Dépendance à Internet: styles d'adaptation, attentes et implications du traitement (2014)

Matthias Brand^{1,2 *}, Christian Laier¹ ainsi que Kimberly S. Young³

• ¹Département de psychologie générale: cognition, université de Duisburg-Essen, Duisburg, Allemagne
• ²Institut Erwin L. Hahn pour l'imagerie par résonance magnétique, Essen, Allemagne
• ³Centre for Internet Addiction, École de journalisme et de communication de masse Russell J. Jandoli, Université St. Bonaventure, Olean, NY, États-Unis

La dépendance à Internet (IA) est devenue un grave problème de santé mentale dans de nombreux pays. Pour mieux comprendre les implications cliniques de l'analyse d'impact, cette étude a testé statistiquement un nouveau modèle théorique illustrant les mécanismes cognitifs sous-jacents contribuant au développement et au maintien de la maladie. Le modèle distingue une dépendance généralisée à Internet (GIA) et des formes spécifiques. Cette étude a testé le modèle sur GIA sur une population d’utilisateurs généraux de l’Internet. Les résultats obtenus par les utilisateurs de 1019 montrent que le modèle d’équation structurelle hypothétique expliquait 63.5% de la variance des symptômes du GIA, telle que mesurée par la version abrégée du test de dépendance à Internet. En utilisant des tests psychologiques et de personnalité, les résultats montrent que les cognitions spécifiques d'une personne (attentes d'adaptation et attentes cognitives médiocres) augmentent le risque de GIA. Si les autres facteurs de risque étaient présents, tels que la dépression, l’anxiété sociale, une faible estime de soi, une faible auto-efficacité et une grande vulnérabilité au stress, ces deux facteurs sont responsables des symptômes de la GIA, pour ne citer que quelques domaines qui ont été mesurés dans l’étude. Le modèle montre que les personnes ayant des capacités d'adaptation élevées et ne s'attendant pas à utiliser Internet pour renforcer l'humeur positive ou réduire l'humeur négative sont moins susceptibles de s'engager dans une utilisation problématique d'Internet, même en présence d'autres vulnérabilités psychologiques ou psychologiques. Les implications pour le traitement incluent une composante cognitive claire dans le développement de la GIA et la nécessité d'évaluer le style d'adaptation et les cognitions du patient et d'améliorer la pensée défaillante afin de réduire les symptômes et de permettre la récupération.

Introduction

Un certain nombre d’études ont mis en évidence une utilisation problématique de l’Internet, qui montre que des conséquences négatives persistantes telles que la perte d’emploi, l’échec scolaire et le divorce résultent d’une utilisation excessive de l’Internet (pour de plus amples informations, veuillez consulter Griffiths, 2000a,b; Chou et al., 2005; Widyanto et Griffiths, 2006; Byun et al., 2009; Weinstein et Lejoyeux, 2010; Lortie et Guitton, 2013). La pertinence clinique de ce phénomène gagne en importance dans le contexte des taux de prévalence estimés élevés allant de 1.5 à 8.2% (Weinstein et Lejoyeux, 2010) ou même jusqu’à 26.7%, en fonction des échelles utilisées et des critères appliqués (Kuss et al., 2014).

Bien que la première description de ce problème clinique remonte à presque 20 il y a quelques années (Jeune, 1996), la classification fait encore l’objet de discussions controversées et, par conséquent, plusieurs termes sont utilisés dans la littérature scientifique, allant de «utilisation compulsive d’Internet» (Meerkerk et al., 2006, 2009, 2010), “Problèmes liés à Internet” (Widyanto et al., 2008), “Utilisation problématique d'Internet” (Caplan, 2002), «Utilisation Internet pathologique» (Davis, 2001) à “comportement de dépendance lié à Internet” (Brenner, 1997), pour n'en citer que quelques-uns. Au cours des dernières années 10, cependant, la plupart des chercheurs dans ce domaine ont utilisé le terme «dépendance à Internet» ou «trouble de la dépendance à Internet» (par exemple, Johansson et Götestam, 2004; Bloquer, 2008; Byun et al., 2009; Dong et al., 2010, 2011, 2013; Kim et al., 2011; Purty et al., 2011; Young, 2011b, 2013; Young et al., 2011; Zhou et al., 2011; Cash et al., 2012; Hou et al., 2012; Hong et al., 2013a,b; Kardefelt-Winther, 2014; Pontes et al., 2014; Tonioni et al., 2014). Nous préférons également le terme «dépendance à Internet (IA)», car des articles récents (voir la discussion dans Brand et al., 2014) met en évidence les parallèles entre une utilisation excessive d’Internet et d’autres comportements addictifs (par exemple, Grant et al., 2013) ainsi que la dépendance à la substance (voir aussi Jeune, 2004; Griffiths, 2005; Meerkerk et al., 2009). Il a été avancé que les mécanismes liés au développement et au maintien de la dépendance à une substance sont transférables à une utilisation addictive d’applications Internet (ainsi que d’autres dépendances comportementales), par exemple la théorie de la Robinson et Berridge, 2000, 2001, 2008; Berridge et al., 2009). Cela s’adapte également bien au modèle de composant sur les comportements addictifs (Griffiths, 2005).

De nombreuses études ont été menées sur les corrélats psychologiques de l’IA, mais cela a été fait - du moins dans la plupart des cas - sans distinction entre une dépendance généralisée à Internet (GIA) et une dépendance spécifique à Internet (SIA; Morahan-Martin et Schumacher, 2000; Leung, 2004; Ebeling-Witte et al., 2007; Lu, 2008; Kim et Davis, 2009; Billieux et Van der Linden, 2012), bien que les mécanismes psychologiques puissent être différents, également pour des groupes d’âge distincts ou des applications utilisées (Lopez-Fernandez et al., 2014). Notre étude examine les effets médiateurs des styles d'adaptation et des attentes cognitives pour l'utilisation d'Internet dans le développement et la maintenance de GIA afin de contribuer à une meilleure compréhension des mécanismes sous-jacents et des implications potentielles pour le diagnostic et le traitement.

Sur le plan théorique, il avait déjà été postulé que l’AI devait être différenciée en ce qui concerne l’utilisation généralisée d’Internet (Griffiths et Wood, 2000) par opposition à des types spécifiques d’IA, tels que le cybersexe, les relations en ligne, les compulsions Internet (par exemple, jeux d'argent, achats), la recherche d'informations et le jeu en ligne pour développer une dépendance à Internet (par exemple, Young et al., 1999; Meerkerk et al., 2006; Bloquer, 2008; Brand et al., 2011). Cependant, un seul sous-type, Internet Gaming Disorder, a été ajouté à l’annexe du DSM-5 (APA, 2013). La plupart des études ont soit évalué l'AI sous forme de construction unifiée, soit seulement un sous-type spécifique (dans la plupart des cas, les jeux sur Internet). Dans son modèle cognitivo-comportemental, Davis (2001) également différencié entre une utilisation Internet pathologique généralisée (GIA) et une utilisation Internet pathologique spécifique (SIA). La GIA a été décrite comme une surutilisation multidimensionnelle d’Internet, souvent accompagnée d’un gaspillage de temps et d’une utilisation non dirigée de l’Internet. Les aspects sociaux d’Internet (par exemple, la communication sociale via des sites de réseaux sociaux) sont particulièrement utilisés (voir aussi la discussion dans Lortie et Guitton, 2013), ce qui est supposé être lié à un manque de soutien social par rapport aux déficits sociaux subis par un individu dans des situations non virtuelles. En outre, il a été avancé que les sujets peuvent utiliser de manière excessive plusieurs applications Internet différentes sans en avoir un favori, par exemple jouer à des jeux, regarder de la pornographie, surfer sur des sites d’information et / ou shopping, poster des selfies, regarder des vidéos sur des plateformes vidéo, lire des blogs des autres, et ainsi de suite. Dans ce cas, on peut affirmer que la personne est accro à Internet et non pas à Internet (mais voir aussi la discussion dans Starcevic, 2013). Selon Davis, l'une des principales différences entre GIA et SIA est que les personnes souffrant de GIA n'auraient pas développé un comportement problématique similaire sans Internet, alors que les personnes souffrant d'AAS auraient développé un comportement problématique similaire dans un autre contexte. Dans les deux formes de dépendance d’Internet, GIA et SIA, il est suggéré que les cognitions dysfonctionnelles sur soi et sur le monde jouent un rôle fondamental (Caplan, 2002, 2005).

