Validación dunha versión de malaio da Escala de dependencias de smartphones entre estudantes médicos en Malaisia ​​(2015)

Abstracto

figuras

 

 

 

 

 

  

Cita: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validación dunha versión en malayo da escala de adiccións ao teléfono intelixente entre estudantes de Medicina en Malaisia. PLOS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, Universidade de Ariel, ISRAEL

Recibido: Marzo 18, 2015; Aceptada: Setembro 11, 2015; Publicado en: Outubro 2, 2015

Copyright: © 2015 Ching et al. Este é un artigo de acceso aberto distribuído baixo os termos do documento Licenza de recoñecemento de Creative Commons, o que permite o uso, distribución e reprodución sen restricións en calquera medio, sempre que se acredite o autor orixinal e a fonte

Dispoñibilidade de datos: Todos os datos relevantes están dentro do ficheiro e os seus ficheiros de información de soporte.

Financiamento: Os autores tamén queren agradecer o fondo de investigación UPM (subvención: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) polo apoio financeiro. A URL é http://www.rmc.upm.edu.my/.

Intereses competidores: Os autores declararon que non existen intereses en competencia.

introdución

Non hai dúbida de que o smartphone proporcionounos unha enorme comodidade na nosa vida diaria, xa que ten unha capacidade e unha conectividade máis avanzadas que os teléfonos básicos [1]. O uso do smartphone ten a súa propia variedade de obxectivos e propósitos. Unha ampla gama de estudos informaron de que o smartphone ten numerosos beneficios para fins sociais e médicos [2-5]. Aínda que o smartphone converteuse nunha das ferramentas de comunicación máis populares e importantes, o seu uso excesivo xurdiu como un problema social a nivel mundial e creou unha nova preocupación para a saúde mental, onde o usuario tende a desenvolver dependencia dela [6-8].

A adicción aos teléfonos intelixentes tamén se denomina "dependencia do teléfono móbil", "uso excesivo compulsivo do teléfono móbil" ou "uso excesivo do teléfono móbil". Estes termos describen principalmente o fenómeno do uso problemático dos teléfonos móbiles [9, 10]. A "adicción ao teléfono intelixente" é o termo usado na literatura. Esta adicción caracterízase principalmente por preocupacións, urxencias ou comportamentos excesivos ou mal controlados respecto ao uso de teléfonos intelixentes, na medida en que os individuos descoidan outras áreas da vida11-13]. Os estudos informan de que o uso excesivo de teléfono móbil estaba asociado ao estrés, a perturbación do sono, o tabaquismo e os síntomas da depresión [14-16].

Os datos recentes de Malaisia ​​demostraron que a penetración dos teléfonos intelixentes aumentou de 47% en 2012 a 63% en 2013. En 2014, 10.13 millóns de malasianos foron usuarios activos de teléfonos intelixentes, en comparación cos 7.7 millóns en 2012 [17-20]. O uso patolóxico do smartphone é similar ao vicio de internet. O uso da adicción a internet faise excesivo entre mozos e adultos en todo o mundo [21]. A dependencia excesiva de internet leva a trastornos psiquiátricos, baixa autoestima, depresión e deterioro do rendemento académico e laboral [22-25]. Estudos locais informaron que a prevalencia da adicción a internet foi de 43% [26], e hai máis de 4.2 millóns de usuarios activos de Facebook en Malaisia; de feito, Facebook é o mellor sitio de rede deste país. Dado que se incrementou o uso rápido dos teléfonos intelixentes en Malaisia, é urxente validar unha escala para medir a adicción aos teléfonos intelixentes na poboación local para determinar a súa prevalencia e identificar quen está en risco de desenvolver a adicción aos teléfonos intelixentes para que os responsables políticos. pode planificar unha intervención adecuada nun futuro próximo.

Como a estrutura factorial preparada para a proba de adicción a internet [27], a Smartphone Addiction Scale (SAS) desenvolvida por Min Kwon et al. foi a primeira escala para a adicción aos teléfonos intelixentes utilizada para o diagnóstico [28]. Esta escala consta de elementos 33 e informouse de ser fiable, con boa consistencia interna (alfa de Cronbach = 0.967), e a validez simultánea das seis subescalas vai desde 0.32 ata 0.61 [28].

