Validation d'une version malaise de l'échelle de dépendance via un smartphone chez des étudiants en médecine en Malaisie (2015)

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

Ching SM1, Yee A2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

Abstract

INTRODUCTION:

Cette étude a été lancée pour déterminer les propriétés psychométriques de l’échelle SAS (Smart Phone Addiction Scale) en traduisant et en validant cette échelle en malais (SAS-M), langue principale parlée en Malaisie. Cette étude permet de distinguer la dépendance au téléphone intelligent et à Internet parmi les étudiants en médecine multiethniques de Malaisie. En outre, la fiabilité et la validité du SAS ont également été démontrées.

MATÉRIELS ET MÉTHODES:

Un nombre total de participants à 228 ont été sélectionnés entre août 2014 et septembre 2014 pour remplir un ensemble de questionnaires, notamment le SAS et le test de dépendance à Internet de Kimberly Young sur Internet (malais).

RÉSULTATS:

Il y avait 99 hommes et 129 femmes âgés de 19 à 22 ans (21.7 ± 1.1) inclus dans cette étude. Des analyses descriptives et factorielles, des coefficients intra-classe, des tests t et des analyses de corrélation ont été réalisés pour vérifier la fiabilité et la validité du SAS. Le test de sphéricité de Bartlett était significatif (p <0.01), et la mesure de l'adéquation de l'échantillonnage de Kaiser-Mayer-Olkin pour le SAS-M était de 0.92, indiquant méritoirement que l'analyse factorielle était appropriée. La cohérence interne et la validité concurrente du SAS-M ont été vérifiées (alpha de Cronbach = 0.94). Toutes les sous-échelles du SAS-M, à l'exception de l'anticipation positive, étaient significativement liées à la version malaise de l'IAT.

CONCLUSIONS:

Cette étude a développé la première échelle de dépendance au téléphone intelligent parmi les étudiants en médecine. Cette échelle s’est révélée fiable et valable en malais.

Citation: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validation d'une version malaise de l'échelle de dépendance des smartphones parmi les étudiants en médecine en Malaisie. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Rédacteur en chef: Aviv M. Weinstein, Université d'Ariel, ISRAEL

reçu: March 18, 2015; Accepté: Septembre 11, 2015; Publié le: 2 octobre 2015

Droits d'auteur: © 2015 Ching et al. Ceci est un article en accès libre distribué selon les termes de la Licence Creative Commons Attribution, qui autorise une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'auteur et la source d'origine soient crédités

Disponibilité des données: Toutes les données pertinentes se trouvent dans le document et ses fichiers d’informations complémentaires.

Financement: Les auteurs souhaitent également remercier le fonds de recherche UPM (numéro de subvention: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) pour leur soutien financier. L'URL est http://www.rmc.upm.edu.my/.

Intérêts concurrents: Les auteurs ont déclaré qu'ils n'existaient pas de conflit d'intérêts.

Introduction

Il ne fait aucun doute que le smartphone nous a apporté une grande commodité dans notre vie quotidienne, car il dispose d'une capacité informatique et d'une connectivité plus avancées que les téléphones à fonctions de base [1]. L'utilisation du smartphone a sa propre variété d'objectifs et d'objectifs. Un grand nombre d’études indiquent que le smartphone offre de nombreux avantages à des fins sociales et médicales [2-5]. Bien que le smartphone soit devenu l’un des outils de communication les plus populaires et les plus importants, son utilisation excessive est devenue un problème social mondial et a créé un nouveau problème de santé mentale, l’utilisateur ayant tendance à développer une dépendance à son égard [6-8].

