Uso de Internet patolóxico e comportamentos de risco entre adolescentes europeos (2016)

Int. J. Environ. Res. Saúde pública 2016, 13(3), 294; doi:10.3390 / ijerph13030294

Tony Durkee 1,*, Vladimir Carli 1, Birgitta Floderus 2, Camilla Wasserman 3,4, Marco Sarchiapone 3,5, Alan Apter 6, Judit A. Balazs 7,8, Julio Bobes 9, Romuald Brunner 10, Paul Corcoran 11, Doina Cosman 12, Christian Haring 13, Christina W. Hoven 4,14, Michael Kaess 10, Jean-Pierre Kahn 15, Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9, Peeter Värnik 17 e Danuta Wasserman 1
1
Centro Nacional de Investigación e Prevención do Suicidio por enfermidades mentais (NASP), Karolinska Institutet, Estocolmo SE-17177, Suecia
2
Departamento de Neurociencia Clínica, Karolinska Institutet, Estocolmo SE-17177, Suecia
3
Departamento de Medicina e Ciencias da Saúde, Universidade de Molise, Campobasso 86100, Italia
4
Departamento de Psiquiatría infantil e adolescente, Instituto de Psiquiatría do Estado de Nova York, Universidade de Columbia, Nova York, NY 10032, Estados Unidos
5
Instituto Nacional para a Migración e a Pobreza, Vía San Gallicano, Roma 25 / A, Italia
6
Centro de estudos infantís Feinberg, Centro médico infantil Schneider, Universidade de Tel Aviv, Tel Aviv 49202, Israel
7
Hospital psiquiátrico infantil e adolescente de Vadaskert, Budapest 1021, Hungría
8
Instituto de Psicoloxía, Universidade Eötvös Loránd, Budapest 1064, Hungría
9
Departamento de Psiquiatría, Centro de Investigación Biomédica na Rede de Saúde Mental (CIBERSAM), Universidade de Oviedo, Oviedo 33006, España
10
Sección para trastornos do desenvolvemento da personalidade, Clínica de Psiquiatría infantil e adolescente, Centro de Medicina Psicosocial, Universidade de Heidelberg, Heidelberg 69115, Alemaña
11
Fundación Nacional de Investigación sobre Suicidio, Western Rd., Cork, Irlanda
12
Departamento de Psicoloxía Clínica, Iuliu Hatieganu Universidade de Medicina e Farmacia, Str. Victor Babes Núm. 8, Cluj-Napoca 400000, Romanía
13
División de Investigación en Saúde Mental, Universidade de Tecnoloxía da Información Médica (UMIT), Klagenfurt, Innsbruck 6060, Austria
14
Departamento de Epidemioloxía, Mailman School of Public Health, Columbia University, New York, NY 10032, EUA
15
Departamento de Psiquiatría, Centro Hospitalo-Universitaire de Nancy, Universidad de Lorena, Nancy, Vandoeuvre-lès-Nancy 54500, Francia
16
Centro esloveno de investigación sobre suicidios, Instituto Andrej Marušič, Universidade de Primorska, Koper 6000, Eslovenia
17
Center of Behavioral and Health Sciences, Estonian-Swedish Mental Health & Suicidology Institute, Tallinn University, Tallinn 10120, Estonia
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Editor académico: Paul B. Tchounwou
Recibido: 1 decembro 2015 / Aceptado: 3 marzo 2016 / Publicado: 8 marzo 2016

Abstracto

: As condutas de risco son unha das principais contribucións ás principais causas de morbilidade entre adolescentes e mozos; Non obstante, a súa asociación co uso patolóxico de Internet (UIP) está relativamente inexplorado, particularmente no contexto europeo. O obxectivo principal deste estudo é investigar a asociación entre comportamentos de risco e IPU en adolescentes europeos. Este estudo transversal realizouse no marco do proxecto FP7 da Unión Europea: Aforrar e potenciar as vidas novas en Europa (SEYLE). Os datos sobre adolescentes foron recollidos en escolas aleatorias dentro dos sitios de estudo en once países europeos. A IPU foi medida utilizando o cuestionario de diagnóstico de Young (YDQ). Avaliaban os comportamentos de risco empregando preguntas formuladas pola Enquisa de Saúde de Estudantes (GSHS) baseada na escola. Na análise incluíronse un total de adolescentes 11,931: 43.4% masculino e 56.6% feminino (M / F: 5179 / 6752), cunha idade media de 14.89 ± 0.87 anos. Os adolescentes que informaron de malos hábitos de durmir e que tomaron riscos demostraron as asociacións máis fortes con UIP, seguida do consumo de tabaco, mala alimentación e inactividade física. Entre os adolescentes do grupo PIU, o 89.9% caracterizouse por ter múltiples comportamentos de risco. A asociación significativa observada entre IPU e comportamentos de risco, combinada cunha elevada taxa de coincidencia, subliña a importancia de considerar a PIU ao cribar, tratar ou previr condutas de alto risco entre os adolescentes.

Palabras clave: uso de Internet patolóxico; Adicción a Internet; comportamento ao risco; múltiples comportamentos de risco; estilos de vida pouco saudables; adolescentes; VISTA

1. Introdución

A adolescencia é un período de transición caracterizado por cambios considerables nos atributos físicos, sociais e psicolóxicos [1]. Ademais, as relacións cos iguais, a familia e a sociedade experimentan cambios distintos durante este período transitorio, xa que os adolescentes comezan a afirmar autonomía sobre as súas decisións, emocións e comportamentos [2]. As aptitudes sociais nos adolescentes adoitan desenvolverse no curso de interaccións psicosociais dentro de diferentes contextos de aprendizaxe [3]. Dada a ampla plataforma para fomentar a cognición social e as habilidades interpersoais [4,5], Internet demostrou ser unha nova e única canle para o desenvolvemento psicosocial entre os adolescentes [6,7].
A pesar destas vantaxes inherentes, os estudos demostraron que o uso frecuente e prolongado de aplicacións en liña ten a tendencia a desprazar as interaccións e relacións sociais convencionais [8,9]. Existen probas que demostran que o tempo acumulativo en liña despraza o tempo na interacción cara a cara coa familia e amigos [10], participando en actividades extraescolares [11], completando tarefas académicas [12], hábitos alimentarios axeitados [13], actividade física [14] e durmindo [15]. Como os adolescentes pasan máis tempo en liña, existe o risco de que o seu uso en internet poida chegar a ser excesivo ou incluso patolóxico [16].
 
O uso patolóxico de Internet (PIU) caracterízase por preocupacións excesivas ou mal controladas, urxencias ou comportamentos respecto ao uso de Internet que poden causar prexuízos ou angustia [17]. A UIP foi conceptualmente modelada como un trastorno de control de impulsos e clasificada como taxonomía da adicción ao comportamento similar á natureza do xogo patolóxico [18]. A pesar dos avances recentes na investigación do PIU, os esforzos para comprender este fenómeno están impedidos pola falta de consenso internacional sobre os criterios diagnósticos da condición. Non figura nin no Manual diagnóstico e estatístico de trastornos mentais (DSM) nin nos sistemas nosolóxicos de Clasificación Internacional de Enfermidades (ICD). O principal desafío que enfronta a investigación PIU é a súa concepción como un trastorno adictivo.
 