Des recherches portant sur le GIA ont démontré que les plaintes subjectives dans la vie quotidienne résultant de l'utilisation d'Internet sont corrélées à diverses caractéristiques de la personnalité. En effet, il a été démontré que le GIA est lié à des comorbidités psychopathologiques, telles que des troubles affectifs ou anxieux (Whang et al., 2003; Yang et al., 2005; Weinstein et Lejoyeux, 2010) ainsi qu'aux traits de personnalité que sont la timidité, le neuroticisme, la vulnérabilité au stress, les tendances à la procrastination et le manque d'estime de soi (Niemz et al., 2005; Ebeling-Witte et al., 2007; Hardie et Tee, 2007; Thatcher et al., 2008; Kim et Davis, 2009). En outre, des facteurs de contexte social, tels que le manque de soutien social ou l’isolement social (Morahan-Martin et Schumacher, 2003; Caplan, 2007) et même la solitude dans le cadre éducatif chez les adolescents (Pontes et al., 2014), semblent être liés au GIA. De plus, il a été avancé que l'utilisation d'Internet comme outil pour faire face à des événements de la vie problématiques ou stressants contribue au développement de GIA (Whang et al., 2003; Tang et al., 2014). Les personnes atteintes d’IA manifestent également une forte tendance à adopter une stratégie d’adaptation impulsive (Tonioni et al., 2014). Certains auteurs ont même conceptualisé l’IA comme un type de gestion de la vie quotidienne ou de tracas quotidiens (Kardefelt-Winther, 2014). Il n'y a toujours que quelques premières études comparant explicitement les prédicteurs de différents types d'AAS. Pawlikowski et al. (2014) ont rapporté que la timidité et la satisfaction de la vie sont liées à une utilisation addictive de jeux sur Internet, mais pas à une utilisation pathologique du cybersexe ou à l'utilisation de jeux et du cybersexe.

Sur la base de recherches antérieures, en particulier sur les arguments de Davis (2001)et en tenant également compte de la littérature actuelle sur les découvertes neuropsychologiques et en neuroimagerie chez des sujets toxicomanes sur Internet, nous avons récemment publié un modèle théorique sur le développement et la maintenance du GIA et du SIA (Brand et al., 2014). Certains aspects inclus dans le modèle ont déjà été mentionnés dans le contexte de l'utilisation de sites de réseaux sociaux, par exemple l'attente de résultats positifs (Turel et Serenko, 2012). Il a également été démontré qu'un usage excessif ou provoquant une dépendance dans les enchères en ligne est corrélé aux changements de croyances des individus à propos de la technique, ce qui détermine l'utilisation future et les intentions d'utilisation (Turel et al., 2011). Ceci est conforme à notre modèle théorique sur les GIA, dans lequel nous supposons que les croyances ou les attentes concernant ce que l’Internet peut faire pour une personne influencent le comportement, c’est-à-dire l’utilisation d’Internet, qui à son tour influe également sur les attentes futures. Cependant, dans notre modèle, nous nous sommes concentrés sur le rôle de médiateur des attentes et des stratégies d’adaptation dans l’élaboration et le maintien d’un GIA et de types spécifiques d’EID.

Pour le développement et la maintenance de GIA, nous affirmons que l'utilisateur a certains besoins et objectifs pouvant être atteints en utilisant certaines applications Internet. Sur la base de recherches antérieures, nous avons incorporé plusieurs de ces résultats afin de développer un modèle complet pour lier ces éléments. Initialement, les caractéristiques fondamentales d'une personne sont associées à l'AI et comprennent les aspects psychopathologiques, les aspects de la personnalité et les cognitions sociales. Dans la première section, nous avons inclus les symptômes psychopathologiques, en particulier la dépression et l’anxiété sociale (p. Ex. Whang et al., 2003; Yang et al., 2005), des facettes de la personnalité dysfonctionnelles, telles que le manque d’auto-efficacité, la timidité, la vulnérabilité au stress et les tendances à la procrastination (Whang et al., 2003; Chak et Leung, 2004; Caplan, 2007; Ebeling-Witte et al., 2007; Hardie et Tee, 2007; Thatcher et al., 2008; Kim et Davis, 2009; Pontes et al., 2014) et isolement social / manque de soutien social (Morahan-Martin et Schumacher, 2003; Caplan, 2005) dans le développement de GIA. Cependant, nous avons suggéré que l'influence des caractéristiques principales et des cognitions de cette personne sur le développement d'une utilisation de l'Internet entraînant une dépendance devienne médiatisée par certaines cognitions liées à Internet, en particulier les attentes d'utilisation d'Internet (Turel et al., 2011; Xu et al., 2012; Lee et al., 2014) et certaines stratégies pour faire face aux exigences de la vie quotidienne ou à des problèmes quotidiens (Tang et al., 2014; Tonioni et al., 2014). Dans la troisième partie du modèle, il s’ensuit que si l’utilisateur se connecte à Internet et reçoit un renforcement en termes de gestion dysfonctionnelle de problèmes ou d’humeur négative et s’attend à ce que l’utilisation d’Internet le distraye de problèmes ou de sentiments négatifs, alors ils se tourneront probablement vers Internet pour échapper aux sentiments manifestés par une perte de contrôle, une gestion du temps médiocre, des envies de fumer et une aggravation des problèmes sociaux. Le rôle des processus de renforcement et de conditionnement a été bien décrit dans la littérature sur le développement et le maintien de troubles liés à une substance (par exemple, Robinson et Berridge, 2001, 2008; Kalivas et Volkow, 2005; Everitt et Robbins, 2006). Nous avons également fait valoir que le renforcement positif et négatif des attentes en matière de style d’adaptation et d’utilisation d’Internet entraînait successivement une perte de contrôle cognitif de l’utilisation d’Internet, ce qui se traduisait par un fonctionnement préfrontal (exécutif) (Brand et al., 2014).

Bien que ce modèle corresponde bien à la littérature précédente sur les principaux résultats concernant les mécanismes psychologiques de l’IA (voir les aperçus de Kuss et Griffiths, 2011a,b; Griffiths, 2012) et également avec des corrélats neuropsychologiques et neuro-imagerie très récents du GIA et de types distincts de SIA (Kuss et Griffiths, 2012; Brand et al., 2014), ce modèle a toujours besoin de preuves empiriques en termes de validité incrémentale. Dans cette étude, nous avons cherché à traduire les hypothèses résumées dans le modèle théorique sur GIA décrit ci-dessus en un modèle statistique au niveau des variables latentes et à tester les effets de prédicteur et de médiateur sur la gravité des symptômes de GIA en utilisant une population Internet à grande échelle. À l’aide de mesures validées de la psychologie et de la personnalité, nous avons d’abord évalué les caractéristiques essentielles d’une personne pour prévoir un usage excessif et provoquant une dépendance d’Internet de manière généralisée. À l'aide d'une mesure validée de la capacité d'adaptation et d'une mesure nouvellement développée des attentes d'utilisation d'Internet, nous avons vérifié si le manque de capacité d'adaptation et les attentes d'utilisation d'Internet (telles qu'utiliser Internet pour échapper à des sentiments négatifs ou à des situations désagréables) permettaient de faire le lien entre les caractéristiques fondamentales d'une personne et les symptômes de GIA.

Matériels et méthodes

Le modèle opérationalisé

Nous avons d’abord traduit le modèle théorique décrit dans l’introduction et illustré dans l’article de Brand et al. (2014) dans un modèle statistique testable et opérationnalisé. Pour chacune des dimensions mentionnées dans le modèle théorique, nous avons choisi au moins deux variables manifestes pour construire un modèle d'équation structurelle (SEM) au niveau latent. Pour chaque variable, nous avons ensuite utilisé une échelle spécifique (chacune composée de plusieurs éléments, voir la description des instruments ci-dessous) pour opérationnaliser les variables manifestes. Ce modèle opérationnalisé en tant que SEM au niveau latent est illustré à la figure 1.

 

FIGURE 1. Le modèle opérationalisé, y compris les principales hypothèses du modèle théorique sur GIA, sur la dimension latente.

