اعتبار یک نسخه Malay از میزان اعتیاد به گوشی های هوشمند در بین دانشجویان پزشکی در مالزی (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337.

چینگ SM1, یی A2, Ramachandran V3, Sazlly Lim SM4, وان سلیمان WA4, Foo YL4, هو FK4.

چکیده

مقدمه:

این مطالعه با هدف تعیین خصوصیات روانسنجی مقیاس اعتیاد به تلفن هوشمند (SAS) با ترجمه و اعتبار سنجی این مقیاس به زبان مالایی (SAS-M) که زبان اصلی در مالزی است ، آغاز شد. این مطالعه می تواند اعتیاد به تلفن های هوشمند و اینترنت را در بین دانشجویان پزشکی چند قومی پزشکی مالزی تشخیص دهد. علاوه بر این ، قابلیت اطمینان و اعتبار SAS نیز نشان داده شد.

مواد و روش ها:

در مجموع شركت كنندگان 228 بین اوت 2014 و سپتامبر 2014 برای تكمیل مجموعه ای از پرسشنامه ها ، از جمله SAS و تست اعتیاد به اینترنت كیمبرلی جوان تغییر یافته (IAT) به زبان مالایی انتخاب شدند.

نتایج:

99 مرد و 129 زن با سنین مختلف از 19 تا 22 سال (21.7 ± 1.1/0.01) در این مطالعه وجود داشتند. تجزیه و تحلیل توصیفی و عاملی ، ضرایب درون کلاس ، آزمون t و تجزیه و تحلیل همبستگی برای بررسی قابلیت اطمینان و اعتبار SAS انجام شد. آزمون كرويت بارت قابل توجه بود (0.92 / 0.94p <) و اندازه گيري كيفيت نمونه برداري كايزر- ماير- اولكين براي SAS-M XNUMX/XNUMX بود ، كه نشان مي دهد شايسته بودن آناليز عاملي است. سازگاری داخلی و اعتبار همزمان SAS-M تأیید شد (آلفای کرونباخ = XNUMX). همه زیر مقیاس های SAS-M ، به جز پیش بینی مثبت ، به طور قابل توجهی به نسخه مالایی IAT مربوط بودند.

نتیجه گیری:

این مطالعه اولین مقیاس اعتیاد به تلفن های هوشمند را در بین دانشجویان پزشکی ایجاد کرد. این مقیاس به زبان مالایی قابل اعتماد و معتبر بود.

ارجاع: Ching SM ، Yee A ، Ramachandran V، Sazlly Lim SM، Wan Sulaiman WA، Foo YL و همکاران. (2015) اعتبارسنجی نسخه مالایی مقیاس اعتیاد به تلفن های هوشمند در دانشجویان پزشکی در مالزی. PLOS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

تدوین: Aviv M. Weinstein ، دانشگاه آریل ، اسرائیل

اخذ شده: مارس 18، 2015؛ پذیرفته شده: سپتامبر 11، 2015؛ تاریخ انتشار: اکتبر 2، 2015

کپی رایت: © 2015 چینگ و همکاران. این یک مقاله دسترسی آزاد است که تحت شرایطی توزیع می شود مجوز صدور مجوز خلاقیت های رایج، که اجازه استفاده، توزیع و بازتولید نامحدود را در هر وسیله می دهد، ارائه دهنده منبع و منبع اصلی است

دسترسی به داده ها: تمام داده های مربوطه درون مقاله و فایل های اطلاعات پشتیبان آن قرار دارد.

بودجه: نویسندگان همچنین مایلند از صندوق تحقیقاتی UPM (بدون کمک مالی: UPM / 700-2 / 1 / GP- IPM / 2014 / 9436500) برای حمایت مالی تشکر کنند. آدرس اینترنتی است http://www.rmc.upm.edu.my/.

منافع رقابت: نویسندگان اعلام کرده اند که منافع رقابتی وجود ندارد.

معرفی

این شکی نیست که این تلفن هوشمند در زندگی روزمره ما امکانات عظیمی را به ما داده است ، زیرا از قابلیت محاسبات پیشرفته و اتصال بسیار پیشرفته تری نسبت به تلفن های اصلی برخوردار است [1] استفاده از تلفن های هوشمند اهداف و اهداف متنوعی دارد. طیف گسترده ای از مطالعات گزارش داده است که تلفن های هوشمند دارای مزایای بی شماری برای اهداف اجتماعی و پزشکی هستند [2-5] اگرچه تلفن هوشمند به یکی از محبوب ترین و مهمترین ابزارهای ارتباطی تبدیل شده است ، استفاده بیش از حد از آن به عنوان یک مسئله اجتماعی در سراسر جهان پدید آمده و نگرانی جدیدی در مورد سلامت روان ایجاد کرده است ، در آنجا کاربر تمایل به ایجاد وابستگی به آن دارد [6-8].