Á vista destas publicacións, o recentemente publicado DSM-5 [19] incluíu a adicción ao comportamento (trastornos aditivos non relacionados coas substancias) como unha categoría de diagnóstico oficial, sendo a única condición mencionada nesta nova clasificación o trastorno de xogo (GD). O trastorno de xogos en internet (IGD) tamén é un posible subtipo de adicción ao comportamento que foi considerado para a súa inclusión no sistema nosolóxico DSM; con todo, aínda faltaban probas que apoiasen a EIG como trastorno diagnóstico. O IGD foi incluído posteriormente na Sección III do DSM-5, como condición que requiría un maior estudo [20], a fin de determinar a súa eventual adecuación como trastorno diagnóstico. A pesar da ambigüidade nosolóxica actual da UIP, continúan existindo probas que mostran un forte vínculo entre a UIP e outras formas de adicción [21,22,23,24].
A investigación demostra que os individuos con UIP comparten atributos neurolóxicos, biolóxicos e psicosociais con adiccións tanto ao comportamento como ás substancias [25,26,27,28,29]. Baseado nun modelo teórico denotado por Griffiths [30], hai seis síntomas fundamentais mostrados en trastornos adictivos que son aplicables á UIP. Estes inclúen: salencia (preocupación por actividades en liña), modificación do estado de ánimo (usar Internet para escapar ou aliviar o estrés), tolerancia (necesidade de permanecer en liña máis tempo), retirada (depresión e irritabilidade cando non está en liña), conflitos (interpersoais e intrapsícicos) e recaída. (intentos errados de interromper o uso de Internet). Estes compoñentes básicos proporcionan un marco teórico para estimar a magnitude da UIP.
 
As taxas de prevalencia das UIP varían considerablemente entre os países, en parte debido á heteroxeneidade da súa definición, nomenclatura e avaliación diagnóstica. Nun esforzo para estimar unha prevalencia global, Cheng e Li [31] abordou estas discrepancias aplicando unha metaanálise de efectos aleatorios mediante estudos con instrumentos e criterios psicométricos comparables. Este enfoque deu un total de participantes a 89,281 procedentes de países de 31 en varias rexións mundiais. Os resultados demostraron que a prevalencia global de PIU foi 6.0% (95% CI: 5.1 – 6.9) con só heteroxeneidade moderada.
Son limitados os estudos de prevalencia que avalían a PIU a nivel europeo mediante mostras representativas. A pesar desta escaseza, hai probas epidemiolóxicas emerxentes que indican tendencias estables nas taxas de prevalencia entre este grupo obxectivo. Nunha mostra representativa de adolescentes europeos (n = 18,709) de 11-16 anos, Blinka et al. [32] mostrou que a prevalencia de PIU foi 1.4%. Isto coincide coas taxas reportadas por Tsitsika et al. [33], que estimou unha prevalencia de UIP de 1.2% nunha mostra representativa da mocidade europea (n = 13,284) de 14-17 anos. Durkee e colegas [34] no entanto, observou unha prevalencia lixeiramente superior ao 4.4% de PIN nunha mostra representativa de adolescentes europeos (n = 11,956) de 14-16 anos. As taxas de prevalencia en UIP en Europa mostráronse significativamente máis altas nos homes que nas mulleres, aumentan coa idade, difiren por país e están relacionadas cunha serie de trastornos mentais e de conduta [35,36,37,38,39].
 
A aparición de comportamentos de risco ocorre frecuentemente durante a adolescencia cunha alta probabilidade de continuidade na idade adulta. Os machos adoitan ter maior prevalencia que as mulleres e a frecuencia das condutas de risco tende a aumentar coa idade [40]. Hai distintos niveis de severidade que van desde comportamentos de baixo risco (malos hábitos de durmir, mala alimentación e inactividade física) ata comportamentos de alto risco (consumo excesivo de alcol, consumo ilícito de drogas e consumo de tabaco). A investigación normalmente avaliou as condutas de risco como entidades independentes, aínda que evidencias claras demostren a súa coincidencia, incluso a unha idade temperá [41,42]. As poboacións con múltiples comportamentos de risco teñen o maior risco de padecer enfermidades crónicas, trastornos psiquiátricos, comportamentos suicidas e morte prematura en comparación con persoas con comportamentos únicos ou sen risco [43,44]. Dada a natureza concorrente de comportamentos de risco, é imprescindible comprender a súa implicación no risco de UIP dos adolescentes.
 
O sistema de vixilancia do risco de xuventude (YRBSS) en Estados Unidos comproba que as condutas de risco son un gran contribuínte ás principais causas de morbilidade entre adolescentes e mozos [45]. Ademais desta suposición implícita, hai relativamente poucas investigacións que escrutan sistematicamente a medida en que estas formas de comportamento se relacionan coa UIP dos adolescentes, especialmente no contexto europeo. As investigacións epidemiolóxicas son necesarias para coñecer mellor este fenómeno.
 
A partir dunha gran e representativa mostra de adolescentes escolares en Europa, o principal obxectivo deste estudo é investigar a asociación entre comportamentos de risco (ou sexa, o consumo de alcol, o consumo ilícito de drogas, o consumo de tabaco, as medidas de toma de riscos, a truancy, malos hábitos de durmir, mala alimentación e inactividade física) e distintas formas de uso de Internet.

2. Materiais e métodos

2.1 Deseño e poboación

O presente estudo transversal realizouse no marco do proxecto da Unión Europea: Aforrar e potenciar as vidas novas en Europa (SEYLE) [46]. Os adolescentes foron contratados en escolas seleccionadas ao azar en todos os sitios de estudo en Austria, Estonia, Francia, Alemaña, Hungría, Irlanda, Israel, Italia, Romanía, Eslovenia e España, sendo Suecia como centro coordinador.
 
Os criterios de inclusión para seleccionar escolas elixibles baseáronse nas seguintes condicións: (1) as escolas eran públicas; (2) contiña polo menos estudantes de 40 con idade de 15 anos; (3) contou con máis de dous profesores para estudantes con idade de 15 anos; e (4) non superaron o 60% de estudantes do mesmo sexo. As escolas elixibles clasificáronse por tamaño: (i) pequeno (≤ o número medio de estudantes en todas as escolas do sitio de estudo); e (ii) grande (≥ o número medio de estudantes en todas as escolas do sitio de estudo) [46]. Usando un xerador de números aleatorios, as escolas foron aleatorizadas segundo as intervencións SEYLE e tamaño escolar con respecto a factores socioculturais, ambiente escolar e estrutura do sistema escolar en cada sitio de estudo.
 