La dépendance au smartphone est aussi appelée "dépendance au téléphone mobile", "surutilisation compulsive de téléphone mobile" ou "surutilisation de téléphone mobile". Ces termes décrivent principalement le phénomène d’utilisation problématique du téléphone mobile [9, 10]. «Dépendance au smartphone» est le terme généralement utilisé dans la littérature. Cette dépendance se caractérise principalement par des préoccupations, des pulsions ou des comportements excessifs ou mal contrôlés en ce qui concerne l’utilisation du smartphone, dans la mesure où les individus négligent d’autres domaines de la vie [11-13]. Des études indiquent que l'utilisation excessive du téléphone portable était associée au stress, aux troubles du sommeil, au tabagisme et aux symptômes de la dépression [14-16].

Des données récentes en provenance de Malaisie ont montré que le taux de pénétration des smartphones était passé de 47% pour 2012 à 63% pour 2013. En 2014, des millions de Malaisiens étaient des utilisateurs actifs de smartphones, contre un million en 10.13 [17-20]. L'utilisation pathologique du smartphone est similaire à la dépendance à Internet. L’usage de la dépendance à Internet devient excessif chez les jeunes et les adultes du monde entier [21]. Une dépendance excessive à Internet entraîne des troubles psychiatriques, une faible estime de soi, une dépression et une altération des performances scolaires et professionnelles [22-25]. Des études locales ont indiqué que la prévalence de la dépendance à Internet était de 43% [26], et il y a plus d'un million d'utilisateurs 4.2 actifs sur Facebook en Malaisie; En fait, Facebook est le premier site de réseautage au pays. Compte tenu de l’augmentation rapide de l’utilisation des smartphones en Malaisie, il est urgent de valider une échelle permettant de mesurer la dépendance à un smartphone dans la population locale afin de déterminer sa prévalence et d’identifier les personnes qui risquent de devenir toxicomanes afin que les décideurs peut planifier une intervention appropriée dans un proche avenir.

Comme la structure factorielle préparée pour le test de dépendance à Internet [27], le Smartphone Addiction Scale (SAS) développé par Min Kwon et al. était la première balance de dépendance au smartphone utilisée pour le diagnostic [28]. Cette échelle se compose d’éléments 33 et a été signalée comme étant fiable, avec une bonne cohérence interne (alpha de Cronbach = 0.967) et la validité concurrente des six sous-échelles varie de 0.32 à 0.61 [28].

Cette étude visait à traduire le SAS en malais et à étudier les propriétés psychométriques de la version malaise du SAS (SAS-M) afin de faciliter son utilisation pour des recherches ultérieures dans le contexte local.

Méthodologie

Conception et établissement de l'étude

Il s'agissait d'une étude transversale portant sur tous les étudiants en première et deuxième années de médecine d'Universiti Putra Malaysia. Ces étudiants ont été contactés pour une étude de validation d'août 2014 à septembre 2014. Cette université est située à Serdang, à côté de Putrajaya, la capitale administrative de la Malaisie. Nous avons estimé que la taille de l'échantillon était au moins de 165, sur la base du calcul de cinq observations par article dans le système SAS (qui contient un total d'éléments 33) [29]. Par conséquent, la taille de l'échantillon de 228 dans cette étude était adéquate.

Procédure.

Étape 1: L’auteur a obtenu la version anglaise du SAS de Kwon et al. La traduction de l'anglais vers le malais a été effectuée en parallèle par deux experts linguistiques bilingues et une troisième traduction a été réalisée par un troisième expert linguistique bilingue. Les divergences entre la version originale et la traduction arrière ont été discutées et des ajustements ont été apportés en conséquence. Une version finale de la SAS traduite, que nous avons appelée version préliminaire de la SAS-M, a été élaborée par un groupe d'experts composé d'un psychiatre, de deux médecins principaux et d'un médecin de famille, qui étaient tous des professionnels qualifiés en ce qui concerne l'utilisation d'instruments psychométriques. qui avaient tous une expérience clinique de conditions dépressives.

