Adicto Behav. 2018 Feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.
Abstracto
Antecedentes e obxectivos:
O uso problemático de internet (PIU, tamén coñecido como Internet Addiction) é un problema crecente nas sociedades modernas. Hai escasos coñecementos sobre as variables demográficas e as actividades específicas de internet asociadas ao PIU e unha comprensión limitada de como se debe conceptualizar a PIU. O noso obxectivo era identificar actividades específicas en internet asociadas ao PIU e explorar o papel moderador da idade e do sexo nesas asociacións.
MÉTODOS:
Recrutamos participantes de 1749 con idade 18 e superiores a través de anuncios en medios nunha enquisa baseada en Internet en dous sitios, un en Estados Unidos e un en Sudáfrica; utilizamos a regresión de lazo para a análise.
RESULTADOS:
As actividades específicas de internet asociáronse a maiores puntuacións de uso de internet problemáticas, incluíndo navegación xeral (lazo β: 2.1), xogos por internet (β: 0.6), compras en liña (β: 1.4), uso de sitios web de poxas en liña (β: 0.027), redes sociais rede (β: 0.46) e uso de pornografía en liña (β: 1.0). Age moderou a relación entre PIU e xogos de rol (β: 0.33), xogos de azar en liña (β: 0.15), uso de sitios web de poxas (β: 0.35) e medios de transmisión (β: 0.35), coa idade maior asociada a maiores niveis de UIP. Houbo evidencias inconclusas de que as actividades de internet de xénero e xénero × estaban asociadas a puntuacións problemáticas de uso de internet. O trastorno por hiperactividade con déficit de atención (TDAH) e o trastorno de ansiedade social asociáronse con puntuacións elevadas de PIU en participantes novos (idade ≤ 25, β: 0.35 e 0.65 respectivamente), mentres que o trastorno de ansiedade xeneralizada (GAD) e o trastorno obsesivo-compulsivo (TOC) foron asociado a puntuacións elevadas de PIU nos participantes maiores (idade> 55, β: 6.4 e 4.3 respectivamente).
CONCLUSIÓNS:
Moitos tipos de comportamentos en liña (por exemplo, compras, pornografía, navegación en xeral) teñen unha relación máis forte co uso inadaptado de internet que o xogo que apoia a clasificación diagnóstica do uso problemático de Internet como un trastorno polifacético. Ademais, as actividades en internet e os diagnósticos psiquiátricos asociados ao uso problemático de Internet varían segundo a idade, con implicacións de saúde pública.
PALABRAS CHAVE: Adicción ao comportamento; Adicción a Internet; Trastorno de xogos en Internet; Lasso; Aprendizaxe automática; Uso problemático de internet
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
introdución
O uso problemático de internet (PIU, tamén coñecido como Internet Addiction), é unha preocupación para a saúde pública nas sociedades modernas de todo o mundo. A epidemioloxía do PIU aínda non está clara (
; ) cunha ampla gama de estimacións de prevalencia de puntos informados (1% a 36.7%), que probablemente reflicten non só as diferenzas poboacionais, senón tamén a diversidade de ferramentas de avaliación e diferentes definicións operativas dos comportamentos PIU. DSM-5 resaltou o trastorno do xogo en Internet como condición para un estudo máis profundo (), especificamente excluíndo outras actividades baseadas en internet como o xogo e o uso de redes sociais, a pesar da evidencia acumulada de que o uso problemático de internet é un problema multifacético que vai máis alá do xogo en liña (; ;). Describíronse moitos comportamentos en liña diferentes como capaces de prexudicar o funcionamento normal cando se realizan en exceso, incluíndo xogos en liña e xogos de rol en liña multijugador (;;;;;), xogos en liña (;), compras en liña (; ;), ver pornografía (;;), comprobación frecuente de correo electrónico, mensaxería instantánea (;;) e uso excesivo de redes sociais (;). Os comportamentos en liña tamén poden causar preocupación pola saúde física dos individuos (;) ou sentar as bases para actos delituosos (). As características impulsivas e compulsivas poden sustentar comportamentos problemáticos en internet (;;;;), mentres que actividades específicas de internet estiveron relacionadas con trastornos psiquiátricos; por exemplo, as compras en liña relacionáronse coa depresión e o acaparamento (
).
Considérase que os mozos e estudantes son máis vulnerables para a PIU (
; ; ; ; ), pero as poboacións de mediana idade e as máis antigas non foron investigadas exhaustivamente. A idade nova foi asociada a compras en liña problemáticas (;). Non obstante, houbo unha serie de estudos que identificaron actividades problemáticas en internet, incluíndo a compra excesiva baseada na Internet en poboacións adultas (
). En xeral, a historia natural do uso de internet problemática aínda é descoñecida e pode haber diferenzas relacionadas coa idade na PIU en xeral, ou en diferentes comportamentos en liña problemáticos.
Considérase que a PIU ten unha preponderancia masculina (
; ) e é máis probable entre os mozos asiáticos masculinos, pero as femias tamén poden ser vulnerables (;). A nivel clínico, a maioría dos estudos da PIU só incluíron participantes do sexo masculino () e non está claro se a poboación clínica feminina puido ser subestimada. Hai evidencias de estudos observacionales de que os machos e as femias difiren na forma en que operan no ámbito en liña en termos de actividades que elixen e as súas consecuencias negativas (;). O uso excesivo do chat e das redes sociais asociouse co sexo feminino nos estudantes novos (;;;; S). O xénero feminino tamén se identificou como predictor de compras en liña problemáticas (), pero tamén se informou o contrario (;). Os xogos en liña asociáronse co sexo masculino (), pero en ambos sexos reportouse un xogo masivo de xogos de rol en liña multijugador (). Tamén se informou que a pornografía en liña e os xogos de azar en liña son máis frecuentes entre os machos adultos (), con todo, argumentouse que o papel do reforzo da recompensa, a reactividade e o desexo de facer sexo en liña son similares para ambos sexos (). Ambas xéneros utilizan plataformas particulares de redes sociais con potencial adictivo, como sitios de rede como Facebook, e argumentou que as mulleres poden estar particularmente en risco (). En xeral, pode haber diferenzas específicas de xénero nos aspectos da PIU; alternativamente, pode ser que unha vez que se teñan en conta as características clínicas e de comportamento / confusión, os dous sexos son igualmente afectados (;
).
En xeral, o uso problemático de internet, incluíndo a gran variedade de comportamentos problemáticos en Internet, require investigacións máis rigorosas que aclararán que actividades específicas deben ser consideradas problemáticas ou disfuncionais ou que contribúen en xeral ao fenómeno descrito como PIU. A forma en que a idade e xénero moderan a relación entre determinadas actividades de internet e PIU foi subestimada, o que garante máis atención.
O noso obxectivo era identificar actividades específicas relacionadas coa internet asociadas estadísticamente co PIU e se hai interaccións coa idade ou o sexo que moderan esas relacións.
