Utilisation d'Internet pathologique et comportements à risque chez les adolescents européens (2016)

Int. J. Environ. Res. Santé publique 2016 13(3), 294; est ce que je:10.3390 / ijerph13030294

Tony Durkee 1,*, Vladimir Carli 1Birgitta Floderus 2Camilla Wasserman 3,4, Marco Sarchiapone 3,5, Alan Apter 6Judit A. Balazs 7,8Julio Bobes 9Romuald Brunner 10Paul Corcoran 11Doina Cosman 12Christian Haring 13Christina W. Hoven 4,14, Michael Kaess 10Jean-Pierre Kahn 15Bogdan Nemes 12, Vita Postuvan 16Pilar A. Saiz 9Peeter Värnik 17 et Danuta Wasserman 1
1
Centre national de recherche sur le suicide et la prévention des troubles mentaux (NASP), Karolinska Institutet, Stockholm SE-17177, Suède
2
Département de neurosciences cliniques, Karolinska Institutet, Stockholm SE-17177, Suède
3
Département de médecine et des sciences de la santé, Université de Molise, Campobasso 86100, Italie
4
Département de psychiatrie des enfants et des adolescents, Institut psychiatrique de l'État de New York, Université Columbia, New York, NY 10032, États-Unis
5
Institut national des migrations et de la pauvreté, Via San Gallicano, Rome 25 / A, Italie
6
Centre d'études pour enfants Feinberg, Centre médical pour enfants Schneider, Université de Tel Aviv, Tel Aviv 49202, Israël
7
Hôpital psychiatrique pour enfants et adolescents Vadaskert, Budapest 1021, Hongrie
8
Institut de psychologie, Université Eötvös Loránd, Budapest 1064, Hongrie
9
Département de psychiatrie, Centre de recherche biomédicale du réseau de santé mentale (CIBERSAM), Université d’Oviedo, Oviedo 33006, Espagne
10
Section des troubles du développement de la personnalité, Clinique de psychiatrie pour enfants et adolescents, Centre de médecine psychosociale, Université de Heidelberg, Heidelberg 69115, Allemagne
11
Fondation nationale de recherche sur le suicide, Western Rd., Cork, Irlande
12
Département de psychologie clinique, Université de médecine et de pharmacie Iuliu Hatieganu, Str. Victor Babes Nr. 8, Cluj-Napoca 400000, Roumanie
13
Division de la recherche sur la santé mentale, Université de technologie de l'information médicale (UMIT), Klagenfurt, Innsbruck 6060, Autriche
14
Département d'épidémiologie, École de santé publique Mailman, Université Columbia, New York, NY 10032, États-Unis
15
Département de psychiatrie, Centre Hospitalo-Universitaire de Nancy, Université de Lorraine, Nancy, Vandoeuvre-lès-Nancy 54500, France
16
Centre slovène de recherche sur le suicide, Institut Andrej Marušič, Université de Primorska, Koper 6000, Slovénie
17
Centre des sciences du comportement et de la santé, Institut estonien-suédois de santé mentale et de suicidologie, Université de Tallinn, Tallinn 10120, Estonie
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Editeur académique: Paul B. Tchounwou
Reçu: 1 décembre 2015 / Accepté: 3 March 2016 / Publié: 8 March 2016

Abstract

: Les comportements à risque constituent un facteur majeur des principales causes de morbidité chez les adolescents et les jeunes; Cependant, leur association avec l'utilisation pathologique de l'Internet (PIU) est relativement inexplorée, en particulier dans le contexte européen. L’objectif principal de cette étude est d’étudier le lien entre les comportements à risque et la PIU chez les adolescents européens. Cette étude transversale a été réalisée dans le cadre du projet FP7 de l'Union européenne: Sauver et autonomiser les jeunes en Europe (SEYLE). Les données sur les adolescents ont été collectées auprès d'écoles randomisées au sein de sites d'étude dans onze pays européens. La PIU a été mesurée à l'aide du questionnaire de diagnostic de Young (YDQ). Les comportements à risque ont été évalués à l'aide de questions provenant de l'Enquête mondiale sur la santé en milieu scolaire (GSHS). Un total d'adolescents 11,931 ont été inclus dans les analyses: 43.4% masculin et 56.6% féminin (M / F: 5179 / 6752), avec un âge moyen de 14.89 ± 0.87. Les adolescents qui ont déclaré avoir de mauvaises habitudes de sommeil et pris des risques ont montré les associations les plus fortes avec la PIU, suivies du tabagisme, de la malnutrition et de l’inactivité physique. Parmi les adolescents du groupe PIU, 89.9% ont été caractérisés par plusieurs comportements à risque. L'association significative observée entre la PIU et les comportements à risque, combinée à un taux élevé de cooccurrence, souligne l'importance de prendre en compte la PIU lors du dépistage, du traitement ou de la prévention des comportements à haut risque chez les adolescents.

Mots-clés: utilisation pathologique de l'Internet; Addiction à Internet; comportement à risque; comportements à risques multiples; modes de vie malsains; les adolescents; SEYLE

1. Introduction

L’adolescence est une période de transition caractérisée par des modifications considérables des attributs physiques, sociaux et psychologiques [1]. De plus, les relations avec les pairs, la famille et la société subissent des changements distincts au cours de cette période transitoire, à mesure que les adolescents commencent à affirmer leur autonomie sur leurs décisions, leurs émotions et leurs comportements [2]. Les aptitudes sociales chez les adolescents se développent souvent au cours d'interactions psychosociales dans différents contextes d'apprentissage [3]. Compte tenu de la vaste plate-forme pour favoriser la cognition sociale et les compétences interpersonnelles [4,5], Internet s’est révélé être un nouveau et unique canal de développement psychosocial chez les adolescents [6,7].
Malgré ces avantages inhérents, des études ont montré que l’utilisation fréquente et prolongée d’applications en ligne risquait de remplacer les interactions et les relations sociales conventionnelles [8,9]. Il existe des preuves démontrant que le temps accumulé en ligne déplace le temps d'interaction face à face avec la famille et les amis [10], participant à des activités parascolaires [11], accomplissant des tâches académiques [12], bonnes habitudes alimentaires [13], activité physique [14] et dormir [15]. Comme les adolescents passent plus de temps en ligne, leur utilisation de l'Internet risque de devenir excessive, voire pathologique [16].
 
L’utilisation Internet pathologique (PIU) se caractérise par des préoccupations, des pulsions ou des comportements excessifs ou mal contrôlés concernant l’utilisation d’Internet menant à une déficience ou à une détresse [17]. La PIU a été conceptuellement modélisée comme un trouble du contrôle des impulsions et classée comme une taxonomie de la dépendance comportementale s'apparentant à la nature du jeu pathologique [18]. En dépit des progrès récents dans la recherche sur la PIU, les efforts pour comprendre ce phénomène sont entravés par l’absence de consensus international sur les critères de diagnostic de la maladie. Il n'est ni répertorié dans le Manuel diagnostique et statistique des troubles mentaux (DSM) ni dans les systèmes nosologiques de la Classification internationale des maladies (CIM). Le principal défi auquel fait face la recherche PIU est sa conception en tant que trouble de dépendance.
 
