناطق آسیا و اقیانوس آرام [53,54] یک توضیح قابل قبول می تواند مربوط به تغییرات مشاهده شده در سطح اکولوژیکی (به عنوان مثال، میزان نفوذ) در میان این مناطق مربوطه باشد. آمار نشان می دهد که منطقه اروپا دارای بالاترین میزان نفوذ اینترنت (78٪) در سراسر جهان است. نرخ های اروپایی بیش از دو برابر در مقایسه با آنچه در مناطق آسیا و اقیانوس آرام نشان داده شده است (36٪) [55] میزان نفوذ نقش واقعی بر تاثیر شیوع PIU مبهم است. بنابراین، تلاش های آینده برای بررسی این رابطه ارزش زیادی برای توضیح این ارتباط خواهد داشت.

5.2 استفاده از مواد

ویژگیهای رفتارهای خطر و رفتارهای اعتیادآور به شدت همپوشانی دارند. این احتمالا بیشتر با استفاده از مواد آشکار است. استفاده از مواد اغلب به عنوان یک رفتار خطر شناخته می شود؛ با این حال، آن نیز یک پیشداوری سوء مصرف مواد است. اگر رفتارهای پرخطر دارای مکانیزم مشابهی هستند، پس داشتن یک رفتار مشکل می تواند آستانه توسعه سایر رفتارهای مشکوک را کاهش دهد. این ادعا با تحقیق مبتنی بر شواهد ثابت شده است که سطح بالایی از ارتباطات بین رفتارهای مختلف ریسک را نشان می دهد [56] بر اساس این مفهوم، فرض بر این است که نوجوانان با رفتارهای ریسک پیش از زوال، به احتمال زیاد در معرض خطر ابتلا به PIU نسبت به نوجوانان بدون رفتارهای خطر هستند.

5.3 حسن جستن

در راستای تحقیقات پیشین [57]، نتایج نشان داد که اکثر اقدامات ریسک پذیری درون گروه حساس جستجو به طور قابل توجهی با PIU ارتباط دارد. احساس گرایش، یک ویژگی شخصیتی است که با کمبودهای خود تنظیم و رضایت زود هنگام مواجه است [58] این صفات در میان جوانان اغلب به یک ادراک ادراکی از یک «اثر متعصب خوش بینانه» مربوط می شود که در آن نوجوانان بیشترین خطر را برای خودشان تخفیف می دهند، در حالی که بیش از حد ارزیابی خطرات برای دیگران [59] نوجوانانی که این صفات انحرافی را نشان می دهند، به احتمال زیاد تمایل بیشتری به مشکلات رفتاری دارند.

5.4 ویژگی های سبک زندگی

عادت های خواب ضعیف ثابت شده است که قوی ترین عوامل مربوط به PIU. این احتمالا به دلیل اثر جابجایی خواب برای فعالیت های آنلاین است. فعالیت های آنلاین خاصی وجود دارد که به صراحت کاربران را مجبور به ماندن در اینترنت طولانی تر از پیش بینی می کند. تحقیق در بازی های آنلاین نقش مهمی بازی چند نفره (MMORPG) نشان می دهد که کاربران برای ماندن در اینترنت بیشتر به دنبال پیروی از داستان پیشرفته شخصیت آنلاین خود هستند60] استفاده بیش از حد از سایت های شبکه های اجتماعی در سال های اخیر ظهور کرده است، که نشان دهنده افزایش زمان صرف آنلاین و همبستگی منفی با تعاملات اجتماعی واقعی است [61,62] مطالعات نشان می دهد که نوجوانان بیش از حد با استفاده از اینترنت تمایل به توسعه اختلالات خواب را به عنوان یک نتیجه از زمان طولانی خود را آنلاین [63,64] جابجایی مزمن خواب برای فعالیت های آنلاین می تواند منجر به محرومیت از خواب شود، که شناخته شده است که باعث بروز عوارض شدید در عملکرد اجتماعی، روانی و اجتماعی می شود.
اختلالات در الگوهای خواب رانده شده همچنین می تواند عامل میانجی در رابطه بین گذراندن وقت و استفاده ناسازگار از اینترنت باشد. نوجوانانی که فعالیت های آنلاین را به شدت درگیر می کنند، می توانند خطر نظم طبیعی خود را از بین بردن. شواهد نشان می دهد که افزایش زمان خواب و کاهش سرعت حرکت چشم چشم (خواب REM) به طور قابل توجهی با استفاده از اینترنت بیش از حد مرتبط است [65]، در حالی که انسداد های ذهنی و پارازومنی ها با ختنه [66] اختلالات خواب اثراتی بر عملکرد روزانه و موفقیت تحصیلی دارد. این امر می تواند نوجوانان را در مدرسه بی علاقه کند و در نتیجه افزایش ریسک عدم پذیرش مدرسه و غیبت مزمن [66].
تغذیه بد و عدم فعالیت بدنی به طور قابل توجهی با PIU مرتبط بود. نوجوانانی که ساعت های طولانیتری را صرف می کنند، به طور بالقوه به غذاهای ناسالم تر حرکت می کنند. فرض بر این است که گیمرهای آنلاین نوشیدنی های انرژی با کافئین بالا مصرف می کنند و غذاهای پرچرب را برای افزایش هوشیاری برای بازی آنلاین مصرف می کنند [67] در ادامه، این عوامل می توانند باعث افزایش علاقه مندان به بازی های آنلاین در مقایسه با بازیگران غیرواقعی شود. علاوه بر این، وفاداری گسترده ای در بین بازیگران، به ویژه کسانی که مواد غذایی، بهداشت شخصی و فعالیت های جسمانی را جایگزین می کنند، به منظور ادامه بازی های آنلاین [68] این می تواند خطرات جدی سلامتی را ایجاد کند و ممکن است منجر به نشانه های شدید روانی شود.

