Internetin ja älypuhelimen riippuvuuksien vaikutukset masennukseen ja ahdistuneisuuteen perustuen tiheyspisteen vastaavuuden analyysiin (2018)

Int J Environ Res Public Health. 2018 Apr 25, 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Abstrakti

Internet-riippuvuuden (IA) ja älypuhelinten riippuvuuden (SA) yhteyksiä mielenterveysongelmiin on tutkittu laajasti. Tutkimme IA: n ja SA: n vaikutuksia masennukseen ja ahdistukseen sopeutumalla sosiodemografisiin muuttujiin. Tässä tutkimuksessa 4854: n osallistujat suorittivat poikkileikkauksellisen verkkopohjaisen tutkimuksen, joka sisälsi sosiaalis-demografiset kohteet, Korean Internet-riippuvuuden asteikon, Älypuhelinten riippuvuus -asteikon ja Oire-tarkistusluettelon 90-kohteiden tarkistetut asteikot. Osallistujat luokiteltiin IA, SA ja normaalin käytön (NU) ryhmiin. Näytteen vääristymisen vähentämiseksi sovelsimme geneettiseen sovitukseen perustuvaa taipumuspisteen sovittamismenetelmää. IA-ryhmässä havaittiin lisääntynyt masennuksen riski (suhteellinen riski 1.207; p <0.001) ja ahdistuneisuus (suhteellinen riski 1.264; p <0.001) verrattuna NU: hin. SA-ryhmällä oli myös lisääntynyt masennuksen riski (suhteellinen riski 1.337; p <0.001) ja ahdistuneisuus (suhteellinen riski 1.402; p <0.001) verrattuna NC: iin. Nämä havainnot osoittavat, että sekä IA: lla että SA: lla oli merkittäviä vaikutuksia masennukseen ja ahdistukseen. Lisäksi havainnot osoittivat, että SA: lla on vahvempi suhde masennukseen ja ahdistukseen, vahvempi kuin IA, ja korostivat älypuhelinten liiallisen käytön ehkäisy- ja hallintopolitiikan tarvetta.

Avainsanat:  Internet-riippuvuus; ahdistuneisuus; masennus; taipumuspiste; älypuhelinten riippuvuus

Teorian 29693641

DOI: 10.3390 / ijerph15050859

 