Este estudo tiña como obxectivo traducir o SAS ao idioma malayo e estudar as propiedades psicométricas da versión malaia do SAS (SAS-M) para facilitar o seu uso para máis investigacións no ámbito local.

Metodoloxía

Estudo de deseño e ambientación

Este foi un estudo transversal de todos os estudantes de primeiro e segundo ano de Medicina da Universiti Putra Malasia. Estes estudantes foron abordados para un estudo de validación desde agosto 2014 ata 2014 setembro. Esta universidade está situada en Serdang, xunto á capital administrativa de Malaisia, Putrajaya. Estimamos que o tamaño da mostra era como mínimo 165 baseándose no cálculo de cinco casos por elemento no SAS (que ten un total de elementos 33) [29]. Polo tanto, un tamaño de mostra de 228 neste estudo foi o adecuado.

Procedemento.

Stage 1: O autor obtivo a versión inglesa do SAS de Kwon et al. A tradución do inglés ao malayo foi realizada en paralelo por dous expertos en idiomas bilingües, e unha tradución posterior foi realizada por un terceiro experto en idiomas bilingües. Discutíronse discrepancias entre a versión orixinal e a tradución posterior e fixéronse axustes en consecuencia. Unha versión final do SAS traducido, que denominamos un borrador do SAS-M, foi xerada por un panel de expertos composto por un psiquiatra, dous médicos superiores e un médico de familia, todos eles profesionais cualificados no uso de instrumentos psicométricos e todos eles tiveron experiencia clínica con condicións depresivas.

Stage 2: O primeiro borrador do SAS-M foi probado piloto entre estudantes nativos de fala malaia de 20 para identificar calquera defecto nesta versión. Notáronse e corrixíronse as palabras que os entrevistados consideraban inapropiados ou inapropiados nesta versión. A maioría dos estudantes tiveron dificultades para aceptar o elemento 15: "Estar enfadados e resentidos cando non teño un teléfono intelixente". Este artigo foi revisado e traducido a "Sentíndome impaciente e inquedo cando non teño un teléfono intelixente" en lingua malaia. Dous psiquiatras consultantes revisaron a versión finalizada do SAS-M con máis de 10 anos de experiencia para avaliar a validez do contido e para garantir unha cara satisfactoria e unha semántica, criterios e equivalencia conceptuais satisfactorias.

Stage 3: Cada alumno proporcionou o seu consentimento informado por escrito despois de recibir unha explicación completa da natureza e confidencialidade do estudo e os estudantes 228 consentiron participar no estudo, cunha taxa de non resposta de 9%. Obtivéronse datos sociodemográficos (idade, xénero, etnia e ingresos dos fogares) dos estudantes. Documentouse información sobre o uso de teléfonos intelixentes dos estudantes en función da súa propia estimación, como o número de horas de uso semanais, o número de anos como usuario habitual do teléfono intelixente e a idade na que comezaron a usar un smartphone. Os alumnos entregaron os seguintes cuestionarios:

1. O SAS e SAS-M (Táboa A en Texto S1).
2. Versión malaio do Internet Addiction Test.

Instruments

Escala de adicción a Smartphone [28].

O SAS é unha escala Likert de punto 6, completa con elementos 33. Cada pregunta ten unha escala de resposta de 1 a 6 (1 = non está de acordo con 6 = está de acordo firmemente), reflectindo a frecuencia dos síntomas. O entrevistado rodea a afirmación que describe con máis detalle as súas características de uso do teléfono intelixente. A puntuación total posible no SAS oscila entre 48 e 288. Canto maior sexa a puntuación, maior será o grao de uso patolóxico do smartphone.

Proba de adicción a Internet [26].

O cuestionario IAT, que foi desenvolvido por Kimberly Young en 1998, é a ferramenta máis usada no diagnóstico da adicción a internet. A versión malaia foi validada localmente, con boa consistencia interna (alfa de Cronbach = 0.91) e fiabilidade paralela (coeficiente de correlación intraclase (ICC) = 0.88, P <0.001). Trátase dun cuestionario autocompletado composto por unha escala tipo Likert de 5 puntos que contén 20 elementos, cun valor mínimo de 20 e un máximo de 100. A puntuación de cada pregunta oscila entre 1 e 5 (1 = nunca a 5 = sempre), replicando a aparición dos síntomas. Os estudantes escolleron a afirmación que mellor describiu as características do seu uso de internet. Canto maior sexa a puntuación, maior será o grao de uso patolóxico de internet. Cando a puntuación na versión malaia do IAT é superior a 43, entón o individuo é diagnosticado como en risco de adicción a internet [26].