2
Material e métodos
2.1
Configuración e medidas
Máis detalles sobre a configuración e as medidas deste estudo tamén se describiron na nosa publicación anterior sobre PIU (
). O informe dos métodos deste estudo segue a directiva STROBE (
). O estudo actual levouse a cabo a partir de xaneiro 2014 – febreiro 2015. Os individuos con idades comprendidas entre 18 e anos anteriores foron recrutados en dous sitios: Chicago (EUA) e Stellenbosch (Sudáfrica) usando anuncios en Internet (idade media 29 [18-77]; machos 1119 [64%]; 1285 caucásica [73%]). Os anuncios pedían ás persoas que participasen nunha enquisa en liña sobre o uso de internet. Os participantes completaron a enquisa de xeito anónimo mediante o software Survey Monkey. A enquisa foi enviada a través de Craigslist polo que só se apuntou aos participantes dos lugares específicos. O estudo foi aprobado polos comités de revisión institucional en cada sitio de investigación. Os participantes non recibiron ningunha compensación por participar, pero foron matriculados nunha lotería aleatoria pola que estaban dispoñibles cinco premios con cada premio valorado entre $ 50 e $ 200 en Estados Unidos e tres premios entre ZAR250 e ZAR750 en Sudáfrica.
A enquisa en liña contiña preguntas sobre a idade, o xénero, a raza, o estado de relación, a orientación sexual e os antecedentes educativos de cada individuo, xunto con varias medidas de actividades específicas en internet. Medimos varias actividades diferentes en internet, incluíndo 1) navegación xeral 2) total de xogos en internet 3) xogos de rol en liña (RPG) 4) xogos de perda de tempo / habilidades (por exemplo, aplicacións en iPod / iPad / teléfono móbil, Tetris, Jewels) 5 ) Multixogador de acción en liña (é dicir, Call of Duty, Gears of War) 6) Compras en liña 7) Sitios web de poxas (é dicir, Ebay) 8) Xogos de azar en liña 9) Redes sociais 10) Deportes en liña (é dicir, Deportes de fantasía, ESPN) 11) Pornografía / Sexo en internet 12) Mensaxería / blogs (é dicir, AIM, Skype) e 13) Transmisión de vídeos / medios (é dicir, YouTube, Hulu). A enquisa tamén incluíu medidas clínicas: a proba de adicción a Internet (IAT) (
) proporcionar unha medida de uso inadaptado da internet; seleccione os módulos de entrevistas neuropsiquiátricas internacionais (MINI) () para identificar o probable trastorno de ansiedade social (TDA), trastorno de ansiedade xeneralizada (TAG) e trastorno obsesivo-compulsivo (TOC); A lista de verificación de síntomas da escala de auto-informe TDAH en adultos (ASRS-v1.1) () para identificar síntomas do trastorno por hiperactividade con déficit de atención (TDAH); o Inventario de Padua (PI) () para identificar tendencias obsesivo-compulsivas; e a Escala de Impulsividade de Barratt (BIS-11) para cuantificar a personalidade impulsiva (
). As estatísticas descritivas para todas as variables resúmense e estratifican por idades na táboa complementaria S1a.
O IAT comprende preguntas 20 que examinan as facetas do PIU. As puntuacións no IAT van desde 20 a 100 con 20 – 49 que reflicte un uso leve de Internet, o uso moderado de Internet de 50-79 e 80-100 que reflicten un uso severo de Internet. O PI consiste en elementos 39 que avalían o comportamento obsesivo e compulsivo común. O BIS-11 é un cuestionario de autoinforme usado para determinar os niveis de impulsividade.
Realizamos unha análise de compoñentes principais (PCA) para identificar se algúns compoñentes das actividades en internet serían capaces de explicar unha parte significativa da varianza. Non obstante, esta análise mostrou que requiriamos> 11 de cada 13 compoñentes para acadar> 90% de varianza, o que indica que unha parte significativa das variables das actividades de Internet contribúen exclusivamente á varianza. Polo tanto, decidimos usar cada variable por separado na nosa análise.
Nas análises incluíronse só os datos dos participantes que completaron a enquisa en liña, incluídas as medidas de actividade en internet. A mostra orixinal incluía a 2551 individuos. Excluíronse 63 individuos por carecer de puntuacións IAT. Outros 18 individuos foron excluídos por informar de xénero transxénero e 459 por falta de variables predictoras importantes, por exemplo, puntuacións do cuestionario PI ou BIS. Excluíronse cinco individuos por declarar a idade <18 anos. Outros 257 individuos foron excluídos debido á falta de medidas de actividade en internet. O conxunto completo final incluía 1749 individuos con puntuacións completas en todas as variables. Este último paso do proceso de exclusión explica a diferenza de mostra entre o presente estudo e
. Este último conxunto completo incluía 1063 individuos do sitio de Stellenbosch e 686 individuos do sitio de Chicago. A prevalencia puntual estimada de PIU foi de ~ 8.5% usando un corte de IAT de 50 ou superior. Comparando as dúas poboacións do sitio do estudo, o sitio de Stellenbosch tiña participantes máis novos [media (rango) 24.3 (18-76) vs 36.3 (18-77), ANOVA F <0.05, η 2 : 0.20], unha proporción menor de sexo masculino [58% vs 73%, χ 2 <0.05, φ : 0.15], maior proporción de orientación sexual heterosexual [91% vs 84%, χ 2 <0.05, φ : 0.10], taxas máis altas de TDAH [50% vs 41%] χ 2 <0.05, φ : 0.9], taxas máis baixas de compras en liña [media (rango) 0.48 (0-5) vs 1.27 (0-5), ANOVA F <0.05, η 2 : 0.18] e puntuacións IAT lixeiramente inferiores [media (rango) 30.3 (20-94) vs 35.9 (20-85), ANOVA F <0.05, η 2 : 0.06]. Unha comparación máis detallada está presentada na táboa suplementaria S1b. O proceso de contratación e exclusión móstrase gráficamente Fig 1 . Todas as variables continuas (é dicir, a puntuación BIS) foron estandarizadas para aumentar a interpretabilidade dos coeficientes do modelo. Os métodos de predición usaron a puntuación IAT como unha variable numérica (intervalo 20-94, Mean 32.48). Todas as análises realizáronse na versión R Studio 3.1.2. Realizáronse modelos lineales generalizados Lasso usando o paquete "glmnet" (versión de paquete glmnet 2.0 – 5 (
)). Pódense atopar máis detalles sobre o proceso de análise no Suplemento (apéndice de metodoloxía).
2.2
Exploración de correlacións
Analizamos as correlacións entre as variables dos nosos datos (ver Fig 2 ). Todas as diferentes actividades en internet tiveron correlacións positivas débiles coa puntuación IAT (rango de coeficientes de correlación de Pearson 0.23-0.48). Identificáronse algunhas correlacións positivas moderadas entre as variables de actividade en internet, é dicir, xogos e xogos de rol en internet (r = 0.57), xogos de xogos multiplayer e xogos en internet (r = 0.55), compras en liña e uso de sitios web de poxas (r = 0.55), navegación xeral e compras (r = 0.44), surf xeral e redes sociais (r = 0.44), navegación xeral e medios de transmisión (r = 0.44). Houbo correlacións positivas débiles entre deportes e pornografía (r = 0.38), xénero e deportes masculinos (r = 0.30) ou pornografía (r = 0.39) ou xogos multixogador de acción (r = 0.27). Houbo correlacións débiles entre o xogo en liña e o xogo multiplayer (r = 0.41), RGP (r = 0.32), sitios web de poxas (r = 0.38), deportes (r = 0.38) ou pornografía (r = 0.39). A impulsividade correlacionouse débilmente positivamente coa navegación xeral, as compras en liña, o uso de sitios web de poxas, as redes sociais, os medios de comunicación en streaming e a pornografía (0.2 ≤ r ≤ 0.3). Tamén houbo unha débil correlación entre a idade maior e as actividades de compra (r = 0.33) ou o uso de sitios web de poxas (r = 0.22) e entre a orientación sexual non heterosexual e a pornografía (r = 0.22). Todas as outras correlacións entre as actividades en internet e idade, xénero, estado de relación, orientación sexual, nivel de educación, raza e niveis de impulsividade e compulsividade foron moi débiles (-0.2 <r <0.2).