Étape 2: La première version du SAS-M a été testée sur des étudiants malais de 20 afin d’identifier les défauts de cette version. Tous les mots que les répondants ont jugés inappropriés ou inappropriés dans cette version ont été notés et corrigés. La plupart des étudiants ont eu du mal à accepter l'article 15: «Etre en colère et plein de ressentiment quand je n'ai pas de smartphone». Cet article a été révisé et traduit en «malaise et agitation lorsque je n’ai pas de smartphone» en malais. La version finale du SAS-M a en outre été examinée par deux psychiatres consultants possédant plus de 14 années d'expérience dans le domaine 10, afin d'évaluer la validité du contenu et de garantir un visage satisfaisant ainsi qu'une sémantique, des critères et une équivalence conceptuelle satisfaisants.

Étape 3: Chaque étudiant a donné son consentement éclairé écrit après avoir reçu une explication complète de la nature et de la confidentialité de l’étude. Les étudiants de 228 ont accepté de participer à l’étude, avec un taux de non-réponse de 9%. Les données sociodémographiques (âge, sexe, appartenance ethnique et revenu du ménage) ont été obtenues des étudiants. Des informations sur l'utilisation du smartphone par les étudiants, basées sur leur propre estimation, telles que le nombre d'heures d'utilisation par semaine, le nombre d'années d'utilisation d'un smartphone et l'âge auquel ils ont commencé à utiliser un smartphone, ont été documentées. Les étudiants ont reçu les questionnaires suivants:

  1. Les SAS et SAS-M (tableau A du Texte S1).
  2. Version malaise du test de dépendance à Internet.

Instruments

Échelle de dépendance pour smartphone [28].

La SAS est une bascule de type Likert à points 6 à compléter automatiquement avec des articles 33. Chaque question a une échelle de réponses allant de 1 à 6 (1 = totalement en désaccord avec 6 = totalement en accord), reflétant la fréquence des symptômes. Le répondant entoure l'énoncé qui décrit le mieux les caractéristiques d'utilisation de son smartphone. Le score total possible sur le SAS va de 48 à 288. Plus le score est élevé, plus le niveau d'utilisation pathologique du smartphone est important.

Test de dépendance à Internet [26].

Le questionnaire IAT, développé par Kimberly Young sous 1998, est l'outil le plus couramment utilisé pour diagnostiquer la dépendance à Internet. La version malaise a été validée localement, avec une bonne cohérence interne (alpha de Cronbach = 0.91) et une fiabilité parallèle (coefficient de corrélation intraclasse (ICC) = 0.88, P <0.001). Il s'agit d'un questionnaire auto-rempli composé d'une échelle de type Likert à 5 points contenant 20 items, avec une valeur minimale de 20 points et une valeur maximale de 100. La notation de chaque question varie de 1 à 5 (1 = jamais à 5 = toujours), reproduisant l'apparition des symptômes. Les élèves ont choisi l'énoncé qui décrivait le mieux les caractéristiques de leur utilisation d'Internet. Plus le score est élevé, plus le degré d'utilisation pathologique d'Internet est élevé. Lorsque le score de la version malaise de l'IAT est supérieur à 43, l'individu est diagnostiqué comme à risque de dépendance à Internet [26].

Analyses statistiques

Toutes les analyses ont été menées à l'aide du Statistical Package for the Social Sciences version 21.0 (SPSS, Chicago, IL, USA). Des statistiques descriptives ont été calculées pour les caractéristiques de base des participants. L'alpha de Cronbach a été utilisé pour évaluer la cohérence interne du SAS-M, et la normalité des données a été évaluée à l'aide de l'analyse de Kolmogorov-Smirnov. L'homogénéité des items de l'échelle a été analysée sur la base des coefficients de corrélation entre les items et les scores totaux si un item était supprimé. La validité de la construction a été étudiée par analyse factorielle exploratoire et promax oblique avec normalisation de Kaiser. Une charge factorielle> 0.30 a été utilisée pour déterminer les éléments pour chaque facteur. Sur la base de la règle de Guttman-Kaiser, les facteurs de valeur propre supérieure à 1 sont conservés [30, 31]. L'ICC a été utilisé pour examiner la fiabilité parallèle entre le SAS-M et la version anglaise du SAS et la fiabilité test-retest du SAS-M. La corrélation de Pearson a été utilisée pour examiner la validité concurrente entre la version SAS-M et la version malaise de l'IAT. Le seuil optimal de SAS-M pour les cas à risque a été déterminé à partir des points de coordonnées lorsque le score de la version malaise de l'IAT était supérieur à 43 [26], à quel point la sensibilité et la spécificité étaient optimales dans les analyses des caractéristiques de fonctionnement du récepteur. L'aire sous la courbe (AUC) a été déterminée pour la courbe ROC.