5.5 ریسک چندگانه

رفتارهای ریسک در طبیعت همزمان بوده و 89.9 درصد از نوجوانان در گروه PIU گزارش چندین ریسک رفتار را نشان می دهند. این نتایج با تئوری Jessor در رفتار مشکلی مطابقت دارد [69,70] نظریه رفتار مشکل، یک مدل روانشناختی است که تلاش میکند پیامدهای رفتاری نوجوانان را توضیح دهد. این سیستم شامل سه سیستم مفهومی بر اساس اجزای روان شناختی است: سیستم شخصیت، سیستم محیطی درک شده و سیستم رفتار. در سیستم دومی، ساختارهای رفتار ریسک-رفتار (مانند استفاده از الکل، استفاده از دخانیات، بزهکاری و خلع سلاح) تمایل به همکاری و خوشه بندی را به یک سندرم ریسک رفتار عمومی می رسانند [71] به گفته یسر، این رفتارهای مشکوک اغلب ناشی از ادعای استقلال والدین از والدین و تأثیرات اجتماعی است.
نوجوانان که برای خودمختاری تلاش می کنند، ممکن است بخشی از روند خطی قابل توجهی که بین ساعت های آنلاین در روز و رفتارهای مختلف ریسک مشاهده می شود، حساب شود. این روند در مقایسه با تمام گروههای کاربری اینترنت نسبتا مشابه بود. این یافته ها بسیار مرتبط هستند، زیرا آنها نشان می دهند که ساعت های بیش از حد آنلاین خود می تواند تعداد رفتارهای ریسک را برای تمام نوجوانان و نه تنها افرادی که با PIU تشخیص داده شده است افزایش دهد. بیش از حد ساعت های آنلاین نیز می تواند عامل موثر در رابطه بین PIU و رفتارهای خطر باشد؛ با این حال تحقیقات بیشتری در مورد این رابطه ضروری است.

5.6 تعاملات جنسیتی

تجزیه و تحلیل تعاملات جنسیتی نشان داد که ارتباطات قابل توجهی بین رفتارهای ریسک و PIU بین مردان و زنان توزیع شده است. این تا حدودی متناقض با تحقیقات قبلی است که معمولا نشان می دهد که PIU و رفتارهای ریسک مخصوص جنسیتی مرد هستند. این تغییر جنسیت می تواند نشانه ای باشد که شکاف جنسیتی برای رفتارهای ریسک ممکن است در میان نوجوانان اروپایی باردار شود.
از دیدگاه دیگر، رابطه بین جنسیت و رفتارهای ریسک می تواند توسط یک عامل ثانویه، مانند آسیب شناسی روانی، متاثر شود. در یک مطالعه بزرگ مبتنی بر جنسیت نوجوانان (n = 56,086) ساله 12-18، میزان شیوع PIU در بین نمونه کل با میزان قابل توجهی بالاتر از مردان مشاهده شد (2.8٪) در مقایسه با زنان (3.6٪) 1.9٪) [72] در این مطالعه مشخص شده است که زنان با مسائل عاطفی، مانند ناراحتی ذهنی و یا نشانه های افسردگی، میزان شیوع PIU نسبت به مردان با علائم عاطفی مشابه دارند. مطالعات مبتنی بر جنسیت که بررسی تأثیر تعاملات جنسیتی در PIU هستند، یک پیش نیاز ضروری برای آینده جهت تحقیق PIU است.

5.7 مدل اجزای گریفیتس

مدل اجزای مدل گریفیتس از اعتياد [30] فرضیه ها این است که اعتیاد رفتاری (به عنوان مثال، PIU) و اعتیاد به مواد وابسته به مواد از طریق پروسه های مشابه biopsychosocial پیشرفت و به اشتراک گذاری فیزوژنتیک های متعدد. معیار وابستگی 6 عامل اصلی در این مدل عبارتند از: 1، 2، 3، 4 و 5 و 6. Kuss و همکاران. [73] مدل اجزای وابستگی را در دو نمونه مستقل (n = 3105 و n = 2257) مورد بررسی قرار داد. نتایج نشان داد که مدل اجزای PIU در هر دو نمونه بسیار مناسب است.
در مطالعه حاضر، اندازه گیری YDQ برای ارزیابی و تشخیص نوجوانان با خطرات ناسازگار و پاتولوژیکی مربوط به استفاده از اینترنت و رفتارهای آنلاین آنها مورد استفاده قرار گرفت. به عنوان اندازه گیری YDQ شامل تمام شش معیار اعتیاد است که در مدل اجزای گریفیتس تعریف شده است، اعتبار نتایج گزارش شده در این مطالعه با استفاده از این چارچوب نظری پشتیبانی می شود.