1. Esittely

Internetin ja älypuhelimien käytön ja mukavuuden lisääntyessä jokapäiväisessä elämässä, kertynyt tutkimus on osoittanut Internetin ja älypuhelinten liiallisen käytön kielteiset vaikutukset mielenterveyteen [1].
Älypuhelimien käyttäjäaste Etelä-Korean väestössä on noin 85%, korkein maailmanlaajuisesti [2]. Älypuhelinten liiallinen käyttö liittyy kuitenkin vahvasti lukuisiin mielenterveysongelmiin, mukaan lukien stressi ja lisääntynyt epänormaalin ahdistuksen riski [3,4]. Älypuhelinten riippuvuus (SA) on noussut uudeksi riippuvuusmuodoksi Internet-riippuvuuksien (IA) rinnalla, ja SA: n kliininen ominaisuus on saanut huomion viime vuosina [5]. Esimerkiksi laitteiden luonteessa on joitain eroja, kuten älypuhelimien helppo siirrettävyys, reaaliaikainen Internet-yhteys ja suora viestintä [6]. IA: n ja SA: n välisistä samankaltaisuuksista ja eroista on ilmoitettu demografisten muuttujien ja median käytön motivoivien näkökohtien suhteen [1,6].
Ympäristövaikutusten perusteella vaikutustenarviointiin liittyy vaihtoehtoisten toimintojen puute [7]. Lisäksi yksinäisyyden on ilmoitettu liittyvän vahvasti sekä sosiaaliseen verkostoon että online-pelaamiseen [8]. Koulutustason ja kuukausitulojen ulottuvuuksien suhteen äskettäin tehdyssä tutkimuksessa, jolla tutkittiin SA-sairauksia sairastavia ihmisiä, havaittiin merkittäviä eroja terveysulottuvuudessa niiden henkilöiden hyväksi, joilla oli alhaisemmat tulot ja alhaisempi koulutusaste [9]. Tämän havainnon mukaisesti järjestelmällisessä katsauksessa todettiin merkittävää korrelaatiota akateemisen suorituksen ja vaikutustenarvon vakavuuden välillä [10]. Iän suhteen äskettäisessä katsauksessa todettiin, että ongelmallisella Internetin käytöllä on eniten merkitystä sekä murrosikäisillä että kehittyvillä aikuisilla (19-vuotiaat ja vanhemmat) [10], kun taas älypuhelinten väärinkäyttö on yleisempi nuoremmissa murrosikäisissä verrattuna uusiin aikuisiin (19-vuotiaat ja vanhemmat) [11]. Äskettäinen tutkimus osoitti, että naisilla on yleensä korkeampi älypuhelimien päivittäinen käyttöaika ja riippuvuuspistemäärä miehiin verrattuna [4]. Choi et ai. (2015) kertoi, että miespuolisella sukupolvella on merkityksellinen riskitekijä IA: lle ja naispuolisella sukupuolelle SA: lla [1]. Käyttötarkoituksen suhteen sosiaalinen verkostoituminen osoitti liittyvän voimakkaammin älypuhelinten suureen riippuvuuteen verrattuna muihin matkapuhelimiin liittyviin toimintoihin [11]. IA: n potilailla Anderson et ai. (2016) kertoi, että miespuolinen sukupuoli liittyi merkittävästi online-tietokonepeleihin [10].
Psykologisista näkökohdista on todettu, että IA: n ja SA: n positiivisista assosiaatioista masennukseen ja ahdistukseen [12,13]. Viimeaikaiset tutkimukset ovat viitanneet siihen, että riippuvuus Internetistä ja älypuhelimista voi johtua käyttäjän yksilöllisestä kognitiivis-emotionaalisesta ja käyttäytymisprofiilista eikä itse mediumista [14,15,16]. Äskettäisessä tutkimuksessa havaittiin empatian ja elämätyytyväisyyden merkitystä sekä IA: ssa että SA: ssa [17]. Psykopatologian osalta useat tutkimukset ilmoittivat positiivisen korrelaation IA: n, masennuksen ja ahdistuksen välillä [18,19,20], kun taas äskettäisessä tutkimuksessa kerrottiin älypuhelimien käytön ja vakavuuden, masennuksen ja ahdistuksen välisestä suhteesta [13]. Siksi IA: n, SA: n ja mielenterveysongelmien väliset suhteet on määriteltävä tarkasti. Lisäksi ottaen huomioon sekä päällekkäisyydet että erot IA: n ja SA: n välillä [16], nousee sitten esiin kysymys, missä määrin IA ja SA liittyvät masennuksen ja ahdistuksen lisääntymiseen sen jälkeen, kun hämmentäviä demografisia ja sosioekonomisia tekijöitä on mukautettu?
On edelleen epäselvää, ovatko mielenterveysongelmat syitä vai seurauksia liiallisesta Internetistä ja älypuhelimista käyttämisestä. Poikkileikkaustutkimuksissa on käytetty useita regressioanalyysejä ihmisten mielenterveysongelmien, IA: n ja SA: n välisten suhteiden tutkimiseksi [21]. Havainnollisissa tutkimuksissa, joissa ei ole satunnaistamista, moninkertaisella regressioanalyysillä on kuitenkin rajoituksia, kuten mahdollisuus yliarvioida ja huono standardivirhe, kun läsnä on useita kovariaatteja, valintapoikkeamien lisäksi [22]. Näin ollen riippuvuuden vaikutusten arvioiminen pelkästään tutkimalla tiettyä lopputulosta, kuten masennus ja ahdistus, vääristäisi IA: n ja SA: n demografisten ja sosioekonomisten tekijöiden epätasapainoa. IA: n ja SA: n masennukseen ja ahdistuneisuuteen liittyviä erovaikutuksia ei ole vielä tutkittu Internetin ja älypuhelimien käyttäjien ominaispiirteiden mukaan lukien ympäristöolosuhteet ja käyttäjien psykologiset profiilit. Kaltevuuspisteiden yhteensovittamisesta (PSM) on tullut suosittu tapa vähentää valintapoikkeamia havainnointitutkimuksissa [23,24]. Käsittelimme tässä artikkelissa PSM-analyysiä tutkia IA: n ja SA: n vaikutuksia masennukseen ja ahdistukseen, jotta voimme vähentää valintamme vääristymää tiedoissamme. Valitsimme sukupuolen, iän, koulutuksen, siviilisäädyn ja tulot häiritseviksi muuttujiksi ottaen huomioon näiden sosiodemografisten muuttujien assosiaation IA: n ja SA: n kanssa tutkimuksessamme [9,25].
Tämän tutkimuksen ensisijaisena tavoitteena on tutkia IA: n, SA: n ja mielialan tilan, toisin sanoen masennuksen ja ahdistuksen, keskinäisiä suhteita taipumusanalyysien avulla. Toiseksi pyrimme selvittämään, kuinka masennuksen ja ahdistuksen vaikutukset eroavat IA: n ja SA: n välillä.

 

 

2. Materiaalit ja menetelmät

 

 

2.1. Opiskelijat

Tiedot koostuivat Korean katolisen yliopiston Soulissa tekemistä korealaisten 5003-aikuisten online-nimettömistä itsediagnostiikkatutkimuksista (ikä 19 – 49-vuotiaita); ja Pyhän Marian sairaalassa joulukuussa 2014 [26]. Tutkimus toteutettiin Helsingin julistuksen mukaisesti. Korean katolisen yliopiston, Soul, institutionaaliset arviointityökalut; ja Pyhän Marian sairaala hyväksyivät tämän tutkimuksen. Kaikille osallistujille ilmoitettiin tutkimuksesta ja he antoivat kirjallisen tietoisen suostumuksen. Kyselyyn osallistujat rekrytoi tutkimusyrityksen paneeli ja itseraportointikyselyjä hallinnoitiin Internetin kautta ilman korvauksia. Vain 149-vastaajat, jotka eivät käyttäneet älypuhelimia, jätettiin ulkopuolelle. Lopuksi analysoimme 4854-osallistujien tiedot. Lopullisessa näytteessä iät jaettiin kolmeen luokkaan: 30 (33.19%), 30 – 39 (43.94%) ja 40 – 49 (22.87%). Siellä oli 2573-uroksia (53.01%) ja 2281-naaraita (46.99%). Muita tutkittujen osallistujien demografisia muuttujia olivat koulutus, siviilisääty ja tulot.