Análise Estatística

Todas as análises realizáronse utilizando o Paquete Estatístico para a versión 21.0 de Ciencias Sociais (SPSS, Chicago, IL, EUA). Calculáronse as estatísticas descritivas para as características básicas dos participantes. Utilizouse o alfa de Cronbach para avaliar a consistencia interna do SAS-M e a normalidade dos datos avaliouse mediante a análise de Kolmogorov-Smirnov. Analizouse a homoxeneidade dos ítems da escala en función dos coeficientes de correlación entre os ítems e as puntuacións totais se se eliminou un ítem. A validez do constructo investigouse mediante análise de factores exploratorios e promax oblicua coa normalización de Kaiser. Para determinar os elementos de cada factor empregouse unha carga de factor> 0.30. Baseado na regra de Guttman-Kaiser, retéñense os factores cun valor propio maior que 1 [30, 31]. O ICC utilizouse para examinar a fiabilidade paralela entre o SAS-M e a versión inglesa do SAS e a fiabilidade de proba-retest do SAS-M. A correlación de Pearson utilizouse para examinar a validez concorrente entre o SAS-M e a versión malaia do IAT. A puntuación de corte SAS-M óptima para casos de risco determinouse a partir dos puntos de coordenadas cando a puntuación para a versión malaia do IAT foi superior a 43 [26], momento no que a sensibilidade e especificidade foron óptimas nas análises de funcionamento do receptor (ROC). A área baixo a curva (AUC) foi determinada para a curva ROC.

Definición

O usuario habitual defínese como aqueles que usan o teléfono intelixente polo menos 6 ou máis veces nos meses 6 [32]

Aprobación ética

A aprobación ética para este estudo obtívose do Comité Ético da Universiti Putra Malaisia ​​(FPSK-EXP14 P091).

Resultados

Un total de estudantes de 228 foron contratados neste estudo. Táboa 1 mostra as características clínicas da poboación estudada. En xeral, a idade media foi de aproximadamente 22 anos ± 1.1. Máis da metade dos estudantes eran mulleres (56.6%) e a maioría era de etnia malaio (52.4%). A media de horas de uso dos teléfonos intelixentes por semana foi de 36.5 horas. Os media comezaron a usar un teléfono intelixente á idade de 19 anos, e a media de anos de uso regular de smartphones foi de 2.4 anos.

  

 

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  imaxe máis grande (81KB)

• TIFF

  imaxe orixinal (461KB)

Táboa 1. Características da poboación do estudo (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Estrutura factorial e consistencia interna do SAS-M

A proba de esfericidade de Bartlett foi significativa (p <0.01) e a medida de adecuación de mostraxe para o SAS-M de Kaiser-Meyer-Olkin foi de 0.92, o que indica que a escala era meritoria [33], que á súa vez indicou que a análise factorial era axeitada. Extraéronse seis factores (valor propio> 1.00) mediante o enfoque de análise de factores exploratorios e a rotación oblicua promax coa normalización de Kaiser que representou o 65.3% da varianza total. Este resultado foi consistente co SAS orixinal [28].

O SAS-M mostrou boa consistencia interna; O coeficiente alfa de Cronbach para a escala total foi 0.94 e os respectivos coeficientes para os seis factores foron 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. Os seis factores correspondentes ás subescalas SAS denomináronse "relación orientada ao ciberespazo", "trastorno da vida diaria", "primacía", "exceso de uso", "anticipación positiva" e "retirada" (Táboa 2). Todos os elementos corrixiron correlacións totais de máis de 0.9. A eliminación de calquera dos elementos non aumentou a coherencia interna da puntuación total (Táboa 3). A fiabilidade paralela entre o SAS-M e o SAS foi alta, como demostrou un ICC de 0.95 (95% Intervalo de confianza = 0.937 – 0.962). A fiabilidade do test-retest do SAS-M despois dun intervalo 1 semana foi alta, cun ICC de 0.85 (95% Intervalo de confianza = 0.808 – 0.866).