À la lumière de ces affirmations, le DSM-5 [récemment publié]19] a inclus la dépendance comportementale (troubles addictifs non liés à une substance) dans la catégorie diagnostique officielle, le trouble du jeu étant la seule affection répertoriée dans cette nouvelle classification. Le trouble du jeu sur Internet (IGD) est également un sous-type potentiel de dépendance comportementale dont l'inclusion dans le système nosologique du DSM a été envisagée; cependant, les preuves à l'appui de l'IGD en tant que trouble diagnostique faisaient encore défaut. L’IGD a ensuite été inclus dans la section III du DSM-5, condition nécessitant un complément d’étude [20], afin de déterminer sa pertinence éventuelle en tant que trouble diagnostique. En dépit de l’ambiguïté nosologique actuelle de la PIU, il existe encore de nombreuses preuves montrant un lien étroit entre la PIU et d’autres formes de dépendance [21,22,23,24].
La recherche montre que les personnes atteintes de PIU partagent des attributs neurologiques, biologiques et psychosociaux ayant des dépendances à la fois comportementales et liées à la toxicomanie [25,26,27,28,29]. Basé sur un modèle théorique noté Griffiths [30], il existe six symptômes principaux présentés dans les troubles de dépendance applicables à la PIU. Ceux-ci incluent: saillance (préoccupation pour les activités en ligne), modification de l'humeur (utiliser Internet pour fuir ou alléger le stress), tolérance (nécessité de rester en ligne plus longtemps), retrait (dépression et irritabilité en mode hors connexion), conflits (interpersonnels et intrapsychiques) et rechutes. (tentatives infructueuses d'interrompre l'utilisation d'Internet). Ces composants principaux fournissent un cadre théorique pour estimer l'ampleur de la PIU.
 
Les taux de prévalence de la PIU varient considérablement d'un pays à l'autre, en partie à cause de l'hétérogénéité de sa définition, de sa nomenclature et de son diagnostic. Dans le but d’estimer une prévalence mondiale, Cheng et Li [31] ont abordé ces divergences en appliquant une méta-analyse à effets aléatoires à l'aide d'études avec des instruments et des critères psychométriques comparables. Cette approche a abouti à un total de participants 89,281 de pays 31 répartis dans plusieurs régions du monde. Les résultats ont montré que la prévalence globale de PIU était de 6.0% (95% CI: 5.1 – 6.9) avec une hétérogénéité modérée.
Les études de prévalence évaluant la PIU au niveau européen à l'aide d'échantillons représentatifs sont limitées. En dépit de cette pénurie, de nouvelles données épidémiologiques indiquent des tendances stables en matière de taux de prévalence dans ce groupe cible. Dans un échantillon représentatif d'adolescents européens (n ​​= 18,709) âgés de 11 – 16, Blinka et al. [32] a montré que la prévalence de PIU était de 1.4%. Cela coïncide avec les taux rapportés par Tsitsika et al. [33], qui a estimé la prévalence de 1.2 en pourcentage de PIU dans un échantillon représentatif de jeunes européens (n ​​= 13,284) âgés de 14 – 17. Durkee et ses collègues [34], cependant, a observé une prévalence de 4.4% légèrement plus élevée chez les PIU dans un échantillon représentatif d'adolescents européens (n ​​= 11,956) âgés de 14 – 16. En Europe, les taux de prévalence de la PIU étaient significativement plus élevés chez les hommes que chez les femmes, augmentaient avec l’âge, différaient selon les pays et étaient liés à un éventail de troubles mentaux et du comportement35,36,37,38,39].
 
Les comportements à risque commencent souvent à se manifester pendant l'adolescence, avec un risque élevé de persistance à l'âge adulte. La prévalence chez les hommes est supérieure à celle des femmes et la fréquence des comportements à risque tend à augmenter avec l'âge [40]. Il existe différents niveaux de gravité, allant des comportements à faible risque (mauvaises habitudes de sommeil, nutrition et inactivité physique) aux comportements à haut risque (consommation excessive d'alcool, de drogues illicites et de tabac). La recherche a généralement évalué les comportements à risque en tant qu'entités indépendantes, bien que des preuves claires montrent leur co-occurrence, même à un âge précoce. [41,42]. Les populations présentant de multiples comportements à risque présentent le risque le plus élevé de maladies chroniques, de troubles psychiatriques, de comportements suicidaires et de décès prématuré par rapport aux individus ayant un ou plusieurs comportements à risque [43,44]. Étant donné la nature concomitante des comportements à risque, il est impératif de comprendre leur implication sur le risque de PIU chez les adolescents.
 
Aux États-Unis, le système de surveillance du comportement à risque des jeunes (YRBSS) aux États-Unis s’assure que les comportements à risque constituent un facteur majeur des principales causes de morbidité chez les adolescents et les jeunes [45]. En dehors de cette supposition implicite, il existe relativement peu de recherches qui examinent systématiquement dans quelle mesure ces formes de comportement sont liées à la CPP des adolescents, en particulier dans le contexte européen. Des enquêtes épidémiologiques sont nécessaires pour mieux comprendre ce phénomène.
 
Basé sur un large échantillon représentatif d'adolescents en milieu scolaire en Europe, l'objectif principal de cette étude est d'étudier le lien entre les comportements à risque (consommation d'alcool, de drogues illicites, de tabac, de prise de risque, d'absentéisme, etc.). mauvaises habitudes de sommeil, malnutrition et inactivité physique) et des formes distinctes d’utilisation d’Internet.

2. Matériaux et méthodes

2.1. Conception de l'étude et population

La présente étude transversale a été réalisée dans le cadre du projet de l'Union européenne: Sauver et autonomiser les jeunes vies en Europe (SEYLE) [46]. Les adolescents ont été recrutés dans des écoles sélectionnées au hasard sur des sites d'étude en Autriche, Estonie, France, Allemagne, Hongrie, Irlande, Israël, Italie, Roumanie, Slovénie et Espagne, la Suède servant de centre de coordination.
 
Les critères d'inclusion pour la sélection des écoles éligibles étaient basés sur les conditions suivantes: (1) les écoles étaient publiques; (2) contient au moins des étudiants 40 âgés de 15; (3) comptait plus de deux enseignants pour les élèves âgés de 15; et (4) n’avait pas plus de 60% d’élèves du même sexe. Les écoles éligibles ont été classées par taille: (i) petite (≤ nombre médian d'élèves dans toutes les écoles du site d'étude); et (ii) grand (≥le nombre médian d'élèves dans toutes les écoles du site d'étude) [46]. À l'aide d'un générateur de nombres aléatoires, les écoles ont été randomisées en fonction des interventions SEYLE et de la taille de l'école en ce qui concerne les facteurs socioculturels, l'environnement scolaire et la structure du système scolaire dans chaque site d'étude.
 