2.3
Manexar a sobrecarga
Para os nosos métodos estatísticos utilizamos modelos que incluían variables demográficas (idade, raza, nivel de educación, sexo, estado de relación, orientación sexual), características clínicas (diagnósticos de TDAH, GAD, ansiedade social e TOC), con dimensións de comportamento coñecidas asociadas a PIU (impulsividade e compulsividade), actividades de internet e termos de interacción entre actividades de Internet × Age ou Gender; este último decidiu probar a hipótese de que a idade ou o xénero moderase a relación entre as actividades de internet e as puntuacións problemáticas do uso de internet. Incluímos un total de variables predictoras de 51. Ao incluír unha infinidade de variables, buscamos un modelo máis preciso e ao mesmo tempo captar interaccións complexas entre as variables de actividade demográfica e de internet. Non obstante, a desvantaxe de ter moitas variables predictivas é que isto normalmente leva a sobredimensionamento acompañado de grandes coeficientes. Ademais, a regresión lineal na mostra tamén tende a se axustar demasiado, especialmente en modelos complexos, e é fundamentalmente errada ao facer predicións sobre novos datos. Hai amplas evidencias dos desvantaxes dos modelos demasiado axeitados (
). Para tratar de sobrecomprar, discutimos utilizando métodos estatísticos fóra de mostra (validación cruzada) para obter unha estimación do erro de xeneralización e predicción do modelo (
). Exploramos este enfoque nos nosos datos actuais cando empregamos unha estimación validada cruzada fóra da mostra do erro cadrado-media-raíz xunto coa selección de variables cara atrás para comprobar se os modelos melloran engadindo un alto número de variables en os subconxuntos de posibles combinacións de predictores e vimos que os modelos escasos (é dicir, con aproximadamente entre 13 e 16 variables) non eran inferiores en termos de RMSE validada cruzada en comparación con modelos máis complexos (incluíndo> 16 variables). Isto móstrase en exploratorio Fig 3 (arriba á esquerda).
2.4
Regresión regularizada con limitacións de escaseza
Polos motivos mencionados no parágrafo anterior, queriamos usar un método de predicción que non se axustaría demasiado, mentres que era comparable aos métodos estatísticos estándar en termos de predición de puntuacións da PIU. Tamén sería valioso que o noso método tamén puidese facer selección de variables (é dicir, reducindo o número de predictores con coeficientes distintos de cero), para axudar á interpretabilidade do modelo. Regularización, deseñada inicialmente por Tíkhonov para resolver ecuacións integrais (
) e máis tarde introducida na ciencia estatística por algunhas das propiedades antes mencionadas que se deseñan para cambiar a construción do modelo cara á escaseza e reducir a sobretensión (). Lasso (modelo lineal xeneralizado con probabilidade máxima penalizada, coñecido como regresión usando o operador de selección e contracción mínima absoluta (Lasso ou LASSO ())) é un método de análise de regresión e regresión agora usado con frecuencia en ciencias médicas (;) e ten potencial para o seu uso en modelaxe de predición clínica en psiquiatría (RC). A regresión de canto é outra forma de regresión lineal regularizada que reduce os coeficientes introducindo unha penalización de coeficiente (). A rede elástica é un modelo intermedio entre cordo e lazo e a súa pena é controlada por α, que une a brecha entre Lasso (α = 1) e crista (α = 0). O parámetro de axuste λ controla a forza global da penalización. Lasso utiliza a penalización de L1 e usa a penalización de L2. En contraste coa regresión de canto, o efecto da pena L1 Lasso é que a maioría dos coeficientes son conducidos a cero, o que leva a unha solución regularizada que é escasa ao mesmo tempo. Con este mecanismo, o lazo realiza unha selección de variables que pode simplificar moito a interpretación, especialmente se hai moitos predictores implicados no modelo. Outros métodos non estándar coñecidos por alta precisión e capacidade para evitar a instalación superior son bosques aleatorios (
). Os bosques aleatorios son un método de aprendizaxe automática que funciona ben contra dependencias non lineais e, polo tanto, explorar o rendemento deste modelo podería darnos a coñecer, posiblemente, "ocultas", asociacións complexas.
2.5
Métodos de previsión
Para escoller o modelo axeitado na nosa análise, comparamos os modelos de regresión lineal, regresión de cordilleira, rede elástica, lazo e aleatorio entre si e fronte a unha liña de base inxenua, usando unha estimación de RMSE fóra da mostra validada cruzadamente. A nosa validación cruzada incluíu dividir aleatoriamente os datos nun conxunto de adestramento e probas, axustar os parámetros do modelo no conxunto de adestramento e facer predicións para as puntuacións de IAT no conxunto de probas. Debido á natureza aleatoria de dividir os datos en dobras, repetimos este proceso 50 veces para obter unha estimación estable e replicable. Despois comparamos os vectores finais das puntuacións de RMSE usando probas de rango asinadas por Wilcoxon-Pratt. Todos os modelos foron significativamente superiores á liña de base inxenua (p corrixida <0.001, d de Cohen = -0.87) (ver táboa complementaria S2). As estatísticas resumidas das puntuacións de RMSE preséntanse na táboa complementaria S3. O lazo e a rede elástica foron superiores á regresión da crista (p-corrixida <0.01, d = 0.51, d = 0.49) e a regresión lineal (p corrixida <0.001, d = 0.76) e non estatísticamente diferentes entre si (p corrixida> 0.05, d = -0.08). O bosque aleatorio non foi superior nin ao lazo (p = 0.12) nin á rede elástica (p corrixido> 0.05). Polo tanto, na nosa análise, empregamos Lasso porque, ademais dun bo rendemento de predición fóra da mostra, Lasso foi capaz de realizar selección variable reducindo os coeficientes a cero e, polo tanto, aumentando a interpretabilidade. Aínda que a rede elástica tamén pode realizar selección de variables, tende a seleccionar máis variables e, a pesar de ser un modelo máis complexo e máis potente, non deu un rendemento significativamente mellor que o lazo. Na nosa análise final de datos completos e análises de subgrupos, empregamos 10 veces a validación cruzada para producir a lambda óptima para cada modelo de lazo e informar os coeficientes producidos por eses modelos. As gráficas explicativas derivadas da análise completa de datos preséntanse en Fig 3 .