Définition

Les utilisateurs réguliers sont ceux qui utilisent un smartphone au moins 6 ou plusieurs fois au cours des mois 6 [32]

Approbation éthique

L’approbation éthique de cette étude a été obtenue du Comité d’éthique de l’Universiti Putra Malaysia (FPSK-EXP14 P091).

Resultats

Un total d'étudiants 228 ont été recrutés dans cette étude. Tableau 1 montre les caractéristiques cliniques de la population étudiée. Globalement, l’âge moyen était d’environ 22 ans ± 1.1. Plus de la moitié des élèves étaient des femmes (56.6%) et la majorité étaient d'origine malaise (52.4%). Le nombre moyen d’heures d’utilisation du smartphone par semaine était de 36.5. En moyenne, les étudiants ont commencé à utiliser un smartphone à l'âge de 19, et le nombre moyen d'années d'utilisation normale d'un smartphone était de 2.4.

thumbnail  

 
Tableau 1. Caractéristiques de la population étudiée (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Structure factorielle et cohérence interne du SAS-M

Le test de sphéricité de Bartlett était significatif (p <0.01), et la mesure de l'adéquation de l'échantillonnage de Kaiser-Meyer-Olkin pour le SAS-M était de 0.92, indiquant que l'échelle était méritoire [33], qui à son tour a indiqué que l'analyse factorielle était appropriée. Six facteurs ont été extraits (valeur propre> 1.00) via l'approche d'analyse factorielle exploratoire et la rotation oblique promax avec normalisation de Kaiser qui représentaient 65.3% de la variance totale. Ce résultat était cohérent avec le SAS d'origine [28].

Le SAS-M a présenté une bonne cohérence interne; Le coefficient alpha de Cronbach pour l'échelle totale était 0.94 et les coefficients respectifs pour les six facteurs étaient 0.877, 0.843, 0.865, 0.837, 0.865 et 0.861. Les six facteurs correspondant aux sous-échelles SAS étaient appelés «relation orientée vers le cyberespace», «perturbation de la vie quotidienne», «primauté», «surutilisation», «anticipation positive» et «retrait» (Tableau 2) Tous les éléments avaient des corrélations totales corrigées supérieures à 0.9. La suppression de l'un des éléments n'augmente pas la cohérence interne du score total (Tableau 3) La fiabilité parallèle entre le SAS-M et le SAS était élevée, comme en témoigne un ICC de 0.95 (95% Intervalle de confiance = 0.937 – 0.962). La fiabilité test-retest du SAS-M après un intervalle de semaines 1 était élevée, avec un ICC de 0.85 (95% Intervalle de confiance = 0.808-0.866).

thumbnail  

 
Tableau 2. Analyse factorielle de la version SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

thumbnail  

 
Tableau 3. Élément corrigé - Corrélations totales et alpha de Cronbach si l'élément a été supprimé pour SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Validité concurrente du SAS-M: Corrélations entre les sous-échelles du SAS-M et la version malaise du IAT

Les résultats de l’analyse de corrélation de Pearson réalisée entre les sous-échelles de la version SAS-M et la version malaise de l’IAT sont présentés dans Tableau 4. Les résultats montrent que toutes les sous-échelles du SAS-M, à l'exception de «l'anticipation positive», étaient significativement liées à la version malaise de l'IAT.