اعتیاد به تلفن های هوشمند همچنین به "وابستگی به تلفن همراه" ، "استفاده بیش از حد اجباری از تلفن همراه" یا "استفاده بیش از حد از تلفن همراه" گفته می شود. این اصطلاحات به طور عمده توصیف پدیده استفاده از تلفن همراه مشکل ساز است [9, 10] "اعتیاد به تلفن های هوشمند" اصطلاحی است که معمولاً در ادبیات به کار می رود. این اعتیاد عمدتاً توسط دلهره ها ، فشارها یا رفتارهای بیش از حد کنترل شده در مورد استفاده از تلفن های هوشمند مشخص می شود ، تا حدی که افراد از سایر مناطق زندگی غافل شوند.11-13] مطالعات نشان می دهد که استفاده بیش از حد از تلفن همراه با استرس ، اختلال در خواب ، سیگار کشیدن و علائم افسردگی همراه بوده است [14-16].

داده های اخیر مالزی نشان داد که نفوذ گوشی های هوشمند از 47٪ در 2012 به 63٪ در 2013 افزایش یافته است. در 2014 ، 10.13 میلیون مالزی کاربر فعال تلفن های هوشمند بودند ، در مقایسه با 7.7 میلیون در 2012 [17-20] استفاده آسیب شناختی از تلفن هوشمند شبیه به اعتیاد به اینترنت است. استفاده از اعتیاد به اینترنت در بین جوانان و بزرگسالان در سراسر جهان بیش از حد می شود [21] اعتیاد بیش از حد به اینترنت منجر به اختلالات روانی ، عزت نفس پایین ، افسردگی و اختلال در عملکرد تحصیلی و شغلی می شود [22-25] مطالعات محلی گزارش داده اند که شیوع اعتیاد به اینترنت 43٪ بود [26] ، و بیش از 4.2 میلیون کاربر فعال فیس بوک در مالزی وجود دارد. در حقیقت ، فیسبوک بهترین سایت شبکه در این کشور است. با توجه به اینکه در مالزی افزایش سریع استفاده از اسمارت فون ها به وجود آمده است ، نیاز به فوری اعتبار سنجی مقیاس برای سنجش اعتیاد به گوشی های هوشمند در جمعیت محلی برای تعیین شیوع آن و مشخص شدن اینکه چه کسی در معرض اعتیاد به تلفن های هوشمند است ، به این ترتیب سیاست گذاران باید می تواند یک مداخله مناسب را در آینده نزدیک برنامه ریزی کند.

مانند ساختار کارخانه ای که برای آزمایش اعتیاد به اینترنت آماده شده است [27] ، مقیاس اعتیاد به تلفن های هوشمند (SAS) توسعه یافته توسط مین کوون و همکاران. اولین مقیاس اعتیاد به تلفن های هوشمند بود که برای تشخیص استفاده می شد [28] این مقیاس از موارد 33 تشکیل شده است و گزارش شده که قابل اطمینان است و دارای قوام داخلی خوبی است (آلفای کرونباخ = 0.967) و اعتبار همزمان شش خرده مقیاس از 0.32 تا 0.61 است [28].

این مطالعه با هدف ترجمه SAS به زبان مالایی و بررسی خصوصیات روانسنجی نسخه مالایی SAS (SAS-M) برای تسهیل استفاده از آن برای تحقیقات بیشتر در محیط محلی انجام شده است.

روش شناسی

طراحی و تنظیم مطالعه

این مطالعه مقطعی از کلیه دانشجویان دوره اول و دوم پزشکی دانشگاه Universiti Putra مالزی بود. این دانشجویان برای یک مطالعه اعتبارسنجی از اوت 2014 تا سپتامبر 2014 به آنها نزدیک شدند. این دانشگاه در Serdang ، جنب پایتخت اداری مالزی ، Putrajaya واقع شده است. ما اندازه نمونه را حداقل براساس محاسبه پنج مورد در هر مورد در SAS حداقل 165 تخمین زدیم (که در کل موارد 33 دارد) [29] بنابراین ، اندازه نمونه 228 در این مطالعه کافی بود.

روش.

مرحله 1: نویسنده نسخه انگلیسی SAS را از Kwon و همکارانش به دست آورد. ترجمه از انگلیسی به مالایی به طور موازی توسط دو متخصص زبان دو زبانه انجام شد و ترجمه برگشت توسط یک کارشناس زبان دو زبانه سوم انجام شد. اختلافات بین نسخه اصلی و ترجمه پشتی مورد بحث قرار گرفت و بر این اساس تعدیلاتی انجام شد. نسخه نهایی SAS ترجمه شده ، که ما آن را پیش نویس SAS-M می نامیم ، توسط یک هیئت متخصص متشکل از یک روانپزشک ، دو پزشک ارشد و یک پزشک خانوادگی تولید شده است که همگی در زمینه استفاده از ابزارهای روان سنجی و متخصصان واجد شرایط بودند. همه آنها تجربه بالینی با شرایط افسردگی داشتند.