Les données ont été recueillies au moyen de questionnaires structurés administrés aux adolescents en milieu scolaire.
Les taux de représentativité, de consentement, de participation et de réponse de l'échantillon sont rapportés dans une analyse méthodologique [47].
La présente étude a été menée conformément à la Déclaration d'Helsinki et le protocole a été approuvé par le comité d'éthique local de chaque pays participant (projet n ° HEALTH-F2-2009-223091). Avant de participer à l'étude, les adolescents et les parents ont tous deux donné leur consentement éclairé à la participation.

2.2. Des mesures

La PIU a été évaluée à l'aide du questionnaire de diagnostic de Young (YDQ) [18]. Le YDQ est un questionnaire à éléments 8 permettant d’évaluer les schémas d’utilisation d’Internet entraînant des déficiences psychologiques ou sociales au cours des six mois précédant la collecte des données [48]. Les huit éléments du YDQ correspondent aux six éléments du modèle de composants de Griffiths et à neuf éléments des critères de diagnostic de l'IGD dans le DSM-5 [49,50]. Sur la base du score YDQ, allant de 0 – 8, les utilisateurs Internet ont été classés en trois groupes: utilisateurs Internet adaptatifs (AIU) (score 0 – 2); utilisateurs Internet mésadaptés (MIU) (marquant 3 – 4); et utilisateurs Internet pathologiques (PIU) (score ≥ 5) [51]. De plus, les heures en ligne par jour ont été mesurées à l'aide d'une question à élément unique dans le questionnaire structuré.
Les données sur les comportements à risque ont été obtenues à l’aide de questions de l’enquête mondiale sur la santé en milieu scolaire (GSHS) [52]. Développé par l'Organisation mondiale de la santé (OMS) et ses collaborateurs, le GSHS est une enquête en milieu scolaire qui évalue les comportements à risque pour la santé chez les adolescents âgés de 13 à 17. Ce questionnaire d'auto-évaluation comprend des éléments correspondant aux principales causes de morbidité observées chez 10 chez les adolescents et les jeunes.

2.3. Comportements individuels à risque

Sur la base du GSHS, les comportements à risque individuels ont été classés en trois catégories: (i) consommation de substances; (ii) recherche de sensations; (iii) et les caractéristiques de style de vie. Les comportements de risque individuels qui en ont résulté ont été codés comme des variables dichotomiques.

2.3.1. Consommation de substances

La consommation de substances impliquait la consommation d'alcool, de drogues illicites et de tabac. Les variables ont été classées en conséquence: (1) fréquence de consommation d’alcool: ≥2 fois / semaine vs ≤1 fois / semaine; (2) nombre de boissons par journée de consommation: ≥ boissons 3 vs. ≤2; (3) incidence de la consommation d'alcool au cours de la vie, jusqu'au point d'ivresse (intoxication à l'alcool): ≥3 fois par rapport à ≤2 fois; (4) incidence sur la durée de vie d'une gueule de bois après avoir bu: temps ≥3 vs temps ≤2; (5) a déjà consommé de la drogue: oui / non; (6) a déjà consommé du haschisch ou de la marijuana: oui / non; (7) a déjà utilisé du tabac: oui / non; et (8) fumant actuellement des cigarettes: ≥6 / jour vs ≤5 / jour.

2.3.2. La recherche de sensations

La recherche de sensations comprenait quatre éléments indiquant des mesures de prise de risque au cours des douze derniers mois: (1) conduite dans un véhicule par un ami qui avait bu de l'alcool; (2) est monté sur une planche à roulettes ou à roulettes dans la circulation sans casque et / ou (3) tiré par un véhicule en mouvement; et (4) partis dans des rues ou des ruelles dangereuses pendant la nuit. Les réponses possibles étaient oui / non pour les quatre items.

2.3.3. Caractéristiques de style de vie

Les caractéristiques de mode de vie comprenaient des variables liées au sommeil, à la nutrition, à l'activité physique et à la fréquentation scolaire. Habitudes de sommeil rapportées aux six derniers mois: (1) se sentant fatigué le matin avant l'école: ≥3 jours / semaine vs ≤2 jours / semaine; (2) sieste après l’école: ≥3 jours / semaine vs ≤2 jours / semaine; et (4) en veille: ≤6 heures / nuit vs ≥7 heures / nuit. Nutrition faisant référence aux six derniers mois: (4) consommant des fruits / légumes: ≤1 heure / semaine vs ≥2 fois / semaine; et (5) petit déjeuner avant l'école: ≤2 jours / semaine vs ≥3 jours / semaine. Activité physique rapportée aux six derniers mois: activité physique (6) pendant au moins 12 minutes 60 au cours des deux dernières semaines: ≤3 jours vs ≥4 jours; et (7) faire du sport régulièrement: oui / non. La fréquentation scolaire comprenait un élément sur la fréquence des absences non motivées de l’école au cours des deux dernières semaines: ≥3 jours par rapport à ≤2 jours.

2.4. Comportements à risques multiples

Le nombre total de comportements à risque a été calculé dans une seule variable et codé comme une mesure ordinale. Fiabilité de demi-moitié (rsb = 0.742) et les valeurs de cohérence interne (α = 0.714) indiquent un niveau d'homogénéité acceptable entre les éléments de la mesure de comportement du risque multiple

3. Analyses statistiques

La prévalence des comportements à risque individuels parmi les groupes d'utilisateurs d'Internet a été calculée pour les hommes et les femmes. Afin de déterminer les différences statistiquement significatives entre les proportions des groupes, des comparaisons multiples par paires utilisant le test z à deux côtés avec les valeurs p ajustées de Bonferroni ont été effectuées. Des analyses approfondies ont été menées pour tester l'effet des comportements de risque individuels sur MIU et PIU à l'aide de modèles mixtes linéaires généralisés (GLMM) avec un lien logit multinomial et une estimation complète du maximum de vraisemblance. Dans l'analyse GLMM, MIU et PIU ont été entrées en tant que mesures de résultats avec AIU en tant que catégorie de référence, les comportements à risque individuels ont été entrés en tant qu'effets fixes de niveau 1, école en tant qu'interception aléatoire de niveau 2 et pays en tant qu'interception aléatoire de niveau 3. Les composantes de la variance ont été utilisées comme structure de covariance pour les effets aléatoires. Pour étudier l'effet modérateur du genre, des termes d'interaction (genre * risque-comportement) ont été intégrés dans le modèle de régression. Des ajustements pour l'âge et le sexe ont été appliqués aux modèles GLMM pertinents. Les rapports de cotes (OR) avec les intervalles de confiance (IC)% 95 sont reportés pour les modèles respectifs.
Dans l'analyse sur les comportements à risques multiples, la moyenne (M) et l'erreur type de la moyenne (SEM) ont été calculées pour les différents groupes d'utilisateurs d'Internet et stratifiées par sexe. Des graphiques en boîte et des moustaches ont été utilisés pour illustrer ces relations. La signification statistique entre les multiples comportements à risque et le sexe a été évaluée à l'aide d'un test t d'échantillons indépendants. Une analyse de variance unidirectionnelle (ANOVA) avec des comparaisons par paires post-hoc a été utilisée pour évaluer la signification statistique entre plusieurs comportements à risque et groupes d'utilisateurs d'Internet.
Un diagramme de variables de régression a été réalisé pour élucider la relation linéaire entre le nombre d'heures en ligne par jour et le nombre de comportements à risque parmi les groupes d'utilisateurs d'Internet. Tous les tests statistiques ont été effectués à l'aide d'IBM SPSS Statistics 23.0. Une valeur critique de p <0.05 a été considérée comme statistiquement significative.