5.8 قدرت و محدودیت

نمونه بزرگ، نماینده، نمونه بین المللی، قدرت اصلی این مطالعه است. روش متداول همگن و روشهای استاندارد شده مورد استفاده در همه کشورها اعتبار، قابلیت اطمینان و قابل مقایسه بودن اطلاعات را افزایش می دهد. تا حد زیادی از دانش ما، منطقه جغرافیایی در اروپا بزرگترین مورد استفاده برای مطالعه در مورد PIU و رفتارهای ریسک بود.
همچنین محدودیت های مطالعه وجود دارد. داده های خود گزارش شده مستعد فراخوانی و تعصبات مطلوب اجتماعی هستند، که احتمالا بین کشورها و فرهنگ ها متفاوت است. طراحی مقطعی نمی تواند به دلیل روابط زمانی باشد، بنابراین علیت نمی تواند تعیین شود. در اندازه گیری GSHS، زیر شاخه های اقدامات ریسک پذیری تنها بخشی از رفتارهای حساس است؛ بنابراین، هنگام تفسیر نتایج، باید احتیاط شود.

6 نتیجه گیری

میزان شیوع قابل توجهی افزایش در گروه های AIU، MIU و PIU در همه گروه های خطر (مصرف مواد، حساس بودن و ویژگی های شیوه زندگی) مشاهده شد. نوجوانانی که عادت های خواب ضعیف و اقدامات ریسک پذیری را گزارش می دهند، قوی ترین ارتباط با PIU را نشان می دهد، به دنبال آن مصرف دخانیات، تغذیه نامناسب و عدم فعالیت فیزیکی است. ارتباط معنی داری بین PIU و رفتارهای ریسک همراه با میزان بالای هموفیلی، اهمیت توجه به PIU را در هنگام غربالگری، درمان یا پیشگیری از رفتارهای پر خطر در نوجوانان بیان می کند.
در میان نوجوانان در گروه PIU، 89.9٪ به عنوان رفتارهای ریسک چندگانه مشخص شد. بنابراین، تلاش ها باید نوجوانانی باشد که بیش از حد از اینترنت استفاده می کنند، به عنوان یک روند خطی قابل توجه بین ساعت های آنلاین در روز و چندین رفتار ریسک مشاهده شده است. این روند در تمام گروه های کاربری اینترنتی شباهت دارد و نشان می دهد که ساعت های بیش از حد آنلاین به صورت خود یک عامل مهمی برای رفتارهای خطر است. این یافته ها باید قبل از تعیین معیارهای نظری آنها تکرار شود و بیشتر مورد بررسی قرار گیرد.

تشکر و قدردانی

پروژه SEYLE از طریق موضوع هماهنگی شماره 1 (بهداشت) برنامه چهارم هفتم اتحادیه اروپا (FP7) ، توافق نامه اعطای شماره HEALTH-F2-2009-223091 پشتیبانی شد. نویسندگان در همه جنبه های طراحی مطالعه ، تجزیه و تحلیل داده ها و نوشتن این نسخه از سرمایه گذاران مستقل بودند. مدیر پروژه و هماهنگ کننده پروژه SEYLE استاد روانپزشکی و خودکشی شناسی دانوتا واسرمن ، انستیتوی کارولینسکا (KI) ، رئیس مرکز ملی تحقیقات خودکشی و پیشگیری از سلامت روان و خودکشی (NASP) ، در KI ، استکهلم ، سوئد. دیگر اعضای کمیته اجرایی ، استاد ارشد ولادیمیر کارلی ، مرکز ملی تحقیقات خودکشی و پیشگیری از بیماری روانی (NASP) ، موسسه کارولینسکا ، استکهلم ، سوئد هستند. کریستینا WH هوون و انسان شناس ، کامیلا واسرمن ، گروه روانپزشکی کودک و نوجوان ، انستیتوی روانپزشکی ایالت نیویورک ، دانشگاه کلمبیا ، نیویورک ، آمریکا ؛ و مارکو سارشیاپون ، گروه علوم بهداشتی ، دانشگاه مولیز ، کمپوباسو ، ایتالیا. کنسرسیوم SEYLE شامل مراکزی در 12 کشور اروپایی است. رهبران سایت برای هر مرکز و کشور مربوطه عبارتند از: Danuta Wasserman (NASP ، موسسه کارولینسکا ، سوئد ، مرکز هماهنگی) ، Christian Haring (دانشگاه فناوری اطلاعات پزشکی ، اتریش) ، Airi Varnik (موسسه بهداشت روان و خودکشی سوئدی استونی ، استونی) ، ژان پیر کان (دانشگاه لورین ، نانسی ، فرانسه) ، روموالد برونر (دانشگاه هایدلبرگ ، آلمان) ، جودیت بالاز (بیمارستان روانپزشکی کودک و نوجوان واداسکرت ، مجارستان) ، پل کورکوران (بنیاد تحقیقات تحقیقات خودکشی ، ایرلند) ، آلن آپتر (مرکز پزشکی کودکان اشنایدر اسرائیل ، دانشگاه تل آویو ، تل آویو ، اسرائیل) ، مارکو سارشیاپون (دانشگاه مولیسه ، ایتالیا) ، Doina Cosman (دانشگاه پزشکی و داروسازی Iuliu Hatieganu ، رومانی) ، ویتا پستووان (دانشگاه پریمورسکا ، اسلوونی) ) و خولیو بوبس (دانشگاه اوییدو ، اسپانیا). حمایت از "مسائل اخلاقی در تحقیقات با افراد زیر سن قانونی و سایر گروههای آسیب پذیر" با کمک مالی بنیاد Botnar ، بازل ، برای استاد اخلاق ، استلا ریتر-تیل ، کلینیک روانپزشکی در دانشگاه بازل ، که به عنوان مشاور اخلاقی مستقل خدمت می کرد ، به دست آمد. پروژه SEYLE.