Os datos foron recollidos a través de cuestionarios estruturados administrados a adolescentes dentro do ámbito escolar.
Os índices de representatividade, consentimento, participación e resposta da mostra refírense nunha análise metodolóxica [47].
O presente estudo foi realizado de acordo coa Declaración de Helsinki, e o protocolo foi aprobado polo Comité de Ética local en cada país participante (Proxecto nº HEALTH-F2-2009-223091). Antes de participar no estudo, os adolescentes e os pais prestaron o seu consentimento informado para a participación.

2.2. Medidas

Valorouse a UIP utilizando o cuestionario de diagnóstico de Young (YDQ) [18]. O YDQ é un cuestionario 8 que avalía os patróns de uso de Internet que dan como resultado un deterioro psicolóxico ou social durante o período de seis meses precedente á recollida de datos [48]. Os oito elementos do YDQ corresponden aos seis elementos do modelo de compoñentes de Griffiths e nove elementos nos criterios de diagnóstico de IGD no DSM-5 [49,50]. Con base na puntuación YDQ, que varia entre 0 e 8, os usuarios de Internet clasificáronse en tres grupos: usuarios de Internet adaptativos (AIU) (puntuación 0-2); usuarios de Internet inadaptados (MIU) (puntuación 3 – 4); e usuarios de Internet patolóxicos (PIU) (puntuación ≥ 5) [51]. Ademais, as horas en liña ao día foron medidas utilizando unha pregunta dun único elemento no cuestionario estruturado.
Os datos sobre comportamentos de risco obtivéronse empregando preguntas da Enquisa Global sobre Saúde en Estudantes (GSHS) baseada na escola [52]. Desenvolvido pola Organización Mundial da Saúde (OMS) e colaboradores, o GSHS é unha enquisa realizada na escola que avalía os comportamentos de risco para a saúde entre adolescentes de entre 13 e 17 anos. Este cuestionario de autoinformes inclúe elementos que corresponden ás causas principais de morbilidade 10 entre adolescentes e mozos.

2.3 Comportamentos ao risco individual

Con base no GSHS, delimitáronse condutas de risco individuais en tres categorías: (i) uso de substancias; (ii) busca de sensacións; (iii) e características do estilo de vida. As seguintes condutas de risco individuais foron codificadas como variables dicotómicas.

2.3.1 Uso de substancias

O consumo de substancias implica o consumo de alcol, o consumo ilícito de drogas e o consumo de tabaco. As variables clasificáronse en consecuencia: (1) frecuencia de consumo de alcol: ≥2 veces por semana vs. ≤1 veces / semana; (2) número de bebidas nun día de bebida típico: ≥3 bebidas vs. ≤2 bebidas; (3) incidencia de bebida durante a vida ata o punto de embriaguez (intoxicación con alcohol): ≥3 veces vs. ≤2 veces; (4) incidencia da vida de ter resaca despois de beber: ≥3 veces vs. ≤2 veces; (5) drogas usadas algunha vez: si / non; (6) nunca usou haxix ou marihuana: si / non; (7) tabaco nunca usado: si / non; e (8) que actualmente fuman cigarros: ≥6 / día vs. ≤5 / día.

2.3.2 Buscando sensacións

A busca de sensacións comprendía catro elementos que indicaron accións de risco durante os últimos doce meses: (1) conducido nun vehículo por un amigo que bebera alcol; (2) conducía un monopatín ou unha roda no tráfico sen casco e / ou (3) tirado ao longo dun vehículo en movemento; e (4) dirixíronse a rúas ou rúas perigosas durante a noite. As alternativas de resposta foron sí / non nos catro elementos.

2.3.3 Características do estilo de vida

As características do estilo de vida incluían variables relacionadas co sono, a nutrición, a actividade física e a asistencia escolar. Hábitos de durmir referidos aos últimos seis meses: (1) sentirse canso pola mañá antes da escola: ≥3 días / semana vs. ≤2 días / semana; (2) na sesta despois da escola: ≥3 días / semana vs. ≤2 días / semana; e (4) durmindo: ≤6 horas / noite fronte a ≥7 horas / noite. Nutrición referida aos últimos seis meses: (4) consumindo froitas / verduras: ≤1 tempo / semana vs. ≥2 veces / semana; e (5) consumindo almorzo antes da escola: ≤2 días / semana vs. ≥3 días / semana. Actividade física referida aos últimos seis meses: (6) actividade física durante polo menos 60 minutos durante as dúas últimas semanas: ≤3 días vs. ≥4 días; e (7) facendo deportes de xeito regular: si / non. A asistencia á escola comprendeu un elemento sobre a aparición de ausencias non excusadas na escola nas dúas últimas semanas: ≥3 días vs. ≤2 días.

2.4 Comportamentos de riscos múltiples

O número total de condutas de risco calculouse nunha única variable e codificouse como medida ordinal. Fiabilidade entre a metade (rsb = 0.742) e os valores de consistencia interna (α = 0.714) indicaron un nivel aceptable de homoxeneidade entre ítems na medida de comportamento de riscos múltiples

3. Análise estatística

A prevalencia de comportamentos de risco individuais entre os grupos de usuarios de Internet calculouse para homes e mulleres. Para comprobar as diferenzas estatísticamente significativas entre as proporcións do grupo, realizáronse múltiples comparacións por parellas usando a proba z de dúas caras con valores p axustados por Bonferroni. Realizáronse análises ampliadas para probar o efecto das condutas de risco individuais sobre MIU e PIU empregando modelos mixtos lineais xeneralizados (GLMM) cun enlace logit multinomial e estimación de probabilidade máxima. Na análise GLMM, MIU e PIU entraron como medidas de resultado con AIU como categoría de referencia, as condutas de risco individuais ingresáronse como efectos fixos de nivel 1, a escola como intercepto aleatorio de nivel 2 e o país como intercepto aleatorio de nivel 3. Os compoñentes da variedade usáronse como estrutura de covarianza para os efectos aleatorios. Para estudar o efecto moderador do xénero, incorporáronse termos de interacción (xénero * comportamento risco) no modelo de regresión. Aplicáronse axustes de idade e xénero aos modelos GLMM relevantes. Relación de probabilidades (OR) con intervalos de confianza (CI) de 95% para os respectivos modelos.
Na análise sobre múltiples comportamentos de risco, calculáronse a media (M) e o erro estándar da media (SEM) para os distintos grupos de usuarios de Internet e estratificáronse por xénero. Utilizáronse tramas de caixas e bigotes para ilustrar estas relacións. Valorouse a importancia estatística entre condutas de risco múltiples e xénero empregando probas t independentes de mostras. Para a valoración da transcendencia estatística entre múltiples comportamentos de risco e grupos de usuarios de Internet empregouse unha análise unidireccional da varianza (ANOVA) con comparacións post-parellas post-par.
Realizouse un gráfico variable de regresión para dilucidar a relación lineal entre o número de horas en liña ao día e o número de comportamentos de risco entre os grupos de usuarios de Internet. Todas as probas estatísticas realizáronse utilizando IBM SPSS Statistics 23.0. Un valor crítico de p <0.05 considerouse estatisticamente significativo.