3
Resultados
Os resultados da regresión lazo son resumidos en toda a mostra e estratificados por idade en Táboas 1 e 2 . As táboas completas de resultados para as análises de subgrupos, incluídas as estratificadas por idade e por sitio de estudo, preséntanse nas táboas complementarias en liña (táboas S4-S10). As gráficas exploratorias dos datos preséntanse en figuras complementarias (figs. S1-S3). Os resultados do enfoque estatístico máis estándar da regresión lineal tamén se presentan nas táboas complementarias S4-S10 e calquera diferenza na inferencia estructural comparada cos principais resultados presentados a continuación está condicionada á elección doutro modelo.
| Actividade en Internet | Todos (n = 1749) | 18 ≤ Idade ≤ 25 (n = 1042) | 26 ≤ Idade ≤ 55 (n = 592) | Idade> 55 (n = 115) |
|---|---|---|---|---|
| Surf xeral | 2.100 | 2.400 | 1.500 | 0.590 |
| Xogos de Internet | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Perda de tempo | 0.000 | 0.000 | 0.000 | 0.450 |
| Acción multijugador | 0.000 | 0.000 | 0.000 | 0.000 |
| compra | 1.400 | 0.840 | 1.500 | 0.000 |
| Sitios de poxa | 0.027 | 0.000 | 0.990 | 0.230 |
| Gambling | 0.000 | 0.000 | 0.780 | 0.000 |
| Redes sociais | 0.460 | 0.000 | 1.300 | 0.000 |
| deportes | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornografía | 1.000 | 1.400 | 0.210 | 0.000 |
| Mensaxes | 0.000 | 0.000 | 0.110 | 0.000 |
| Transmisión de medios | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| Diagnóstico de TDAH | 1.700 | 0.350 | 3.100 | 0.000 |
| Diagnóstico GAD | 0.230 | 0.000 | 0.000 | 6.400 |
| Diagnóstico de ansiedade social | 0.000 | 0.560 | 0.000 | 0.000 |
| Diagnóstico de TOC | 0.270 | 0.000 | 0.000 | 4.300 |
| Actividade en Internet | Todos (n = 1749) | 18 ≤ Idade ≤ 25 (n = 1042) | 26 ≤ Idade ≤ 55 (n = 592) | Idade> 55 (n = 115) |
|---|---|---|---|---|
| Variables demográficas | 0.000 | 0.000 | 0.000 | 0.000 |
| Xénero × calquera actividade en Internet | 0.000 | 0.000 | 0.000 | 0.000 |
| Idade × surf xeral | 0.000 | - | - | - |
| Idade × xogos de Internet | 0.000 | - | - | - |
| Idade × RPG | 0.330 | - | - | - |
| Idade × perda de tempo | 0.000 | - | - | - |
| Idade × multiplayer de acción | 0.000 | - | - | - |
| Idade × compras | 0.000 | - | - | - |
| Idade × xogo | 0.150 | - | - | - |
| Idade × sitios de poxas | 0.350 | - | - | - |
| Idade × rede social | 0.000 | - | - | - |
| Idade × deportes | 0.000 | - | - | - |
| Idade × pornografía | 0.000 | - | - | - |
| Idade × mensaxes | 0.000 | - | - | - |
| Idade × streaming de medios | 0.350 | - | - | - |
3.1
Demografía
Na regresión do lazo non se asociou a PIU ningunha variable como a idade, o sexo, a raza, o nivel de educación, o estado da relación ou a orientación sexual en calquera subgrupo de idade ou nos datos completos.
3.2
Actividades en Internet
Na regresión de Lasso de datos completos, varias actividades en internet asociáronse a puntuacións elevadas de PIU, incluíndo a navegación xeral (β: 2.1), xogos por internet (β: 0.6), compras en liña (β: 1.4), uso de sitios web de poxas (β: 0.027), redes sociais (β: 0.46) e uso de pornografía en liña (β: 1.0). As relacións entre PIU e xogos de rol (RPG), xogos de azar en liña, uso de sitios web de poxas e uso de medios de transmisión moderáronse por idade (β: 0.33, 0.15, 0.35 e 0.35 respectivamente), coa idade maior asociada a maiores puntuacións de PIU . Na análise do subgrupo de idade (participantes novos de idade ≤ 25, participantes de idade media 25 <idade ≤ 55; participantes maiores de idade> 55), o surf xeral asociouse a PIU en todos os grupos de idade, pero con máis forza nos mozos (β: 2.4) , menos na idade media (β: 1.5), e menos aínda nos participantes máis vellos (β: 0.59). Unha tendencia similar observouse nos xogos por internet (β: 0.45, 0.11 e 0.0 para os tres grupos de idade respectivamente) e no uso de pornografía en liña (β: 1.4, 0.21 e 0.0). Algunhas actividades en internet como o uso de xogos de rol en liña asociáronse máis fortemente coa PIU en participantes de mediana idade en comparación con outros grupos de idade (β: 0.71). O mesmo ocorreu para o xogo en liña (β: 0.78), a mensaxería instantánea (β: 0.11) e as redes sociais en liña (β: 1.3). O uso de sitios web de poxas tamén se asociou máis fortemente coa PIU en participantes de mediana idade (β: 0.99), pero tamén predictivo nos participantes de maior idade (β: 0.23). A transmisión en liña de medios e o uso de desperdicios de tempo asociáronse a PIU nos participantes máis vellos (β: 1.2, 0.45 respectivamente), pero non en ningún outro grupo de idade.
3.3
Características clínicas e de comportamento
Os síntomas de trastorno por déficit de atención (hiperactividade) (β: 1.7), trastorno de ansiedade xeneralizada (GAD) (β: 0.23) e trastorno obsesivo-compulsivo (TOC) (β: 0.27) asociáronse con maiores puntuacións da PIU. Na análise de subgrupos de idade, o TDAH e o SAD asociáronse con maiores puntuacións de PIU en participantes máis novos (β: 0.35 e 0.56 respectivamente), mentres que o TDAH permaneceu significativo no subgrupo de mediana idade (β: 3.1). O GAD eo TOC asociáronse con maiores puntuacións de PIU nos subgrupos dos participantes máis vellos (β: 6.4 e 4.3 respectivamente), pero non nos outros grupos de idade. As puntuacións de BIS (personalidade impulsiva) e as puntuacións de PADUA (tendencias obsesivo-compulsivas) asociáronse con maiores puntuacións de PIU nos datos completos (β: 0.066 e 0.074 respectivamente) e en todas as análises de subgrupos de idade.
4
Conversa
Este artigo é o primeiro intento de explorar de xeito completo os distintos tipos de actividades de internet asociadas a un uso inadaptado de internet, é dicir, cun uso problemático de internet. Os traballos anteriores abordaron xeralmente o problema das actividades específicas de internet que conducen a un uso problemático, centrándose en actividades illadas en internet (
; ; ; ; ). Aquí amosamos que unha serie de actividades en internet, incluíndo a navegación en xeral, xogos en internet, compras en liña, uso de sitios web de poxas, xogos online, redes sociais e uso de pornografía en liña contribúen de xeito separado e exclusivo ao PIU, probando que PIU é un complexo fenómeno que comprende unha variedade de comportamentos problemáticos. Ademais, demostramos que eses comportamentos conservan as súas asociacións estatisticamente significativas co PIU, mesmo cando se coñecen síntomas psiquiátricos asociados ao PIU (é dicir, síntomas de TDAH, TAG e TOC); PIU (é dicir, medidas de personalidade de impulsividade e compulsividade) (;;;
) son tidos en conta. Demostramos aínda máis que actividades específicas de internet como RPG, xogos de azar en liña, uso de sitios web de poxas e streaming multimedia están asociados a maiores puntuacións de PIU e que esta relación está influenciada pola idade. Finalmente, os nosos datos mostran que outros tipos de comportamento en liña (por exemplo, compras, pornografía, navegación en xeral) teñen unha relación máis forte co uso inadaptado de internet que os xogos e é posible que isto se relaciona co feito de que estudos anteriores non incluíron tal gran variedade de actividades relacionadas coa internet. Estes resultados teñen implicacións significativas para a conceptualización da PIU como un trastorno clínicamente significativo, xa que afastan a atención do constructor unidimensional e relativamente estreito de "trastorno de xogo en Internet", cara a unha entidade multidimensional de uso de internet problemática ou adicción a internet que comprende múltiples facetas do comportamento humano en liña.