Sujets

À l'aide d'un sondage en ligne complet, nous avons eu des répondants 1148. Après exclusion des participants à 129 en raison de données incomplètes aux échelles psychométriques, l’échantillon final était constitué de: N = 1019. Les participants ont été recrutés au moyen de publicités, de plates-formes Internet (compte Facebook de l'équipe Psychologie générale: cognition), de listes de courrier électronique destinées aux étudiants de l'université de Duisburg-Essen, et de dépliants dans des pubs et des bars locaux, ainsi recommandations de la bouche. Les publicités, les courriels et les circulaires incluaient une déclaration indiquant que les participants peuvent prendre part à un tournoi ayant la chance de gagner un des objets suivants: (1) iPad, (2) iPad mini, (3) iPod nano, (4 ) iPod shu, e, cartes-cadeaux 20 Amazon (50 Euros chacune). L'étude a été approuvée par le comité d'éthique local.

L'âge moyen de l'échantillon final était de 25.61 ans (ET = 7.37). L'échantillon comprenait 625 femmes (61.33%) et 385 hommes (37.78%) (neuf volontaires n'ont pas répondu à cette question). En ce qui concerne la situation de vie privée, 577 participants (56.62%) vivaient en couple ou étaient mariés et 410 (40.24%) ont indiqué ne pas avoir de relation actuelle (32 participants n'ont pas répondu à cette question). Au moment de l'évaluation, 687 participants (67.42%) étaient des étudiants, 332 participants (32.58%) avaient un emploi régulier (sans formation universitaire). Sur l'ensemble de l'échantillon, 116 participants (11.4%) ont rempli les critères d'utilisation problématique d'Internet [seuil> 30 dans le court test de dépendance à Internet (s-IAT), voir la description de l'instrument ci-dessous] et 38 participants (3.7%) pour une utilisation pathologique d'Internet (> 37 dans le s-IAT). Le temps moyen passé sur Internet était de 972.36 min / semaine (ET = 920.37). Sur l'ensemble de l'échantillon, 975 personnes ont utilisé des sites de réseaux sociaux / de communication (M_{min / semaine} = 444.47, SD = 659.05), les personnes 998 (97.94%) ont recherché des informations sur Internet (M_{min / semaine} = 410.03, SD = 626.26), les utilisateurs de 988 (96.96%) ont utilisé des sites commerciaux (M_{min / semaine} = 67.77, SD = 194.29), les participants 557 ont utilisé des jeux en ligne (54.66%, M_{min / semaine} = 159.61, SD = 373.65), le jeu en ligne a été effectué par des participants 161 (15.80%, M_{min / semaine} = 37.09, SD = 141.70) et le cybersexe a été utilisé par des personnes 485 (47.60%, M_{min / semaine} = 66.46, SD = 108.28). En ce qui concerne l'utilisation de plusieurs applications Internet, les participants à 995 (97.64%) ont déclaré utiliser régulièrement au moins trois des applications Internet susmentionnées.

Instruments

Test de dépendance à Internet court (s-IAT)

Les symptômes de l’IA ont été évalués à l’aide de la version abrégée allemande du test de dépendance à l’Internet (Pawlikowski et al., 2013), qui est basé sur la version originale développée par Young (1998). Dans la version courte (s-IAT), il faut répondre à 12 items sur une échelle de cinq points allant de 1 (= jamais) à 5 (= très souvent) résultant en des scores totaux allant de 12 à 60, alors que les scores> 30 indique une utilisation problématique d'Internet et un score> 37 indique une utilisation pathologique d'Internet (Pawlikowski et al., 2013). Le s-IAT comprend deux facteurs: perte de contrôle / gestion du temps et problèmes de désir / problèmes sociaux (chacun comportant six éléments). Bien que les éléments 12 prennent en compte deux facteurs dans les analyses exploratoire et confirmatoire (CFA; Pawlikowski et al., 2013), ils capturent les symptômes clés de l’IA, comme décrit par exemple dans le modèle des composants par (Griffiths, 2005). La première sous-échelle «Perte de contrôle / gestion du temps» évalue la force d’une personne souffrant de problèmes de gestion du temps dans la vie quotidienne en raison de son utilisation d’Internet (par exemple, «À quelle fréquence négligez-vous les tâches ménagères de passer plus de temps en ligne?» Et «À quelle fréquence perds-tu ton sommeil parce que tu es en ligne tard le soir?»). Les éléments de cette sous-échelle évaluent également les conséquences négatives de l’abus de l’utilisation d’Internet (par exemple, «À quelle fréquence vos notes ou votre travail scolaire pâtissent-ils du temps que vous passez en ligne?»). Il est également mesuré si les sujets perdent le contrôle de leur utilisation d’Internet et s’ils ont essayé de réduire leur utilisation d’Internet et échouent (par exemple, «À quelle fréquence trouvez-vous que vous restez en ligne plus longtemps que prévu?» Et «À quelle fréquence essayez-vous de réduire le temps passé en ligne et d’échouer? ”). Tous les éléments ne mesurent pas le temps passé en ligne, mais déterminent si les personnes subissent une perte de contrôle sur leur utilisation d'Internet et des problèmes de la vie quotidienne résultant de leur utilisation d'Internet. La deuxième sous-échelle «problèmes de soif / problèmes sociaux» mesure les effets de l’utilisation excessive d’Internet sur les interactions sociales et la préoccupation du média (par exemple, «À quelle fréquence vous sentez-vous préoccupé par Internet quand vous êtes fantasmé ou que vous rêvez d’être en ligne?»). Les éléments de cette sous-échelle évaluent également les problèmes interpersonnels (par exemple, combien de fois claquez-vous, criez-vous ou agissez-vous si vous êtes dérangé lorsque vous êtes en ligne? ") Et la régulation de votre humeur (par exemple," à quelle fréquence vous sentez-vous déprimé? " , ou nerveux quand vous êtes hors jeu, qui disparaît une fois que vous êtes de nouveau en ligne?). Tous les éléments incluent les termes «Internet» ou «en ligne» en général sans se focaliser sur une application donnée. Dans l'instruction, les participants ont été informés que toutes les questions portaient sur leur utilisation générale d'Internet, y compris de toutes les applications utilisées.

Le s-IAT a de bonnes propriétés psychométriques et sa validité (Pawlikowski et al., 2013). Dans notre échantillon, la cohérence interne (α de Cronbach) était 0.856 pour l’ensemble de l’échelle, 0.819 pour le facteur de perte de contrôle / gestion du temps, et 0.751 pour le facteur de besoin et de problèmes sociaux.

Bref inventaire des symptômes - dépression de sous-échelle

Les symptômes de dépression ont été évalués avec la version allemande (Franke, 2000) de la dépression de sous-échelle du bref inventaire des symptômes (Boulet et Boss, 1991; Derogatis, 1993). L'échelle comprend six items évaluant les symptômes dépressifs des derniers jours 7. Les réponses doivent être données sur une échelle en cinq points allant de 0 (= pas du tout) à 4 (= extrêmement). La cohérence interne (α de Cronbach) dans notre échantillon était 0.858.

Bref inventaire des symptômes - sensibilité interpersonnelle de sous-échelle

Les symptômes d’anxiété sociale et de sensibilité interpersonnelle ont été évalués à l’aide de la version allemande (Franke, 2000) de la sensibilité interpersonnelle de la sous-échelle du bref inventaire des symptômes (Boulet et Boss, 1991; Derogatis, 1993). L'échelle comprend quatre éléments et les réponses doivent être fournies sur une échelle en cinq points allant de 0 (= pas du tout) à 4 (= extrêmement). La cohérence interne (α de Cronbach) dans notre échantillon était 0.797.

Échelle d'estime de soi

L’estime de soi a été évaluée à l’aide de l’estime de soi (Rosenberg, 1965). Nous avons utilisé ici la version allemande modifiée (Collani et Herzberg, 2003), qui se compose de dix éléments. Les réponses doivent être données sur une échelle en quatre points allant de 0 (= pas du tout d'accord) à 3 (= tout à fait d'accord). La cohérence interne (α de Cronbach) dans notre échantillon était 0.896.

Échelle d'auto-efficacité

L'auto-efficacité a été évaluée à l'aide de l'échelle d'auto-efficacité (Schwarzer et Jérusalem, 1995), qui consiste en éléments 10. Les réponses doivent être données sur une échelle en quatre points allant de 1 (= pas vrai) à 4 (= exactement vrai). La cohérence interne (α de Cronbach) dans notre échantillon était 0.863.