4. Resultados

4.1 Características da mostra de estudo

Entre a mostra inicial SEYLE de 12,395 adolescentes, había 464 (3.7%) suxeitos excluídos debido á falta de datos sobre variables relevantes. Isto deu como resultado un tamaño de mostra de 11,931 adolescentes escolares para o presente estudo. A mostra comprendía un 43.4% de homes e un 56.6% de adolescentes (M / F: 5179/6752) cunha idade media de 14.89 ± 0.87 anos. A prevalencia de MIU foi significativamente maior entre as mulleres (14.3%) en comparación cos homes (12.4%), mentres que a PIU foi significativamente maior entre os homes (5.2%) que as mulleres (3.9%) (χ² (2, 11928) = 19.92, p < 0.001).

4.2 Prevalencia das condutas de risco

Táboa 1 describe a prevalencia de comportamentos de risco estratificados polo grupo de usuarios de Internet. As taxas medias de prevalencia entre os grupos de usuarios de Internet (AIU, MIU e PIU) foron 16.4%, 24.3% e 26.5% para consumo de substancias (consumo de alcol, consumo ilícito de drogas e consumo de tabaco); 19.0%, 27.8% e 33.8% para comportamentos que buscan sensacións (accións de risco); e 23.8%, 30.8% e 35.2% por características de estilo de vida (malos hábitos de durmir, mala alimentación, inactividade física e truancy), respectivamente. A prevalencia dentro dos grupos MIU e PIU foi significativamente maior en comparación co grupo AIU en todas as categorías de risco (uso de substancias, busca de sensacións e características do estilo de vida). A excepción de cinco subcategorías, as comparacións por parellas demostraron que as taxas de prevalencia non diferían significativamente entre os grupos MIU e PIU.

Táboa
Táboa 1. Prevalencia das condutas de risco entre adolescentes estratificadas por xénero e grupo de usuarios de Internet 1,2a – c.

4.3 Comportamentos de riscos múltiples

Os resultados mostraron que o 89.9% dos adolescentes do grupo PIU informaron múltiples comportamentos de risco. A proba ANOVA de sentido único revelou que a taxa media de comportamentos de risco múltiples aumentou significativamente desde o uso adaptativo (M = 4.89, SEM = 0.02) ata o uso inadaptado (M = 6.38, SEM = 0.07) ao uso patolóxico (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Esta tendencia foi practicamente equivalente en homes e mulleres (figura 1).

Ijerph 13 00294 g001 1024
Figura 1. Gráfico de caixas e bigotes de múltiples comportamentos de risco entre usuarios de Internet adaptativos (AIU), usuarios de Internet inadaptados (MIU) e usuarios de Internet patolóxicos (PIU) estratificados por xénero *.
Ademais, non se observou ningunha diferenza estatística entre os sexos nos grupos MIU (t (1608) = 0.529, p = 0.597) e PIU (t (526) = 1.92, p = 0.054) (Táboa 2). Cabe destacar, no entanto, que o valor p para o grupo PIU foi relativamente preto de alcanzar a significación estatística (p = 0.054). 

Táboa
Táboa 2. Probas independentes de proba t de múltiples comportamentos de risco e xénero por grupo de usuarios de Internet 1-3.
A trama variable de regresión mostrou unha relación lineal clara entre o número de horas en liña ao día e o número de comportamentos de risco en adolescentes. Esta tendencia foi comparativamente idéntica entre os grupos de usuarios de Internet (figura 2). 

Ijerph 13 00294 g002 1024
Figura 2. Relación lineal entre o número de horas ao día e o número de comportamentos de risco entre os grupos AIU, MIU e PIU *.

4.4 Análise GLMM da asociación entre comportamentos de risco, MIU e PIU

As condutas de risco asociadas significativamente á MIU tamén foron asociadas significativamente coa UIP, coa excepción de tres subcategorías sinaladas dentro de accións de risco e de truancy (Táboa 3). A análise GLMM demostrou que todas as subcategorías de hábitos de durmir pobres aumentaron significativamente as probabilidades relativas de PIU con tamaños de efecto que varían de OR = 1.45 a OR = 2.17. Asociacións significativas foron observadas entre as medidas de toma de risco e PIU con tamaños de efectos que van dende OR = 1.55 ata OR = 1.73. Ademais, as proporcións de probabilidades para os dominios individuais dentro do uso do tabaco (OR = 1.41), mala alimentación (OR = 1.41) e a inactividade física (OR = 1.39) foron estatísticamente significativas.

Táboa
Táboa 3. Modelo mixto lineal xeneralizado (GLMM) da asociación entre comportamentos de risco individuais, uso inadecuado e uso patolóxico cunha análise estendida sobre interaccións de xénero 1-4.

4.5 Interaccións de xénero

A análise sobre interaccións de xénero revelou que a asociación entre accións de risco, hábitos de durmir pobres e PIU era significativamente maior nas mulleres, mentres que a asociación entre a truancy, a mala alimentación e a PIU era significativamente maior nos homes (Táboa 3).

5. Discusión

5.1 Prevalencia das condutas de risco

O presente estudo buscou examinar a relación entre a UIP e as condutas de risco. Os resultados demostraron que a prevalencia de comportamentos de risco foi significativamente maior entre os usuarios patolóxicos en comparación cos usuarios adaptativos con algunhas variacións entre os sexos. A maior prevalencia observada entre os usuarios con patoloxía inadaptada e patolóxica foron os malos hábitos de durmir seguidos do consumo de tabaco. Estas estimacións son considerablemente maiores en comparación coas taxas de prevalencia reportadas en estudos realizados fóra da UE, concretamente nas rexións de Asia e Pacífico [53,54]. Unha explicación plausible podería estar relacionada coas variacións observadas a nivel ecolóxico (por exemplo, as taxas de penetración) entre estas respectivas rexións. As estatísticas mostran que a rexión europea ten a maior taxa de penetración en internet (78%) a nivel mundial. As taxas europeas son máis do dobre que as representadas nas rexións de Asia e Pacífico (36%) [55]. A taxa de penetración do papel actual na influencia na prevalencia de UIP segue sendo ambigua; así, os esforzos futuros para examinar esta relación serían de gran valor para explicar esta conexión.

5.2 Uso de substancias

As características entre os comportamentos de risco e os comportamentos adictivos están superpostos. Isto é quizais máis evidente co consumo de substancias. O uso de substancias adoita clasificarse como un comportamento de risco; con todo, tamén é un antecedente do abuso de substancias. Se as condutas de alto risco comparten mecanismos subxacentes similares, entón ter un comportamento con problemas pode baixar o limiar para desenvolver outras condutas problemáticas. Esta afirmación está corroborada por investigacións baseadas en probas que demostran un alto nivel de interconexión entre varios comportamentos de risco [56]. Con base neste concepto, é plausible supor que os adolescentes con comportamentos de risco preexistentes teñen un maior risco de IPP en comparación cos adolescentes sen comportamentos de risco.