مقالات نویسنده

تونی دورکی نخستین و متقاعد کننده است که طراحی مطالعه را توسعه داده است، تحلیل های آماری انجام داده و تمام مراحل مقاله را انتقاد می کند. ولادیمیر کارلی، Birgitta Floderus و دانوتا واسرمن در طراحی مطالعه شرکت کردند و اصلاحات انتقادی را به این دست نوشته انجام دادند. کامیلا واسمن، کریستینا ون هووون، مایکل کایس و پتر وارنیک مشاوره کرده و تجدید نظرهای انتقادی را به این مقاله ارائه دادند. مارکو ساچیاپونه، آلن آپتر، جودیت A. بالاز، جولیو بابس، رووالد برونر، پل کورکران، دینا کاسمن، کریستین هارین، ژان پیر کان و ویتا Postuvan محققان اصلی پروژه SEYLE در کشورهای خود هستند و در اصلاح انتقادی به نسخه خطی بوگدان ناملس و پیلار ا. سیز مدیران پروژه پروژه SEYLE در کشور های مربوطه هستند و در اصلاحیه های مهم این دست نویس شرکت کردند.

تضاد علاقه

نویسندگان هیچ گونه تضاد منافع را اعلام نمی کنند.

اختصارات

اختصارات زیر در این دستنوشته استفاده می شود: 

سایه
صرفه جویی در زندگی جوانان در اروپا
YRBSS
سیستم نظارت بر رفتار ریسک جوانان
GSHS
بررسی وضعیت بهداشتی دانشجویی بر اساس مدرسه جهانی
YDQ
پرسشنامه تشخیصی Young
GLMM
مدل های ترکیبی خطی متداول
ANOVA
یکطرفه تحلیل واریانس
PIU
استفاده از اینترنت پاتولوژیک
MIU
استفاده از اینترنت نامناسب
AIU
استفاده انعطاف پذیر اینترنت
CI
فاصله اطمینان
SEM
خطای استاندارد از میانگین
M
منظور داشتن