Ademais, o uso de validacións cruzadas fóra da mostra demostramos que a aproximación "non estándar" do uso da regresión de lazo é máis precisa na predición de puntuacións de PIU en comparación coa regresión lineal "máis estándar". A utilización dunha estimación fóra do exemplo do valor preditivo dun modelo a miúdo axuda a afrontar o fenómeno polo cal as significacións decaen nos estudos de replicación. Non obstante, a elección da regresión de Lasso vén coa advertencia de que as variables que non son seleccionadas polo modelo (con coeficientes cero) aínda poden ser predictivas, especialmente cando hai altas correlacións entre as variables seleccionadas e as non seleccionadas. No noso conxunto de datos, non tivemos variables altamente correlacionadas, con todo, esta limitación significa que debemos tratar de forma conservadora calquera resultado negativo. Por exemplo, a falta de asociación entre xénero e PIU, así como a falta de asociación entre as actividades de xénero × Internet co PIU, apoia probablemente a hipótese de que se se toman en conta un maior rango de comportamentos de PIU e posibles factores de confusión, ambos sexos son igualmente vulnerables ao desenvolvemento de facetas do PIU (
; ). Non obstante, debido ás limitacións da nosa análise, non podemos excluír a posibilidade de que existan outras asociacións entre o PIU eo xénero. Por exemplo, suxeriuse que o xénero modera a relación entre compras en liña e PIU e que as mulleres poden estar máis en perigo (). De relevancia pode ser que o trastorno compulsivo de compra, un trastorno prominente en grupos de mediana idade ten unha predominancia feminina por razón 5: 1 (), e pode estar dirixindo estes resultados. Non tivemos datos sobre este trastorno para probar esta hipótese. Tamén é importante sinalar que o instrumento IAT utilizado aquí recibiu unha crítica sobre a súa falta de robustez en canto á estrutura dos factores, as diferenzas coa actual operacionalización do DSM-5 (trastorno de xogo) e a diferenza dos avances tecnolóxicos das aplicacións de internet (;
). A investigación futura da PIU estaría ben servida por instrumentos metodolóxicamente robustos e validados, que tamén serían capaces de captar a natureza en rápida evolución do PIU desde unha perspectiva tecnolóxica e de comportamento.
A nosa análise de subgrupos en idade deu unha visión sobre as asociacións relacionadas coa idade entre o PIU e varias actividades de internet. A concepción común de que a PIU é un trastorno da mocidade non é necesariamente correcta e pode estar baseada na falta de estudos debidamente deseñados que capten comportamentos en liña en todos os grupos de idade. Un coñecemento insuficiente para a historia natural do PIU en toda a vida non permite unha exploración exhaustiva das vulnerabilidades das poboacións máis antigas en termos de risco para desenvolver PIU. Non obstante, os nosos resultados indican que existen esas vulnerabilidades e se procura máis investigacións para mapear as características das poboacións en risco. Por exemplo, ter síntomas de TDAH ou ansiedade social poden ser un predictor de PIU en poboacións novas, mentres que ter síntomas TOC ou GAD pode ser un predictor de PIU en poboacións máis antigas. O feito de que o TOC non se atopase asociado coa PIU nunha metanálise recente (
) pode ser un indicador de que as poboacións máis antigas foron subestimadas. Non é sorprendente o feito de que o TDAH estivese asociado fuertemente con puntuacións elevadas de PIU, xa que outros estudos informaron dunha prevalencia moi elevada de TDAH (ata 100%) nas poboacións de PIU (). Ao mesmo tempo, as poboacións de mediana idade específicas (entre 26 e 55) poden estar máis en risco de PIU, se tamén padecen un trastorno compulsivo de compra ou un trastorno de xogo, dada a historia natural desas enfermidades, que alcanzan a media idade (
).
Ademais, os resultados que unha determinada actividade en liña estivo asociada coa PIU só en grupos de idade específicos, implican que determinados grupos de idade poden estar en perigo de desenvolver aspectos da PIU. Aínda que os mozos poidan estar máis en perigo de desenvolver PIU cunha propensión a ver pornografía, unha vulnerabilidade que pode ser menos forte na idade media e diminuír máis tarde na vida, as persoas maiores poden ser máis propensas a desenvolver PIU caracterizada por un uso problemático do tempo perdas e medios de transmisión (ver exploratorio Fig 4 ). Finalmente, o surf xeral pode ser unha faceta subestimada do PIU, que parece estar máis fortemente asociada a maiores puntuacións de PIU en mozos, pero importante en todos os grupos de idade; este achado pode estar relacionado co feito de que a vida adulta precoz pode ser menos dirixida aos obxectivos e os mozos pasan máis tempo durante actividades non estruturadas en ambientes en liña en comparación con outros grupos de idade avanzada.
Os nosos resultados tamén teñen implicacións para a saúde pública en relación coa regulación do contido en liña e as intervencións dirixidas. Se actividades concretas están máis ligadas ao desenvolvemento de usos problemáticos que outras, xorde a cuestión de se as políticas de saúde pública deben dirixirse a grupos de individuos vulnerables para mellorar a súa resistencia ao risco de UIP ou se hai intervencións máis universais dirixidas a facetas específicas dos comportamentos en internet, debe considerarse para facer que os entornos en liña sexan menos adictivos. Por exemplo, as plataformas en liña poden nalgúns casos empregar arquitecturas específicas que aproveitan as vulnerabilidades dos usuarios (é dicir, trazos impulsivos ou compulsivos) e que teñen como obxectivo maximizar a duración dos usuarios no ambiente en liña. Aínda que isto ten sentido desde unha perspectiva de mercadotecnia, si preocupa se estes entornos tamén deben emitir un aviso de saúde para o usuario.