5.3 Buscando sensacións

En consonancia coa investigación anterior [57], os resultados demostraron que a maioría das accións de toma de risco dentro da categoría de busca de sensacións estaban asociadas significativamente coa UIP. A busca de sensacións é un trazo de personalidade asociado a deficiencias de autorregulación e satisfacción diferida [58]. Estes atributos entre a mocidade están frecuentemente relacionados cunha predisposición perceptiva dun "efecto de sesgo optimista" no que os adolescentes teñen máis probabilidades de descontar riscos por si mesmos, mentres que sobreestiman os riscos para outros [59]. É probable que os adolescentes que exhiban estes trazos desviantos teñan unha maior propensión a problemas de comportamento.

5.4 Características do estilo de vida

Os malos hábitos de durmir demostraron ser os factores máis fortes relacionados coa UIP. Isto é probable debido a un efecto de desprazamento do sono para actividades en liña. Hai certas actividades en liña que inducen explicitamente aos usuarios a permanecer en liña máis do previsto. Un estudo sobre xogos de xogos multijugador en liña (MMORPG) indicou que os usuarios están encantados de permanecer máis tempo en liña para seguir a historia progresiva do seu personaxe en liña [60]. Nos últimos anos tamén xurdiu un uso excesivo de sitios de redes sociais, que denotan tanto un aumento no tempo gastado en liña como correlacións negativas coas interaccións sociais da vida real [61,62]. Os estudos demostran que os adolescentes que usan excesivamente Internet teñen propensión a desenvolver trastornos do sono como consecuencia do seu tempo prolongado en liña [63,64]. O desprazamento crónico do sono por actividades en liña podería levar á privación do sono, que se sabe que causa efectos adversos graves no funcionamento social, psicolóxico e somático.
As perturbacións nos patróns de sono regulado tamén poden ser un factor mediador na relación entre a truancia e o uso inadecuado de Internet. Os adolescentes que se dedican a actividades en liña de forma excesiva poderían correr o risco de interromper a orde natural do sono. A evidencia demostra que o aumento da latencia do sono e a diminución do sono rápido do movemento ocular (sono REM) están asociados significativamente cun uso excesivo de Internet [65], mentres que as insomnias subxectivas e parasomnias están ligadas á truancy [66]. Os trastornos do sono teñen efectos pronunciados no funcionamento durante o día e no logro académico. Isto podería provocar que os adolescentes se desinteresen na escola, aumentando así o risco de rexeitamento escolar e de absentismo crónico [66].
A alimentación deficiente ea inactividade física mostráronse asociadas significativamente coa UIP. Os adolescentes que pasan máis horas en liña poden navegar cara a alimentos non saudables. Postúlase que os xogadores en liña beben bebidas enerxéticas con alto contido en cafeína e comen aperitivos con alto contido de azucre para aumentar a alerta para o xogo en liña [67]. Posteriormente, estes factores poderían facer que os xogadores en liña se inclinasen máis aos comportamentos sedentarios en comparación cos non xogadores. Ademais, existe unha lealdade extensa entre os xogadores, especialmente aqueles que desprazan comida, hixiene persoal e actividade física, para continuar cos xogos en liña [68]. Isto pode supor graves riscos para a saúde e pode levar a síntomas psicosomáticos graves.

5.5 Comportamentos de riscos múltiples

Se comprobou que as condutas de risco eran de natureza concorrente, co 89.9% de adolescentes do grupo PIU reportaron múltiples comportamentos de risco. Estes resultados están en liña coa teoría de Jessor sobre o comportamento do problema [69,70]. A teoría do comportamento problemático é un modelo psicosocial que intenta explicar os resultados do comportamento en adolescentes. Consta de tres sistemas conceptuais baseados en compoñentes psicosociais: sistema de personalidade, sistema ambiental percibido e sistema de comportamento. Neste último sistema, as estruturas de comportamento ao risco (por exemplo, o consumo de alcol, o consumo de tabaco, a delincuencia e a desviación) adoitan coincidir e agruparse nun "síndrome de comportamento de risco" xeral [71]. Segundo Jessor, estes comportamentos problemáticos adoitan derivar na afirmación dos adolescentes de independencia dos pais e influencias da sociedade.
Os adolescentes que loitan pola autonomía poderían, en parte, dar conta da importante tendencia lineal observada entre horas en día ao día e múltiples comportamentos de risco. Esta tendencia foi relativamente idéntica en todos os grupos de usuarios de Internet. Estes resultados son moi relevantes, xa que suxiren que as horas excesivas en liña por si mesmas poden aumentar o número de comportamentos de risco para todos os adolescentes e non só para os que son diagnosticados con UIP. As horas excesivas en liña tamén poderían ser un factor moderador na relación entre a PIU e as condutas de risco; Non obstante, é necesaria unha maior investigación sobre esta relación.

5.6 Interaccións de xénero

A análise sobre interaccións de xénero demostrou que as asociacións significativas observadas entre comportamentos de risco e PIU foron distribuídas uniformemente entre homes e mulleres. Isto é algo contraditorio coa investigación anterior, que normalmente demostra que a PIU e os comportamentos de risco son específicos do xénero masculino. Este cambio de xénero pode ser unha indicación de que a brecha de xénero das condutas de risco pode estar estreitando entre os adolescentes europeos.
Dende outra perspectiva, a relación entre xénero e condutas de risco podería estar mediada por un terceiro factor, como é a psicopatoloxía. Nun estudo grande, baseado en xénero, en adolescentes (n = 56,086) de 12-18 anos, estimouse que as taxas de prevalencia de IPU foron 2.8% entre a mostra total con taxas significativamente máis altas observadas nos homes (3.6%) en comparación coas mulleres ( 1.9%) [72]. O respectivo estudo observou que as mulleres con problemas emocionais, como a infelicidade subxectiva ou os síntomas depresivos, teñen unha prevalencia significativamente maior de PIU que os homes con síntomas emocionais similares. Os estudos baseados en xénero que examinan o efecto das interaccións de xénero na UIP son un requisito previo esencial para a dirección futura da investigación da UIP.