  

 

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  imaxe máis grande (365KB)

• TIFF

  imaxe orixinal (756KB)

Táboa 2. Análise factorial da versión SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

  

 

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  imaxe máis grande (594KB)

• TIFF

  imaxe orixinal (977KB)

Táboa 3. Elemento corrixido: correlacións totais e alfa de Cronbach se o elemento foi eliminado para o SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Validez simultánea do SAS-M: correlacións entre as subescalas do SAS-M e a versión malaia do IAT

Os resultados da análise de correlación de Pearson que se realizou entre as subescalas do SAS-M e a versión malaia do IAT móstranse en Táboa 4. Os resultados mostran que todas as subescalas do SAS-M, excepto a "anticipación positiva", estaban relacionadas significativamente coa versión malaia do IAT.

  

 

Descarga:  

• Ppt

  Diapositiva de PowerPoint

• PNG

  imaxe máis grande (238KB)

• TIFF

  imaxe orixinal (407KB)

Táboa 4. Validez simultánea de SAS-M (correlación de Pearson): subescalas do SAS-M e da versión malaia do IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

A AUC para a curva ROC foi 0.801 (95% CI = 0.746 a 0.855). A puntuación de corte óptima para identificar casos de risco foi superior a 98, cunha sensibilidade de 71.43%, unha especificidade de 71.03%, un valor preditivo positivo (PPV) de 64.10% e un valor preditivo negativo (NPV) de 77.44 %. A prevalencia dun caso con risco de desenvolvemento de adicción a teléfonos intelixentes neste estudo foi do 46.9%, baseado nunha puntuación de 98.

Conversa

Este estudo examinou a coherencia interna, a dimensionalidade e a validez concorrente e construtiva do SAS-M. Os resultados do estudo indican que o SAS-M é un instrumento válido e fiable para avaliar a adicción aos teléfonos intelixentes na poboación falante malaia.

Neste estudo, o SAS-M mostrou boa consistencia interna; O coeficiente alfa de Cronbach para a escala total foi 0.94 e os respectivos coeficientes para os seis factores foron 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. A confiabilidade paralela do SAS-M e a fiabilidade do test-retest despois dun intervalo 1 semana foi boa, con ICCs de 0.95 e 0.85, respectivamente, que son incluso mellores que os da versión orixinal do SAS [28]. Ata o momento, este é o primeiro estudo deste tipo relacionado coa adicción aos teléfonos intelixentes e demostra que o SAS-M é tan bo como a versión inglesa.

Non obstante, os seis compoñentes dominantes que explicaron unha gran proporción da variabilidade do SAS-M foron similares aos do SAS orixinal. No presente estudo, os compoñentes consistiron en "relación orientada ao ciberespazo", "trastorno da vida diaria", "primacía", "exceso de uso", "anticipación positiva" e "retirada". Os compoñentes do SAS orixinal foron "trastorno da vida diaria", "anticipación positiva", "retirada", "relación orientada ao ciberespazo", "exceso de uso" e "tolerancia". Non todos os factores adquiridos nesta análise de factores paralelamente aos factores obtidos no SAS orixinal. É máis probable debido a que isto reflicte as diferenzas entre as mostras de malaia e coreana. O significado do SAS orixinal fora cambiado durante o proceso de tradución.

A maioría dos compoñentes informados no estudo actual son os mesmos, excepto para o compoñente "primacía", que é diferente do compoñente "tolerancia" do SAS orixinal. As posibles razóns por que a nosa poboación en estudo fose máis nova (21.7 ± 1.1 anos cunha franxa de idade entre 20 e 27) en comparación coa poboación coreana (26.1 ± 6.0 con intervalos de idade entre 18 e 53). Os antecedentes da nosa poboación de estudo foron homoxéneos, xa que todos os suxeitos eran estudantes de medicina en comparación coa ampla gama do nivel de ocupación e educación no estudo orixinal de SAS. A diferente interpretación podería verse complicada pola heteroxeneidade nos antecedentes e educación da poboación estudada.

Neste estudo, todas as subescalas do SAS-M, excepto a "anticipación positiva", estaban relacionadas significativamente coa versión malaia do IAT. Esta pode ser a única subescala que non se correlaciona ben coa IAT porque o IAT mide principalmente o uso adverso de internet, polo que non hai elementos que pregunten sobre anticipacións positivas. Non obstante, este aspecto non reduce a validez concorrente porque as outras subescalas 5 están fortemente correlacionadas.