4.1
Limitacións
Esta foi unha enquisa en liña transversal, polo que non se poden establecer relacións de causalidade. Ademais, debido á metodoloxía de contratación e á posible propensión a que as persoas con UIP sexan máis propensas a completar unha enquisa en liña, é posible que os resultados actuais non se xeneralicen a UIP na poboación xeral de fondo. Outra limitación do noso estudo é a falta de datos clínicos para algunhas entidades de diagnóstico asociadas á UIP, por exemplo depresión ou uso indebido de substancias. Polo tanto, é posible que a depresión ou o uso indebido de substancias poidan explicar algunhas das asociacións observadas no noso estudo. Os futuros estudos deberían incluír unha gama máis ampla de parámetros clínicos para explorar se estes representan asociacións observadas entre as actividades de PIU e internet. Hai máis limitacións en canto aos nosos datos clínicos derivados do uso do MINI; isto está validado para entregalo dunha persoa capacitada nunha entrevista presencial, mentres que no noso estudo entregouse a través dunha ferramenta en liña. Non obstante, os nosos datos clínicos están de acordo con estudos previos en PIU. Ademais, outra desvantaxe da nosa recompilación de datos foi que avaliamos a actividade de Internet empregando o tempo dedicado á actividade como medida proxy para a PIU desa actividade. Aínda que isto pode captar un uso excesivo e, polo tanto, problemático, tamén pode capturar un uso esencial. Aínda que as actividades avaliadas neste estudo adoitaban non ser esenciais por defecto debido á súa natureza (por exemplo, perdedor de tempo) ou cando se realizan en exceso severo (por exemplo,> 8 h / día de compras, xogos de azar ou pornografía), os estudos futuros poderían inclúen medidas que poidan diferenciar o uso esencial do non esencial de internet para cada actividade en internet, para permitir tales análises. Outra limitación do noso estudo é a falta de datos para a poboación infantil e adolescente. As poboacións de nenos e adolescentes poden interactuar con internet dun xeito diferente, pero tamén están expostas ao uso en liña durante unha xanela de neurodesenvolvemento diferente. Polo tanto, estas diferenzas poden implicar diferentes vulnerabilidades ou resistencia en termos de risco para desenvolver PIU. Por exemplo, unha exposición temperá e baixa ao ambiente en liña pode ter un efecto de "inoculación de estrés" (
) que orienta aos individuos do desenvolvemento futuro da UIP. Se é o caso, isto pode explicar aínda máis por que as poboacións máis vellas que só recibiron a primeira exposición de contornos en liña na idade adulta poden ser máis vulnerables. Os futuros estudos poderían incluír os grupos de idade infantil e adolescente e examinar prospectivamente se as actividades específicas en internet son predictivas da UIP. Desafortunadamente, o número de participantes que informaron de xénero transxénero foi pequeno (n = 18), o que non permitiu unha análise significativa do efecto do xénero transxénero. Unha última limitación do noso estudo é que a nosa poboación do estudo está formada por adultos sans que só nun <1% sofren comportamentos PIU significativos (IAT> 80). Os futuros estudos beneficiaríanse de ter un foco específico no extremo máis alto do espectro PIU para poder comparar esas poboacións de PIU severas cun grupo control de individuos baixos a moderados ou non PIU. Aínda que a prevalencia puntual estimada de PIU na nosa mostra foi de ~ 8.5% (usando un corte de IAT ≥ 50), os limiares para a caseness clínica para a PIU seguen sendo polémicos e as futuras investigacións beneficiaríanse dunha medida e definición universalmente aceptadas da PIU.
4.2
Conclusión
En resumo, DSM-5 destaca o trastorno de xogo en Internet como un desorden candidato, pero outros tipos de comportamento en liña (por exemplo, compras, pornografía, surf xeral) teñen unha relación máis forte co uso inadaptado de internet que o xogo. Os diagnósticos psiquiátricos e as actividades de internet asociadas ao uso de internet problemático varían segundo a idade, un descubrimento que ten implicacións na saúde pública. Estes resultados contribúen ao coñecemento limitado das actividades de internet asociadas ao uso problemático de Internet e poden contribuír á clasificación diagnóstica do uso problemático de Internet como trastorno multifacético.
Papel das fontes de financiamento
Esta investigación recibiu fondos departamentais internos do Departamento de Psiquiatría da Universidade de Chicago. As actividades de investigación do Dr. Ioannidis son apoiadas por sesións de interese especial de adestramento superior de Health Education East of England. Os autores non recibiron financiamento para a preparación deste manuscrito. A fonte de financiamento non tivo ningún papel no deseño, análise de datos ou escritura do estudo.
Contribuíntes
KI deseñou a idea do manuscrito, analizou os datos, escribiu a maioría do manuscrito e do material complementario e coordinou as contribucións dos coautores. MT e FK participaron na concepción e revisión da análise estatística. SRC, SR, DJS, CL e JEG deseñaron e coordinaron o estudo e recolleron e xestionaron os datos. Todos os autores leron e aprobaron o manuscrito final e contribuíron á redacción e revisión do traballo, así como á interpretación dos resultados.
Conflito de intereses
O Dr. Grant recibiu bolsas de investigación de NIDA (RC1DA028279-01), o Centro Nacional de Xogos Responsables, e Roche e Forest Pharmaceuticals. O Dr. Grant recibe unha compensación de Springer como editor en xefe do Journal of Gambling Studies e recibiu dereitos de autor de McGraw Hill, Oxford University Press, Norton e o APPI. O Dr. Chamberlain consulta Cambridge Cognition e a súa participación nesta investigación foi apoiada por unha bolsa clínica intermedia para Wellcome Trust (Reino Unido; 110049 / Z / 15 / Z). Dan Stein e Christine Lochner son financiados polo Medical Research Council de Sudáfrica. Os outros autores non reportan relacións financeiras con interese comercial. Ningunha das fontes antes mencionadas tiña ningún papel no deseño, recollida, análise ou interpretación dos datos, escribindo o manuscrito ou a decisión de enviar o documento para a súa publicación.
Recoñecemento
Estamos en débeda cos voluntarios de ambos os sitios que participaron no estudo.
apéndice A
Datos complementarios
Material complementario
References
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P. e Haffen E .: Xogos de rol en liña multijugador masivo: Comparando as características dos adeptos recrutados en liña por adictos e non adictos Poboación francesa adulta. BMC Psychiatry 2011; 11: pp. 144
Ver no artigo - American Psychiatric Association, 2013. American Psychiatric Association: Manual de diagnóstico e estatística de trastornos mentais: DSM-5. Washington, DC: American Psychiatric Association, 2013.