مرحله 2: اولین پیش نویس SAS-M به صورت آزمایشی در بین دانش آموزان بومی مالایی 20 مورد آزمایش قرار گرفت تا هرگونه نقص در این نسخه را تشخیص دهد. هر کلمه ای که پاسخ دهندگان در این نسخه نامناسب یا نامناسب بدانند ، یادداشت و اصلاح شده است. اکثر دانشجویان در پذیرش مورد 15 مشکل داشتند: "وقتی تلفن هوشمند ندارم عصبانی و خشمگین می شوم." این مورد به زبان مالایی اصلاح شد و به "احساس بی حوصلگی و بیقراری وقتی تلفن ندارم" ترجمه شد. نسخه نهایی SAS-M توسط دو روانپزشک مشاور با بیش از سالها تجربه 10 مورد بررسی قرار گرفت تا اعتبار محتوا را ارزیابی کرده و از چهره و معناشناختی رضایت بخش ، معیارها و معادل مفهوم آن اطمینان حاصل کند.

مرحله 3: هر دانش آموز پس از توضیح کاملی درباره ماهیت و محرمانه بودن مطالعه ، رضایت آگاهانه ای ارائه داد و دانشجویان 228 موافقت خود را برای شرکت در مطالعه ، با میزان عدم پاسخ دهی 9 اعلام کردند. اطلاعات جامعه شناسي (سن ، جنس ، قوميت و درآمد خانوار) ​​از دانش آموزان به دست آمد. اطلاعات مربوط به استفاده از تلفن های هوشمند دانشجویان براساس تخمین شخصی خود ، مانند تعداد ساعت استفاده در هفته ، تعداد سال ها به عنوان کاربر معمولی تلفن های هوشمند و سن شروع کار استفاده از تلفن هوشمند ، مستند شده است. پرسشنامه های زیر به دانشجویان داده شد:

  1. SAS و SAS-M (جدول A در متن S1).
  2. نسخه مالایی تست اعتیاد به اینترنت.

ابزار

مقیاس اعتیاد به تلفن های هوشمند [28].

SAS یک مقیاس از نوع لیکرت 6 با تکمیل شده با موارد 33 است. هر سوال دارای مقیاس پاسخ از 1 به 6 است (1 = به شدت با 6 مخالف هستید) به شدت موافقید) ، این نشان دهنده فرکانس علائم است. مخاطب بیانیه ای را که بیشتر از همه ویژگی های استفاده از تلفن هوشمند آنها را توصیف می کند ، دور می زند. نمره کل ممکن در SAS از 48 تا 288 است. هرچه نمره بالاتر باشد ، میزان استفاده پاتولوژیک از تلفن هوشمند نیز بیشتر خواهد بود.

تست اعتیاد به اینترنت [26].

پرسشنامه IAT ، که توسط کیمبرلی یانگ در 1998 تهیه شده است ، ابزاری است که بیشتر در تشخیص اعتیاد به اینترنت استفاده می شود. نسخه مالایی به صورت محلی و دارای قوام داخلی خوب (آلفای کرونباخ = 0.91) و قابلیت اطمینان موازی (ضریب همبستگی داخل جمعی (ICC) = 0.88 ، P <0.001) این یک پرسشنامه خود تکمیل شده است که شامل یک مقیاس 5 درجه ای از نوع لیکرت شامل 20 ماده است ، با حداقل امتیاز 20 و حداکثر امتیاز 100. امتیازات هر سوال از 1 تا 5 است (1 = هرگز به 5 = همیشه) ، تکرار وقوع علائم. دانشجویان بیانیه ای را انتخاب کردند که ویژگی های استفاده از اینترنت آنها را به بهترین وجه توصیف می کند. هرچه امتیاز بیشتر باشد ، میزان استفاده آسیب شناختی از اینترنت نیز بیشتر است. هنگامی که نمره IAT در نسخه مالایی بیش از 43 باشد ، در این صورت فرد در معرض خطر اعتیاد به اینترنت تشخیص داده می شود [26].

تجزیه و تحلیل آماری

تمام تجزیه و تحلیل ها با استفاده از بسته آماری برای علوم اجتماعی نسخه 21.0 (SPSS ، شیکاگو ، ایالت متحده ، ایالات متحده آمریکا) انجام شد. آمار توصیفی برای مشخصات پایه شرکت کنندگان محاسبه شد. از آلفای کرونباخ برای ارزیابی سازگاری داخلی SAS-M استفاده شد و نرمال بودن داده ها با استفاده از تجزیه و تحلیل کولموگروف-اسمیرنوف ارزیابی شد. همگنی موارد مقیاس بر اساس ضرایب همبستگی بین موارد و نمرات کل در صورت حذف یک مورد تجزیه و تحلیل شد. اعتبار سازه با تجزیه و تحلیل عامل اکتشافی و محاسبه مورب با نرمال سازی قیصر بررسی شد. برای تعیین موارد برای هر عامل از فاکتور بارگذاری شده> 0.30/1 استفاده شد. بر اساس قانون گوتمن-قیصر ، فاکتورهایی با ارزش ویژه بزرگتر از XNUMX حفظ می شوند [30, 31] از ICC برای بررسی قابلیت اطمینان موازی بین SAS-M و نسخه انگلیسی SAS و قابلیت اطمینان از آزمون مجدد SAS-M استفاده شد. از همبستگی پیرسون برای بررسی اعتبار همزمان بین SAS-M و نسخه مالایی IAT استفاده شد. نمره برش بهینه SAS-M برای موارد در معرض خطر از نقاط مختصات تعیین می شود وقتی که امتیاز برای نسخه مالایی IAT بیشتر از 43 بود [26] ، در آن مرحله در تجزیه و تحلیل ویژگی عامل گیرنده (ROC) حساسیت و ویژگی بهینه بود. سطح زیر منحنی (AUC) برای منحنی ROC مشخص شد.