 

 

2.2. Toimenpiteet

 

 

2.2.1. Internet-riippuvuuden mittaus

Korealainen Internet-riippuvuuden asteikko (K-asteikko) kehitettiin Koreassa arvioimaan vaikutustenarviointia, ja se on validoitu Korean väestössä sisäisen johdonmukaisuuden suurella luotettavuudella [27]. Cronbachin alfakerroin K-asteikolle oli 0.91 [28]. Sillä on seitsemän aliasteikkoa ja 40-tuotetta, jotka mittaavat päivittäisen elämän häiriöitä, todellisuuden testauksen häiriöitä, automaattisia riippuvuusmõtteita, virtuaalisia ihmissuhteita, poikkeavaa käyttäytymistä, vetäytymistä ja suvaitsevaisuutta. Tämä Likert-tyypin asteikko on asetettu arvosta 1 (ei ollenkaan) arvoon 4 (aina). Edellisen raportin mukaan tätä asteikkoa käytettäessä osallistujat jaettiin kolmeen ryhmään: normaali, potentiaalinen riski ja korkea riski [29]. Korkean riskin ryhmä määritettiin siten, että sen vakioitu pistemäärä on 70 tai korkeampi päivittäisen elämän häiriöissä, automaattisissa addiktiivisissa ajatuksissa, toleranssitekijöissä tai ainakin 70: ssa. Mahdollinen riskiryhmä määritettiin pistemääräksi 62 tai enemmän päivittäisen elämän häiriöissä, automaattisissa riippuvuutta aiheuttavissa ajatuksissa, toleranssitekijöissä tai ainakin 63: ssa. Normaalikäyttöryhmä sisälsi nuo arvot näiden lukujen alapuolella. Tässä tutkimuksessa IA-ryhmät koostuivat mahdollisista riskiryhmistä.

 

 

2.2.2. Älypuhelinten riippuvuuden mittaus

Älypuhelinten väärinkäytön asteikko (K-SAS) on validoitu ja sitä käytetään laajasti SA: n seulontaan [30]. Se koostuu 15-kohteista, jotka luokitellaan nelipisteiseen Likert-tyyppiseen hätäasteikkoon 1 (ei ollenkaan) - 4 (aina). Kysymyksissä tutkittiin kolmea tekijää: päivittäinen elämän häiriö, automaattiset riippuvuusideat ja suvaitsevaisuus. Cronbachin alfakerroin K-SAS: lle oli 0.880 [5].
Edellisen, tätä asteikkoa käyttäneen raportin perusteella luokittelimme osallistujat pistemäärillä kolmeen ryhmään: Normaali, potentiaalinen riski ja korkea riski [30]. Korkean riskin ryhmä määritettiin siten, että sen pistemäärä on yhteensä 44 tai enemmän tai jolla on alatulos 15 tai enemmän päivittäisen elämän häiriöissä yhdessä alatilojen kanssa 13 tai enemmän, sekä automaattisissa addiktiivisissa ajatuksissa että toleranssissa. Mahdollinen riskiryhmä määritettiin siten, että sillä on 41 tai enemmän kokonaispisteissä tai 15 tai enemmän päivittäisen elämän häiriötekijässä. Normaalikäyttöryhmä sisälsi nämä pisteet näiden lukujen alapuolella [30]. Tässä tutkimuksessa älypuhelimista riippuvainen ryhmä koostui korkean riskin ja potentiaalisista riskiryhmistä.

 

 

2.2.3. Mielenterveysongelmien mittaaminen: Masennus ja ahdistus

SCL-90-R on moniulotteinen kyselylomake, joka on kehitetty seulomaan erilaisia ​​9-ala-asteikkojen psykologisia ja psykopatologisia piirteitä: somatizaatio, pakko-oireinen, ihmisten välinen herkkyys, masennus, ahdistus, vihamielisyys, fobinen ahdistus, vainoharhainen ajatus ja psykoottisuus [31]. SCL-90 sisältää 90-kohteita, jotka on luokiteltu 5-pisteasteikolla asteikolla 0 (ei mitään) - 4 (äärimmäinen). SCL-90-R: n testausvarmuus korea kielellä oli 0.76 masennuksen ja 0.77 ahdistuksen kohdalla. Sisäinen konsistenssi oli 0.89 masennuksen ja 0.86 ahdistuksen [31]. Masennuksen ja ahdistuksen on ilmoitettu olevan psykiatrisia oireita, jotka liittyvät voimakkaimmin IA: n ja SA: n [12,13]. Tässä tutkimuksessa mielenkiintoiset seulonnan ulottuvuudet sisälsivät masennuksen ja ahdistuksen SCL-90-R-ala-asteikot.