5.7 Modelo de compoñentes de Griffiths

Modelo de dependencia dos compoñentes de Griffiths [30] hipótese que as adiccións ao comportamento (por exemplo, PIU) e ás adiccións relacionadas con substancias avanzan mediante procesos biopsicosociais similares e comparten numerosas fisionomías. Os criterios de adicción dos respectivos seis compoñentes fundamentais neste modelo son (1) salencia, (2) modificación do humor, tolerancia (3), retirada (4), conflito (5) e recaída (6). Kuss et al. [73] evaluou o modelo de dependencia de compoñentes en dúas mostras independentes (n = 3105 e n = 2257). Os resultados demostraron que o modelo de compoñentes de PIU encaixa moi ben os datos en ambas mostras.
No presente estudo, a medida YDQ foi utilizada para avaliar e detectar adolescentes con riscos patolóxicos e inadecuados relacionados co seu uso de Internet e comportamentos en liña. Dado que a medida YDQ comprende os seis criterios de adicción estipulados no modelo de compoñentes de Griffiths, a validez dos resultados informados neste estudo está apoiada por este marco teórico.

5.8. Forzas e limitacións

A mostra importante, representativa e transnacional é un dos puntos fortes deste estudo. A metodoloxía homoxénea e os procedementos estandarizados empregados en todos os países aumentan a validez, a fiabilidade e a comparación dos datos. Na medida do noso coñecemento, a área xeográfica de Europa foi a máis grande xamais empregada para realizar un estudo sobre PIU e comportamentos de risco.
Tamén hai algunhas limitacións do estudo. Os datos autoinformados son propensos a recordar e prexuízos de desexabilidade social, que é probable que varíen entre países e culturas. O deseño transversal é incapaz de dar conta das relacións temporais, polo que non se puido determinar a causalidade. Na medida GSHS, as subcategorías de accións de risco só representan unha parte dos comportamentos que buscan sensacións; así, débese ter precaución á hora de interpretar os resultados.

6. Conclusións

Unha taxa de prevalencia crecente significativamente entre grupos AIU, MIU e PIU foi observada en todas as categorías de risco (consumo de substancias, busca de sensacións e características do estilo de vida). Os adolescentes que informaron de malos hábitos de durmir e que tomaron riscos demostraron as asociacións máis fortes con UIP, seguida do consumo de tabaco, mala alimentación e inactividade física. A asociación significativa observada entre IPU e comportamentos de risco, combinada cunha elevada taxa de coincidencia, subliña a importancia de considerar a PIU ao cribar, tratar ou previr condutas de alto risco en adolescentes.
Entre os adolescentes do grupo PIU, o 89.9% caracterizouse por ter múltiples comportamentos de risco. Así, os esforzos deben dirixir a adolescentes que usan excesivamente Internet, xa que se observou unha tendencia lineal significativa entre horas en liña ao día e múltiples comportamentos de risco. Esta tendencia foi similar en todos os grupos de usuarios de Internet, indicando que as horas excesivas en liña por si mesmas son un factor importante para as condutas de risco. Estes resultados deben ser replicados e explorados antes de comprobar as súas implicacións teóricas.

Grazas

O proxecto SEYLE foi apoiado a través do tema de coordinación 1 (Saúde) do sétimo programa marco da Unión Europea (FP7), acordo de subvención número HEALTH-F2-2009-223091. Os autores foron independentes dos financiadores en todos os aspectos do deseño do estudo, análise de datos e redacción deste manuscrito. O líder do proxecto e coordinador do proxecto SEYLE é a profesora de psiquiatría e suicidoloxía Danuta Wasserman, do Instituto Karolinska (KI), xefa do Centro Nacional de Investigación e Prevención do Suicidio de Enfermidades e Suicidios Mentais (NASP), en KI, Estocolmo, Suecia. Outros membros do Comité Executivo son o profesor titular Vladimir Carli, Centro Nacional de Investigación e Prevención de Suicidios e Saúde Mental (NASP), Instituto Karolinska, Estocolmo, Suecia; Christina WH Hoven e a antropóloga Camilla Wasserman, Departamento de Psiquiatría Infantil e Xuvenil, Instituto de Psiquiatría do Estado de Nova York, Universidade de Columbia, Nova York, Estados Unidos; e Marco Sarchiapone, Departamento de Ciencias da Saúde, Universidade de Molise, Campobasso, Italia. O consorcio SEYLE comprende centros de 12 países europeos. Os líderes do sitio para cada centro e país respectivo son: Danuta Wasserman (NASP, Instituto Karolinska, Suecia, Centro Coordinador), Christian Haring (Universidade de Tecnoloxía da Información Médica, Austria), Airi Varnik (Instituto Estoniano de Saúde Mental e Suicidoloxía sueco, Estonia), Jean-Pierre Kahn (Universidade de Lorena, Nancy, Francia), Romuald Brunner (Universidade de Heidelberg, Alemaña), Judit Balazs (Hospital psiquiátrico infantil e adolescente Vadaskert, Hungría), Paul Corcoran (Fundación Nacional de Investigación do Suicidio, Irlanda), Alan Apter (Centro médico Schneider Children's de Israel, Universidade de Tel Aviv, Tel Aviv, Israel), Marco Sarchiapone (Universidade de Molise, Italia), Doina Cosman (Universidade de Medicina e Farmacia Iuliu Hatieganu, Romanía), Vita Postuvan (Universidade de Primorska, Eslovenia) ) e Julio Bobes (Universidade de Oviedo, España). O apoio a "Asuntos éticos en investigación con menores e outros grupos vulnerables" obtívose cunha subvención da Fundación Botnar, Basilea, para a profesora de ética, Stella Reiter-Theil, clínica psiquiátrica da Universidade de Basilea, que serviu como consultor ético independente para o proxecto SEYLE.

Contribucións do autor

Tony Durkee é o primeiro e correspondente autor que elaborou o deseño do estudo, realizou as análises estatísticas e revisou criticamente todas as fases do manuscrito. Vladimir Carli, Birgitta Floderus e Danuta Wasserman participaron no deseño do estudo e fixeron revisións críticas do manuscrito. Camilla Wasserman, Christina W. Hoven, Michael Kaess e Peeter Värnik realizaron consultas e fixeron revisións críticas ao manuscrito. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn e Vita Postuvan son investigadores principais do proxecto SEYLE nos seus respectivos países e contribuíron a revisións críticas para o manuscrito. Bogdan Nemes e Pilar A. Saiz son responsables do proxecto SEYLE nos seus respectivos países e participaron en importantes revisións do manuscrito.

Conflitos de interese

Os autores declaran ningún conflito de interese.