منابع

  1. Moshman، D. توسعه شناختی فراتر از دوران کودکی. در کتاب روانشناسی کودک، 5th ed .؛ کوهن، دی.، دیمون، ویل، سیگلر، RS، اد. ویلی: نیویورک، نیویورک، ایالات متحده آمریکا، 1998؛ جلد 2، ص. 947-978. [گوگل اسکولار]
  2. Chudhury، S .؛ Blakemore، SJ؛ Charman، T. توسعه شناختی اجتماعی در دوران نوجوانی. سقوط شناختن تاثیر می گذارد. Neurosci. 2006، 1، 165-174. [گوگل اسکولار] [CrossRef] [گروه]
  3. Eccles، JS؛ ویگفیلد، آ. Byrnes، J. توسعه شناختی در نوجوانی. در کتاب روانشناسی: روانشناسی رشد؛ Lerner، RM، Easterbrooks، MA، Mistry، J.، Eds .؛ ویلی: Hoboken، نیویورک، ایالات متحده آمریکا، 2003؛ جلد 6، ص. 325-350. [گوگل اسکولار]
  4. Subrahmanyam، K .؛ Greenfield، P .؛ کراوت، R .؛ Gross، E. تاثیر استفاده از کامپیوتر در توسعه کودکان و نوجوانان. J. Appl. دیو روانشناسی 2001، 22، 7-30. [گوگل اسکولار] [CrossRef]
  5. الیسون، NB؛ استین فیلد، سی. Lampe C. مزایای فیس بوک "دوستان": سرمایه اجتماعی و استفاده دانشجویان از سایت های آنلاین شبکه اجتماعی. J. Comput. مد کمون 2007، 12، 1143-1168. [گوگل اسکولار] [CrossRef]
  6. استین فیلد، سی. الیسون، NB؛ Lampe C. سرمایه اجتماعی، اعتماد به نفس و استفاده از سایت های شبکه اجتماعی آنلاین: یک تحلیل طولی. J. Appl. دیو روانشناسی 2008، 29، 434-445. [گوگل اسکولار] [CrossRef]
  7. Tapscott، D. رشد دیجیتال: افزایش تولید خالص؛ McGraw-Hill Education: نیویورک، نیویورک، ایالات متحده آمریکا، 2008؛ پ. 384 [گوگل اسکولار]
  8. کراوت، R .؛ پترسون، م. Lundmark V .؛ Kiesler، S .؛ Mukopadhyay، T .؛ Scherlis، W. Paradox Internet. تکنولوژی اجتماعی که مشارکت اجتماعی و رفاه روانی را کاهش می دهد؟ صبح. روانشناسی 1998، 53، 1017-1031. [گوگل اسکولار] [CrossRef] [گروه]
  9. کراوت، R .؛ Kiesler، S .؛ بونهوا، ب. کامینگز، ج. هلژسون، V .؛ کراوفورد، A. پارادوکس اینترنت بازبینی شد. J. Soc. مسائل 2002، 58، 49-74. [گوگل اسکولار] [CrossRef]
  10. نی، NH؛ Hillygus، DS؛ Erbring، L. استفاده از اینترنت، روابط بین فردی و اجتماعی: یک مطالعه روزانه روزنامه. در اینترنت در زندگی روزمره؛ ولمن، ب.، هیتورنتوییت، سی.، اد. انتشارات Blackwell Ltd .: آکسفورد، انگلستان، 2002؛ ص. 213-243. [گوگل اسکولار]
  11. نالوا، ک. آناند، AP اعتياد به اینترنت در دانش آموزان: علت نگرانی. Cyberpsychol. بهاو 2003، 6، 653-656. [گوگل اسکولار] [CrossRef] [گروه]
  12. Akhter، N. رابطه اعتياد به اينترنت و عملکرد تحصيلي در بين دانشجويان دانشگاه. عود Res Rev. 2013، 8، 1793. [گوگل اسکولار]
  13. گور، ک. یورت، س. بولدوک، س. Atagoz، S. اعتياد به اينترنت و مشکلات رفتاري جسماني و رواني- اجتماعي در دانش آموزان دبيرستان هاي روستايي. نرس علم سلامت 2015، 17، 331-338. [گوگل اسکولار] [CrossRef] [گروه]
  14. پلتزر، ک. Pengpid، S .؛ Apidechkul، T. استفاده از اینترنت سنگین و ارتباط آن با خطرات بهداشتی و رفتارهای ارتقا دهنده سلامت در میان دانشجویان دانشگاه تایلند. بین المللی J. Adolesc. مد سلامتی 2014، 26، 187-194. [گوگل اسکولار] [CrossRef] [گروه]
  15. Punamaki، RL؛ والنویس، م. Nygard، CH؛ Saarni، L .؛ Rimpela A. استفاده از فناوری اطلاعات و ارتباطات (ICT) و سلامت درک شده در نوجوانی: نقش عادات خواب و خستگی بیداری. J. Adolesc. 2007، 30، 569-585. [گوگل اسکولار] [CrossRef] [گروه]
  16. Straker L .؛ Pollock، C؛ Maslen، B. اصول برای استفاده عاقلانه از کامپیوتر توسط کودکان. ارگونومی 2009، 52، 1386-1401. [گوگل اسکولار] [CrossRef] [گروه]
  17. شاو، م. سیاه و سفید، اعتیاد به اینترنت DW: تعریف، ارزیابی، اپیدمیولوژی و مدیریت بالینی. CNS مواد مخدر 2008، 22، 353-365. [گوگل اسکولار] [CrossRef] [گروه]
  18. Young، K. اعتیاد به اینترنت: ظهور یک اختلال بالینی جدید. CyberPsychol. بهاو 1998، 1، 237-244. [گوگل اسکولار] [CrossRef]
  19. انجمن روانپزشکی آمریکا (APA). راهنمای تشخیصی و آماری اختلالهای روانی. در دسترس آنلاین: http://www.dsm5.org (در 2 فوریه 2016 دیده می شود).
  20. Petry، NM؛ O'Brien، CP اینترنت بازی اختلال و DSM-5. اعتیاد 2013، 108، 1186-1187. [گوگل اسکولار] [CrossRef] [گروه]