 

 

2.3. Tietojen analysointi

 

 

2.3.1. Tilastollinen määritelmä

Antaa Zi

 

olla binaarinen riippuvuusindikaattori i: nelle kohteelle; tuo on, Zi=1 jos i. aihe on riippuvainen (IA tai SA), ja Zi=0 muuten. Psyykkisen ongelman (masennuksen tai ahdistuksen) mahdollinen lopputulos määritellään Yi(Zi. Huomaa, että vain yksi mahdollisista tuloksista havaitaan samanaikaisesti jokaiselle kohteelle, joten suora laskenta Yi(1)-Yi on mahdotonta. Yksilöllisen vaikutuksen sijasta ensisijainen mielenkiintoinen parametri on odotettu riippuvuusvaikutus riippuvaiseen väestöön

τ=E(Yi(1)-Yi(0)|
 
Arvio kuitenkin: τ

on edelleen ongelma, koska E(Yi(0)|Zi ei voida suoraan arvioida. Tietenkin satunnaistetuissa kokeissa E(Yi(0)|Zi on tyytyväinen, niin τ voidaan helposti arvioida. Havaintotutkimuksessa naiivi arvio kuitenkin τ voi olla puolueellinen, koska E(Yi(0)|Zi. Tämän valintapoikkeaman säätämiseksi oletamme, että voimme tarkkailla muuttujia Xi joihin ei vaikuta mikään riippuvuus, ja tietyille kovariaateille Xi, mahdolliset tulokset Yi(1), Yi ovat ehdollisesti riippumattomia riippuvuusindikaattorista Zi. Lisäksi, jos potentiaaliset tulokset ovat riippumattomia kovariaatteihin liittyvästä riippuvuudesta Xi, ne ovat myös riippumattomia riippuvuussuhteen ehdolliseen taipumuspisteessä P(Xi)= P(Zi=1|Xi[19]. PSM-estimaattori τ tulee

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Arvioidaan taipumuspiste

Kaltevuuspisteet lasketaan käyttämällä logistista regressiota, mallia, jota käytetään ennustamaan riippuvuuden todennäköisyys 

logP(Zi=1|Xi)

 

 

 
Tässä asiakirjassa, kuten muuttujat Xi

 

 

, tarkastelemme viittä kategorista muuttujaa: sukupuoli (1 = mies ja 2 = nainen), ikä (1 = 20 – 29, 2 = 30 – 39 ja 3 = 40 – 49), koulutus (1 = keskikoulu, 2 = korkea koulu ja 3 = yliopisto tai uudempi), siviilisääty (1 = yksin, 2 = avoliitto, 3 = naimisissa, 4 = eronnut ja 5 = rakastettu) ja tulot (1 = pieni, 2 = keski-pieni, 3 = keskimmäinen, 4 = keskikorkea ja 5 = korkea). Sisään § 1, nämä muuttujat voivat vaikuttaa samanaikaisesti tuloksiin (masennus tai ahdistus) ja riippuvuuksiin. Siksi kustakin aiheesta arvioimme taipumustulokset; toisin sanoen riippuvuussuhteen ehdollinen todennäköisyys, kun otetaan huomioon havaitut muuttujat [32].

 

 

2.3.3. Vastaavat menetelmät arvioidun taipumuspisteet perusteella

Kun taipumuspisteet on arvioitu, sovitusta voidaan käyttää arvioimaan hoitotehoa kahden ryhmän välisiin eroihin sopeutumisen jälkeen [33]. Sovittamisen tavoitteena on tuottaa sovitettu näyte, joka tasapainottaa tutkimuksen potilaan jakautumista ja vastaa havaittujen kontrolliryhmien kovariaatteja. Tämän säätömenetelmän avulla voimme hallita hämmentäviä muuttujia. Tässä tutkimuksessa otimme käyttöön kaksi laajalti käytettyä sovitusmenetelmää, optimaalisen ja geneettisen sovituksen [34].

 

 

2.3.4. Arvio mielenterveysongelmien suhteellisista riippuvuusriskeistä taipumuspisteiden vastaavuuden jälkeen

Sen jälkeen kun taipumustasoasteikko on sovitettu käyttämällä havaittuja muuttujia (ikä, sukupuoli, avioliitto, tulot ja koulutus), meillä on tasapainoisempi tietojoukko. Mielenterveysongelman (masennus tai ahdistus) mallinnusta varten sovelsimme yleistettyjä lineaarisia malleja (GLM) sovitettuun otokseen. Koska mielenterveyspisteet ovat positiivisia ja puolueellisia, gammajakauma log-linkillä on sovitettu. Päästää Yi

 

olla kiinnostava tulos (masennuksen tai ahdistuksen pistemäärä) keskiarvolla μi, voimme käyttää Gamma GLM -kehystä muuttujien kanssa Xi:

 

logμi=γT
 
 
Mallinnuksen kautta arvioimme eγ

 

 

IA: n ja SA: n suhteellisina riskeinä (odotettuna keskimääräisenä erona ryhmien välillä) kunkin kovariaatin suhteen.