thumbnail  

 
Tableau 4. Validité simultanée de SAS-M (corrélation de Pearson): sous-échelles de la version SAS-M et de la version malaise de l'IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

L'ASC pour la courbe ROC était 0.801 (95% CI = 0.746 à 0.855). Le seuil optimal pour identifier les cas à risque était supérieur à 98, avec une sensibilité de 71.43%, une spécificité de 71.03%, une valeur prédictive positive (VPP) de 64.10% et une valeur prédictive négative (VPN) de 77.44 %. La prévalence d’un cas à risque de développer une dépendance au smartphone dans cette étude était de 46.9%, sur la base d’un score de 98.

a lieu

Cette étude a examiné la cohérence interne, la dimensionnalité et la validité concurrente et constructive du SAS-M. Les résultats de l'étude indiquent que le SAS-M est un instrument fiable et valable pour évaluer la dépendance au smartphone dans la population de langue malaise.

Dans cette étude, le SAS-M présentait une bonne cohérence interne; Le coefficient alpha de Cronbach pour l'échelle totale était 0.94 et les coefficients respectifs pour les six facteurs étaient 0.877, 0.843, 0.865, 0.837, 0.865 et 0.861. La fiabilité parallèle du SAS-M et la fiabilité test-retest après un intervalle de semaine 1 ont été jugées bonnes, avec des ICCs de 0.95 et 0.85, respectivement, qui sont même supérieurs à ceux de la version originale du SAS [28]. À ce jour, il s’agit de la première étude du genre sur l’addiction aux smartphones, qui montre que le SAS-M est aussi performant que la version anglaise.

Cependant, les six composantes dominantes expliquant une large proportion de la variabilité du SAS-M étaient similaires à celles du SAS initial. Dans la présente étude, les composantes consistaient en «relation orientée vers le cyberespace», «perturbation de la vie quotidienne», «primauté», «surutilisation», «anticipation positive» et «retrait». Les éléments constitutifs du système SAS d'origine étaient les suivants: «perturbation de la vie quotidienne», «anticipation positive», «retrait», «relation orientée vers le cyberespace», «surutilisation» et «tolérance». Tous les facteurs acquis dans cette analyse factorielle ne correspondent pas aux facteurs obtenus dans le SAS initial. Cela est probablement dû au fait que cela reflète les différences entre les échantillons malais et coréens. La signification du SAS original avait été modifiée au cours du processus de traduction.

La majorité des composants rapportés dans la présente étude sont les mêmes, à l'exception du composant «primauté», qui est différent du composant «tolérance» du SAS d'origine. Les raisons possibles pourraient être que notre population d'étude était plus jeune (années 21.7 ± 1.1 avec une fourchette d'âge de 20 à 27) par rapport à la population coréenne (26.1 ± 6.0 avec une fourchette d'âge de 18 à 53). Les antécédents de notre population d'étude étaient homogènes car tous les sujets étaient des étudiants en médecine par rapport au large éventail de professions et de niveaux d'instruction de l'étude SAS initiale. L'interprétation différente pourrait être compliquée par l'hétérogénéité des origines et de l'éducation de la population étudiée.

Dans cette étude, toutes les sous-échelles du SAS-M, à l'exception de «l'anticipation positive», étaient significativement liées à la version malaise de l'IAT. Il s’agit peut-être de la seule sous-échelle dont la corrélation avec l’IAT est faible, car l’IAT mesure principalement l’utilisation défavorable d’Internet. Il n’existe donc aucun élément demandant une anticipation positive. Néanmoins, cet aspect ne réduit pas la validité concurrente car les autres sous-échelles 5 sont fortement corrélées.