  21. Sussman، S .؛ لیشا، ن. گریفیث، م. شيوع اعتیاد: مشکل اکثریت یا اقلیت؟ Eval پروفسور بهداشت 2011، 34، 3-56. [گوگل اسکولار] [CrossRef] [گروه]
  22. لی، HW؛ چوی، جی اس. شین، YC؛ لی، جی. یونگ، HY؛ Kwon، JS Impulsivity در اعتياد به اينترنت: مقايسه با قمار پاتولوژي. Cyberpsychol. بهاو سقوط شبکه 2012، 15، 373-377. [گوگل اسکولار] [CrossRef] [گروه]
  23. Tonioni، F .؛ ماززا، م. Autullo، G .؛ Cappelluti، R .؛ کاتالانو، V .؛ مارانو، ج. Fiumana، V .؛ Moschetti، C .؛ آلیمونتی، ف. Luciani، M. آیا اعتياد به اینترنت یک وضعیت روانپزشکی متفاوت از قمار پاتولوژیک است؟ معتاد بهاو 2014، 39، 1052-1056. [گوگل اسکولار] [CrossRef] [گروه]
  24. Sajeev Kumar، P .؛ Prasad، N .؛ راج، ز. .؛ ابراهیم، ​​A. آلودگی اینترنت و اختلالات مصرف مواد در دانش آموزان نوجوان، یک مطالعه مقطعی است. J. Int. مد دنت 2015، 2، 172-179. [گوگل اسکولار]
  25. Brezing، C؛ Derevensky، JL؛ Potenza، MN رفتارهای غیر اعتیادآور در جوانان: قمار آسیب شناسی و استفاده از اینترنت دشوار است. آدم های کودک روانپزشک کلین N. Am. 2010، 19، 625-641. [گوگل اسکولار] [CrossRef] [گروه]
  26. گلدشتاین، RZ؛ Volkow، ND نارسایی قشر پیشانی در اعتیاد: یافته های عصب شناختی و پیامدهای بالینی. نات Rev. Neurosci. 2011، 12، 652-669. [گوگل اسکولار] [CrossRef] [گروه]
  27. مونتاگ، ج. کیرش، پ. سئور، C .؛ Markett، S .؛ Reuter، M. نقش ژن chrna4 در اعتياد به اينترنت: مطالعه مورد-شاهدي. ج. معتاد. مد 2012، 6، 191-195. [گوگل اسکولار] [CrossRef] [گروه]
  28. کورمس، ج. Critselis، E .؛ Janikian، M .؛ Kafetzis، D .؛ Tsitsika، A. عوامل خطر و ویژگی های روانی و اجتماعی استفاده از اینترنت بالقوه مشکل و کاربردی در نوجوانان: یک مطالعه مقطعی. BMC بهداشت عمومی 2011، 11، 595. [گوگل اسکولار] [CrossRef] [گروه]
  29. ژو یو. لین، F.-C .؛ دو، Y.-S .؛ ژائو، Z.-M .؛ زو، جی. ر.؛ Lei، H. ناهنجاری های ماده خاکستر در اعتیاد به اینترنت: مطالعه ی مورفومتری مبتنی بر وکسل. یورو J. Radiol. 2011، 79، 92-95. [گوگل اسکولار] [CrossRef] [گروه]
  30. Griffiths، M. یک مدل "اجزای" اعتیاد در یک چارچوب بیوپسیوشوسیوسی. J. Subst. استفاده کنید 2005، 10، 191-197. [گوگل اسکولار] [CrossRef]
  31. چنگ، ج. Li، AY شيوع اعتياد به اينترنت و كيفيت زندگي (واقعي): يك تحليل متناظر از كشورهاي 31 در مناطق هفت منطقه جهان. Cyberpsychol. بهاو سقوط شبکه 2014، 17، 755-760. [گوگل اسکولار] [CrossRef] [گروه]
  32. Blinka، L .؛ Škařupová، K .؛ Ševčíková، A .؛ Wölfling، K .؛ مولر، KW؛ Dreier، M. استفاده بیش از حد از اینترنت در نوجوانان اروپایی: چه تفاوت های شدت را تعیین می کند؟ بین المللی J. بهداشت عمومی 2015، 60، 249-256. [گوگل اسکولار] [CrossRef] [گروه]
  33. Tsitsika، A .؛ Janikian، M .؛ Schoenmakers، TM؛ Tzavela، EC؛ Ólafsson، K .؛ Wójcik، S .؛ فلورین ماکار، ج. Tzavara، C .؛ ریچاردسون، C. رفتار اعتیاد به اینترنت در نوجوانی: یک مطالعه مقطعی در هفت کشور اروپایی. Cyberpsychol. بهاو سقوط شبکه 2014، 17، 528-535. [گوگل اسکولار] [CrossRef] [گروه]
  34. Durkee، T .؛ Kaess، M .؛ کارلی، و. پارزار، پ. وسترمان، ج. فلوئروس، ب. آپتر، آ. Balazs، J .؛ بارزیلی، س. بابز، ج. و همکاران شیوع استفاده از اینترنت آسیب پذیر در میان نوجوانان در اروپا: عوامل جمعیت شناختی و اجتماعی. اعتیاد 2012، 107، 2210-2222. [گوگل اسکولار] [CrossRef] [گروه]
  35. کوس، دی جی؛ گریفیتس، MD؛ کریلا، ل. بیلیو، ج. اعتیاد به اینترنت: بررسی سیستماتیک تحقیقات اپیدمیولوژیک در دهه گذشته. سر و صدا داروخانه دی 2014، 20، 4026-4052. [گوگل اسکولار] [CrossRef] [گروه]
  36. کارلی، و. Durkee، T .؛ Wasserman D؛ Hadlaczky، G .؛ Despalins R .؛ کرمارز، E .؛ وسترمان، ج. Sarchiapone، M .؛ Hoven، CW؛ Brunner R .؛ و همکاران ارتباط بین استفاده از اینترنت پاتولوژیک و روانپزشکی همراه: یک بررسی سیستماتیک. روانپزشکی 2013، 46، 1-13. [گوگل اسکولار] [CrossRef] [گروه]
  37. هو، RC؛ ژانگ، MW؛ Tsang، TY؛ توحه، AH؛ پان، F .؛ لو، یو. چنگ، ج. ایپ، PS؛ لام، LT؛ لای، C.-M .؛ و همکاران ارتباط بین اعتياد به اينترنت و عوارض روانپزشکی: يک متاآناليز. BMC روانپزشکی 2014، 14، 1-10. [گوگل اسکولار] [CrossRef] [گروه]