Inventaire de Trèves pour le stress chronique

La vulnérabilité au stress a été mesurée par la version préliminaire de l’Inventaire de Trèves pour le stress chronique (TICS; Schulz et al., 2004). Le dépistage contient des éléments 12 sur l’exposition au stress au cours des derniers mois 3. Chaque énoncé doit recevoir une réponse sur une échelle en cinq points allant de 0 (= jamais) à 4 (= très souvent). La cohérence interne (α de Cronbach) dans notre échantillon était 0.908.

Échelle de solitude

La version courte de la Loneliness Scale (De Jong Gierveld et Van Tilburg, 2006) a été utilisé pour mesurer les sentiments de solitude (sous-échelle solitude émotionnelle, trois éléments) et le soutien social perçu (sous-échelle de soutien social, trois éléments). Il faut répondre à toutes les affirmations sur une échelle de cinq points allant de 1 (= non!) À 5 (= oui!). La cohérence interne (α de Cronbach) dans notre échantillon était 0.765 pour la solitude émotionnelle de la sous-échelle et 0.867 pour le soutien social de la sous-échelle.

Bref COPE

Le bref COPE (Carver, 1997) mesure le style d’adaptation dans plusieurs sous-domaines différents. Nous avons utilisé ici trois sous-échelles de la version allemande (Knoll et al., 2005): déni, consommation de substances et désengagement comportemental. Chaque sous-échelle était représentée par deux éléments, auxquels il fallait répondre sur une échelle en quatre points allant de 1 (= je ne l'avais pas fait du tout) à 4 (= je l'avais beaucoup fait). La cohérence interne (α de Cronbach) dans notre échantillon était 0.561 pour le déni de sous-échelle, 0.901 pour l'utilisation de substances sous-échelle et 0.517 pour le désengagement comportemental de sous-échelle. Étant donné que les échelles ne comprennent que deux éléments et que l'instrument a été utilisé dans plusieurs études de validation, notamment des rapports sur la fiabilité des tests, la fiabilité est considérée comme acceptable.

Échelle des espérances d'utilisation d'Internet

Pour évaluer les attentes en matière d’utilisation d’Internet, nous avons développé une nouvelle échelle consistant, dans la première version, en éléments 16. Les éléments reflètent certains facteurs de motivation fondamentaux tels que, par exemple, signalés par Xu et al. (2012) et aussi par Yee (2006). Les articles ont été assignés a priori à deux échelles (comportant chacune huit éléments): les attentes d'utilisation d'Internet reflétant un renforcement positif (par exemple, «J'utilise Internet pour faire plaisir») et celles reflétant un renforcement négatif (par exemple, «J'utilise Internet pour détourner des problèmes»). Toutes les réponses ont été données sur une échelle de six points allant de 1 (= totalement en désaccord) à 6 (= complètement en accord). Sur la base des données recueillies dans cette étude (N = 1019), nous avons effectué une analyse factorielle exploratoire (EFA). Corne (1965) l’analyse parallèle et le test du minimum moyen partiel (MAP) (Velicer, 1976) ont été utilisés pour déterminer le nombre approprié de facteurs. Cette procédure a abouti à une solution stable à deux facteurs. Une EFA avec analyse en composantes principales et rotation Varimax a ensuite été réalisée pour évaluer la structure de l’échelle des attentes d’utilisation d’Internet (IUES). Les résultats de l'EFA se sont terminés par une version finale de l'article IUES 8 contenant la structure à deux facteurs (Tableau 1). Avec ces deux facteurs, nous avons observé une explication de la variance de 63.41%. Le premier facteur contient quatre éléments avec des charges élevées sur le facteur principal (> 0.50) et de faibles charges sur l'autre facteur (<0.20) et se rapporte aux attentes positives, nous avons donc nommé ce facteur «attentes positives». Le deuxième facteur se compose de quatre éléments avec des charges élevées sur le facteur principal (> 0.50) et de faibles charges sur l'autre facteur (<0.20), et tous les éléments liés à l'utilisation d'Internet pour éviter ou réduire les sentiments ou les pensées négatives, nous l'avons donc nommé facteur «espérances d’évitement». Les deux facteurs ont une bonne fiabilité («espérances positives»: α de Cronbach = 0.832 et «espérances d'évitement» α de Cronbach = 0.756). Les deux facteurs étaient corrélés de manière significative (r = 0.496, p <0.001) avec un effet modéré (Cohen, 1988).

 

TABLE 1. Charges factorielles et fiabilité des deux facteurs de l'IUES, moyennes des items notés et numéros des items.

Pour garantir la structure factorielle de l'instrument, nous avons évalué un échantillon supplémentaire de sujets 169 (âge moyen = 21.66, SD = 2.69; femmes 106) pour l'application d'un CFA. La CFA a été réalisée avec MPlus (Muthén et Muthén, 2011). Pour l’évaluation des ajustements de modèle, nous avons appliqué des critères standard (Hu et Bentler, 1995, 1999): Le résidu moyen standardisé standardisé (SRMR; les valeurs inférieures à 0.08 indiquent un bon ajustement avec les données), les indices d’ajustement comparatifs (CFI / TLI; les valeurs supérieures à 0.90 indiquent un bon ajustement, les valeurs supérieures à 0.95 un excellent ajustement) et le carré moyen. erreur d'approximation (RMSEA; “test d'ajustement serré”; une valeur inférieure à 0.08 avec une valeur de signification inférieure à 0.05 indique un ajustement acceptable). Le CFA a confirmé la solution à deux facteurs pour l'IUES avec des paramètres d'ajustement bons à excellents: le RMSEA était 0.047, le CFI était 0.984, le TLI était 0.975 et le SRMR était 0.031. Le² test n'était pas significatif, χ² = 24.58, p = 0.137 indiquant que les données n’écartent pas de manière significative du modèle théorique (solution à deux facteurs, comme le montre le tableau) 1). Cet échantillon a été collecté pour le CFA uniquement. Les données n'ont pas été incluses dans les analyses ultérieures.

Analyses statistiques

Les procédures statistiques standard ont été effectuées avec SPSS 21.0 pour Windows (IBM SPSS Statistics, version 2012). Les corrélations de Pearson ont été calculées pour tester les relations d'ordre zéro entre deux variables. Pour contrôler les données relatives aux valeurs aberrantes, nous avons créé une variable aléatoire normalement distribuée avec le même écart type moyen que celui trouvé dans le s-IAT (score global). En théorie, cette variable aléatoire devrait être indépendante de toutes les variables d'intérêt si les corrélations n'étaient pas influencées par des valeurs aberrantes dans les données. Toutes les corrélations avec la variable aléatoire étaient très faibles, rs <0.049, indiquant qu'il n'y avait aucune valeur aberrante substantiellement influente dans aucune des échelles de l'échantillon final (N = 1019). De plus, les diagrammes de dispersion entre les variables ont été contrôlés visuellement. Encore une fois, aucune valeur extrême n'a été trouvée. Par conséquent, les analyses ont été effectuées avec tous les sujets.

L’analyse SEM a été calculée avec MPlus 6 (Muthén et Muthén, 2011). Il n'y avait aucune donnée manquante. Avant de tester le modèle complet, les ajustements des dimensions latentes ont également été testés avec CFA dans MPlus. Pour le SEM et le CFA, une estimation du paramètre de vraisemblance maximale a été appliquée. Pour l’évaluation des ajustements de modèle, nous avons appliqué les critères standard (Hu et Bentler, 1995, 1999) comme déjà décrit dans la section précédente. Pour appliquer l'analyse du médiateur, il était nécessaire, selon Baron et Kenny (1986), que toutes les variables incluses dans la médiation doivent être en corrélation les unes avec les autres. Nous avons également utilisé des régressions modérées pour analyser les effets potentiels du modérateur en tant qu'analyses supplémentaires pour une conceptualisation alternative du concept d'adaptation.

Résultats

Valeurs descriptives et corrélations

Les scores moyens des échantillons dans le s-IAT et toutes les autres échelles appliquées peuvent être trouvés dans le tableau 2. Le score s-IAT moyen de M = 23.79 (SD = 6.69) est tout à fait comparable au score rapporté par Pawlikowski et al. (2013) pour un échantillon de sujets 1820 de la population générale (le score s-IAT moyen était de M = 23.30, SD = 7.25). Les corrélations bivariées entre le score s-IAT (score total) et les scores des questionnaires et des échelles administrées sont présentées dans le tableau 3.