تعریف

کاربر معمولی به عنوان کسانی تعریف می شود که حداقل در 6 یا بیشتر از تلفن های هوشمند در ماه 6 از تلفن های هوشمند استفاده می کنند [32]

تصدیق اخلاقی

تأیید اخلاق برای این مطالعه از کمیته اخلاق Universiti Putra مالزی (FPSK-EXP14 P091) بدست آمد.

نتایج

در کل دانشجویان 228 در این مطالعه استخدام شدند. جدول 1 خصوصیات بالینی جمعیت مورد مطالعه را نشان می دهد. به طور کلی ، میانگین سنی تقریباً 22 سال ± 1.1 بود. بیش از نیمی از دانش آموزان زن (56.6)) بودند و بیشتر آنها قومیت مالایی (52.4٪) بودند. میانگین ساعت استفاده از تلفن هوشمند در هر هفته 36.5 ساعت بود. به طور متوسط ​​، دانش آموزان شروع به استفاده از تلفن های هوشمند در سن 19 سال کردند و میانگین سال استفاده منظم از تلفن های هوشمند 2.4 سال بود.

کوچک  

 
جدول 1. ویژگی های جمعیت مورد مطالعه (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

ساختار عاملی و قوام داخلی SAS-M

آزمون کروی بودن بارتلت معنی دار بود (0.01/0.92> p) ، و اندازه گیری کفایت نمونه گیری برای SAS-M از نظر قیصر-مایر-اولکین XNUMX بود ، که نشان دهنده شایسته بودن مقیاس است [33] ، که به نوبه خود نشان داد که تحلیل عاملی مناسب است. شش عامل (ارزش ویژه> 1.00) از طریق روش تجزیه و تحلیل عامل اکتشافی و چرخش پروماکس مورب با نرمال سازی قیصر که 65.3٪ از واریانس کل را به خود اختصاص داد ، استخراج شد. این نتیجه با SAS اصلی سازگار بود [28].

SAS-M قوام داخلی خوبی را به نمایش گذاشت. ضریب آلفای کرونباخ برای کل مقیاس 0.94 بود ، و ضرایب مربوط به شش عامل 0.877 ، 0.843 ، 0.865 ، 0.837 ، 0.865 و 0.861 بود. شش عامل مربوط به خرده مقیاس های SAS به "رابطه فضای محور" ، "اختلال در زندگی روزمره" ، "تقدم" ، "استفاده بیش از حد" ، "پیش بینی مثبت" و "انصراف" گفته شد.جدول 2) همه موارد همبستگی کلی با بیش از 0.9 را تصحیح کرده بودند. حذف هر یک از موارد باعث افزایش قوام درونی نمره کل نمی شود (جدول 3) قابلیت اطمینان موازی بین SAS-M و SAS زیاد بود ، همانطور که توسط یک ICC 0.95 نشان داده شده است (95 فاصله اطمینان = 0.937-0.962). قابلیت اطمینان آزمون مجدد SAS-M پس از یک هفته هفته 1 زیاد بود ، با یک ICC 0.85 (95٪ فاصله اطمینان = 0.808-0.866).

کوچک  

 
جدول 2. تجزیه و تحلیل عاملی نسخه SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

کوچک  

 
جدول 3. تصحیح مورد - همبستگی های کل و آلفای کرونباخ اگر مورد برای SAS-M حذف شود.

 

doi: 10.1371 / journal.pone.0139337.t003

اعتبار همزمان SAS-M: همبستگی بین خرده مقیاسهای SAS-M و نسخه مالایی IAT

نتایج حاصل از تحلیل همبستگی پیرسون که بین خرده مقیاسهای SAS-M و نسخه مالزی IAT انجام شده است در جدول 4. نتایج نشان می دهد که کلیه خرده خرده مقیاس های SAS-M ، به جز "پیش بینی مثبت" ، به طور قابل توجهی با نسخه مالایی IAT مرتبط بود.

کوچک  

 
جدول 4. اعتبار همزمان SAS-M (همبستگی پیرسون): خرده مقیاسهای SAS-M و نسخه مالزی IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

AUC برای منحنی ROC 0.801 بود (95 C CI = 0.746 به 0.855). نمره برش مطلوب برای شناسایی موارد در معرض خطر بیش از 98 بود ، با حساسیت 71.43، ، ویژگی 71.03، ، ارزش پیش بینی مثبت (PPV) 64.10 and و ارزش منفی پیش بینی (NPV) 77.44 ٪ شیوع یک مورد در معرض خطر در حال توسعه اعتیاد به گوشی های هوشمند در این مطالعه 46.9، بود ، بر اساس نمره 98.