  38. Kaess، M .؛ Durkee، T .؛ Brunner R .؛ کارلی، و. پارزار، پ. وسترمان، ج. Sarchiapone، M .؛ Hoven، C .؛ آپتر، آ. Balazs، J .؛ و همکاران استفاده از اینترنت آسیب شناسی در میان نوجوانان اروپایی: آسیب شناسی روانشناختی و رفتارهای خود مخرب. یورو کودک نوجوان روانپزشکی 2014، 23، 1093-1102. [گوگل اسکولار] [CrossRef] [گروه]
  39. Pontes، HM؛ کوس، دی جی؛ گریفیث، MD روانشناسی بالینی اعتیاد به اینترنت: مرور مفهوم سازی، شیوع، فرآیندهای عصبی و پیامدهای درمان. Neurosci. اقتصاد عصبی 2015، 4، 11-23. [گوگل اسکولار]
  40. کیک زدن، RR؛ کمپبل، RM؛ مک آرتور، جی جی؛ گونل، دی جی؛ هیکمن، M. رفتار ریسک چندگانه در نوجوانی. J. بهداشت عمومی 2012، 34، i1-i2. [گوگل اسکولار] [CrossRef] [گروه]
  41. Dodd، LJ؛ القاعب، ی. نیل، آ. Forshaw، MJ شیوه زندگی عوامل خطر دانش آموزان: رویکرد تحلیلی خوشه ای. پیش از مد 2010، 51، 73-77. [گوگل اسکولار] [CrossRef] [گروه]
  42. برک، م. ساریس، ج. Coulson، C .؛ ژاکا، F. مدیریت شیوه زندگی افسردگی یکپارچه. Acta Psychiatr. اسکند 2013، 127، 38-54. [گوگل اسکولار] [CrossRef] [گروه]
  43. Prochaska، JJ؛ بهار، ب. Nigg، CR تحقیقات تغییر رفتار سلامت چندگانه: مقدمه و مرور. پیش از مد 2008، 46، 181-188. [گوگل اسکولار] [CrossRef] [گروه]
  44. کارلی، و. Hoven، CW؛ وسترمان، ج. Chiesa، F .؛ گافاتی، گ. Sarchiapone، M .؛ آپتر، آ. Balazs، J .؛ Brunner R .؛ Corcoran، P. گروهی که اخیرا شناخته شده از نوجوانان در معرض خطر نامطلوب برای روانپزشکی و رفتار خودکشی هستند: یافته های مطالعه SEYLE. روانپزشکی جهانی 2014، 13، 78-86. [گوگل اسکولار] [CrossRef] [گروه]
  45. کان، ل. Kinchen S .؛ Shanklin، SL؛ Flint، KH؛ کاوکینز، ج. هریس، واشنگتن؛ لوری، R .؛ اولسن، E .؛ McManus، T .؛ Chyen، D. نظارت بر رفتارهای رفتاری در جوانان-ایالات متحده، 2013. MMWR Surveill. کل مبلغ 2014، 63، 1-168. [گوگل اسکولار]
  46. Wasserman D؛ کارلی، و. وسترمان، ج. آپتر، آ. Balazs، J .؛ بابز، ج. Bracale، R .؛ Brunner R .؛ Bursztein-Lipsicas، C .؛ Corcoran، P .؛ و همکاران صرفه جویی در زندگی جوانان در اروپا (SEYLE): یک آزمایش تصادفی کنترل شده. BMC بهداشت عمومی 2010، 10، 192. [گوگل اسکولار] [CrossRef] [گروه]
  47. کارلی، و. وسترمان، ج. Wasserman D؛ Sarchiapone، M .؛ آپتر، آ. Balazs، J .؛ بابز، ج. Brunner R .؛ Corcoran، P .؛ Cosman، D. صرفه جویی و توانمند سازی زندگی جوانان در اروپا (SEYLE) محاکمه تصادفی کنترل شده (RCT): مسائل مربوط به روش شناختی و ویژگی های شرکت کنندگان. BMC بهداشت عمومی 2013، 13، 479. [گوگل اسکولار] [CrossRef] [گروه]
  48. جوان ، KS گرفتار شبکه: چگونه علائم اعتیاد به اینترنت را بشناسیم - و یک استراتژی برنده برای بهبودی. J. Wiley: نیویورک ، نیویورک ، ایالات متحده آمریکا ، 1998 ؛ پ. 248. [گوگل اسکولار]
  49. داولینگ، NA؛ Quirk، KL نمایش برای وابستگی به اینترنت: آیا معیارهای تشخیص پیشنهادی از استفاده از اینترنت وابسته به نرمال متفاوت است؟ Cyberpsychol. بهاو 2009، 12، 21-27. [گوگل اسکولار] [CrossRef] [گروه]
  50. لی، W .؛ اوبراین، جی. اسنایدر، SM؛ هوارد، MO معیارهای تشخیصی برای استفاده از اینترنت مشکل ساز در میان دانشجویان دانشگاهی آمریکا: ارزیابی روش های ترکیبی. PLoS ONE 2016، 11، e0145981. [گوگل اسکولار] [CrossRef] [گروه]
  51. Pontes، HM؛ Király، O .؛ Demetrovics، Z .؛ Griffiths، MD مفهوم سازی و اندازه گیری اختلال بازی در اینترنت dsm-5: توسعه آزمون IGD-20. PLoS ONE 2014، 9، e110137. [گوگل اسکولار] [CrossRef] [گروه]
  52. سازمان بهداشت جهانی (WHO). سازمان جهانی بهداشت (GSHS). در دسترس آنلاین: http://www.who.int/chp/gshs/en/ (در 12 دسامبر 2015 دیده می شود).
  53. چوی، ک. پسر، ه؛ پارک، م. هان، ج. کیم، ک. لی، ب. گاوک، H. مصرف بیش از حد اینترنت و خواب آلودگی روزانه در نوجوانان. کلین روانپزشکی Neurosci. 2009، 63، 455-462. [گوگل اسکولار] [CrossRef] [گروه]