A prevalencia de casos de risco que puidesen ser identificados como adicción a teléfonos intelixentes mediante esta escala foi do 46.9%. Existen varias explicacións posibles para este resultado. Espérase que a alta prevalencia de adicción aos teléfonos intelixentes xa que un estudo local demostrou que o 85% dos malaios posúen teléfonos móbiles [18]. Os teléfonos intelixentes son a opción favorita porque os malasios adoitan seguir as tendencias da comunidade [20]. Ademais, o smartphone ofrece mensaxería instantánea gratuíta a través de certas plataformas, por exemplo, WhatsApp e WeChat, que enriquecen a vida dos usuarios. O entretemento é outra posible explicación da alta prevalencia da adicción aos teléfonos intelixentes porque, con estes teléfonos, os estudantes de Medicina poden escoitar música, ver películas e xogar xogos para aliviar o estrés [34]. Polo tanto, poden ter máis tempo co seu teléfono intelixente ao final do día e converterse en usuarios patolóxicos.

Non obstante, unha das preocupacións do noso estudo sería que a puntuación de corte SAS-M óptima para casos de risco se determinou a partir dos puntos de coordenadas cando a puntuación para a versión malaia do IAT foi superior a 43. Non hai actualizacións correctas para IAT. Do mesmo xeito, non hai ningún criterio de diagnóstico establecido na adicción a internet ou smartphone segundo DSM V no espectro do trastorno por adicción [21, 25]. Así, o punto de corte proposto polo noso estudo probablemente foi demasiado baixo o que levou a unha taxa moi elevada de adicción aos teléfonos intelixentes. Por certo, o diagnóstico da dependencia en internet debería basearse en tres criterios descritos por Ko, et al, 2012 [25].

O SAS-M funciona máis como un cribado ou unha escala para a avaliación da gravidade do uso adictivo do smartphone que un instrumento de diagnóstico. Facer un diagnóstico adecuado da adicción aos teléfonos intelixentes será un problema importante para futuras investigacións. Propuxemos que no futuro o diagnóstico da adicción ao teléfono intelixente debería incluír máis criterios que consistan nos criterios A, B e C. O criterio A contén seis síntomas característicos da adicción aos teléfonos intelixentes como a relación orientada ao ciberespazo, perturbación da vida diaria, primacía, uso excesivo, anticipación positiva. e retirada. O criterio B debe incluír o deterioro funcional secundario ao uso de teléfonos intelixentes. O criterio C debería excluír outro trastorno psiquiátrico como o trastorno bipolar ou outro trastorno impulsivo. Os suxeitos que cumpran todos os criterios A, B e C só terían a consideración de adicción ao smartphone.

Forza e limitacións

Os resultados deste estudo deberían interpretarse no contexto das limitacións do estudo: en primeiro lugar, non hai un criterio de diagnóstico establecido para a adicción a internet ou smartphone segundo DSM V no espectro do trastorno de adicción [21, 25]. Non obstante, á vista dos limitados estudos en adicción aos teléfonos intelixentes en ambiente local, os resultados deste estudo aínda poden dar algúns coñecementos ao equipo de profesionais sanitarios. En segundo lugar, a pesar do tamaño da mostra foi adecuado pero non foi aleatorio. O xénero e a raza non estaban igualmente distribuídos. Ademais, este estudo realizouse nun único centro, polo que a poboación da mostra era homoxénea e pode que non reflectise a poboación xeral de Malaisia.

A pesar desta limitación, os resultados do presente estudo demostraron que o SAS-M pode usarse para a avaliación da adicción aos teléfonos intelixentes entre os adultos mozos de Malaisia ​​educados.

Conclusión

Este estudo desenvolveu a primeira escala de adiccións aos teléfonos intelixentes entre estudantes de medicina. Este estudo tamén proporciona evidencias de que o SAS-M é unha ferramenta válida e fiable e autoadministrada para pantalla para aqueles en risco de padecer adicción ao smartphone.

Información de apoio

Contribucións do autor

Concibiron e deseñaron os experimentos: SMC AY FKH. Realizaron os experimentos: VR SMSL WAWS YLF. Analizados os datos: SMC AY. Reactivos aportados / materiais / ferramentas de análise: SMC AY. Escribiu o papel: SMC AY VR.