4. Résultats

4.1. Caractéristiques de l'échantillon d'étude

Parmi l'échantillon SEYLE initial de 12,395 464 adolescents, il y avait 3.7 (11,931%) sujets exclus en raison de données manquantes sur les variables pertinentes. Cela a donné un échantillon de 43.4 56.6 adolescents en milieu scolaire pour la présente étude. L'échantillon comprenait 5179% de garçons et 6752% de filles (H / F: 14.89/0.87) avec un âge moyen de 14.3 ± 12.4 ans. La prévalence de l'UIM était significativement plus élevée chez les femmes (5.2%) que chez les hommes (3.9%), tandis que la PIU était significativement plus élevée chez les hommes (2%) que chez les femmes (11928%) (χ² (19.92, 0.001) = XNUMX, p < XNUMX).

4.2. Prévalence des comportements à risque

Tableau 1 décrit la prévalence des comportements à risque stratifiés par groupe d'utilisateurs d'Internet. Les taux de prévalence moyens parmi les groupes d'utilisateurs d'Internet (AIU, MIU et PIU) étaient de 16.4%, 24.3% et 26.5% pour la consommation de substances (consommation d'alcool, de drogues illicites et de tabac); 19.0%, 27.8% et 33.8% pour les comportements à la recherche de sensations (actions à risque); et 23.8%, 30.8% et 35.2% pour les caractéristiques de mode de vie (mauvaises habitudes de sommeil, mauvaise alimentation, inactivité physique et absentéisme), respectivement. La prévalence au sein des groupes MIU et PIU était significativement supérieure à celle du groupe AIU dans toutes les catégories de risque (consommation de substance, caractéristiques de recherche de sensations et mode de vie). À l'exception de cinq sous-catégories, les comparaisons par paires ont montré que les taux de prévalence ne différaient pas de manière significative entre les groupes MIU et PIU.

lampe de table
Tableau 1. Prévalence des comportements à risque chez les adolescents stratifiés par sexe et groupe d'utilisateurs d'Internet 1,2a – c.

4.3. Comportements à risques multiples

Les résultats ont montré que 89.9% des adolescents du groupe PIU ont signalé plusieurs comportements à risque. Le test ANOVA à un facteur a révélé que le taux moyen de comportements à risque multiples augmentait de manière significative entre l'utilisation adaptative (M = 4.89, SEM = 0.02) et l'utilisation inadaptée (M = 6.38, SEM = 0.07) jusqu'à l'utilisation pathologique (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Cette tendance était pratiquement équivalente pour les hommes et les femmes (Figure 1).

Ijerph 13 00294 g001 1024
Figure 1. Diagramme en boîte et moustaches de multiples comportements à risque parmi les utilisateurs d'Internet adaptatif (AIU), les utilisateurs d'Internet non adaptatifs (MIU) et les utilisateurs d'Internet pathologiques (PIU) stratifiés par sexe *.
De plus, aucune différence statistique entre les sexes dans les deux groupes MIU (t (1608) = 0.529, p = 0.597) et PIU (t (526) = 1.92, p = 0.054) n'a été observée (Tableau 2). Il convient toutefois de noter que la valeur p pour le groupe PIU était relativement proche de la signification statistique (p = 0.054). 

lampe de table
Tableau 2. Échantillons indépendants de tests t de multiples comportements à risque et de genre par groupe d'utilisateurs d'Internet 1-3.
La courbe de la variable de régression montrait une relation linéaire claire entre le nombre d'heures en ligne par jour et le nombre de comportements à risque chez les adolescents. Cette tendance était relativement identique entre les groupes d’utilisateurs Internet (Figure 2). 

Ijerph 13 00294 g002 1024
Figure 2. Relation linéaire entre le nombre d'heures en ligne par jour et le nombre de comportements à risque parmi les groupes AIU, MIU et PIU *.

4.4. Analyse GLMM de l'association entre les comportements à risque, MIU et PIU

Les comportements à risque significativement associés à l'UMI étaient également significativement associés à la CEP, à l'exception de trois sous-catégories mentionnées dans les actions à risque et l'absentéisme (Tableau 3). L'analyse GLMM a montré que toutes les sous-catégories de mauvaises habitudes de sommeil augmentaient de manière significative la probabilité relative de PIU avec des tailles d'effet allant de OR = 1.45 à OR = 2.17. Des associations significatives ont été observées entre les actions de prise de risque et l'UIP avec des tailles d'effet allant de OR = 1.55 à OR = 1.73. De plus, les rapports de cotes pour les sous-catégories individuelles du tabagisme (OR = 1.41), de la malnutrition (OR = 1.41) et de l’inactivité physique (OR = 1.39) étaient statistiquement significatifs.

lampe de table
Tableau 3. Modèle mixte linéaire généralisé (GLMM) de l'association entre les comportements à risque individuels, l'utilisation mésadaptée et l'utilisation pathologique avec une analyse approfondie des interactions entre les sexes 1-4.

4.5. Interactions de genre

L’analyse des interactions entre les sexes a révélé que le lien entre la prise de risque, les mauvaises habitudes de sommeil et la PIU était significativement plus élevé chez les femmes, alors que le lien entre la fréquentation scolaire, la malnutrition et la PIU était significativement plus élevé chez les hommes (Tableau 3).

5. Discussion

5.1. Prévalence des comportements à risque

La présente étude visait à examiner la relation entre la PIU et les comportements à risque. Les résultats ont montré que la prévalence des comportements à risque était significativement plus élevée chez les utilisateurs pathologiques que chez les utilisateurs adaptatifs avec certaines variations entre les sexes. La prévalence la plus élevée observée chez les utilisateurs inadaptés et pathologiques était les mauvaises habitudes de sommeil suivies du tabagisme. Ces estimations sont considérablement plus élevées par rapport aux taux de prévalence rapportés dans des études menées en dehors de l'UE, notamment dans les régions Asie et Pacifique [53,54]. Une explication plausible pourrait être liée aux variations observées au niveau écologique (par exemple, les taux de pénétration) entre ces régions respectives. Les statistiques montrent que la région européenne présente le taux de pénétration de l’Internet le plus élevé (78%) au monde. Les taux européens sont plus du double de ceux des régions Asie et Pacifique (36%) [55]. Le taux de pénétration réel des rôles sur la prévalence de la PIU reste ambigu; ainsi, les efforts futurs pour examiner cette relation seraient très utiles pour expliquer cette relation.