Abreviaturas

Utilízanse as seguintes abreviaturas neste manuscrito: 

VISTA
Gardar e potenciar a vida nova en Europa
YRBSS
Sistema de Vixilancia de Comportamento de Riscos Xuventude
GSHS
Enquisa global sobre saúde escolar
YDQ
Cuestionario de diagnóstico de Young
GLMM
Modelos mixtos lineais xeneralizados
ANOVA
Análise unidireccional da varianza
ERAP
Uso patolóxico de Internet
MIU
Uso inadecuado de Internet
AIU
Uso adaptativo de Internet
CI
Intervalos de confianza
SEN
Erro estándar da media
M
Media

References

  1. Moshman, D. Desenvolvemento cognitivo máis alá da infancia. En Manual de psicoloxía infantil, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, Eds .; Wiley: Nova York, NY, EUA, 1998; Volume 2, pp 947 – 978. [Google Scholar]
  2. Choudhury, S. .; Blakemore, SJ; Charman, T. Desenvolvemento cognitivo social durante a adolescencia. Soc. Cogn. Afecta. Neurosci. 2006, 1, 165-174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Desenvolvemento cognitivo na adolescencia. En Manual de psicoloxía: psicoloxía do desenvolvemento; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, EUA, 2003; Volume 6, pp 325 – 350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P.; Kraut, R .; Gross, E. O impacto do uso da computadora no desenvolvemento de nenos e adolescentes. J. Apl. Dev. Psicoloxía. 2001, 22, 7-30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C.; Lampe, C. Os beneficios de Facebook "amigos": O capital social e o uso de estudantes universitarios en sitios de redes sociais en liña. J. Comput. Med. Comun. 2007, 12, 1143-1168. [Google Scholar] [CrossRef]
  6. Steinfield, C.; Ellison, NB; Lampe, C. Capital social, autoestima e uso de sitios de redes sociais en liña: unha análise lonxitudinal. J. Apl. Dev. Psicoloxía. 2008, 29, 434-445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Growing Digital Digital: The Rise of the Net Generation; Educación McGraw-Hill: Nova York, NY, Estados Unidos, 2008; páx. 384 [Google Scholar]
  8. Kraut, R .; Patterson, M.; Lundmark, V.; Kiesler, S .; Mukopadhyay, T.; Scherlis, W. Paradoxo en internet. Unha tecnoloxía social que reduce a implicación social e o benestar psicolóxico? Estou Psicoloxía. 1998, 53, 1017-1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B.; Cummings, J.; Helgeson, V.; Crawford, A. revisado o paradoxo en internet. J. Soc. Edicións 2002, 58, 49-74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Uso de internet, relacións interpersoais e sociabilidade: un estudo do diario. En Internet na vida cotiá; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd: Oxford, Reino Unido, 2002; pp. 213 – 243. [Google Scholar]
  11. Nalwa, K.; Anand, AP Adicción a Internet nos estudantes: motivo de preocupación. Ciberpsicol. Comportamento. 2003, 6, 653-656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Relación entre o vicio de internet e o rendemento académico entre estudantes universitarios. Edu. Res. Rev. 2013, 8, 1793. [Google Scholar]
  13. Gür, K.; Yurt, S.; Bulduk, S. .; Atagöz, S. Adicción a internet e problemas de comportamento físico e psicosocial entre estudantes de ensino secundario rural. Enfermeira. Sanidade Sci. 2015, 17, 331-338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K.; Pengpid, S.; Apidechkul, T. O groso uso de internet e as súas asociacións con riscos para a saúde e comportamentos de promoción da saúde entre estudantes universitarios tailandeses. Int. J. Adolescencia. Med. Saúde 2014, 26, 187-194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M.; Nygard, CH; Saarni, L.; Rimpela, A. Uso da tecnoloxía da información e as comunicacións (TIC) e a saúde percibida na adolescencia: o papel dos hábitos de durmir e o cansazo no tempo de vixilia. J. Adolescencia. 2007, 30, 569-585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L.; Pollock, C.; Maslen, B. Principios para o uso sabio dos ordenadores por parte dos nenos. Ergonomía 2009, 52, 1386-1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M.; Negra, DW Addiction Internet: Definición, avaliación, epidemioloxía e xestión clínica. Drogas CNS 2008, 22, 353-365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Adicción a Internet: A aparición dun novo trastorno clínico. CyberPsychol. Comportamento. 1998, 1, 237-244. [Google Scholar] [CrossRef]
  19. American Psychiatric Association (APA). Manual de diagnóstico e estatístico de trastornos mentais. Dispoñible en liña: http://www.dsm5.org (accedeu a 2 febreiro 2016).
  20. Petry, NM; O trastorno de xogo en internet de O'Brien, o CP e o DSM-5. Adicción 2013, 108, 1186-1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Prevalencia das adiccións: ¿Un problema da maioría ou da minoría? Eval. Saúde Prof. 2011, 34, 3-56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsividade na adicción a internet: comparación co xogo patolóxico. Ciberpsicol. Comportamento. 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. A adicción a internet é unha condición psicopatolóxica diferente do xogo patolóxico? Adicto. Comportamento. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P.; Prasad, N .; Raj, Z .; Abraham, A. Trastornos da adicción a Internet e o consumo de substancias en estudantes adolescentes. Un estudo transversal. J. Int. Med. Dent. 2015, 2, 172-179. [Google Scholar]
  25. Brezing, C.; Derevensky, JL; Potenza, MN Comportamentos non adictivos ás substancias na xuventude: xogo patolóxico e uso problemático de internet. Adoles infantís. Psiquiatra. Clin. N. Am. 2010, 19, 625-641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND. Disfunción da cortiza prefrontal no adicción: resultados de neuroimagen e implicacións clínicas. Nat. Rev. Neurosci. 2011, 12, 652-669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C.; Kirsch, P.; Sauer, C.; Markett, S. .; Reuter, M. O papel do xene chrna4 na adicción a internet: Un estudo de caso-control. J. Adicto. Med. 2012, 6, 191-195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G.; Critselis, E.; Janikian, M.; Kafetzis, D.; Tsitsika, A. Factores de risco e características psicosociais do uso de internet potencial e problemático entre adolescentes: estudo transversal. Saúde Pública BMC 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C.; Du, Y.-S.; Zhao, Z.-M.; Xu, J.-R .; Lei, H. Anormalidades da materia gris na adicción a internet: estudo morfométrico baseado en voxel. EUR. J. Radiol. 2011, 79, 92-95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Un modelo de "compoñentes" da adicción dentro dun marco biopsicosocial. J. Subst. Usa 2005, 10, 191-197. [Google Scholar] [CrossRef]