 

 

3. tulokset

4854-osallistujien lisäksi 126 (2.60%) sisällytettiin IA-ryhmään ja 652 (13.43%) sisällytettiin SA-ryhmään. Taulukko 1 näyttää masennus- ja ahdistuspisteiden kuvaavat tilastotiedot. IA- ja SA-ryhmien masennuksen ja ahdistuksen keskiarvot ovat suurempia kuin normaalin käytön (NU) ryhmän.
Taulukko 1. Kuvailevat tilastot masennus- ja ahdistuspisteistä.
Pöytä

 

 

3.1. Kaltevuuspisteiden vastaavuusmenetelmän laatu

Vaikka vaadimme tämän tutkimuksen kyselylomakkeissa vain muutamia kovariaatteista taipumuspisteen kautta, havaitsimme, että sovittamismenettely riitti tasapainottamaan kunkin kovariaatin jakauman, Taulukko 2 ja Taulukko 3. Arvioimme etäisyydet raja-jakaumissa Xi

 

 

 

. Jokaiselle kovaariaalille laskettiin ennakkoluulo; toisin sanoen riippuvuus- ja normaalinäytteiden näytteen keskiarvojen ero. Ennen taipumuspisteiden vastaavuuden soveltamista, virheitä ei jätetty huomiotta. Kuitenkin sen jälkeen, kun taipumus oli sovittu yhteen, addiktion ja normaalien alanäytteiden marginaalijakauma oli hyvin samanlainen kaikilla muuttujilla.
Taulukko 2. Perustasoominaisuuksien keskimääräisen prosenttimäärän vertailu IA: n ja normaalin käyttöryhmän välillä alkuperäisessä näytteessä ja taipumuspisteeseen sovitetussa näytteessä käyttämällä geneettistä ja optimaalista vastaavuutta.
Pöytä
Taulukko 3. Perustasoominaisuuksien keskimääräisen prosenttimäärän vertailu SA: n ja normaalien ryhmien välillä alkuperäisessä näytteessä ja taipumuspisteissä sovitun näytteen välillä käyttämällä geneettistä ja optimaalista vastaavuutta.
Pöytä

 

 

3.2. Internet-riippuvuuden vaikutukset masennukseen ja ahdistuneisuuteen

IA: n vaikutukset masennukseen ja ahdistukseen, jotka on saatu käyttämällä taipumustasoasteikkoa, raportoidaan julkaisussa Taulukko 4. Geneettisen sovituksen avulla valittiin 3846 näytettä. IA liittyi suurempaan masennuksen riskiin (suhteellinen riski 1.207, 95% luottamusväli 1.128–1.292 ja p <0.001) ja ahdistukseen (suhteellinen riski 1.264, 95% luottamusväli 1.173–1.362 ja p <0.001). Kaikki nämä suhteelliset riskisuhteet ovat merkittäviä, koska luottamusväli ei sisällä 1. Optimaalisen sovituksen avulla valittiin 252 näytettä. IA liittyi suurempaan masennukseen (suhteellinen riski 1.243, 95% luottamusväli 1.145–1.348 ja p <0.001) ja ahdistukseen (suhteellinen riski 1.308, 95% luottamusväli 1.192–1.435 ja p <0.001). Geneettisen yhteensopivuuden tavoin molempien, masennuksen ja ahdistuksen, suhteelliset riskisuhteet ovat merkittävästi suurempia kuin 1.
Taulukko 4. Internet- ja älypuhelinten väärinkäytön vaikutukset masennukseen ja ahdistukseen, perustuen taipumuspisteisiin.
Pöytä

 

 

3.3. Älypuhelinriippuvuuden vaikutukset masennukseen ja ahdistuneisuuteen

SA: n vaikutukset masennukseen ja ahdistukseen käyttämällä taipumustasoasteikkoa ilmoitetaan Taulukko 4. Geneettisen sovituksen avulla valittiin 4516 näytettä. SA liittyi suurempaan masennuksen riskiin (suhteellinen riski 1.337, 95% luottamusväli 1.296–1.378 ja p <0.001) ja ahdistukseen (suhteellinen riski 1.402, 95% luottamusväli 1.355–1.450 ja p <0.001). Optimaalisen sovituksen avulla valittiin 1304 näytettä. SA liittyi suurempaan masennuksen riskiin (suhteellinen riski 1.386, 95%: n luottamusväli 1.334–1.440 ja p <0.001) ja ahdistukseen (suhteellinen riski 1.440, 95%: n luottamusväli 1.380–1.503 ja p <0.001). Kaikki nämä suhteelliset riskisuhteet ovat merkittäviä.

 

 

3.4. Erot Internetin ja älypuhelinten väärinkäytön vaikutuksissa masennukseen ja ahdistuneisuuteen

Masennuksen ja ahdistuksen suhteelliset riskisuhteet sekä geneettisestä että optimaalisesta vastaavuudesta olivat 10% suuremmat SA: lla kuin IA: lla. Tämä tarkoittaa, että SA: lla on suurempi masennuksen ja ahdistuksen riski kuin IA: lla. Nämä luottamusvälit eivät sisällä 1: ää, joten voidaan sanoa, että SA on 34 – 44% todennäköisemmin aiheuttavan mielenterveyshäiriön.