Ver no artigo - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS e Pallesen S .: Desenvolvemento dunha escala de dependencia de Facebook. Informes psicolóxicos 2012; 110: pp. 501-517
Ver no artigo | Cruz Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. e Oren A.: adicción a Internet entre adultos noruegos: un estudo de mostra de probabilidade estratificado. Xornal escandinavo de Psicoloxía 2009; 50: pp. 121-127
Ver no artigo | Cruz Ref - Negro, 2007. Black DW: Unha revisión do trastorno compulsivo de compra. Psiquiatría Mundial: Diario Oficial da Asociación Mundial de Psiquiatría (WPA) 2007; 6: pp. 14-18
Ver no artigo - Bloquear, 2008. Bloque JJ: Problemas para DSM-V: adicción a Internet. American Journal of Psychiatry 2008; 165: pp. 306-307
Ver no artigo | Cruz Ref - Brand et al., 2011. Marca M., Laier C., Pawlikowski M., Schächtle U., Schöler T. e Altstötter-Gleich C .: Ver imaxes pornográficas en Internet: papel das cualificacións de excitación sexual e síntomas psicolóxicos-psiquiátricos para usar sitios de sexo en Internet de xeito excesivo . Cyberpsychology, Behavior and Social Networking 2011; 14: pp. 371-377
Ver no artigo | Cruz Ref - Breiman, 2001. Breiman L .: Modelización estatística: as dúas culturas. Ciencia estatística 2001; 16: pp. 199-215
Ver no artigo - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R. e Markuszewski MJ: métodos baseados en PLS e baseados en regularización para a selección de variables relevantes en datos de metabolómica non dirixidos. Fronteiras en Molecular Biosciences 2016; 3: pp. 1-10
Ver no artigo - Burns et al., 1996. Burns GL, Keortge SG, Formea GM e Sternberger LG: revisión do inventario de Padua de síntomas de trastorno obsesivo compulsivo: distincións entre preocupacións, obsesións e compulsións. Investigación e terapia de comportamento 1996; 34: pp. 163-173
Ver no artigo | Cruz Ref - Cao et al., 2007. Cao F., Su L., Liu T. e Gao X .: A relación entre a impulsividade ea adicción a internet nunha mostra de adolescentes chineses. Psiquiatría europea 2007; 22: pp. 466-471
Ver no artigo | Cruz Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. e Kaess M .: A asociación entre o uso patolóxico de Internet e a psicopatoloxía comórbida: unha revisión sistemática. Psicopatoloxía 2013; 46: pp. 1-13
Ver no artigo | Cruz Ref - Claes et al., 2016. Claes L., Müller A. e Luyckx K .: Compulsivo de compra e acumulación como substitutos da identidade: o papel do valor materialista de aval e depresión. Psiquiatría integral 2016; 68: pp. 65-71
Ver no artigo | Cruz Ref - Cole e Hooley, 2013. Cole SH e Hooley JM: correlatos clínicos e de personalidade dos xogos de MMO: ansiedade e absorción no uso problemático de internet. Social Science Computer Review 2013; 31: pp. 424-436
Ver no artigo | Cruz Ref - Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR, e Cloninger CR: Prevalencia e predictores do xogo patolóxico: resultados do estudo de personalidade, saúde e estilo de vida (SLPHL) de St. Louis. Journal of Psychiatric Research 2005; 39: pp. 377-390
Ver no artigo | Cruz Ref - von Elm et al., 2008. von Elm E., DG Altman, Egger M., SJ Pocock, PC Gøtzsche, JP Vandenbroucke e Iniciativa S .: Reforzar a declaración dos estudos observacionais en epidemioloxía (STROBE): Directrices para a notificación de estudos observacionais. Xornal de Epidemioloxía Clínica 2008; 61: pp. 344-349
Ver no artigo | Cruz Ref - Fernández-Vila et al., 2015. Fernández-Villa T., J. Alguacil Ojeda, Almaraz Gómez A., JM Cancela Carral, M. Delgado-Rodríguez, García-Martín M. e Martín V .: Uso problemático de Internet nos estudantes universitarios: factores asociados e diferenzas de xénero . Adicciones 2015; 27: pp. 265-275
Ver no artigo | Cruz Ref - Friedman et al., 2010. Friedman J., Hastie T. e Tibshirani R .: Camiños de regularización para modelos lineais xeneralizados mediante descenso de coordenadas. Xornal de software estadístico 2010; 33: pp. 1-22
Ver no artigo - Griffiths, 2003. Griffiths M .: Xogos de internet: problemas, preocupacións e recomendacións. Ciberpsicoloxía e comportamento: o impacto de Internet, multimedia e realidade virtual sobre o comportamento e a sociedade 2003; 6: pp. 557-568
Ver no artigo | Cruz Ref - Ha e Hwang, 2014. Ha Y.-M. e Hwang WJ: diferenzas de xénero na adicción a internet asociadas a indicadores de saúde psicolóxica entre adolescentes mediante unha investigación nacional baseada na web. International Journal of Mental Health and Addiction 2014; 12: pp. 660-669
Ver no artigo | Cruz Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y. e Mak K.-K .: A asociación entre a adicción á internet e a co-morbilidade psiquiátrica: un meta-análise. BMC Psychiatry 2014; 14: pp. 183
Ver no artigo - Hoerl e Kennard, 1970. Hoerl AE e Kennard RW: regresión de canto: estimación sesgada de problemas non ortogonais. Technometrics 1970; 12: pp. 55-67
Ver no artigo - Huys et al., 2016. Huys QJM, Maia TV e Frank MJ: a psiquiatría computacional como ponte da neurociencia ás aplicacións clínicas. Nature Neuroscience 2016; 19: pp. 404-413
Ver no artigo | Cruz Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J. e Yoshida T .: Non hai móbiles, nin vida: auto-percepción e dependencia de mensaxes de texto entre os estudantes xaponeses do ensino medio.
Ver no artigo - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. e Grant JE: Uso problemático da internet (PIU): Asociacións co espectro impulsivo-compulsivo. Journal of Psych: Unha aplicación de aprendizaxe automática en psiquiatría, 2016.
Ver no artigo - Janower, 2006. Janower CR: apostar por internet. Xornal de comunicación mediada por ordenador 2006; 2: pp. 0
Ver no artigo | Cruz Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E. e Walters EE: a escala de auto-informe de ADHD de adultos da Organización Mundial da Saúde (ASRS): Unha escala de selección curta para o seu uso en xeral poboación. Medicina psicolóxica 2005; 35: pp. 245-256
Ver no artigo | Cruz Ref - Kessler et al., 2016. Kessler RC, Van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. e Zaslavsky AM: Proba un algoritmo de aprendizaxe automática para predecir a persistencia e gravidade do trastorno depresivo maior a partir das autoinformes basais. Psiquiatría Molecular 2016; 21: pp. 1366-1371
Ver no artigo | Cruz Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M. e Rothen S .: Factoría da proba de adicción a internet en xogadores en liña e xogadores de poker. JMIR Mental Health 2015; 2:
Ver no artigo - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C. e Gao J: enfoque integrador para a inferencia de redes de regulación de xenes usando aleatorios baseados en lazo con aplicacións a trastornos psiquiátricos. BMC Medical Genomics 2016; 9: pp. 50
Ver no artigo - Rei, 1999. King SA: xogos de internet e pornografía: exemplos ilustrativos das consecuencias psicolóxicas da anarquía de comunicación. Ciberpsicoloxía e comportamento 1999; 2: pp. 175-193
Ver no artigo - King e Barak, 1999. King SA e Barak A .: Xogo por Internet compulsivo. Ciberpsicoloxía e comportamento 1999; 2: pp. 441-456
Ver no artigo | Cruz Ref - Király et al., 2015. Király O., Griffiths MD e Demetrovics Z .: trastorno de xogos por Internet e DSM-5: conceptualización, debates e controversias. Informes de adiccións actuais 2015; 2: pp. 254-262
