Addict Behav. 2014 Nov 1; 42C: 20-23. doi: 10.1016 / j.addbeh.2014.10.033.
Abstract
PURPOSE:
Txoj kev tshawb no tsom xyuas cov kev sib raug zoo ntawm niam txiv lub hlwb, tshwj xeeb kev nyuaj siab, thiab kev tiv thaiv hauv Internet (IA) ntawm cov hluas.
KEV HLOOV:
Qhov no yog ib qho kev tshawb fawb ntawm cov niam txiv-thiab-me nyuam yaus uas yog siv cov txheej txheem random sampling. Cov tub ntxhais hluas IA raug ntsuas los ntawm Kev Txiav Txim Siv Internet (IAT) tsim los ntawm Young. Qhov kev mob hlwb ntawm niam txiv raug tshuaj xyuas siv Kev Siv Kev Nyuaj Siab, Kev Ntxhov siab, Kev Ntsuas Txheej Txheem (DASS). Cov ntaub ntawv raug tshuaj xyuas siv cov logistic regression modeling cov tswv yim nrog kev hloov rau cov neeg muaj kev sib tawm tsam.
COV LUS QHIA:
Ib qho tag nrho ntawm 1098 cov niam txiv-thiab-tus me nyuam yaus tau txais kev pab thiab tau teb rau cov lus nug uas muab tau cov ntaub ntawv. Rau IA, 263 (24.0%) cov tub ntxhais kawm tuaj yeem raug faib ua feem cuam tshuam txog qib IA mus rau ib nrab. Txog 6% (n = 68), 4% (n = 43), thiab 8% (n = 87) ntawm cov niam txiv tau raug categorized kom muaj kev phom sij rau mob nyhav, ntxhov siab, thiab kev nyuab siab. Kev soj ntsuam ntawm regression tau pom tias muaj kev sib raug zoo ntawm niam txiv kev nyuab siab txij li qib nruab nrab mus rau theem loj thiab IA rau cov hluas thaum tom qab kho cov teeb meem loj (LOSSIS = 3.03, 95% CI = 1.67-5.48). Ntawm qhov tod tes, tsis muaj kev sib koom tes ntawm niam txiv kev ntxhov siab thiab kev ntxhov siab thiab tus me nyuam IA tau pom.
TXHEEJ XWM:
Cov txiaj ntsig tau pom tias muaj kev sib raug zoo ntawm niam txiv lub hlwb, tshwj xeeb kev nyuaj siab, thiab IA txheej xwm ntawm lawv cov menyuam. Cov kev tshwm sim no muaj kev cuam tshuam rau kev kho thiab tiv thaiv kev tiv thaiv hauv Internet ntawm cov neeg hluas.
KEYWORDS:
Cov tub ntxhais hluas; Tus menyuam; Dyad txoj kev kawm; Internet Kev Txhim Kho; Niam Txiv; Niam txiv lub paj hlwb
;