  31. Cheng, C.; Prevalencia da adicción a Internet en Li, AY e calidade da vida (real): unha metaanálise das nacións 31 en sete rexións do mundo. Ciberpsicol. Comportamento. Soc. Netw. 2014, 17, 755-760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L.; Škařupová, K .; Ševčíková, A .; Wölfling, K.; Müller, KW; Dreier, M. Uso excesivo de internet en adolescentes europeos: que determina as diferenzas de severidade? Int. J. Saúde Pública 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. Comportamento viciante a Internet na adolescencia: estudo transversal en sete países europeos. Ciberpsicol. Comportamento. 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. Prevalencia do uso de internet patolóxico entre os adolescentes en Europa: factores demográficos e sociais. Adicción 2012, 107, 2210-2222. [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Adicción á Internet: unha revisión sistemática da investigación epidemiolóxica durante a última década. 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. A asociación entre o uso patolóxico de internet e a psicopatoloxía comórbida: unha revisión sistemática. Psicopatoloxía 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. A asociación entre adicción a internet e co-morbilidade psiquiátrica: unha metaanálise. BMC Psiquiatría 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. Uso patolóxico de internet entre adolescentes europeos: psicopatoloxía e comportamentos autodestructivos. EUR. Adolescente infantil. Psiquiatría 2014, 23, 1093-1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD A psicoloxía clínica da adicción a internet: unha revisión da súa conceptualización, prevalencia, procesos neuronais e implicacións para o tratamento. Neurosci. Neuroeconomía 2015, 4, 11-23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Comportamento de risco múltiple na adolescencia. J. Saúde Pública 2012, 34, i1-i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A.; Forshaw, MJ Factores de risco de estilo de vida dos estudantes: enfoque analítico de cluster. Anterior Med. 2010, 51, 73-77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M.; Sarris, J.; Coulson, C.; Jacka, F. Xestión do estilo de vida da depresión unipolar. Acta Psiquiatra. Escándalo. 2013, 127, 38-54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Primavera, B.; Nigg, CR Investigación sobre varios cambios no comportamento sanitario: unha introdución e visión xeral. Anterior 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 grupo recentemente identificado de adolescentes con risco “invisible” de psicopatoloxía e comportamento suicida: resultados do estudo SEYLE. Psiquiatría mundial 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. Vixilancia do comportamento de risco xuvenil: Estados Unidos, 2013. Enquisa MMWR. Resumo. 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. Salvar e potenciar a vida nova en Europa (SEYLE): un ensaio controlado aleatoriamente. Saúde Pública BMC 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. A salvación e o empoderamento das vidas novas en Europa (SEYLE) en proba aleatoria controlada (ECA): cuestións metodolóxicas e características do participante. Saúde Pública BMC 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS Caught in the Net: How to Recognish the Signs of Internet Addiction – and a Winning Strategy for Recovery; J. Wiley: Nova York, NY, Estados Unidos, 1998; páx. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Screening para dependencia de internet: ¿Os criterios de diagnóstico propostos diferencian o normal do uso de internet dependente? Ciberpsicol. Comportamento. 2009, 12, 21-27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W.; O'Brien, JE; Snyder, SM; Howard, MO Criterios de diagnóstico para o uso problemático de internet entre estudantes universitarios estadounidenses: unha avaliación de métodos mixtos. PLOS UN 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O.; Demetrovics, Z .; Griffiths, MD A conceptualización e medición do trastorno de xogos por internet dsm-5: o desenvolvemento da proba IGD-20. PLOS UN 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Organización Mundial da Saúde (OMS). Enquisa global sobre saúde sobre estudantes (GSHS). Dispoñible en liña: http://www.who.int/chp/gshs/en/ (accedeu a 12 en decembro de 2015).
  53. Choi, K.; Fillo, H.; Park, M.; Han, J.; Kim, K.; Le, B .; Gwak, H. uso excesivo de Internet e somnolencia excesiva durante o día nos adolescentes. Clínica de psiquiatría. Neurosci. 2009, 63, 455-462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C.; Dalbudak, E.; Evren, B.; Demirci, AC Alto risco de adicción a internet e a súa relación co consumo de substancias ao longo da vida, problemas psicolóxicos e de comportamento entre os adolescentes de grao 10. Psiquiatría Danub. 2014, 26, 330-339. [Google Scholar]
  55. Unión internacional de telecomunicacións (UIT). Datos e cifras TIC. Dispoñible en liña: http://www.itu.int/en (acceder a 8 2015 de agosto).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B.; Tucker, JS Covarianza entre múltiples comportamentos de risco para a saúde nos adolescentes. PLOS UN 2014, 9, e98141. [Google Scholar]
  57. Cao, F.; Su, L.; Liu, T.; Gao, X. A relación entre a impulsividade e a adicción a internet nunha mostra de adolescentes chineses. EUR. Psiquiatría: J. Assoc. EUR. Psiquiatra. 2007, 22, 466-471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Alienación, agresión e busca de sensacións como predictores do uso de adolescentes de películas violentas, contidos informáticos e sitios web. J. Comun. 2003, 53, 105-121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Cara a unha teoría comprensiva do uso problemático de internet: Avaliar o papel da autoestima, a ansiedade, o fluxo e a importancia de auto-valoración das actividades en internet. Comp. Hum. Comportamento. 2009, 25, 490-500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Adicción distinguida e alta participación no contexto do xogo en liña. Comp. Hum. Comportamento. 2007, 23, 1531-1548. [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Rede social en liña e adicción. Unha revisión da literatura psicolóxica. Int. J. Environ. Res. Saúde Pública 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Uso problemático de sitios de redes sociais entre adolescentes que van na escola urbana. Ind. Psiquiatría J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W.; O'Brien, JE; Snyder, SM; Howard, MO Características da adicción á internet / uso patolóxico de internet en estudantes universitarios estadounidenses: unha investigación de método cualitativo. PLOS UN 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Adicción a xogos de Internet, uso problemático de internet e problemas de sono: unha revisión sistemática. Curr. Rep Psiquiatría. 2014, 16, 1-9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N .; Gradisar, M. Uso e sono de medios electrónicos en nenos e adolescentes en idade escolar: unha revisión. Dormir Med. 2010, 11, 735-742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J.; Wiater, A.; Lehmkuhl, G.; Fricke-Oerkermann, L. Prevalencia dos problemas de sono e relación entre os problemas de sono e o comportamento de negativa escolar en nenos en idade escolar nas valoracións dos pais e dos pais. Psicopatoloxía 2014, 47, 119-126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, busca de sensacións CC e dependencia de internet dos adolescentes de secundaria en Taiwán. Comp. Hum. Comportamento. 2002, 18, 411-426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. O papel da adicción a internet na lealdade de xogos en liña: un estudo exploratorio. Internet Res. 2008, 18, 499-519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Comportamento do problema e desenvolvemento psicosocial: un estudo lonxitudinal da mocidade; Prensa académica: Cambridge, MA, USA, 1977; páx. 281 [Google Scholar]
  70. Jessor, R. Teoría do comportamento do problema, desenvolvemento psicosocial e consumo de problemas adolescentes. Br. J. Adicto. 1987, 82, 331-342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Equivalencia estrutural da implicación en condutas de problemas de adolescentes entre grupos raciais usando análise de factores de confirmación de múltiples grupos. Soc. Traballo Res. 1996, 20, 168-177. [Google Scholar]
  72. Ha, Y.-M.; Hwang, WJ Diferenzas de xénero na adicción a internet asociadas a indicadores de saúde psicolóxica entre adolescentes mediante unha enquisa na web. Int. J. Ment. Adicto á saúde. 2014, 12, 660-669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Curto, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Avaliando a adicción a internet utilizando o modelo de compoñentes para dependencias en dependencias en internet. Un estudo preliminar. Int. J. Ment. Adicto á saúde. 2014, 12, 351-366. [Google Scholar] [CrossRef]