 

TABLE 2. Scores moyens des échelles appliquées.

 

TABLE 3. Corrélations bivariées entre le score s-IAT (score total) et les scores des questionnaires administrés.

Dimensions latentes du modèle proposé dans l'analyse factorielle confirmatoire

Afin de tester systématiquement le modèle théorique proposé, nous avons d'abord analysé le modèle factoriel, ce qui signifie qu'il a été testé pour déterminer si les dimensions latentes sont représentées de manière acceptable par les variables manifestes. Par conséquent, la CFA a été réalisée avec les six dimensions latentes (une dimension dépendante, trois dimensions prédictives, deux dimensions médiateurs). Le RMSEA était 0.066 avec p <0.001, le CFI était de 0.951, le TLI était de 0.928 et le SRMR était de 0.041, indiquant un bon ajustement du modèle.

La première dimension latente «symptômes de GIA» était bien représentée par les scores des deux facteurs du s-IAT (perte de contrôle / gestion du temps et problèmes de désir / sociaux) comme prévu. La première variable prédictive «symptômes psychopathologiques» était représentée de manière significative par les deux sous-échelles du BSI (dépression et sensibilité interpersonnelle). La dimension «aspects de la personnalité» était bien représentée par les trois variables manifestes hypothétiques (efficacité personnelle, estime de soi et vulnérabilité au stress) et la dernière dimension prédictive «cognitions sociales» était bien représentée par les deux sous-échelles de l'échelle de solitude (émotionnel). solitude et soutien social). Les résultats ont montré que la première dimension supposée du médiateur «adaptation» était bien représentée par les trois sous-échelles du COPE (déni, toxicomanie et désengagement comportemental) et que la seconde dimension du médiateur «Espérances d’utilisation d’Internet» était bien représentée par les deux facteurs IUES ( attentes positives et attentes d'évitement).

Globalement, le CFA a indiqué que les dimensions latentes sont représentées de manière acceptable par les variables manifestes. La toxicomanie de la balance a une charge en facteur plus faible (β = 0.424) mais néanmoins significative (p <0.001) et donc suffisante, étant donné que le modèle global correspondait bien aux données. Toutes les charges factorielles et les erreurs standard sont indiquées dans le tableau 4.

 

TABLE 4. Coefficients des chargements des variables manifestes sur les dimensions latentes, testés avec CFA dans MPlus.

Le modèle d'équation structurelle complète

Le modèle théorique proposé sur la dimension latente avec GIA comme variable dépendante (modélisé par les deux facteurs s-IAT) a donné un bon ajustement avec les données. Le RMSEA était 0.066 avec p <0.001, le CFI était de 0.95, le TLI était de 0.93 et ​​le SRMR était de 0.041. Le χ² test était significatif, χ² = 343.89, p <0.001, ce qui est normal étant donné la grande taille de l'échantillon. Cependant, le χ² Le test du modèle de base était également significatif avec une valeur nettement plus élevée.² valeur, χ² = 5745.35, p <0.001. En résumé, les données cadraient bien avec le modèle théorique proposé. Dans l'ensemble, la grande proportion de 63.5% de la variance du GIA était significativement expliquée par le SEM complet (R² = 0.635, p <0.001). Le modèle et tous les effets directs et indirects sont présentés dans la figure 2.

 

FIGURE 2. Résultats du modèle d’équations structurelles, y compris les charges factorielles des dimensions latentes, les poids β, p-values ​​et résidus. ***p <0.001.

Les trois effets directs des prédicteurs sur le GIA n'étaient pas significatifs (Figure 1). 2). Mais notons que l’effet direct des aspects psychopathologiques variables latents n’atteignait que faiblement la signification avec p = 0.059. Ici, il faut considérer que le β-weight était négatif, ce qui indique que - au cas où on interpréterait l'effet direct légèrement significatif - une dépression et une anxiété sociale plus fortes vont de pair avec des symptômes plus faibles de la GIA si l'effet indirect des aspects psychopathologiques sur les deux médiateurs (les espérances d’adaptation et d’utilisation d’Internet) sont partialisées. Les effets directs des aspects psychopathologiques et de la personnalité des deux variables prédictives latentes sur la capacité d'adaptation des variables médiateurs latentes et sur les attentes d'utilisation d'Internet étaient significatifs. En revanche, les effets directs des cognitions sociales variables latentes sur les attentes en matière d'adaptation et d'utilisation d'Internet n'étaient pas significatifs, ce qui signifie que ces effets n'étaient pas significatifs une fois contrôlés les effets des deux autres dimensions latentes.

Cependant, les effets de la cognition sociale sur les attentes d'utilisation d'Internet ont légèrement échoué p = 0.073. Les effets directs de l’adaptation au GIA (p <0.001) et des attentes d'utilisation d'Internet (p <0.001) étaient significatifs avec des tailles d'effet fortes.

L’effet indirect des aspects psychopathologiques sur l’adaptation au GIA était significatif (β = 0.173, SE = 0.059, p = 0.003). L'effet indirect des aspects psychopathologiques sur les attentes d'utilisation d'Internet par rapport au GIA était également significatif (β = 0.159, SE = 0.072, p = 0.027). L’effet indirect des aspects de la personnalité sur l’adaptation au GIA était également significatif (β = –0.08, SE = 0.041, p = 0.05), mais la taille de l'effet était très petite. L’effet indirect des aspects de la personnalité sur les attentes d’utilisation d’Internet pour GIA était significatif (β = –0.160, SE = 0.061, p = 0.009). Les deux effets indirects des cognitions sociales sur l’adaptation (β = 0.025, SE = 0.030, p = 0.403) et la cognition sociale sur les attentes d'utilisation d'Internet (β = –0.08, SE = 0.045, p = 0.075) à GIA n'étaient pas significatifs. Le modèle avec toutes les charges factorielles et β-poids est montré dans la figure 2. Les aspects psychopathologiques à dimension latente étaient significativement corrélés aux aspects de personnalité à dimension latente (r =-0.844, p <0.001) et avec la dimension latente des cognitions sociales (r = –0.783, p <0.001). En outre, les deux dimensions latentes aspects de la personnalité et cognitions sociales étaient corrélées (r = 0.707, p <0.001).

Analyses supplémentaires

Le modèle décrit était celui théoriquement argumenté et par conséquent celui que nous avons testé en premier. Cependant, nous avons ensuite testé séparément certains modèles supplémentaires ou des parties du modèle afin de mieux comprendre les mécanismes sous-jacents du GIA. Le premier problème que nous avons abordé concernait l’effet de la psychopathologie sur les AIG, car nous avons trouvé intéressant que l’effet direct, bien que non significatif, soit négatif dans le SEM (voir la Figure). 2), bien qu’au niveau bivarié, les corrélations soient positives. Le modèle simple comportant des aspects psychopathologiques (représentés par la dépression BIS et l'anxiété sociale BSI) en tant que prédicteur et le GIA (représenté par les deux facteurs s-IAT) en tant que variable dépendante avait un bon ajustement du modèle (tous les indices d'ajustement étaient meilleurs qu'acceptables) et l'effet était positif (β = 0.451, p <0.001). Nous avons également calculé le modèle sans les deux médiateurs, ce qui signifie que les aspects psychopathologiques, les aspects de personnalité et les aspects sociaux ont servi de prédicteurs directs et que le GIA était la variable dépendante (toutes les variables au niveau latent avec les mêmes variables utilisées dans l'ensemble du SEM, voir la figure 2). Le modèle sans médiateur présentait également de bons indices d'ajustement (à une exception près: le RMSEA était légèrement supérieur avec 0.089) et les effets directs sur le GIA (les deux facteurs s-IAT) étaient les suivants: effet des aspects psychopathologiques sur le GIA β = 0.167, p = 0.122; effet des aspects de la personnalité sur GIA β = –0.223, p = 0.017; et effet des aspects sociaux sur le GIA β = –0.124, p = 0.081. Notez que l'effet des aspects psychopathologiques sur le GIA est toujours positif dans ce modèle (mais qu'il n'est pas significatif) lorsque l'effet est contrôlé pour les effets des aspects de la personnalité et des aspects sociaux. Pris ensemble, les résultats du SEM global plaident en faveur d’une médiation complète de l’effet des aspects psychopathologiques sur la GIA par les deux médiateurs (adaptation et attentes), qui est encore soulignée par les deux analyses supplémentaires montrant que l’effet positif sur un niveau bivarié et dans le modèle simple est réduite par l'inclusion de variables supplémentaires en tant que prédicteurs.