5.2. Consommation de substances

Les caractéristiques entre les comportements à risque et les comportements de dépendance se chevauchent fortement. Ceci est peut-être le plus évident avec la consommation de substances. La toxicomanie est souvent classée comme comportement à risque; Cependant, il s'agit également d'un antécédent de toxicomanie. Si les comportements à haut risque partagent des mécanismes sous-jacents similaires, alors avoir un comportement problématique peut réduire le seuil pour développer d'autres comportements problématiques. Cette affirmation est corroborée par des recherches factuelles démontrant un niveau élevé d'interconnexion entre divers comportements à risque [56]. Sur la base de ce concept, il est plausible de supposer que les adolescents ayant des comportements à risque préexistants sont susceptibles d'avoir un risque plus élevé d'UFP par rapport aux adolescents sans comportements à risque.

5.3. La recherche de sensations

Conformément aux recherches précédentes [57], les résultats ont montré que la majorité des actions de prise de risque dans la catégorie de recherche de sensations étaient significativement associées à la PIU. La recherche de sensations est un trait de personnalité associé à des déficiences de l'autorégulation et à une gratification différée [58]. Ces attributs chez les jeunes sont souvent liés à une prédisposition perceptuelle d'un «effet de biais optimiste» dans lequel les adolescents sont plus susceptibles de réduire leurs risques, tout en surestimant les risques pour les autres [59]. Les adolescents présentant ces caractéristiques déviantes auront probablement une plus grande propension aux problèmes de comportement.

5.4. Caractéristiques de style de vie

Les mauvaises habitudes de sommeil se sont avérées être les facteurs les plus importants liés à la PIU. Ceci est probablement dû à un effet de déplacement du sommeil pour les activités en ligne. Certaines activités en ligne incitent explicitement les utilisateurs à rester en ligne plus longtemps que prévu. Une étude sur les jeux de rôle en ligne massivement multijoueurs (MMORPG) a montré que les utilisateurs sont incités à rester en ligne plus longtemps pour suivre le scénario progressif de leur personnage en ligne [60]. Une utilisation excessive des sites de réseaux sociaux est également apparue ces dernières années, ce qui dénote à la fois une augmentation du temps passé en ligne et des corrélations négatives avec les interactions sociales réelles [61,62]. Des études montrent que les adolescents qui utilisent excessivement Internet ont tendance à développer des troubles du sommeil en raison de leur temps passé en ligne prolongé [63,64]. Le déplacement chronique du sommeil pour les activités en ligne pourrait entraîner une privation de sommeil, qui est connue pour avoir des effets indésirables graves sur le fonctionnement social, psychologique et somatique.
Les perturbations des habitudes de sommeil réglementées pourraient également jouer un rôle médiateur dans la relation entre l'absentéisme et l'utilisation inadaptée d'Internet. Les adolescents qui se livrent à des activités en ligne à un niveau excessif risquent de perturber leur ordre naturel de sommeil. Les preuves montrent qu'une augmentation de la latence du sommeil et une diminution du sommeil avec mouvements oculaires rapides (sommeil paradoxal) sont significativement associées à une utilisation excessive d'Internet [65], tandis que les insomnies subjectives et les parasomnies sont liées à l'absentéisme scolaire [66]. Les troubles du sommeil ont des effets prononcés sur le fonctionnement de jour et les résultats scolaires. Cela risquerait de désintéresser les adolescents à l'école, augmentant ainsi le risque de refus de l'école et d'absentéisme chronique [66].
Une mauvaise nutrition et une inactivité physique ont été associées de manière significative à la PIU. Les adolescents qui passent de longues heures en ligne naviguent potentiellement vers des aliments plus sains. Il est postulé que les joueurs en ligne boivent des boissons énergisantes riches en caféine et des collations riches en sucre afin d'accroître la vigilance à l'égard des jeux en ligne [67]. Par la suite, ces facteurs pourraient rendre les joueurs en ligne plus enclins à adopter des comportements sédentaires que les non-joueurs. De plus, les joueurs, en particulier ceux qui délogent la nourriture, l’hygiène personnelle et l’activité physique, sont très fidèles à la réalité afin de continuer à jouer aux jeux en ligne [68]. Cela pourrait poser des risques graves pour la santé et entraîner des symptômes psychosomatiques graves.

5.5. Comportements à risques multiples

Les comportements à risque étaient de nature concurrente, 89.9% des adolescents du groupe PIU ayant déclaré plusieurs comportements à risque. Ces résultats vont dans le sens de la théorie de Jessor sur le comportement problématique [69,70]. La théorie du comportement problématique est un modèle psychosocial qui tente d'expliquer les résultats comportementaux chez les adolescents. Il se compose de trois systèmes conceptuels basés sur des composants psychosociaux: le système de la personnalité, le système environnemental perçu et le système de comportement. Dans ce dernier système, les structures de comportement à risque (consommation d’alcool, de tabac, de délinquance et de déviance, par exemple) ont tendance à se reproduire et à se regrouper en un «syndrome de comportement à risque» [71]. Selon Jessor, ces problèmes de comportement découlent souvent de l'affirmation d'indépendance des adolescents vis-à-vis des parents et des influences de la société.
Les adolescents qui luttent pour leur autonomie pourraient, en partie, expliquer la tendance linéaire significative constatée entre les heures de connexion quotidienne par jour et les multiples comportements à risque. Cette tendance était relativement identique dans tous les groupes d'utilisateurs Internet. Ces résultats sont très pertinents, car ils suggèrent qu'un nombre excessif d'heures de connexion en ligne peut augmenter le nombre de comportements à risque pour tous les adolescents et pas seulement pour ceux chez lesquels un PIU a été diagnostiqué. Un nombre excessif d’heures en ligne pourrait également jouer un rôle modérateur dans la relation entre la CEP et les comportements à risque; Cependant, des recherches plus approfondies sur cette relation sont nécessaires.

5.6. Interactions de genre

L'analyse des interactions entre les sexes a montré que les associations significatives observées entre les comportements à risque et les PIU étaient également réparties entre hommes et femmes. Ceci est quelque peu contradictoire avec les recherches précédentes, qui montrent généralement que la PIU et les comportements à risque sont spécifiques au genre masculin. Ce changement de genre pourrait indiquer que l'écart entre les sexes pour les comportements à risque pourrait se réduire chez les adolescents européens.
Dans une autre perspective, la relation entre le genre et les comportements à risque pourrait être influencée par un troisième facteur, tel que la psychopathologie. Dans une vaste étude basée sur le sexe auprès d'adolescents (n = 56,086) âgés de 12 – 18, les taux de prévalence de PIU ont été estimés à 2.8% parmi l'ensemble de l'échantillon, les taux étant significativement plus élevés chez les hommes 3.6%) [72]. L'étude respective a montré que les femmes présentant des problèmes émotionnels, tels que le malheur subjectif ou des symptômes dépressifs, présentaient une prévalence de la PIU significativement plus élevée que les hommes présentant des symptômes émotionnels similaires. Les études sexospécifiques examinant l’effet des interactions de genre sur la PIU sont une condition préalable essentielle à l’orientation future de la recherche sur la PIU.