 

 

4. keskustelu

Tuloksemme ovat, että sekä IA: lla että SA: lla on merkittäviä vaikutuksia masennukseen ja ahdistuneisuuteen, jopa sen jälkeen kun he ovat kontrolloineet tunnustajia käyttämällä taipumuspisteitä. Epidemiologisissa tutkimuksissa on arvioitu, että masennus on yleisempi IA: ssa [35,36]. Useissa poikkileikkaustutkimuksissa on ilmoitettu, että IA- tai SA-potilailla oli korkeampi masennus ja ahdistus kuin tavallisilla käyttäjillä [13,37]. Tässä tutkimuksessa tuloksemme osoittavat IA: n ja SA: n roolin masennuksen ja ahdistuksen kehittymisessä. Nykyisiin havaintoihin on joitain mahdollisia selityksiä. Ensinnäkin, Internetin ja älypuhelimien riippuvuutta aiheuttava käyttö voi lisätä ihmisten välisiä ongelmia, jotka liittyvät masennukseen ja ahdistukseen, kuten perhekonflikteihin, offline-suhteiden puuttumiseen ja lisääntyneeseen hyväksymistarpeeseen kyberavaruudessa. Toiseksi vieroitusoireita ehdotetaan psykopatologisiksi malleiksi IA: ssa ja SA: ssa, jotka ovat verrattavissa päihteiden väärinkäytöksiin [5]. Kun heillä ei ole pääsyä tietokoneeseen tai älypuhelimeen, IA: n tai SA: n potilaat saattavat olla ahdistuneita ja haluavat sitten käyttää Internetiä tai älypuhelinta paetakseen tällaisia ​​kielteisiä tunteita [38]. Toinen mahdollinen selitys on, että toisin kuin muut riippuvuutta aiheuttavat aineet, kuten alkoholi ja nikotiini, Internetin ja älypuhelimien liikakäyttäjillä voi olla vähän tietoa heidän liiallisesta käytöstä arjessa, koska laitteille on saatavana ilmainen ja joustava yhteys [3], saaden heidät kokemaan liiallisen käytönsä häirinnäksi eikä merkiksi ongelmallisesta käytöksestä [39]. Toinen mielenkiintoinen havainto oli, että SA: lla oli voimakkaampia vaikutuksia masennukseen ja ahdistukseen kuin IA: lla. Tämä saa meidät spekuloimaan, että IA: lla ja SA: lla on erilaisia ​​vaikutuksia mielenterveysongelmiin. Tälle havainnolle voisi olla useita mahdollisia selityksiä. Ensinnäkin, ottaen huomioon mediaominaisuudet, älypuhelimien liiallinen käyttö on helpompaa kehittyä laitteen tapana muodostavan luonteen vuoksi, koska se on paremmin saavutettavissa langattomaan verkkoon ja 24 h tarjoaa usein ilmoituksia [39]. Toiseksi, ympäristönäkökohtien suhteen, tämä havainto voi heijastaa nykyistä radikaalia päivittäisen elämän muutosta tietokoneista älypuhelimiin. Ihmiset voivat käyttää PC-Internetiä monimutkaiseen työhön ja suorittaa muita päivittäisiä tehtäviä älypuhelimilla, mikä vähentää työn tuottavuutta ja lisää stressiä [40]. Viimeinkin, SA-potilaat voivat käyttää älypuhelimia ylläpitää suhteita ja yhteydetunnetta online-sosiaaliseen verkkoon [41], mikä johtaa pelkään kadottamisesta ja yhteyden menetyksestä, samalla kun älypuhelinten käyttö lisääntyy [42].
Tässä tutkimuksessa on useita rajoituksia havaintojen yleistämiseksi koko väestölle, kuten tietorajojen poikkileikkausluonne ja Internetin ja älypuhelinten riippuvuuden, masennuksen ja ahdistuksen välisten syy-päätelmien tulkinta. Kaltevuussovituksella on myös rajoituksia ja vaatimuksia. Suurin rajoitus on, että taipumuspisteitä voivat hallita vain havaitut harhauttajat [43]. Tarkkailematta jättäjien mahdollisuus saattaa säilyä, mikä rajoittaa tutkimustuloksen yleistämistä. Lisäksi, koska kaikki tässä tutkimuksessa havaitut sekoittajat on kerätty kategoriallisiksi muuttujiksi, PSM-mallin rakentamisessa voi esiintyä tietojen menetyksiä. Siksi havaintojamme olisi tulkittava varoen. Pyrimme kuitenkin saamaan aikaan sopivia lopputuloksia kahdesta sovittelumenetelmästä, geneettisestä sovituksesta ja optimaalisesta sovituksesta. Erityisesti geneettinen sovitus käyttää geneettistä hakualgoritmia, joten sen prosessi voi löytää hyvän sovittamisratkaisun vähemmän tiedon menetyksellä [44]. Viimeiseksi masennuksen ja ahdistuksen oireiden arviointi suoritettiin itseraportoivilla psykologisilla oiremittauksilla käyttämällä SCL-90-R: tä. Arvioida mielenterveysongelmia tarkemmin ja johdonmukaisemmin. Jatkotutkimuksissa tulisi suorittaa kliinikon jäsennelty haastattelu.