Nous avons théoriquement conceptualisé l’adaptation en tant que médiateur (Brand et al., 2014). Cependant, on peut également affirmer que l’adaptation n’interfère pas avec les effets des aspects psychopathologiques, mais agit en tant que modérateur. Pour nous assurer que la conceptualisation de l'adaptation en tant que médiateur au lieu de modérateur est appropriée, nous avons également calculé certaines analyses de modérateur à l'aide d'analyses de régression modérées. Lorsque, par exemple, les aspects psychopathologiques sont utilisés comme prédicteurs, l’adaptation en tant que modérateur et le s-IAT (score total) en tant que variable dépendante, les aspects psychopathologiques (β = 0.267) et l’adaptation (β = 0.262) expliquent la variance du s-IAT. de manière significative (les deux p <0.001), mais leur interaction n'ajoute pas de manière significative l'explication de la variance (changements dans R² = 0.003, p = 0.067, β = -0.059) et l’incrément de l’effet modérateur est presque nul (0.3%).

Nous avons également considéré l'âge et le sexe comme des variables potentielles pouvant avoir un effet sur la structure du modèle. Pour tester cela, nous avons d’abord calculé les corrélations bivariées entre l’âge et toutes les autres variables, ce qui donne de très faibles corrélations. Il n'y avait qu'une seule corrélation avec r = 0.21 (espérance d'âge et d'évitement), ce qui reste un effet faible (Cohen, 1988), et toutes les autres corrélations ont eu des effets entre r = 0.016 et r = 0.18, la plupart étant r <0.15 et r <0.10. La corrélation entre l'âge et le s-IAT était également très faible avec r = –0.14 (bien que significatif à p <0.01, ce qui est clair dans un si grand échantillon). En résumé, les conditions d'inclusion de l'âge dans le modèle de médiation n'étaient pas remplies (Baron et Kenny, 1986) et nous avons décidé de ne pas inclure l'âge dans un modèle supplémentaire. En ce qui concerne le sexe, nous avons comparé les scores moyens des groupes de toutes les échelles utilisées et avons trouvé une seule différence de groupe significative (anxiété sociale liée au BSI, les femmes obtenant des scores plus élevés avec un faible effet de d = 0.28, tous les autres effets étaient inférieurs à 0.28, l’effet sur le score s-IAT était d = 0.19). Nous avons néanmoins vérifié si la structure du modèle était différente pour les femmes et les hommes en utilisant l'analyse de la structure moyenne dans l'analyse SEM. Cela signifie que nous avons testé si le SEM (voir Figure 2) est égal pour les hommes et les femmes. Le test H0 est le suivant: modèle théorique = modèle pour le groupe «hommes» = modèle pour le groupe «femmes». Les indices d'ajustement étaient tous acceptables, ce qui indique que la structure des relations n'était pas très différente entre hommes et femmes. Le RMSEA était 0.074 avec p <0.001, le CFI était de 0.93, le TLI était de 0.91 et ​​le SRMR était de 0.054. Le χ² test était significatif, χ² = 534.43, p <0.001, ce qui est normal étant donné la grande taille de l'échantillon. Cependant, le χ² Le test du modèle de base était également significatif avec une valeur nettement plus élevée.² valeur, χ² = 5833.68, p <0.001. La contribution au χ² du modèle testé par les hommes et les femmes étaient comparables (² contributions des femmes = 279.88,² contributions d'hommes = 254.55). Bien que la structure globale du modèle ne soit pas significativement différente pour les hommes et les femmes, nous avons inspecté le chemin simple et constaté trois différences. Le passage des aspects de la personnalité à l’adaptation était significatif chez les hommes (β = –0.437, p = 0.002), mais pas chez la femme (β = –0.254, p = 0.161) et l’effet des aspects de la personnalité sur les attentes était significatif chez les hommes (β = -0.401, p = 0.001), mais pas chez la femme (β = –0.185, p = 0.181). En outre, l’effet des aspects psychopathologiques sur les attentes était significatif chez les femmes (β = 0.281, p = 0.05), mais pas chez l'homme (β = 0.082, p = 0.599). Tous les autres effets et la représentation des dimensions latentes ne différaient pas entre les hommes et les femmes et ne différaient pas non plus du modèle global illustré à la figure. 2. En résumé, l'ensemble du modèle testé est valable pour les hommes et les femmes, bien que l'effet négatif des aspects de la personnalité sur l'adaptation et les espérances soit plus présent chez les hommes que chez les femmes et que l'effet des aspects psychopathologiques sur les espérances soit présent chez les femmes, mais pas chez les hommes. .

a lieu

Nous avons introduit un nouveau modèle théorique sur le développement et le maintien d’un usage addictif de l’Internet (Brand et al., 2014), qui repose sur les principaux arguments de Davis (2001) qui a d'abord suggéré une différenciation entre une surutilisation généralisée d'Internet (GIA) et une dépendance spécifique à certaines applications Internet (SIA). Dans la présente étude, nous avons traduit le modèle théorique sur GIA en un modèle opérationnalisé au niveau latent et testé statistiquement le SEM en utilisant une enquête en ligne sur une population Internet de répondants 1019. Nous avons trouvé un bon ajustement global du modèle avec les données et le SEM hypothétique, qui représente les facettes principales du modèle théorique et a expliqué 63.5% de la variance des symptômes du GIA telle que mesurée par le s-IAT (Pawlikowski et al., 2013).

Le modèle est le premier à relier des éléments associés à l'EI, tels que la dépression, l'anxiété sociale, une faible estime de soi, une faible efficacité personnelle et une vulnérabilité accrue au stress. Sur la base de l’accent mis sur les cognitions liées au développement de l’IA et au comportement addictif en général (Lewis et O'Neill, 2000; Dunne et al., 2013; Newton et al., 2014), le modèle examine si deux variables médiatrices (styles d’adaptation et attentes en matière d’utilisation d’Internet) ont un impact sur les effets directs des variables prédictives (psychopathologie, personnalité et cognitions sociales) sur le développement de la GIA. Les résultats montrent que les styles d'adaptation et les attentes d'utilisation d'Internet jouent un rôle important.

Toutes les variables (prédicteurs et médiateurs) incluses dans le modèle présentaient une corrélation significative avec le score s-IAT à un niveau bivarié. Ceci est fondamentalement cohérent avec les recherches précédentes sur les relations bidimensionnelles entre les symptômes de l'AI et les aspects de la personnalité, les symptômes psychopathologiques et les autres variables de la personne, comme indiqué dans l'introduction. Cependant, dans l'analyse SEM, tous les effets directs des trois principaux prédicteurs (sur la dimension latente) n'étaient plus significatifs lors de l'inclusion des médiateurs hypothétiques dans le modèle. Cela signifie que les aspects psychopathologiques (dépression, anxiété sociale), les aspects de la personnalité (estime de soi, efficacité personnelle et vulnérabilité au stress) ainsi que les cognitions sociales (solitude émotionnelle, soutien social perçu) n’affectent pas directement les symptômes de la GIA, mais leur influence dépend soit d'un style d'adaptation dysfonctionnel, soit des attentes d'utilisation d'Internet, soit des deux. Cependant, les aspects psychopathologiques et les aspects de la personnalité prédisent de manière significative à la fois le style d’adaptation dysfonctionnel et les attentes en matière d’utilisation d’Internet. Les cognitions sociales, cependant, ne sont pas liées de manière significative à la capacité d'adaptation et aux attentes, lorsque leur impact relatif est contrôlé pour les effets des aspects psychopathologiques et de la personnalité (mais notez que les trois dimensions latentes des prédicteurs étaient corrélées de manière significative et que l'effet des cognitions sociales sur l'utilisation d'Internet espérances légèrement échoué à atteindre la signification). Les effets directs du style d’adaptation et des attentes sur les symptômes du GIA ont été significatifs. En résumé, la présente étude, bien qu’elle concerne une population non clinique, confirme non seulement les conclusions précédentes sur la pertinence du style d’adaptation et la gestion des événements stressants de la vie (Kardefelt-Winther, 2014; Tang et al., 2014; Tonioni et al., 2014) ainsi que les attentes d'utilisation d'Internet (Turel et Serenko, 2012; Xu et al., 2012; Lee et al., 2014) pour le développement ou le maintien des symptômes du GIA, mais souligne explicitement le rôle de l’adaptation et des attentes en tant que médiateurs dans le processus sous-jacent au GIA.