References

1. 1 Rashvand HF, Hsiao KF (2015) Aplicacións intelixentes para teléfonos intelixentes: unha breve revisión. Sistemas multimedia 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
   • Ver artigo
   • PubMed / NCBI
   • Google Scholar
2. 2 Mosa AS, Yoo I, Follas L (2012) Unha revisión sistemática das aplicacións sanitarias para teléfonos intelixentes. Informática médica BMC e toma de decisións 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
3. Ver artigo
4. PubMed / NCBI
5. Google Scholar
6. Ver artigo
7. PubMed / NCBI
8. Google Scholar
9. Ver artigo
10. PubMed / NCBI
11. Google Scholar
12. Ver artigo
13. PubMed / NCBI
14. Google Scholar
15. Ver artigo
16. PubMed / NCBI
17. Google Scholar
18. Ver artigo
19. PubMed / NCBI
20. Google Scholar
21. Ver artigo
22. PubMed / NCBI
23. Google Scholar
24. Ver artigo
25. PubMed / NCBI
26. Google Scholar
27. Ver artigo
28. PubMed / NCBI
29. Google Scholar
30. Ver artigo
31. PubMed / NCBI
32. Google Scholar
33. Ver artigo
34. PubMed / NCBI
35. Google Scholar
36. Ver artigo
37. PubMed / NCBI
38. Google Scholar
39. Ver artigo
40. PubMed / NCBI
41. Google Scholar
42. Ver artigo
43. PubMed / NCBI
44. Google Scholar
45. Ver artigo
46. PubMed / NCBI
47. Google Scholar
48. Ver artigo
49. PubMed / NCBI
50. Google Scholar
51. Ver artigo
52. PubMed / NCBI
53. Google Scholar
54. Ver artigo
55. PubMed / NCBI
56. Google Scholar
57. Ver artigo
58. PubMed / NCBI
59. Google Scholar
60. Ver artigo
61. PubMed / NCBI
62. Google Scholar
63. Ver artigo
64. PubMed / NCBI
65. Google Scholar
66. Ver artigo
67. PubMed / NCBI
68. Google Scholar
69. Ver artigo
70. PubMed / NCBI
71. Google Scholar
72. Ver artigo
73. PubMed / NCBI
74. Google Scholar
75. Ver artigo
76. PubMed / NCBI
77. Google Scholar
78. Ver artigo
79. PubMed / NCBI
80. Google Scholar
81. Ver artigo
82. PubMed / NCBI
83. Google Scholar
84. Ver artigo
85. PubMed / NCBI
86. Google Scholar                     
87. 3 Carril N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: unha aplicación de smartphone para supervisar, modelar e promover o benestar. 5th International Conference on Pervasive Computing Technologies for Healthcare, Dublín.
88. 4 Patrick K, Griswold WG, Raab F, Intille SS (2008) Saúde e o teléfono móbil. Revista americana de medicina preventiva 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
89. 5. Derbyshire E, Dancey D (2013) Aplicacións médicas para teléfonos intelixentes para a saúde da muller: cal é a base de evidencias e os comentarios? Revista Internacional de Telemedicina e Aplicacións ID do artigo 782074, 10. doi: 10.1155 / 2013/782074
90. 6 Emad AS, Haddad E (2015) A influencia dos teléfonos intelixentes sobre a saúde humana e o comportamento: percepcións xordanas. Revista Internacional de Redes e Aplicacións Informáticas 2 (2): 52 – 56.
91. 7 Sarwar M, Soomro TR (2013) Impacto dos teléfonos intelixentes na sociedade. Revista Europea de Investigacións Científicas 98 (2): 216 – 226.
92. 8. Acharya JP, Acharya I, Waghrey D (2013) Un estudo sobre algúns dos efectos comúns sobre a saúde dos teléfonos móbiles entre estudantes universitarios. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
93. 9 Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Desenvolvemento e validación do Inventario de Adicción a Smartphones (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) ¿Relaciona a impulsividade coa dependencia percibida e o uso real do teléfono móbil? Psicoloxía cognitiva aplicada 21: 527-537. doi: 10.1002 / acp.1289
95. 11. Park N, Lee H (2012) Implicacións sociais do uso de teléfonos intelixentes: uso de teléfonos intelixentes e benestar psicolóxico dos estudantes universitarios coreanos. Ciberpsicoloxía, comportamento e redes sociais 15: 491–497. doi: 10.1089 / cyber.2011.0580
96. 12 Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Síntomas do uso problemático do teléfono móbil, deterioración funcional e asociación coa depresión entre os adolescentes do sur de Taiwán. Xornal de Adolescencia 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
97. 13 Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problemática do uso de Internet e móbil e síntomas clínicos nos estudantes universitarios: o papel da intelixencia emocional. Ordenadores en comportamento humano 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