La prévalence des cas à risque pouvant être identifiés comme addiction aux smartphones à l'aide de cette échelle était de 46.9%. Il y a plusieurs explications possibles à ce résultat. La forte prévalence de la dépendance au smartphone est attendue, car une étude locale a montré que 85% des Malaisiens possèdent un téléphone mobile [18]. Les téléphones intelligents sont l'option préférée parce que les Malaisiens ont tendance à suivre les tendances de la communauté [20]. De plus, les smartphones fournissent une messagerie instantanée gratuite via certaines plateformes, telles que WhatsApp et WeChat, qui enrichissent la vie des utilisateurs. Le divertissement est une autre explication possible de la forte prévalence de la dépendance au smartphone, car avec ces téléphones, les étudiants en médecine peuvent écouter de la musique, regarder des films et jouer à des jeux pour soulager le stress [34]. Par conséquent, ils peuvent avoir tendance à passer plus de temps avec leur smartphone en fin de journée et à devenir finalement des utilisateurs pathologiques.

Cependant, l'une des préoccupations de notre étude serait que la note seuil optimale SAS-M pour les cas à risque soit déterminée à partir des points de coordonnées lorsque la note pour la version malaise de l'IAT était supérieure à 43. Ce n’est pas à jour des seuils bien établis pour l’IAT. De même, il n’existe aucun critère de diagnostic établi de la dépendance à Internet ou aux smartphones selon DSM V dans le spectre des troubles de la dépendance [21, 25]. Ainsi, le seuil proposé par notre étude était probablement trop bas, ce qui conduit à un taux estimé très élevé de dépendance au smartphone. De droit, le diagnostic de dépendance à Internet devrait être fondé sur trois critères tels que décrits par Ko, et al, 2012 [25].

SAS-M fonctionne plus comme un écran ou une échelle pour l’évaluation de la gravité de l’utilisation du smartphone par la dépendance que par un instrument de diagnostic. Faire un diagnostic correct de la dépendance au smartphone sera un sujet important pour les recherches futures. Nous avons proposé qu'à l'avenir, le diagnostic de la dépendance au smartphone comprenne davantage de critères composés des critères A, B et C. Le critère A contient six symptômes caractéristiques de la dépendance au smartphone, tels que relation orientée dans le cyberespace, perturbation de la vie quotidienne, primauté, surutilisation, anticipation positive. et le retrait. Le critère B doit inclure la déficience fonctionnelle secondaire à l'utilisation du smartphone. Le critère C devrait exclure les autres troubles psychiatriques tels que le trouble bipolaire ou un autre trouble impulsif. Les sujets répondant à tous les critères A, B et C ne seraient considérés comme toxicomanes.

Force et limitations

Les résultats de cette étude doivent être interprétés dans le contexte des limites de l'étude: Premièrement, il n'y a pas de critère diagnostique établi de la dépendance à Internet ou au smartphone selon le DSM V dans le spectre des troubles de la dépendance [21, 25]. Toutefois, compte tenu des études limitées sur la dépendance au smartphone dans les environnements locaux, les résultats de cette étude peuvent encore donner quelques indications à l’équipe de professionnels de la santé. Deuxièmement, malgré la taille de l’échantillon, celle-ci était adéquate mais elle n’était pas randomisée. Le sexe et la race n'étaient pas également répartis. De plus, cette étude a été menée dans un seul centre, de sorte que la population de l'échantillon était homogène et peut ne pas refléter la population générale de la Malaisie.

Malgré cette limitation, les résultats de la présente étude prouvent que le SAS-M peut être utilisé pour évaluer la dépendance au smartphone chez les jeunes adultes malaisiens éduqués.

Conclusion

Cette étude a développé la première échelle de dépendance au téléphone intelligent parmi les étudiants en médecine. Cette étude fournit également la preuve que le SAS-M est un outil valide, fiable et auto-administré pour le dépistage des personnes à risque de dépendance au smartphone.