Le modèle a été testé avec une large population en ligne. Le modèle doit être testé avec des échantillons cliniques clairement définis, tels que ceux recherchant un traitement. La signification du modèle serait plus robuste avec une population clinique pour tirer des implications cliniques plus précises. Bien que 11.3% de l'échantillon ait signalé une utilisation d'Internet problématique et 3.7% se soient décrits comme ayant une utilisation d'Internet addictive, cette étude est considérée comme une première analyse pour voir si le modèle fonctionne et si elle tire des inférences statistiques potentiellement pertinentes sur le plan clinique. Cependant, en tant que nouveau modèle de signification statistique utilisant une variété de tests psychologiques et de personnalité sur des utilisateurs en ligne, quelques implications cliniques, qui peuvent inspirer de futures recherches, peuvent être effectuées avec prudence.

Premièrement, les personnes qui ont des difficultés à faire face aux problèmes de leur vie et qui espèrent que l’Internet peut être utilisé pour améliorer leur état positif ou réduire leur humeur négative risquent davantage de développer un SIG. En outre, les effets des aspects psychopathologiques sur les attentes d'adaptation dysfonctionnelles et sur l'utilisation d'Internet étaient positifs, ce qui indique que des symptômes plus élevés de dépression et d'anxiété sociale peuvent augmenter le risque de stratégies d'adaptation dysfonctionnelles et également d'attentes qu'Internet aide à faire face au stress ou à des effets négatifs. ambiance. Ce n'est que lorsque ces processus agissent de concert, c'est-à-dire la combinaison de symptômes psychopathologiques et d'adaptation / attentes, que la probabilité d'utiliser Internet de manière dépendante semble augmenter.

Deuxièmement, bien que le nombre d’études traitant du traitement de la GIA soit limité, la méta-analyse publiée par Winkler et al. (2013) soutient que la thérapie cognitivo-comportementale est la méthode de choix. Ceci est particulièrement basé sur l'analyse des effets du traitement sur le temps passé en ligne, la dépression et les symptômes d'anxiété. En fait, la thérapie cognitivo-comportementale pour l’IA (CBT-IA; Jeune, 2011a) a été identifiée comme la forme de traitement de l'AI la plus répandue (Cash et al., 2012). Dans le cadre du traitement cognitivo-comportemental du GIA proposé par Jeune (2011a), on a déjà émis l'hypothèse que les caractéristiques individuelles ainsi que les attentes en matière d'adaptation et d'utilisation d'Internet seraient pertinentes dans le traitement du GIA, mais les preuves empiriques étaient très rares (par exemple, Jeune, 2013).

Les résultats présentés dans cette étude fournissent une source supplémentaire de preuves pour montrer que la thérapie cognitivo-comportementale et CBT-IA peuvent fonctionner pour traiter l'AI. Les cognitions spécifiques de la personne (style de gestion et attentes sur Internet) atténuent les effets des symptômes psychopathologiques (dépression, anxiété sociale), des traits de personnalité et de la cognition sociale (solitude, soutien social) sur les symptômes de la GIA. En utilisant la thérapie cognitive, l’accent doit être mis sur l’identification des cognitions dysfonctionnelles à traiter. En d’autres termes, lors de l’examen, les cliniciens devraient examiner les attentes en matière d’utilisation d’Internet afin de comprendre les besoins du client et de déterminer de quelle manière le client pense qu’Internet peut contribuer à la satisfaction de celui-ci.

Les résultats suggèrent également que le traitement devrait traiter les cognitions mésadaptées associées à une utilisation dysfonctionnelle d’Internet. Ces résultats confirment des études antérieures montrant des cognitions mésadaptées telles que la généralisation excessive, l’évitement, la suppression, le grossissement, la résolution de problèmes mésadaptés ou les concepts de soi négatifs sont associées à une dépendance à Internet (Internet).Jeune, 2007). Une implication clinique de ces résultats est que la thérapie doit appliquer une restructuration cognitive et un recadrage afin de lutter contre les pensées qui conduisent à une dépendance de l’Internet. Par exemple, un patient souffrant de GIA peut présenter des signes d’anxiété sociale et de timidité et, par conséquent, quelques amis et des problèmes avec d’autres élèves à l’école. Elle peut alors penser que la communication avec d'autres personnes via des sites de réseaux sociaux répond à son besoin social sans les aspects situationnels et effrayants d'une «véritable» interaction sociale. En outre, elle peut espérer que jouer à un jeu en ligne la détournera également des problèmes rencontrés à l'école et que l'achat en ligne ou la recherche d'informations sur Internet peuvent atténuer le sentiment de solitude. La thérapie lui permettrait de voir d’autres endroits à l’école ou dans la vie privée où elle pourrait développer son estime de soi et satisfaire ses besoins sociaux. Si elle cesse de justifier que les sites de réseautage social, les jeux et les sites de magasinage sont les seuls endroits où elle se sent bien dans sa vie, elle trouve d'autres points de vente plus sains, moins elle sera dépendante des différentes applications Internet. Connaissant le rôle que jouent les cognitions dans l’élaboration du GIA, la thérapie cognitive peut aider les clients à restructurer les hypothèses et les interprétations qui les maintiennent en ligne. Encore une fois, ces implications cliniques potentielles des résultats de l'étude doivent être traitées avec prudence, car elles doivent être répliquées dans un échantillon clinique recherchant un traitement.

Dans une perspective plus large, toutefois, ces résultats permettent de mieux comprendre comment les thérapeutes peuvent spécifiquement appliquer la CBT-IA aux patients toxicomanes par Internet. La modification du comportement peut aider les clients à développer et à adapter de nouvelles stratégies d’adaptation plus fonctionnelles afin de faire face aux tracas quotidiens. La thérapie doit aider les clients à trouver des moyens plus sains de faire face à leurs besoins que de se tourner vers Internet. La thérapie comportementale est une composante majeure de la CBT-IA pour aider les clients à faire face aux problèmes sous-jacents contribuant à l’IA, de manière spécifique ou généralisée (Jeune, 2011a, 2013). Les résultats suggèrent que l'amélioration des habiletés d'adaptation réduirait la nécessité de se connecter en ligne pour les clients. Bien que étudiés dans un échantillon de la population en général, nous pensons que la découverte du fait que gérer et espérer est un médiateur dans le développement et la maintenance du GIA contribue à une meilleure compréhension des mécanismes du GIA et qu’elle a probablement des implications thérapeutiques, comme mentionné ci-dessus. . Le rôle de l’intégrité du cortex préfrontal est un autre aspect qui n’a pas été ciblé dans la présente étude. L'efficacité de la CBT-IA peut également dépendre du fonctionnement préfrontal du patient, car le renforcement du contrôle cognitif de l'utilisation d'Internet au cours du traitement est très probablement lié aux fonctions exécutives et à d'autres processus cognitifs d'ordre supérieur. C’est un point important à prendre en compte dans les études futures, car deux articles récemment publiés ont montré que les fonctions du cortex préfrontal étaient probablement réduites chez les patients atteints d’IA (voir la présentation générale dans Brand et al., 2014).

Dans notre échantillon, l'âge était inversement corrélé aux symptômes du GIA, mais avec une taille d'effet très faible (expliquant 1.96% de la variance, uniquement). Considérant les articles récents sur l’utilisation d’Internet chez les personnes âgées (par exemple, Eastman et Iyer, 2004; Vuori et Holmlund-Rytkönen, 2005; Campbell, 2008; Nimrod, 2011), on peut certainement exclure les effets de l’âge sur plusieurs aspects de l’utilisation d’Internet, tels que l’utilisation des motivations et la manière dont les personnes âgées ressentent du plaisir et de la satisfaction sur Internet. Étant donné que les personnes âgées ont également plus de chance de développer des dysfonctions exécutives en raison de modifications du cortex préfrontal avec l’âgeAlvarez et Emory, 2006), qui sont également liés à des réductions de la prise de décision (Marque et Markowitsch, 2010), on peut supposer que les personnes plus âgées bénéficiant d’un grand nombre de plaisirs sur Internet peuvent développer un GIA. Toutefois, cela n’est pas représenté par nos données, car notre échantillon ne comprenait pas de sujets plus âgés. Des études ultérieures pourraient étudier les facteurs de vulnérabilité spécifiques liés au risque d'AGI chez les personnes âgées.