98. 14 Thomee S, Harenstam A, Hagberg M (2011) Uso do teléfono móbil e estrés, trastornos do sono e síntomas de depresión en adultos novos - un estudo potencial de cohorte. BMC Health Public 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
99. 15 Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Relacións de personalidade e estilo de vida coa dependencia do teléfono móbil entre estudantes de enfermaría feminina. Comportamento social e personalidade: unha revista internacional 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
100. 16 Toda M, Monden K, Kubo K, Morimoto K (2006) Dependencia do teléfono móbil e estilo de vida relacionado coa saúde dos estudantes universitarios. Comportamento social e personalidade 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
101. 17 Comisión de Comunicacións e Multimedia de Malaisia ​​(2012) Enquisa sobre usuarios 2011 de teléfono móbil. Dispoñible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
102. 18 Comisión de Comunicacións e Multimedia de Malaisia ​​(2014) Enquisa sobre usuarios 2012 de teléfono móbil. Dispoñible: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
103. 19 ecommercemilo (2014). Dispoñible: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
104. 20 Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Un estudo da tendencia do teléfono intelixente e do seu comportamento de uso en Malaisia. Revista Internacional de Arquitecturas Novas Informáticas e as súas Aplicacións 2: 274 – 285.
105. 21 Weinstein A, Lejoyeux M (2010) vicio de Internet ou uso excesivo de internet. American Journal of Drug and Alcohol Abuse 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Uso problemático de internet e teléfono móbil: correlatos psicolóxicos, de comportamento e de saúde. Investigación e teoría da adicción 15: 309-320. doi: 10.1080 / 16066350701350247
107. 23. Niemz K, Griffiths M, Banyard P (2005) Prevalencia do uso patolóxico de Internet entre estudantes universitarios e correlacións coa autoestima, o Cuestionario Xeral de Saúde (GHQ) e a desinhibición. Ciberpsicoloxía e comportamento 8: 562-570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
108. 24. Young KS, Rogers RC (1998) A relación entre depresión e adicción a Internet. Ciberpsicoloxía e comportamento 1: 25-28. doi: 10.1089 / cpb.1998.1.25
109. 25 Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) A asociación entre a adicción a Internet e o trastorno psiquiátrico: unha revisión da literatura. Psiquiatría europea 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
110. 26 Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Validez da versión malaia da Internet Addiction Test: un estudo sobre un grupo de estudantes de Medicina en Malaisia. Revista Asia-Pacífico de Saúde Pública 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Validación francesa da proba de adicción a internet. Ciberpsicoloxía e comportamento 11: 703-706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
112. 28 Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C, et al. (2013) Desenvolvemento e validación dunha escala de adicción a teléfonos intelixentes (SAS). PloS un 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
113. 29 Gorsuch RL (1983) Análise de factores. 2nd ed. Hillsdale, Nova Xersei: Erlbaum.
114. 30 Kaiser HF (1960) A aplicación de ordenadores electrónicos para a análise de factores. Medición psicolóxica e educativa 20: 141 – 151 doi: 10.1177 / 001316446002000116
115. 31 Guttman L (1954) Algunhas condicións necesarias para a análise de factores comúns. Psicometrika 19: 149 – 161. doi: 10.1007 / bf02289162
116. 32. Ybama ML (2004) Ligazóns entre sintomatoloxía depresiva e acoso en Internet entre usuarios novos e habituais. CyberPsychology & Behavior 7: 247-257. pmid: 15140367 doi: 10.1089 / 109493104323024500
117. 33 Kaiser HF (1974) Un índice de sinxeleza factorial. Psicometrika 39: 31 – 36. doi: 10.1007 / bf02291575
118. 34 Elias H, Ping WS, Abdullah MC (2011) Estrés e logro académico entre estudantes universitarios en Universiti Putra Malasia. Ciencias procedimentais e sociais e do comportamento 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288