5.7. Modèle de composants de Griffiths

Modèle de composants de Griffiths de la dépendance [30] émet l'hypothèse que les dépendances comportementales (par exemple, PIU) et les dépendances liées aux substances progressent via des processus biopsychosociaux similaires et partagent de nombreuses physionomies. Les critères de dépendance des six composants principaux de ce modèle sont la visibilité (1), la modification de l'humeur (2), la tolérance (3), le retrait (4), le conflit (5) et la rechute (6). Kuss et al. [73] a évalué le modèle de composants de la dépendance dans deux échantillons indépendants (n = 3105 et n = 2257). Les résultats ont montré que le modèle de composants de PIU correspond très bien aux données dans les deux échantillons.
Dans la présente étude, la mesure YDQ a été utilisée pour évaluer et détecter les adolescents présentant des risques maladaptifs et pathologiques liés à leur utilisation d'Internet et à leurs comportements en ligne. Comme la mesure YDQ comprend les six critères de dépendance énoncés dans le modèle à composantes de Griffiths, la validité des résultats rapportés dans cette étude est étayée par ce cadre théorique.

5.8. Points forts et limites

Le grand échantillon représentatif et transnational constitue l'un des points forts de cette étude. La méthodologie homogène et les procédures normalisées utilisées dans tous les pays augmentent la validité, la fiabilité et la comparabilité des données. À notre connaissance, la zone géographique européenne était la plus vaste jamais utilisée pour mener une étude sur les CEP et les comportements à risque.
Il existe également certaines limites de l'étude. Les données auto-déclarées sont sujettes à des biais de rappel et de désirabilité sociale, susceptibles de varier selon les pays et les cultures. La conception en coupe transversale ne permet pas de prendre en compte les relations temporelles et la causalité ne peut donc pas être déterminée. Dans la mesure GSHS, les sous-catégories d’actions à risque ne représentent qu’une partie des comportements à la recherche de sensations; il faut donc faire preuve de prudence lors de l'interprétation des résultats.

6. Conclusions

Un taux de prévalence en augmentation significative dans les groupes AIU, MIU et PIU a été observé dans toutes les catégories de risque (toxicomanie, caractéristiques de la recherche de sensations et de style de vie). Les adolescents qui ont déclaré avoir de mauvaises habitudes de sommeil et pris des risques ont montré les associations les plus fortes avec la PIU, suivies du tabagisme, de la malnutrition et de l’inactivité physique. L'association significative observée entre la PIU et les comportements à risque, combinée à un taux élevé de cooccurrence, souligne l'importance de prendre en compte la PIU lors du dépistage, du traitement ou de la prévention des comportements à haut risque chez les adolescents.
Parmi les adolescents du groupe PIU, 89.9% ont été caractérisés par plusieurs comportements à risque. Ainsi, les efforts devraient cibler les adolescents qui utilisent excessivement Internet, car une tendance linéaire significative a été observée entre le nombre d'heures en ligne par jour et de multiples comportements à risque. Cette tendance était similaire dans tous les groupes d’utilisateurs d’Internet, indiquant qu’un nombre excessif d’heures de connexion en ligne était en soi un facteur important de comportements à risque. Ces résultats doivent être reproduits et approfondis avant de déterminer leurs implications théoriques.

Remerciements

Le projet SEYLE a été soutenu par le thème de coordination 1 (Santé) du septième programme-cadre (7e PC) de l'Union européenne, convention de subvention n ° HEALTH-F2-2009-223091. Les auteurs étaient indépendants des bailleurs de fonds dans tous les aspects de la conception de l'étude, de l'analyse des données et de la rédaction de ce manuscrit. Le chef de projet et coordinateur du projet SEYLE est professeur en psychiatrie et suicidologie Danuta Wasserman, Institut Karolinska (KI), chef du Centre national de recherche sur le suicide et de prévention de la maladie mentale et du suicide (NASP), à KI, Stockholm, Suède. Les autres membres du Comité exécutif sont le maître de conférences Vladimir Carli, Centre national de recherche sur le suicide et de prévention des maladies mentales (NASP), Institut Karolinska, Stockholm, Suède; Christina WH Hoven et l’anthropologue Camilla Wasserman, Département de psychiatrie de l’enfant et de l’adolescent, Institut psychiatrique de l’État de New York, Université Columbia, New York, États-Unis; et Marco Sarchiapone, Département des sciences de la santé, Université de Molise, Campobasso, Italie. Le Consortium SEYLE comprend des centres dans 12 pays européens. Les responsables de site pour chaque centre et pays respectifs sont: Danuta Wasserman (NASP, Karolinska Institute, Suède, Centre de coordination), Christian Haring (University for Medical Information Technology, Autriche), Airi Varnik (Estonian Swedish Mental Health & Suicidology Institute, Estonie), Jean-Pierre Kahn (Université de Lorraine, Nancy, France), Romuald Brunner (Université de Heidelberg, Allemagne), Judit Balazs (Vadaskert Child and Adolescent Psychiatric Hospital, Hongrie), Paul Corcoran (National Suicide Research Foundation, Irlande), Alan Apter (Schneider Children's Medical Center of Israel, Tel Aviv University, Tel Aviv, Israel), Marco Sarchiapone (University of Molise, Italy), Doina Cosman (Iuliu Hatieganu University of Medicine and Pharmacy, Roumanie), Vita Postuvan (University of Primorska, Slovénie ) et Julio Bobes (Université d'Oviedo, Espagne). Le soutien à «Questions éthiques dans la recherche avec des mineurs et d'autres groupes vulnérables» a été obtenu grâce à une subvention de la Fondation Botnar, Bâle, pour le professeur d'éthique, Stella Reiter-Theil, clinique psychiatrique à l'Université de Bâle, qui a servi de consultant éthique indépendant pour le projet SEYLE.

Contributions d'auteur

Tony Durkee est le premier auteur correspondant à avoir mis au point le plan d'étude, à effectuer les analyses statistiques et à réviser de manière critique toutes les phases du manuscrit. Vladimir Carli, Birgitta Floderus et Danuta Wasserman ont participé à la conception de l’étude et apporté des révisions critiques au manuscrit. Camilla Wasserman, Christina W. Hoven, Michael Kaess et Peeter Värnik ont ​​mené des consultations et apporté des modifications critiques au manuscrit. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn et Vita Postuvan sont les chercheurs principaux du projet SEYLE dans leurs pays respectifs et ont contribué à la révision critique du projet. le manuscrit. Bogdan Nemes et Pilar A. Saiz sont responsables du projet SEYLE dans leurs pays respectifs et ont participé à d'importantes révisions du manuscrit.