 

 

5. johtopäätökset

Tässä tutkimuksessa tutkimme miten IA ja SA vaikuttavat mielenterveysongelmiin, masennukseen ja ahdistukseen. Tietojemme mukaan tämä on ensimmäinen tutkimus, jossa arvioidaan IA: n, SA: n ja psykopatologian välistä yhteyttä käyttämällä taipuvuussovituspistemenetelmää poikkileikkaustiedoista ja tutkitaan IA: n ja SA: n välisen psykopatologian erilaista vaikutusta. Yhteenvetona toteamuksemme paljastavat, että sekä IA että SA lisäävät masennuksen ja ahdistuksen riskiä. Lisäksi SA osoitti vahvempaa suhdetta masennukseen ja ahdistukseen verrattuna IA: han.
Näiden havaintojen merkitys on, että älypuhelimien käytöstä kärsiviä henkilöitä on tarkkailtava tarkkaan mielenterveysongelmien varalta, mikä korostaa tarvetta laatia ehkäisy- ja hoitopolitiikkoja, jotka on suunnattu esikliiniselle SA: lle. Lisäselvityksissä tulisi tutkia IA: n, SA: n ja mielenterveysongelmien välisiä suhteita ja tunnistaa IA: n ja SA: n syrjivät tekijät.

 

 

Tekijänoikeudet

D.-JK ja DL suunnittelivat ja suunnittelivat kokeet; HMJ analysoi tiedot; Y.-JK kirjoitti paperin. YL valvoi tiedonkeruua. Kaikki kirjoittajat osallistuivat käsikirjoituksen kehittämiseen, muuttivat sitä kriittisesti ja hyväksyivät lopullisen käsikirjoituksen.

 

 

Kiitokset

Tätä työtä tuettiin Korean kansallisen tutkimuksen säätiön avustuksella (avustus nro 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Eturistiriidat

Tekijät eivät ilmoita eturistiriitoja.

 

 