بحث

این مطالعه به بررسی سازگاری درونی ، ابعاد و اعتبار همزمان ساخت و سازه SAS-M پرداخته است. یافته های این مطالعه نشان می دهد که SAS-M ابزاری معتبر و معتبر برای ارزیابی اعتیاد به گوشی های هوشمند در جمعیت مالایی زبان است.

در این مطالعه ، SAS-M قوام داخلی خوبی را نشان داد. ضریب آلفای کرونباخ برای کل مقیاس 0.94 بود ، و ضرایب مربوط به شش عامل 0.877 ، 0.843 ، 0.865 ، 0.837 ، 0.865 و 0.861 بود. قابلیت اطمینان موازی SAS-M و قابلیت اطمینان از آزمون مجدد پس از یک بازه هفته 1 ، با ICC های 0.95 و 0.85 به ترتیب ، که حتی از نسخه های اصلی SAS نیز مناسب هستند ، پیدا شده است.28] تا به امروز ، این اولین مطالعه در نوع خود مربوط به اعتیاد به تلفن های هوشمند است و نشان می دهد که SAS-M به خوبی نسخه انگلیسی است.

با این حال ، شش مؤلفه مسلط که بخش بزرگی از تغییرپذیری SAS-M را توضیح داده بودند مشابه با SAS اصلی بودند. در پژوهش حاضر ، مؤلفههای مربوط به "رابطه محور در فضای مجازی" ، "اختلال در زندگی روزمره" ، "تقدم" ، "استفاده بیش از حد" ، "پیش بینی مثبت" و "انصراف" بود. مؤلفه های اصلی SAS عبارتند از: "اختلال در زندگی روزمره" ، "پیش بینی مثبت" ، "کناره گیری" ، "رابطه فضای محور" ، "استفاده بیش از حد" و "تحمل". همه عوامل به دست آمده در این تحلیل عاملی با عوامل به دست آمده در SAS اصلی موازی نیستند. بیشتر محتمل است به این دلیل که این نشان دهنده تفاوت بین نمونه های مالایی و کره ای است. معنی اصلی SAS در طی فرایند ترجمه تغییر یافته بود.

اکثر مؤلفه های گزارش شده در مطالعه حاضر یکسان هستند ، بجز جزء "تقدم" ، که با مؤلفه "تحمل" در SAS اصلی متفاوت است. دلایل احتمالی می تواند جمعیت مورد مطالعه ما جوانتر باشد (21.7 ± 1.1 سال با دامنه سنی از 20 تا 27) در مقایسه با جمعیت کره ای (26.1 ± 6.0 با محدوده سنی از 18 تا 53). سابقه و هدف جامعه مورد مطالعه ما یکدست بود زیرا تمام افراد در مقایسه با طیف گسترده ای از شغل و سطح تحصیلات در مطالعه اصلی SAS یکسان بودند. تفسیر متفاوت می تواند با ناهمگونی در پیشینه و آموزش جمعیت مورد مطالعه پیچیده باشد.

در این مطالعه ، کلیه خرده زیر مجموعه های SAS-M ، به جز "پیش بینی مثبت" ، به طور قابل توجهی با نسخه مالایی IAT مرتبط بودند. این ممکن است تنها خرده مقیاس باشد که با IAT ارتباط خوبی ندارد زیرا IAT عمدتاً استفاده منفی از اینترنت را اندازه گیری می کند ، بنابراین هیچ موردی در مورد پیش بینی مثبت وجود ندارد. با این وجود ، این جنبه اعتبار همزمان را کاهش نمی دهد زیرا سایر خرده مقیاس های 5 به شدت همبسته هستند.

شیوع موارد در معرض خطر که می تواند به عنوان اعتیاد به تلفن های هوشمند با استفاده از این مقیاس شناخته شود 46.9 بود. چندین توضیح احتمالی برای این نتیجه وجود دارد. پیش بینی می شود شیوع بالای اعتیاد به تلفن های هوشمند پیش بینی شود ، زیرا یک مطالعه محلی نشان داده است که 85٪ مالزی ها دارای تلفن های همراه هستند [18] تلفن های هوشمند گزینه مورد علاقه هستند زیرا مالزیایی ها تمایل دارند روندهای جامعه را دنبال کنند [20] علاوه بر این ، تلفن های هوشمند پیام رسانی فوری رایگان را از طریق سیستم عامل های خاص ، به عنوان مثال ، WhatsApp و WeChat فراهم می کند ، که زندگی کاربران را غنی می کند. سرگرمی یکی دیگر از توضیحات احتمالی شیوع بالای اعتیاد به تلفن های هوشمند است زیرا با این تلفن ها ، دانشجویان پزشکی می توانند برای رفع استرس ، به موسیقی گوش دهند ، فیلم تماشا کنند و بازی کنند.34] بنابراین ، آنها ممکن است تمایل داشته باشند که در پایان روز وقت بیشتری را با تلفن هوشمند خود بگذرانند و درنهایت کاربر آسیب شناسی شوند.