Les conflits d'intérêts

Les auteurs ne déclarent aucun conflit d'intérêt.

Abréviations

Les abréviations suivantes sont utilisées dans ce manuscrit: 

SEYLE
Sauver et autonomiser de jeunes vies en Europe
YRBSS
Système de surveillance du comportement des jeunes à risque
GSHS
Enquête mondiale sur la santé en milieu scolaire
YDQ
Questionnaire de diagnostic de Young
GLMM
Modèles mixtes linéaires généralisés
ANOVA
Analyse de variance à un facteur
PIU
Utilisation Internet pathologique
MIU
Utilisation inadaptée d'Internet
AIU
Utilisation Internet adaptative
CI
Intervalles de confiance
SEM
Erreur type de la moyenne
M
Médian

Bibliographie

  1. Moshman, D. Développement cognitif au-delà de l'enfance. Dans Handbook of Child Psychology, 5th ed .; Kuhn, D., W. Damon, Siegler, RS, Eds .; Wiley: New York, NY, États-Unis, 1998; Volume 2, pp. 947 – 978. [Google Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Développement social cognitif à l'adolescence. Soc. Cogn. Affecter. Neurosci. 2006, 1, 165 – 174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Développement cognitif à l'adolescence. In Handbook of Psychology: Psychologie du développement; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, États-Unis, 2003; Volume 6, pp. 325 – 350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Gross, E. L'impact de l'utilisation de l'ordinateur sur le développement des enfants et des adolescents. J. Appl. Dev. Psychol. 2001, 22, 7 – 30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. Les avantages des «amis» de Facebook: capital social et utilisation par les étudiants des sites de réseaux sociaux en ligne. J. Comput. Med. Commun. 2007, 12, 1143 – 1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Capital social, estime de soi et utilisation des sites de réseaux sociaux en ligne: une analyse longitudinale. J. Appl. Dev. Psychol. 2008, 29, 434 – 445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Grandir dans le numérique: l'essor de la génération Internet; McGraw-Hill Education: New York, NY, États-Unis, 2008; p. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. Internet paradoxe. Une technologie sociale qui réduit l'implication sociale et le bien-être psychologique? Un m. Psychol. 1998, 53, 1017 – 1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V .; Crawford, A. Le paradoxe Internet revisité. J. Soc. Problèmes 2002, 58, 49 – 74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Utilisation d'Internet, relations interpersonnelles et sociabilité: étude de l'agenda temporel. Dans Internet dans la vie quotidienne; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd.: Oxford, Royaume-Uni, 2002; pp. 213 – 243. [Google Scholar]
  11. Nalwa, K .; Anand, AP Dépendance à Internet chez les étudiants: un sujet de préoccupation. Cyberpsychol. Comportement 2003, 6, 653 – 656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Relation entre la dépendance à Internet et les performances académiques chez les étudiants de premier cycle. Edu. Res. Tour. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Yourte, S .; Bulduk, S .; Atagöz, S. Dépendance à Internet et problèmes de comportement physique et psychosocial chez les élèves des écoles secondaires des zones rurales. Infirmière. Santé Sci. 2015, 17, 331 – 338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. L'utilisation intensive d'Internet et ses associations avec les comportements à risque pour la santé et les comportements favorables à la santé chez les étudiants universitaires thaïlandais. Int. J. Adolesc. Med. Santé 2014, 26, 187 – 194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Utilisation des technologies de l'information et de la communication (TIC) et perception de la santé à l'adolescence: le rôle des habitudes de sommeil et de la fatigue au réveil. J. Adolesc. 2007, 30, 569 – 585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. Principes d'utilisation rationnelle de l'ordinateur par les enfants. Ergonomie 2009, 52, 1386 – 1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Black, DW Internet addiction: Définition, évaluation, épidémiologie et gestion clinique. Drogues du SNC 2008, 22, 353 – 365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Dépendance à Internet: L’émergence d’un nouveau trouble clinique. CyberPsychol. Comportement 1998, 1, 237 – 244. [Google Scholar] [CrossRef]
  19. American Psychiatric Association (APA). Manuel diagnostique et statistique des troubles mentaux. Disponible en ligne: http://www.dsm5.org (consulté sur 2 Février 2016).
  20. Petry, NM; O'Brien, Trouble de jeu sur Internet et le DSM-5. Dépendance 2013, 108, 1186 – 1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Prévalence des dépendances: un problème de majorité ou de minorité? Eval. Prof de santé 2011, 34, 3 – 56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsivité dans la dépendance à Internet: une comparaison avec le jeu pathologique. Cyberpsychol. Comportement Soc. Netw. 2012, 15, 373 – 377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. La dépendance à Internet est-elle une affection psychopathologique distincte du jeu pathologique? Toxicomane. Comportement 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N .; Raj, Z .; Abraham, A. La dépendance à Internet et les troubles liés à l'utilisation de substances chez les étudiants adolescents - une étude transversale. J. Int. Med. Bosse. 2015, 2, 172 – 179. [Google Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Comportements ne provoquant aucune dépendance aux substances chez les jeunes: jeu pathologique et utilisation problématique d'Internet. Enfants Adoles. Psychiatr. Clin. N. Am. 2010, 19, 625 – 641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Dysfonctionnement du cortex préfrontal dans la toxicomanie: résultats de la neuroimagerie et implications cliniques. Nat. Rev. Neurosci. 2011, 12, 652 – 669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. Le rôle du gène chrna4 dans la dépendance à Internet: une étude cas-témoins. J. Addict. Med. 2012, 6, 191 – 195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Facteurs de risque et caractéristiques psychosociales de l'utilisation potentielle d'Internet problématique et problématique chez les adolescents: Une étude transversale. BMC Public Health 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Anomalies de la matière grise dans la dépendance à Internet: Une étude de morphométrie à base de voxel. EUR. J. Radiol. 2011, 79, 92 – 95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Un modèle «de composants» de la dépendance dans un cadre biopsychosocial. J. Subst. Utilisation 2005, 10, 191 – 197. [Google Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Prévalence de la dépendance à Internet et qualité de la vie (réelle): Une méta-analyse des nations 31 dans sept régions du monde. Cyberpsychol. Comportement Soc. Netw. 2014, 17, 755 – 760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Utilisation excessive d'Internet chez les adolescents européens: qu'est-ce qui détermine les différences de sévérité? Int. J. santé publique 2015, 60, 249 – 256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Internet, comportement addictif à l'adolescence: étude transversale réalisée dans sept pays européens. Cyberpsychol. Comportement Soc. Netw. 2014, 17, 528 – 535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. Prévalence de l’utilisation d’Internet pathologique chez les adolescents en Europe: facteurs démographiques et sociaux. Dépendance 2012, 107, 2210 – 2222. [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet addiction: Revue systématique de la recherche épidémiologique au cours de la dernière décennie. Curr. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. L'association entre l'utilisation pathologique de l'internet et la psychopathologie comorbide: une revue systématique. Psychopathologie 2013, 46, 1 – 13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. L'association entre la dépendance à Internet et la comorbidité psychiatrique: une méta-analyse. BMC Psychiatrie 2014, 14, 1 – 10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Utilisation d'Internet pathologique chez les adolescents européens: Psychopathologie et comportements autodestructeurs. EUR. Enfant Adolescent. Psychiatrie 2014, 23, 1093 – 1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD Psychologie clinique de la dépendance à Internet: examen de sa conceptualisation, de sa prévalence, de ses processus neuronaux et de ses implications pour le traitement. Neurosci. Neuroéconomie 2015, 4, 11 – 23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Comportement à risque multiple à l'adolescence. J. santé publique 2012, 34, i1 – i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Facteurs de risque liés au mode de vie des étudiants: une approche analytique par grappes. Prev. Med. 2010, 51, 73 – 77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Gestion du mode de vie de la dépression unipolaire. Acta Psychiatr. Scand. 2013, 127, 38 – 54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Spring, B .; Nigg, CR Recherche portant sur plusieurs changements de comportement en matière de santé: introduction et aperçu. Prev. Med. 2008, 46, 181 – 188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. Un groupe d'adolescents nouvellement identifié à risque «invisible» de psychopathologie et de comportement suicidaire: résultats de l'étude SEYLE. Psychiatrie mondiale 2014, 13, 78 – 86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Surveillance du comportement à risque chez les jeunes - États-Unis, 2013. MMWR Surveill. Summ. 2014, 63, 1 – 168. [Google Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. Sauver et autonomiser les jeunes en Europe (SEYLE): Essai contrôlé randomisé. BMC Public Health 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. Essai comparatif randomisé (ECR) SEYLE: sauver et autonomiser les jeunes en Europe (EPM): questions de méthodologie et caractéristiques des participants. BMC Public Health 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS pris dans le Net: Comment reconnaître les signes de la dépendance à Internet - et une stratégie gagnante pour le rétablissement; J. Wiley: New York, NY, Etats-Unis, 1998; p. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Dépistage de la dépendance à Internet: les critères de diagnostic proposés différencient-ils l’utilisation normale d’Internet dépendant? Cyberpsychol. Comportement 2009, 12, 21 – 27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Critères de diagnostic de l'utilisation problématique d'Internet chez les étudiants universitaires américains: Une évaluation de méthodes mixtes. PLoS ONE 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD Conceptualisation et mesure du trouble du jeu sur Internet dsm-5: développement du test IGD-20. PLoS ONE 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Organisation mondiale de la santé (OMS). Enquête mondiale sur la santé en milieu scolaire (GSHS). Disponible en ligne: http://www.who.int/chp/gshs/en/ (consulté sur 12 Décembre 2015).
  53. Choi, K .; Son, H .; Park, M .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Surutilisation d'Internet et somnolence diurne excessive chez les adolescents. Clinique de psychiatrie Neurosci. 2009, 63, 455 – 462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B .; Demirci, AC Risque élevé de dépendance à Internet et son lien avec la consommation au cours de la vie, de problèmes psychologiques et comportementaux chez les adolescents de 10th. Psychiatria Danub. 2014, 26, 330 – 339. [Google Scholar]
  55. Union internationale des télécommunications (UIT). Faits et chiffres sur les TIC. Disponible en ligne: http://www.itu.int/en (consulté sur 8 August 2015).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Covariance parmi de multiples comportements à risque pour la santé chez les adolescents. PLoS ONE 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. La relation entre l'impulsivité et la dépendance à Internet chez un échantillon d'adolescents chinois. EUR. Psychiatrie: J. Assoc. EUR. Psychiatr. 2007, 22, 466 – 471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD L’aliénation, l’agression et la recherche de sensations sont des prédicteurs de l’utilisation par les adolescents du contenu violent de films, d’ordinateurs et de sites Web. J. Commun. 2003, 53, 105 – 121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Vers une théorie complète de l'utilisation problématique d'Internet: évaluer le rôle de l'estime de soi, de l'anxiété, des flux et de l'importance autoévaluée des activités sur Internet. Comput. Fredonner. Comportement 2009, 25, 490 – 500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Distinguer la dépendance et le fort engagement dans le contexte du jeu en ligne. Comput. Fredonner. Comportement 2007, 23, 1531 – 1548. [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Réseaux sociaux en ligne et dépendance - Revue de la littérature psychologique. Int. J. Environ. Res. Santé publique 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Utilisation problématique des sites de réseaux sociaux chez les adolescents des écoles urbaines. Ind. Psychiatry J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Caractéristiques de l'utilisation de l'internet par la dépendance / pathologique sur Internet par les étudiants universitaires américains: méthode de recherche qualitative. PLoS ONE 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Dépendance au jeu sur Internet, utilisation problématique d'Internet et problèmes de sommeil: revue systématique. Curr. Psychiatry Rep. 2014, 16, 1 – 9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N .; Gradisar, M. Utilisation des médias électroniques et sommeil chez les enfants d’âge scolaire et les adolescents: une revue. Sommeil Med. 2010, 11, 735 – 742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Prévalence des problèmes de sommeil et relation entre les problèmes de sommeil et le comportement de refus de l'école chez les enfants d'âge scolaire dans les évaluations des enfants et des parents. Psychopathologie 2014, 47, 119 – 126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC Sensation recherche et dépendance à Internet des adolescents taïwanais du lycée. Comput. Fredonner. Comportement 2002, 18, 411 – 426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. Le rôle de la dépendance à Internet dans la fidélité au jeu en ligne: une étude exploratoire. Internet Res. 2008, 18, 499 – 519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Comportement problématique et développement psychosocial: une étude longitudinale de la jeunesse; Presse académique: Cambridge, MA, États-Unis, 1977; p. 281. [Google Scholar]
  70. Jessor, R. Théorie comportement-problème, développement psychosocial et consommation problématique d'alcool chez les adolescents. Le fr. J. Addict. 1987, 82, 331 – 342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Équivalence structurelle de l'implication dans le comportement problématique d'adolescents de groupes raciaux à l'aide d'une analyse factorielle confirmatoire à groupes multiples. Soc. Travail Res. 1996, 20, 168 – 177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Différences entre les sexes en matière de dépendance à Internet associées à des indicateurs de santé psychologique chez les adolescents au moyen d'une enquête Web nationale. Int. J. Ment. Addict de la santé. 2014, 12, 660 – 669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Plus court, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Évaluation de la dépendance à Internet à l'aide du modèle parcimonieux des composants de la dépendance à Internet - Une étude préliminaire. Int. J. Ment. Addict de la santé. 2014, 12, 351 – 366. [Google Scholar] [CrossRef]