Renseignements à l'appui

S1_Text.doc
 
 

Texte S1. Dépendance de téléphone intelligent Malay Version Questionnaire.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

Contributions d'auteur

Conçu et conçu les expériences: SMC AY FKH. Réalisé les expériences: VR SMSL WAWS YLF. Analysé les données: SMC AY. Réactifs, matériaux et outils d’analyse fournis: SMC AY. A écrit le papier: SMC AY VR.

Bibliographie

  1. 1. Rashvand HF, applications intelligentes Smartphone Hsiao KF (2015): une brève revue. Systèmes multimédia 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Sheets L (2012) Revue systématique d'applications de soins de santé pour smartphones. BMC Informatique médicale et prise de décision 12: 67. Paramètres: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. Voir l'article
  4. PubMed / NCBI
  5. Google Scholar
  6. Voir l'article
  7. PubMed / NCBI
  8. Google Scholar
  9. Voir l'article
  10. PubMed / NCBI
  11. Google Scholar
  12. Voir l'article
  13. PubMed / NCBI
  14. Google Scholar
  15. Voir l'article
  16. PubMed / NCBI
  17. Google Scholar
  18. Voir l'article
  19. PubMed / NCBI
  20. Google Scholar
  21. Voir l'article
  22. PubMed / NCBI
  23. Google Scholar
  24. Voir l'article
  25. PubMed / NCBI
  26. Google Scholar
  27. Voir l'article
  28. PubMed / NCBI
  29. Google Scholar
  30. Voir l'article
  31. PubMed / NCBI
  32. Google Scholar
  33. Voir l'article
  34. PubMed / NCBI
  35. Google Scholar
  36. Voir l'article
  37. PubMed / NCBI
  38. Google Scholar
  39. Voir l'article
  40. PubMed / NCBI
  41. Google Scholar
  42. Voir l'article
  43. PubMed / NCBI
  44. Google Scholar
  45. Voir l'article
  46. PubMed / NCBI
  47. Google Scholar
  48. Voir l'article
  49. PubMed / NCBI
  50. Google Scholar
  51. Voir l'article
  52. PubMed / NCBI
  53. Google Scholar
  54. Voir l'article
  55. PubMed / NCBI
  56. Google Scholar
  57. Voir l'article
  58. PubMed / NCBI
  59. Google Scholar
  60. Voir l'article
  61. PubMed / NCBI
  62. Google Scholar
  63. Voir l'article
  64. PubMed / NCBI
  65. Google Scholar
  66. Voir l'article
  67. PubMed / NCBI
  68. Google Scholar
  69. Voir l'article
  70. PubMed / NCBI
  71. Google Scholar
  72. Voir l'article
  73. PubMed / NCBI
  74. Google Scholar
  75. Voir l'article
  76. PubMed / NCBI
  77. Google Scholar
  78. Voir l'article
  79. PubMed / NCBI
  80. Google Scholar
  81. Voir l'article
  82. PubMed / NCBI
  83. Google Scholar
  84. Voir l'article
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Lane N, M Mohammod, Lin M., Yang X, Lu H., Ali S. et al. (2011) BeWell: Une application smartphone pour surveiller, modéliser et promouvoir le bien-être. 5th Conférence internationale sur les technologies d'informatique pervasive dans le secteur de la santé, Dublin.
  88. 4. Patrick K, Groupe de travail Griswold, F Raab, Intille SS (2008) Santé et téléphone mobile. Journal américain de médecine préventive 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E, Dancey D (2013) Applications médicales des smartphones pour la santé des femmes: quels sont les éléments de preuve et les commentaires? International Journal of Telemedicine and Applications Article ID 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) L'influence des téléphones intelligents sur la santé et le comportement humains: les perceptions des Jordaniens. Journal international des réseaux et applications informatiques 2 (2): 52 – 56.
  91. 7. Sarwar M, Soomro TR (2013) Impact des smartphones sur la société. Revue européenne de recherche scientifique 98 (2): 216 – 226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) Une étude sur certains des effets communs sur la santé des téléphones portables chez les étudiants. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Développement et validation du Smartphone Addiction Inventory (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) L'impulsivité est-elle liée à la dépendance perçue et à l'utilisation réelle du téléphone mobile? Psychologie cognitive appliquée 21: 527-537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Implications sociales de l'utilisation du smartphone: utilisation du smartphone par les étudiants coréens et bien-être psychologique. Cyberpsychologie, comportement et réseautage social 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Symptômes liés à une utilisation problématique du téléphone cellulaire, à une déficience fonctionnelle et à son association