با این وجود ، یکی از نگرانی های ما در مطالعه ما ، امتیاز برش SAS-M بهینه برای موارد در معرض خطر از نقاط مختصات بود که امتیاز برای نسخه مالایی IAT بیشتر از 43 بود. این به روز موقت برش های IAT نیست. به طور مشابه هیچ معیار تشخیصی اعتیادی به اینترنت یا اعتیاد به تلفن های هوشمند مطابق با DSM V در طیف اختلال اعتیاد وجود ندارد [21, 25] بنابراین ، نقطه برش ارائه شده توسط مطالعه ما احتمالاً خیلی پایین بود و منجر به تخمین بسیار زیاد اعتیاد به تلفن های هوشمند می شد. به درستی تشخیص اعتیاد به اینترنت باید براساس سه معیار باشد که توسط Ko ، و همکاران ، 2012 توضیح داده شده است [25].

عملکرد SAS-M بیشتر شبیه یک غربالگری یا مقیاس برای ارزیابی شدت استفاده اعتیاد آور از تلفن هوشمند از یک ابزار تشخیصی است. تشخیص مناسب اعتیاد به تلفن های هوشمند مسئله مهمی برای تحقیقات آینده خواهد بود. ما پیشنهاد کردیم که در آینده تشخیص اعتیاد به تلفن های هوشمند باید معیارهای بیشتری را شامل شود که شامل معیارهای A ، B و C است. معیار A شامل شش علامت مشخص اعتیاد به تلفن های هوشمند مانند روابط جهت فضای مجازی ، اختلال در زندگی روزمره ، تقدم ، استفاده بیش از حد ، پیش بینی مثبت است. و عقب نشینی معیار B نیاز به نقص عملکردی ثانویه در استفاده از تلفن هوشمند دارد. معیار C باید سایر اختلالات روانپزشکی مانند اختلال دو قطبی یا سایر اختلالات تکانشی را از بین ببرد. افرادی که تمام معیارهای A ، B و C را رعایت می کنند ، فقط اعتیاد به تلفن های هوشمند در نظر گرفته می شوند.

قدرت و محدودیت

نتایج این مطالعه باید در چارچوب محدودیت های مطالعه تفسیر شود: اولاً ، هیچ معیار تشخیصی مشخصی برای اعتیاد به اینترنت یا تلفن های هوشمند با توجه به DSM V در طیف اختلال اعتیاد وجود ندارد [21, 25] با این حال ، با توجه به مطالعات محدود در مورد اعتیاد به تلفن های هوشمند در محلی ، نتایج این مطالعه هنوز می تواند برخی از دیدگاه های تیم حرفه ای مراقبت های بهداشتی را ارائه دهد. دوم ، علیرغم اینکه اندازه نمونه کافی بود اما تصادفی نبود. جنس و نژاد به طور مساوی توزیع نشده بودند. علاوه بر این ، این مطالعه در یک مرکز واحد انجام شده است ، بنابراین جمعیت نمونه یکدست بوده و ممکن است جمعیت کلی مالزی را منعکس نکند.

با وجود این محدودیت ، نتایج مطالعه حاضر ثابت کرد که SAS-M می تواند برای ارزیابی اعتیاد به تلفن های هوشمند در بزرگسالان جوان تحصیل کرده مالزی استفاده شود.

نتیجه

این مطالعه اولین مقیاس اعتیاد به تلفن های هوشمند را در بین دانشجویان پزشکی ایجاد کرد. این مطالعه همچنین شواهدی را ارائه می دهد که SAS-M ابزاری معتبر و قابل اعتماد و با قابلیت مدیریت برای غربالگری افراد در معرض اعتیاد به تلفن های هوشمند است.

حمایت از اطلاعات

S1_Text.doc
 
 

متن S1. پرسشنامه ترک اعتیاد به تلفن هوشمند.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

مقالات نویسنده

آزمایشات را فهمید و طراحی کرد: SMC AY FKH. آزمایش ها را انجام داد: VR SMSL WAWS YLF. تجزیه و تحلیل داده ها: SMC AY. معرفها / مواد و ابزارهای تجزیه و تحلیل: SMC AY. کاغذ را نوشت: SMC AY VR.