  54. Evren، C .؛ Dalbudak، E .؛ Evren، B .؛ Demirci، AC خطر ابتلا به اعتياد به اينترنت و رابطه آن با مصرف مواد مادي، مشکلات روانشناختي و رفتاري در نوجوانان کلاس 10th. روانپزشکی دانوب 2014، 26، 330-339. [گوگل اسکولار]
  55. اتحادیه بین المللی مخابرات (ITU). آمار و ارقام ICT. در دسترس آنلاین: http://www.itu.int/en (دسترسی به 8 اوت 2015).
  56. De La Haye، K .؛ D'Amico، EJ؛ میلز، JN؛ یوینگ، ب. Tucker، JS Covariance در میان رفتارهای خطرناکی در معرض خطر در نوجوانان است. PLoS ONE 2014، 9، e98141. [گوگل اسکولار]
  57. کائو، ف. سو، ل. لیو، T .؛ گائو، X. رابطه بین تکانشی و اعتياد به اینترنت در یک نمونه از نوجوانان چینی. یورو روانپزشکی: ج. اس. یورو روانپزشک 2007، 22، 466-471. [گوگل اسکولار] [CrossRef] [گروه]
  58. اسلاتر، MD بیگانگی، تجاوز و احساس به عنوان پیش بینی استفاده از نوجوانان از فیلم خشونت آمیز، کامپیوتر و محتوای وب سایت به دنبال. J. Commun. 2003، 53، 105-121. [گوگل اسکولار] [CrossRef]
  59. کیم، هنگ کنگ؛ Davis، KE به یک نظریه جامع در مورد استفاده از اینترنت مضر: ارزیابی نقش اعتماد به نفس، اضطراب، جریان و اهمیت خود ارزیابی فعالیت های اینترنتی. محاسبه هوم بهاو 2009، 25، 490-500. [گوگل اسکولار] [CrossRef]
  60. چارلتون، جی. Danforth، ID شناسایی اعتیاد و تعامل بالا در زمینه بازی آنلاین بازی. محاسبه هوم بهاو 2007، 23، 1531-1548. [گوگل اسکولار] [CrossRef]
  61. کوس، دی جی؛ Griffiths، MD آنلاین شبکه های اجتماعی و اعتیاد - بررسی ادبیات روانشناسی. بین المللی J. محیط زیست. Res سلامت عمومی 2011، 8، 3528-3552. [گوگل اسکولار] [CrossRef] [گروه]
  62. مینا، PS؛ Mittal، PK؛ Solanki، RK استفاده مشکوک از سایت های شبکه های اجتماعی در میان مدرسه شهری که نوجوانان را درگیر می کند. ج. روانپزشکی ج. 2012، 21، 94. [گوگل اسکولار] [CrossRef] [گروه]
  63. لی، W .؛ اوبراین، جی. اسنایدر، SM؛ هوارد، م .ر. ویژگی های استفاده از اینترنت / اعتياد اینترنتی در دانشجويان دانشگاه ايالات متحده: يک روش تحقيق کيفی. PLoS ONE 2015، 10، e0117372. [گوگل اسکولار] [CrossRef] [گروه]
  64. لام، L. اعتیاد به بازی های اینترنتی، استفاده مشکوک از اینترنت و مشکلات خواب: یک بررسی سیستماتیک. سر و صدا نمایه روانپزشکی 2014، 16، 1-9. [گوگل اسکولار] [CrossRef] [گروه]
  65. کین، ن. Gradisar، M. رسانه های الکترونیکی استفاده و خواب در کودکان و نوجوانان مدرسه ای: بررسی. خواب مد 2010، 11، 735-742. [گوگل اسکولار] [CrossRef] [گروه]
  66. Hochadel J .؛ فریولیچ، ج. Wiater، A .؛ لمکوه، ج. Fricke-Oerkermann، L. شيوع مشكلات خواب و ارتباط بين مشكلات خواب و رفتارهاي رد مدرسه در كودكان مدرسه در رشته هاي كودكان و والدين. روانپزشکی 2014، 47، 119-126. [گوگل اسکولار] [CrossRef] [گروه]
  67. لین، SSJ؛ Tsai، CC حساسیت و وابستگی به اینترنت نوجوانان دبیرستانی تایوان. محاسبه هوم بهاو 2002، 18، 411-426. [گوگل اسکولار] [CrossRef]
  68. Hsi-Peng، L .؛ Shu-ming، W. نقش اعتیاد به اینترنت در وفاداری بازی آنلاین: یک مطالعه اکتشافی. اینترنت Res 2008، 18، 499-519. [گوگل اسکولار]
  69. Jessor، R .؛ Jessor، SL مشكلات رفتاري و توسعه روان شناختي: مطالعه طولي جوانان؛ مطبوعاتی دانشگاه: کمبریج، MA، USA، 1977؛ پ. 281 [گوگل اسکولار]
  70. Jessor، R. تئوری رفتارهای رفتاری، رشد روانی اجتماعی و مشکالت نوجوانان. بر ج. معتاد. 1987، 82، 331-342. [گوگل اسکولار] [CrossRef] [گروه]
  71. ویلیامز، جی. ه. آیرز، سی دی؛ Abbott، RD؛ هاوکینز، جی دی؛ Catalano، RF همبستگی ساختاری مشارکت در رفتار مشکوک نوجوانان در گروه های نژادی با استفاده از تجزیه و تحلیل عوامل تایید کننده چندگانه. سقوط کار Res. 1996، 20، 168-177. [گوگل اسکولار]
  72. ولز، Y.-M .؛ Hwang، WJ تفاوت های جنسیتی در اعتیاد به اینترنت با شاخص های سلامت روان در میان نوجوانان با استفاده از یک بررسی ملی مبتنی بر وب. بین المللی جون مونت اعتیاد به مواد مخدر 2014، 12، 660-669. [گوگل اسکولار] [CrossRef]
  73. کوس، دی جی؛ کوتاهتر، GW؛ ون Rooij، AJ؛ گریفیتس، MD؛ Schoenmakers، TM ارزیابی اعتياد به اینترنت با استفاده از مدل اجزای وابسته به اینترنت، یک مطالعه مقدماتی است. بین المللی جون مونت اعتیاد به مواد مخدر 2014، 12، 351-366. [گوگل اسکولار] [CrossRef]