Viitteet

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Älypuhelinten väärinkäyttöön ja Internet-riippuvuuteen liittyvien riski- ja suojaustekijöiden vertailu. J. Behav. Addikti. 2015, 4, 308 – 314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 Internetin yliriippuvuuden tutkimus; Tiede-, ICT- ja tulevaisuuden suunnitteluministeriö: Soul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Älypuhelimen käytön tumma puoli: Psykologiset piirteet, pakonomainen käyttäytyminen ja teknikko. Comput. Hyräillä. Behav. 2014, 31, 373 – 383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Riippuvuus älypuhelinten käytöstä ja sen yhteys ahdistuneisuuteen Koreassa. Kansanterveysasiamies 2016, 131, 411 – 419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Älypuhelimien riippuvuusprosenssiasteikon kehitys aikuisille: Itseraportointi. Korean J. Couns. 2012, 13, 629 – 644. [Google Scholar]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Älypuhelinten riippuvuusasteikon (SAS) kehittäminen ja validointi. PLOS YKSI 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet-riippuvuus: Epidemiologisen tutkimuksen järjestelmällinen katsaus viime vuosikymmenen aikana. As. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. Sosiaalisen median riippuvuuskäytön ja videopelien suhde psykiatristen häiriöiden oireisiin: Laajamittainen poikkileikkaustutkimus. Psychol. Addikti. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Älypuhelinriippuvuus yliopisto-opiskelijoiden keskuudessa joidenkin muuttujien valossa. Comput. Hyräillä. Behav. 2016, 61, 155 – 164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Internetin käyttö ja ongelmallinen Internetin käyttö: Järjestelmällinen katsaus pitkittäistutkimuksen suuntauksista murrosikässä ja syntymässä olevassa aikuisuudessa. Int. J. Adolesc. nuoret 2017, 22, 430 – 454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP-älypuhelimien käyttö ja älypuhelinten väärinkäyttö nuorten nuorten keskuudessa Sveitsissä. J. Behav. Addikti. 2015, 4, 299 – 307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Jeni, J.-Y .; Jeni, C.-F .; Chen, C.-S .; Chen, C.-C. Internet-riippuvuuden ja psykiatristen häiriöiden yhteys: Katsaus kirjallisuuteen. Eur. Psykiatria 2012, 27, 1 – 8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Älypuhelimien käytön vaikeusaste yliopisto-opiskelijoiden unen laatuun, masennukseen ja ahdistukseen. J. Behav. Addikti. 2015, 4, 85 – 92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Nuori, KS; Laier, C .; Wölfling, K .; Potenza, MN Psykologisten ja neurobiologisten näkökohtien integrointi tiettyjen Internet-käytön häiriöiden kehittämiseen ja ylläpitämiseen: Henkilökohtaisten vaikutusten, kognition ja suorituksen (I-PACE) malli. Neurosci. Biobehav. Rev. 2016, 71, 252 – 266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Internet-riippuvuuden kognitiivinen häiriö ja sen neurobiologiset korrelaatiot. Edessä. Biosci (eliitin toimittaja) 2017, 9, 307 – 320. [Google Scholar]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Kuka on riippuvainen älypuhelimesta ja / tai Internetistä? Psychol. Pop. Mediakultti. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. Empatian ja elämäntyytyväisyyden rooli Internet- ja älypuhelinten käyttöhäiriöissä. Edessä. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Internetin käytön ja masennuksen välinen suhde: Keskity fysiologisiin mielialan värähtelyihin, sosiaaliseen verkostoitumiseen ja online-riippuvuutta aiheuttavaan käyttäytymiseen. Comput. Hyräillä. Behav. 2015, 43, 308 – 312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Internet-riippuvuus ja masennus, ahdistus ja stressi. Int. Online J. Educ. Sei. 2011, 3, 138 – 148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Ei, MBM; Griffiths, MD Internet-riippuvuus ja sen psykososiaaliset riskit (masennus, ahdistus, stressi ja yksinäisyys) iranilaisten murrosikäisten ja nuorten aikuisten keskuudessa: Rakenteellinen yhtälömalli poikkileikkaustutkimuksessa. Int. J. Ment. Terveysriippuvainen. 2016, 14, 257 – 267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Unettomuuden ja Internet-riippuvuuden vaikutukset masennukseen Hongkongin kiinalaisilla nuorilla: Tutkiva poikkileikkausanalyysi. J. Sleep Res. 2011, 20, 311 – 317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Logistisen regression verrattuna taipumuspisteeseen, kun tapahtumien lukumäärä on pieni ja sekoittajia on useita. Olen. J. Epidemiol. 2003, 158, 280 – 287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC: 1996: n ja 2003: n kriittinen arvio lääketieteellisessä kirjallisuudessa esiintyvien taipumuspisteiden vastaavuudesta. Stat. Med. 2008, 27, 2037 – 2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Eri taipumuspistemallien kyky vertailla mitattuja muuttujia hoidettujen ja hoitamattomien henkilöiden välillä: Monte Carlo-tutkimus. Stat. Med. 2007, 26, 734 – 753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Internet-riippuvuuden esiintyvyys väestössä: Saksan väestöpohjaisen tutkimuksen tulokset. Behav. Inf. Tekn. 2014, 33, 757 – 766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Internet-pelihäiriöiden riskitekijät: Psykologiset tekijät ja Internet-pelien ominaisuudet. Int. J. Environ. Res. Kansanterveys 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Kansallinen tietopalvelutoimisto. Tutkimus aikuisten Internet-riippuvuussuhteen asteikosta; Kansallinen tietopalvelutoimisto: Soul, Korea, 2005. [Google Scholar]
  28. Kim, D. Internet Addiction Proneness -asteikon jatkotutkimus; Korean digitaalisten mahdollisuuksien ja myynninedistämisen virasto: Soul, Korea, 2008; Saatavana verkossa: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (pääsy 8 May 2008iin).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Kehitetään Internet-riippuvuusprosenssiasteikko-lyhyt muoto (KS-asteikko). Korean J. Couns. 2008, 9, 1703 – 1722. [Google Scholar]
  30. Kansallinen tietopalvelutoimisto. Korean älypuhelinten väärinkäyttäytymisasteikon kehittäminen nuorille ja aikuisille; Kansallinen tietopalvelutoimisto: Soul, Korea, 2011; s. 85 – 86. [Google Scholar]
  31. Kim, KI .; Kim, JW. Oireiden tarkistusluettelon 90-R standardisoitu tutkimus Koreassa III. Ment. Health Res. 1984, 2, 278 – 311. [Google Scholar]
  32. Heckman, J .; Smith, J. Sosiaalisten kokeiden tapauksen arviointi. J. Econ. Perspect. 1995, 9, 85 – 110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Käytännön ohjeita taipumuspisteiden sovittamisen toteuttamiseen. J. Econ. Surv. 2008, 22, 31 – 72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamond, A. Geneettinen vastaavuus syy-vaikutusten arvioimiseksi, julkaisematon käsikirjoitus. Esitetään poliittisen metodologian vuosikokouksessa, Tallahassee, FL, USA, heinäkuu 2005. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Internet-riippuvuuden esiintyvyys sekä Internet-addikettien ja muiden kuin addikettien vertailu Iranin lukioissa. Cyberpsychol. Behav. 2008, 11, 731 – 733. [Google Scholar] [CrossRef] [PubMed]
  36. Jeni, J.-Y .; Ko, C.-H .; Jeni, C.-F .; Wu, H.-Y .; Yang, M.-J. Internetin väärinkäytön komorbidit psykiatriset oireet: huomiovaje ja hyperaktiivisuushäiriöt (ADHD), masennus, sosiaalinen fobia ja vihamielisyys. J. Adolesc. terveys 2007, 41, 93 – 98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Onko Internet-riippuvuus psykopatologinen tila, joka eroaa patologisesta pelaamisesta? J. addikti. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online-verkostoituminen ja riippuvuus - katsaus psykologiseen kirjallisuuteen. Int. J. Environ. Res. Kansanterveys 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Tottumukset tekevät älypuhelimien käytöstä yleisempää. Pers. Hyödyllinen laskenta. 2012, 16, 105 – 114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Älypuhelinten riippuvuus, päivittäiset keskeytykset ja itse ilmoitettu tuottavuus. Addikti. Behav. Rep. 2017, 6, 90 – 95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Sosiaaliset verkostot ja riippuvuus: kymmenen opittua. Int. J. Environ. Res. Kansanterveys 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Nuorten raskaan sosiaalisen verkostoitumisen kielteiset vaikutukset: Poistumisen pelon välittäjärooli. J. Adolesc. 2017, 55, 51 – 60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Kutsutut kommentit: Kaltevuuspisteet. Olen. J. Epidemiol. 1999, 150, 327 – 333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Geneettinen sovittaminen syy-vaikutusten arviointiin: Uusi menetelmä tasapainon saavuttamiseksi havainnollisissa tutkimuksissa. Ev. Stat. 2013, 95, 932 – 945. [Google Scholar] [CrossRef]