منابع

  1. 1 برنامه های هوشمند تلفن Rashvand HF ، Hsiao KF (2015): یک بررسی مختصر. سیستم های چندرسانه ای 21 (1): 103-119 doi: 10.1007 / s00530-013-0335-z
  2. 2 Mosa AS، Yoo I، Sheets L (2012) بررسی منظم برنامه های مراقبت های بهداشتی برای تلفن های هوشمند. انفورماتیک پزشکی BMC و تصمیم گیری 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. مشاهده مقاله
  4. PubMed / NCBI
  5. گوگل اسکولار
  6. مشاهده مقاله
  7. PubMed / NCBI
  8. گوگل اسکولار
  9. مشاهده مقاله
  10. PubMed / NCBI
  11. گوگل اسکولار
  12. مشاهده مقاله
  13. PubMed / NCBI
  14. گوگل اسکولار
  15. مشاهده مقاله
  16. PubMed / NCBI
  17. گوگل اسکولار
  18. مشاهده مقاله
  19. PubMed / NCBI
  20. گوگل اسکولار
  21. مشاهده مقاله
  22. PubMed / NCBI
  23. گوگل اسکولار
  24. مشاهده مقاله
  25. PubMed / NCBI
  26. گوگل اسکولار
  27. مشاهده مقاله
  28. PubMed / NCBI
  29. گوگل اسکولار
  30. مشاهده مقاله
  31. PubMed / NCBI
  32. گوگل اسکولار
  33. مشاهده مقاله
  34. PubMed / NCBI
  35. گوگل اسکولار
  36. مشاهده مقاله
  37. PubMed / NCBI
  38. گوگل اسکولار
  39. مشاهده مقاله
  40. PubMed / NCBI
  41. گوگل اسکولار
  42. مشاهده مقاله
  43. PubMed / NCBI
  44. گوگل اسکولار
  45. مشاهده مقاله
  46. PubMed / NCBI
  47. گوگل اسکولار
  48. مشاهده مقاله
  49. PubMed / NCBI
  50. گوگل اسکولار
  51. مشاهده مقاله
  52. PubMed / NCBI
  53. گوگل اسکولار
  54. مشاهده مقاله
  55. PubMed / NCBI
  56. گوگل اسکولار
  57. مشاهده مقاله
  58. PubMed / NCBI
  59. گوگل اسکولار
  60. مشاهده مقاله
  61. PubMed / NCBI
  62. گوگل اسکولار
  63. مشاهده مقاله
  64. PubMed / NCBI
  65. گوگل اسکولار
  66. مشاهده مقاله
  67. PubMed / NCBI
  68. گوگل اسکولار
  69. مشاهده مقاله
  70. PubMed / NCBI
  71. گوگل اسکولار
  72. مشاهده مقاله
  73. PubMed / NCBI
  74. گوگل اسکولار
  75. مشاهده مقاله
  76. PubMed / NCBI
  77. گوگل اسکولار
  78. مشاهده مقاله
  79. PubMed / NCBI
  80. گوگل اسکولار
  81. مشاهده مقاله
  82. PubMed / NCBI
  83. گوگل اسکولار
  84. مشاهده مقاله
  85. PubMed / NCBI
  86. گوگل اسکولار                     
  87. 3 Lane N، Mohammod M، Lin M، Yang X، Lu H، Ali S، et al. (2011) BeWell: یک برنامه هوشمند برای نظارت ، مدل سازی و ترویج بهزیستی. کنفرانس بین المللی 5th فناوری های محاسباتی محرک برای بهداشت و درمان ، دوبلین.
  88. 4 بهداشت و تلفن همراه Patrick K، Griswold WG، Raab F، Intille SS (2008). مجله آمریکایی پزشکی پیشگیری 35: 177-181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E، Dancey D (2013) برنامه های کاربردی پزشکی گوشی های هوشمند برای سلامت زنان: شواهد و بازخورد چیست؟ مجله بین المللی پزشکی از راه دور و برنامه ها شناسه مقاله 782074 ، 10. doi: 10.1155 / 2013/782074
  90. 6 عماد AS ، حداد E (2015) تأثیر تلفن های هوشمند بر سلامت و رفتار انسان: برداشت اردنی ها. مجله بین المللی شبکه های رایانه ای و برنامه های کاربردی 2 (2): 52-56.
  91. 7 تأثیر تلفن های هوشمند بر جامعه ، Sarwar M ، Soomro TR (2013). مجله اروپایی تحقیقات علمی 98 (2): 216-226.
  92. 8. Acharya JP ، Acharya I ، Waghrey D (2013) مطالعه ای در مورد برخی از اثرات بهداشتی تلفن های همراه در میان دانشجویان دانشگاه. مجله جامعه پزشکی و آموزش بهداشت 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9 لین YH ، چانگ LR ، لی YH ، Tseng HW ، Kuo TB ، چن SH. (2014) توسعه و اعتبار سنجی اعتیاد به تلفن های هوشمند (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J، Van der Linden M، d'Acremont M، Ceschi G، Zermatten A (2007) آیا تکانشگری به وابستگی درک شده و استفاده واقعی از تلفن همراه ارتباط دارد؟ روانشناسی شناختی کاربردی 21: 527–537. doi: 10.1002 / acp.1289