avec la dépression chez les adolescents du sud de Taiwan. Journal of Adolescence 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13. Beranuy M, U Oberst, Carbonell X, Chamarro A (2009) Problème d'utilisation d'Internet et du téléphone portable et symptômes cliniques chez les étudiants: le rôle de l'intelligence émotionnelle. Ordinateurs au comportement humain 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Utilisation du téléphone mobile et stress, troubles du sommeil et symptômes de la dépression chez les jeunes adultes - une étude de cohorte prospective. BMC Public Health 11: 66. Paramètres: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15. Ezoe S, Toda M, K Yoshimura, A Naritomi, Den R, Morimoto K (2009) Relations entre la personnalité et le style de vie avec la dépendance à la téléphonie mobile chez les étudiantes en sciences infirmières. Comportement social et personnalité: une revue internationale 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Dépendance au téléphone portable et style de vie lié à la santé d'étudiants universitaires. Comportement social et personnalité 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Commission malaisienne des communications et du multimédia (2012) Enquête sur les utilisateurs de téléphones portables 2011. Disponible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Commission malaisienne des communications et du multimédia (2014) Enquête sur les utilisateurs de téléphones portables 2012. Disponible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Disponible: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20. Osman MA, Talib AZ, ZA Sanusi, T Shiang-Yen, Alwi AS (2012) Étude de la tendance du smartphone et de son comportement en matière d'utilisation en Malaisie. Journal international des nouvelles architectures informatiques et de leurs applications 2: 274 – 285.
  105. 21. Weinstein A, Lejoyeux M (2010) Dépendance Internet ou utilisation excessive d'Internet. Le journal américain d'abus de drogue et d'alcool 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Utilisation problématique d'Internet et du téléphone portable: corrélations psychologiques, comportementales et sanitaires. Recherche et théorie sur la toxicomanie 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) Prévalence de l'utilisation pathologique d'Internet chez les étudiants universitaires et corrélations avec l'estime de soi, le General Health Questionnaire (GHQ) et la désinhibition. CyberPsychologie et comportement 8: 562-570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) La relation entre la dépression et la dépendance à Internet. CyberPsychologie et comportement 1: 25–28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Yen JY, CF Yen, CS Chen, CC Chen (2012) L'association entre la dépendance à Internet et les troubles psychiatriques: une revue de la littérature. Psychiatrie européenne 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Validité de la version malaise du test de dépendance à Internet: une étude sur un groupe d'étudiants en médecine en Malaisie. Revue Asie-Pacifique de santé publique 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y, Billieux J, Thorens G., Khan R, Louati Y, Scarlatti E, et al. (2008) Validation française du test de dépendance à Internet. CyberPsychologie et comportement 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28. Kwon M, Lee JY, Won WY, JW Park, JA Min, Hahn C, et al. (2013) Développement et validation d'une balance pour dépendance sur smartphone (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29. Analyse factorielle Gorsuch RL (1983). 2nd ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) Application des ordinateurs électroniques à l'analyse factorielle. Mesure éducative et psychologique 20: 141 – 151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Quelques conditions nécessaires à l'analyse factorielle commune. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Liens entre la symptomatologie dépressive et le harcèlement sur Internet chez les jeunes utilisateurs réguliers. CyberPsychologie et comportement 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Indice de simplicité factorielle. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS, Abdullah MC (2011) Stress et réussite scolaire chez les étudiants de premier cycle à l'Universiti Putra Malaysia. Sciences sociales et comportementales 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288