Ver no artigo - Király et al., 2014. Király O., MD Griffiths, Urbán R., J. Farkas, Kökönyei G., Elekes Z. e Demetrovics Z .: O uso problemático de internet e os xogos en liña problemáticos non son os mesmos: os resultados dunha mostra adolescente de gran representación nacional. Cyberpsychology, Behavior and Social Networking 2014; 17: pp. 749-754
Ver no artigo - Kittinger et al., 2012. Kittinger R., Correia CJ e Irons JG: relación entre o uso de Facebook e o uso problemático de internet entre estudantes universitarios. Cyberpsychology, Behavior and Social Networking 2012; 15: pp. 324-327
Ver no artigo | Cruz Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S. e Chen C.-C .: A asociación entre a adicción á Internet e o trastorno psiquiátrico: unha revisión da literatura . Psiquiatría europea 2012; 27: pp. 1-8
Ver no artigo - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C. e Yang M.-J .: Factores predictivos de incidencia e remisión da adicción a internet en adolescentes novos: A estudo prospectivo. Ciberpsicoloxía e comportamento: o impacto de Internet, multimedia e realidade virtual sobre o comportamento e a sociedade 2007; 10: pp. 545-551
Ver no artigo | Cruz Ref - Kuss e Griffiths, 2011. Kuss DJ e Griffiths MD: redes sociais en liña e adicción: unha revisión da literatura psicolóxica. Xornal Internacional de Investigación Ambiental e Saúde Pública 2011; 8: pp. 3528-3552
Ver no artigo | Cruz Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD e Binder JF: adicción a Internet nos estudantes: prevalencia e factores de risco. Ordenadores en comportamento humano 2013; 29: pp. 959-966
Ver no artigo | Cruz Ref - Kuss e Lopez-Fernández, 2016. Kuss DJ e Lopez-Fernandez O .: dependencia de Internet e uso problemático de Internet: unha revisión sistemática da investigación clínica. World Journal of Psychiatry 2016; 6: pp. 143-176
Ver no artigo | Cruz Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF e Chabrol H .: Uso problemático de Internet, tempo dedicado á rede e trazos de personalidade. L'Encéphale 2016; 42: páxs. 214-218
Ver no artigo | Cruz Ref - Laconi et al., 2014. Laconi S., Rodgers RF e Chabrol H .: A medición da adicción a Internet: Unha revisión crítica das escalas existentes e as súas propiedades psicométricas. Ordenadores en comportamento humano 2014; 41: pp. 190-202
Ver no artigo | Cruz Ref - Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP e Marca M .: Cybarsex dependencia: Experimentar a excitación sexual ao ver pornografía e non contactos sexuais na vida real fai a diferenza. Journal of Behavioral Addictions 2013; 2: pp. 100-107
Ver no artigo | Cruz Ref - Lecardeur, 2013. Lecardeur L .: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: pp. 579-586
Ver no artigo | Cruz Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A. e Bian Y .: Diferenzas de xénero na relación entre a adicción á internet e a depresión: un estudo retardado en adolescentes chineses. Ordenadores en comportamento humano 2016; 63: pp. 463-470
Ver no artigo | Cruz Ref - López-Fernández, 2015. Lopez-Fernandez O .: Como evolucionou a investigación sobre a adicción á Internet desde a aparición do trastorno de xogos en internet? Unha visión xeral das ciberdictos desde unha perspectiva psicolóxica. Informes de adiccións actuais 2015; 2: pp. 263-271
Ver no artigo | Cruz Ref - Masten e Tellegen, 2012. Masten AS e Tellegen A .: Resiliencia na psicopatoloxía do desenvolvemento: contribucións do estudo de competencia lonxitudinal do proxecto. Desenvolvemento e psicopatoloxía 2012; 24: pp. 345-361
Ver no artigo | Cruz Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A., e de Zwaan M .: Estimación da prevalencia de compras compulsivas en Alemaña e da súa asociación con características sociodemográficas e síntomas depresivos. Investigación de psiquiatría 2010; 180: pp. 137-142
Ver no artigo | Cruz Ref - Patton et al., 1995. Patton JH, Stanford MS e Barratt ES: Estrutura do factor impulsivo de Barratt. Xornal de Psicoloxía Clínica 1995; 51: pp. 768-774
Ver no artigo | Recuperar, 2008. Recupero PR: Avaliación forense do uso problemático de Internet. Xornal da Academia Americana de Psiquiatría e da Lei 2008; 36: pp. 505-514
Ver no artigo - Rose e Dhandayudham, 2014. Rose S. e Dhandayudham A: Cara a unha comprensión do comportamento da compra de problemas baseados en Internet: o concepto de adicción ás compras en liña e os seus predictores propostos. Journal of Behavioral Addictions 2014; 3: pp. 83-89
Ver no artigo | Cruz Ref - Rutland et al., 2007. Rutland JB, Sheets T. e Young T .: Desenvolvemento dunha escala para medir o uso de problemas do servizo de mensaxes curtas: o cuestionario de diagnóstico de uso de problemas por SMS. Cyberpsychology & Behavior 2007; 10: pp. 841-844
Ver no artigo | Cruz Ref - Rutter, 1993. Rutter M .: Resiliencia: algunhas consideracións conceptuais. The Journal of Adolescent Health: Publicación oficial da Sociedade para a Medicina do Adolescente 1993; 14: pp. 626-631
Ver no artigo | Cruz Ref - Shaw e Black, 2008. Shaw M. e Black DW: adicción a Internet: definición, avaliación, epidemioloxía e xestión clínica. Drogas CNS 2008; 22: pp. 353-365
Ver no artigo | Cruz Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E. e Dunbar GC: A Mini-International Neuropsiquiátrica Entrevista (MINI): o desenvolvemento e validación dunha entrevista psiquiátrica de diagnóstico estructurado para DSM-IV e ICD-10. The Journal of Clinical Psychiatry 1998; 59:
Ver no artigo - Tam e Walter, 2013. Tam P. e Walter G: uso problemático da internet na infancia e na mocidade: evolución dunha aflicción do século 21st. Psiquiatría australiana 2013; indefinido:
Ver no artigo - Tibshirani, 1996. Tibshirani R .: Retroceso e selección por medio do lazo. Xornal da Royal Statistical Society, serie B 1996; 58: pp. 267-288
Ver no artigo - Tikhonov, 1963. Tikhonov AN: Resolución de problemas formulados incorrectamente e método de regularización. Matemáticas soviéticas Doklady 1963; 5: pp. 1035-1038
Ver no artigo - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A. e Marca M .: Compras patolóxicas en liña como unha forma específica de adicción a internet: unha investigación experimental baseada en modelos. PLoS One 2015; 10:
Ver no artigo - Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC e Yang YK: os factores de risco da adicción a Internet? Investigación de psiquiatría 2009; 167: pp. 294-299
Ver no artigo | Cruz Ref - Wallace, 2014. Wallace P .: trastorno de adicción a Internet e mocidade: hai preocupacións crecentes sobre a actividade compulsiva en liña e que isto pode impedir o rendemento e a vida social dos estudantes. Informes EMBO 2014; 15: pp. 12-16
Ver no artigo | Cruz Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W. e Hong Z .: Actividades en liña, prevalencia de adicción a internet e factores de risco relacionados coa familia e a escola entre os adolescentes en China. Informes de comportamentos adictivos 2018; 7: pp. 14-18
Ver no artigo | Cruz Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M. e Kozak K .: Dependencia de internet na poboación colexiada: o papel da timidez. Ciberpsicoloxía e Comportamento 2004; 7: pp. 379-383
Ver no artigo | Cruz Ref - Mozo, 1998. Young KS: adicción a Internet: a aparición dun novo trastorno clínico. CyberPsychology & Behavior 1998; 1: pp. 237-244
Ver no artigo | Cruz Ref
;