  95. 11. Park N، Lee H (2012) پیامدهای اجتماعی استفاده از تلفن های هوشمند: استفاده از تلفن های هوشمند و رفاه روانشناختی دانشجویان دانشگاه کره. سایبرسیولوژی ، رفتار و شبکه های اجتماعی 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12 ین CF ، تانگ TC ، ین JY ، لین HC ، Huang CF ، Liu SC ، و همکاران. (2009) علائم استفاده از تلفن همراه با مشکل ساز ، اختلال عملکردی و ارتباط آن با افسردگی در نوجوانان جنوب تایوان. مجله نوجوان 32: 863-873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13 Beranuy M ، Oberst U، Carbonell X، Chamarro A (2009) مشکل اینترنت و تلفن همراه و علائم بالینی در دانشجویان: نقش هوش هیجانی. رایانه ها در رفتار انسانی 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14 Thomee S، Harenstam A، Hagberg M (2011) استفاده از تلفن همراه و استرس ، اختلال خواب و علائم افسردگی در بزرگسالان جوان - یک مطالعه کوهورت آینده نگر. BMC بهداشت عمومی 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15 روابط شخصیتی و سبک زندگی با وابستگی تلفن همراه در دانش آموزان پرستاری زن: Ezoe S ، Toda M، Yoshimura K، Naritomi A، Den R، Morimoto K (2009). رفتار و شخصیت اجتماعی: یک ژورنال بین المللی 37 (2): 231-238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16 Toda M ، Monden K، Kubo K، Morimoto K (2006) وابستگی تلفن همراه و شیوه زندگی مرتبط با سلامتی دانشجویان. رفتار اجتماعی و شخصیت 34 (10): 1277-1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17 کمیسیون ارتباطات و چندرسانه ای مالزی (2012) نظرسنجی کاربران تلفن 2011. در دسترس: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18 کمیسیون ارتباطات و چندرسانه ای مالزی (2014) نظرسنجی کاربران تلفن 2012. در دسترس: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19 ecommercemilo (2014). در دسترس: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20 Osman MA، Talib AZ، Sanusi ZA، Shiang-en T، Alwi AS (2012) بررسی روند تلفن های هوشمند و رفتار استفاده از آن در مالزی. مجله بین المللی معماری های رایانه های جدید و برنامه های کاربردی آنها 2: 274-285.
  105. 21 Weinstein A، Lejoyeux M (2010) اعتیاد به اینترنت یا استفاده بیش از حد از اینترنت. مجله آمریکایی مواد مخدر و سوء استفاده از الکل 36: 277-283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C، Flores N، Gómez-Vela M، González-Gil F، Caballo C (2007) استفاده مسئله دار از اینترنت و تلفن همراه: روابط روانشناختی ، رفتاری و سلامتی. تحقیق و نظریه اعتیاد 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K ، Griffiths M ، Banyard P (2005) شیوع استفاده از اینترنت آسیب شناختی در بین دانشجویان دانشگاه و ارتباط آن با عزت نفس ، پرسشنامه سلامت عمومی (GHQ) و مهار نشدن. سایبر روانشناسی و رفتار 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS ، Rogers RC (1998) رابطه افسردگی و اعتیاد به اینترنت. سایبر روانشناسی و رفتار 1: 25-28. doi: 10.1089 / cpb.1998.1.25
  109. 25 Ko CH ، ین JY ، ین CF ، Chen CS ، Chen CC (2012) ارتباط بین اعتیاد به اینترنت و اختلال روانپزشکی: مروری بر ادبیات. روانپزشکی اروپا 27: 1-8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26 Guan NC، Isa SM، Hashim AH، Pillai SK، Harbajan Singh MK (2015) اعتبار نسخه مالایی تست اعتیاد به اینترنت: یک مطالعه بر روی گروهی از دانشجویان پزشکی در مالزی. مجله بهداشت عمومی آسیا و اقیانوسیه 27: 2210-2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y، Billieux J، Thorens G، Khan R، Louati Y، Scarlatti E، et al. (2008) اعتبار سنجی آزمون اعتیاد به اینترنت توسط فرانسه. سایبر روانشناسی و رفتار 11: 703–706. doi: 10.1089 / cpb.2007.0249. عصر: 18954279
  112. 28 Kwon M ، Lee JY ، Won WY ، Park JW، Min JA، Hahn C، et al. (2013) توسعه و اعتبار سنجی مقیاس اعتیاد به تلفن های هوشمند (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29 تجزیه و تحلیل عاملی Gorsuch RL (1983). 2nd ed. هیلزدیل ، نیوجرسی: ارلباوم.
  114. 30 Kaiser HF (1960) کاربرد رایانه های الکترونیکی برای تجزیه و تحلیل عاملی. اندازه گیری آموزشی و روانشناختی 20: 141-151 doi: 10.1177 / 001316446002000116
  115. 31 گوتمن L (1954) برخی از شرایط لازم برای تحلیل عاملی مشترک. Psychometrika 19: 149-161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) ارتباط بین علائم افسردگی و آزار و اذیت اینترنتی در میان کاربران منظم جوان. سایبر روانشناسی و رفتار 7: 247-257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33 Kaiser HF (1974) شاخصی از سادگی فاکتوریل. Psychometrika 39: 31-36. doi: 10.1007 / bf02291575
  118. 34 الیاس ح ، پینگ WS ، عبدالله MC (2011) استرس و پیشرفت تحصیلی در بین دانشجویان مقطع کارشناسی دانشگاه Universiti Putra مالزی. Procedia-علوم اجتماعی و رفتاری 29: 646-655. doi: 10.1016 / j.sbspro.2011.11.288