Le sexe n'a pas affecté la structure globale du modèle. Dans des articles précédents, des effets sur le genre ont été trouvés pour des types spécifiques d’IA, tels que les jeux en ligne (par exemple, Ko et al., 2005) et en particulier le cybersexe (Meerkerk et al., 2006; Griffiths, 2012; Laier et al., 2013, 2014), mais il a également été avancé que les deux sexes sont généralement exposés au risque de développer une utilisation du réseau provoquant une dépendance (Internet) (Young et al., 1999, 2011) Dans notre étude, les effets du genre sur le GIA, mesurés par le s-IAT, étaient très faibles (d = 0.19, voir les résultats), indiquant qu'au moins dans une population en général, les deux sexes sont également à risque de développer un GIA. Bien que le sexe n'affecte pas la structure générale des données dans le SEM, il existe certaines différences entre les hommes et les femmes en ce qui concerne trois effets directs des variables prédictives sur les médiateurs. Comme résumé dans la section des résultats, les aspects psychopathologiques ont eu un effet sur les attentes des femmes et non des hommes, car l'effet négatif des aspects de la personnalité sur la capacité d'adaptation et les attentes est plus présent chez les hommes que chez les femmes. Ces effets correspondent à la littérature sur les différences entre les sexes en ce qui concerne la dépression et l’anxiété sociale (Sprock et Yoder, 1997; Moscovitch et al., 2005), ainsi que l'estime de soi et l'efficacité personnelle (Huang, 2012) Cependant, les aspects sur lesquels se concentre l’étude, à savoir les effets de l’adaptation et des attentes sur la médiation et leur importance pour la GIA, n’ont pas été affectés par le sexe (voir les résultats de l’analyse de la structure moyenne). Par conséquent, indépendamment de la manière dont le sexe peut influer sur l'anxiété sociale, la dépression ou certains aspects de la personnalité, l'adaptation et les attentes devraient être prises en compte dans CBT-IA pour les deux sexes.

Enfin, cette étude présente plusieurs limites. Il s'agit d'un modèle récemment développé qui nécessite des tests supplémentaires sur une population clinique afin de déterminer son efficacité clinique en traitement. Il devrait également être testé avec la version plus longue de l'IAT (Jeune, 1998; Widyanto et McMurran, 2004) comme une mesure plus testée dans la littérature. Nous avons utilisé la version plus courte compte tenu de la longueur de l'outil d'évaluation que nous avons utilisé pour l'ensemble du modèle, mais si nous reproduisions ce travail avec un échantillon clinique, il serait suggéré d'utiliser l'IAT avec des mesures supplémentaires d'analyse d'impact, telles que Assessment of Internet and Jeu sur ordinateur Addiction As A scale (AICA-S) ou entretien clinique (AICA-C) développé et validé avec des groupes cliniques par (Wölfling et al., 2010, 2012) De plus, nous avons développé et testé le questionnaire sur les attentes d'utilisation d'Internet aux fins de la présente étude. Bien que nous ayons été méthodologiquement conservateurs et prudents dans l’élaboration de l’échelle, cette mesure devrait être évaluée sur d’autres populations pour en vérifier la validité et le questionnaire doit faire l’objet d’autres tests empiriques dans les études futures. Des échelles et des entretiens supplémentaires et plus détaillés devraient également être appliqués aux échantillons cliniques, car la plupart des facettes évaluées dans notre étude ont été mesurées à l'aide de questionnaires courts comportant un nombre restreint d'éléments, pour des raisons pratiques (limitation de la durée dans le contexte des enquêtes en ligne). . Un autre problème potentiel est celui de la variance de méthode commune (Podsakoff et al., 2003) Malheureusement, aucune variable de marqueur claire, qui devrait théoriquement ne pas être liée à toutes les autres variables, n’a été incluse dans l’étude pour des raisons pratiques (l’enquête a pris presque 25 min, seuil critique pour les enquêtes en ligne). Bien que nous ne puissions pas exclure l’effet de la variance de la méthode commune sur les résultats, nous affirmons que cet effet ne tient probablement pas compte de l’ensemble de la structure de données rapportée. Lors de l'inspection des corrélations à deux variables (Tableau 3) on peut voir que certaines d’entre elles sont très basses (par exemple, r = –0.08, r = –0.09, r = 0.12 etc.). Nous pensons que ces faibles corrélations donnent des indications précieuses sur l’hypothèse selon laquelle la variance de méthode commune n’affecte pas les analyses principales de manière dramatique. Néanmoins, le modèle doit être testé avec une approche systématique multi-trait-multi-méthode (Campbell et Fiske, 1959) dans les études futures.

L’étude actuelle porte sur le GIA, c’est-à-dire que le modèle d’ISA décrit par Brand et al. (2014), doit encore être testé empiriquement. Différentes formes d’ASI (par exemple, les jeux, la pornographie en ligne ou les jeux sur Internet) doivent être testées pour déterminer si les habiletés d’adaptation et les attentes en matière d’utilisation d’Internet jouent un rôle similaire dans l’évolution du problème. La question de savoir si le concept de GIA est principalement adéquat pour couvrir le comportement problématique des patients reste également un débat. Nous avons trouvé des preuves du lien entre les problèmes auto-déclarés liés à une utilisation non spécifique de plusieurs applications Internet différentes et les variables suggérées dans le modèle. Le concept de GIA a été rendu opérationnel par les instructions et les formulations d’articles s-IAT, mais aussi par le fait que plus de 97% des participants ont déclaré utiliser régulièrement au moins trois applications Internet différentes, telles que la communication, les jeux, les jeux d'argent, le cybersexe, etc. shopping, ou recherche d'informations. Du point de vue clinique, la question de savoir si le GIA peut être une raison de demander un traitement ou si les patients à la recherche d'un traitement souffrent essentiellement d'une perte de contrôle de l'utilisation d'une application en particulier reste néanmoins un sujet de débat. Nous suggérons d’envisager ce point dans la recherche clinique en examinant systématiquement le comportement critique dans le contexte de l’utilisation d’Internet et d’analyser la fréquence de l’utilisation incontrôlée et provoquant une dépendance de plusieurs applications Internet dans des échantillons cliniques. De plus, tous les composants proposés dans le modèle théorique sur le GIA pourraient être inclus dans cette étude. Par exemple, des traits de personnalité supplémentaires ou d'autres troubles psychopathologiques peuvent être inclus dans les études futures.

Conclusion

Les principales hypothèses du modèle sur GIA sont étayées par des données empiriques. Les principales caractéristiques de la personne sont liées aux symptômes de la GIA, mais ces effets sont influencés par les cognitions spécifiques de la personne, en particulier le style d'adaptation et les attentes en matière d'utilisation d'Internet. Ces cognitions devraient être abordées dans le traitement d'une utilisation de l'Internet provoquant une dépendance.

Contributions d'auteur

Matthias Brand a rédigé la première version du document, supervisé la collecte des données et analysé et interprété les données. Christian Laier a particulièrement contribué à la conceptualisation de l'étude empirique et de la collecte de données et a révisé le manuscrit. Kimberly S. Young a révisé le projet, l'a révisé de manière critique et a contribué intellectuellement et pratiquement au manuscrit. Tous les auteurs ont finalement approuvé le manuscrit. Tous les auteurs sont responsables de tous les aspects du travail.

Déclaration de conflit d'intérêts

Les auteurs déclarent que la recherche a été menée en l'absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d'intérêts potentiel.

Remerciements

Nous remercions Elisa Wegmann et Jan Snagowski pour leurs précieuses contributions à l’étude et au manuscrit. Ils nous ont grandement aidés à programmer le sondage en ligne et à vérifier les données.

Bibliographie

Édité par:

Ofir Turel, California State University, Fullerton et University of Southern California, États-Unis

Commenté par:

Aviv M. Weinstein, Organisation médicale Hadassah, Israël
Daria Joanna Kuss, Nottingham Trent University, Royaume-Uni