Az internet és az okostelefonok függőségeinek hatása a depresszióra és a szorongásra, az arányossági pontszám megfelelőségi elemzése alapján (2018)

Int J Környezetvédelmi Közegészségügy. 2018 április 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Absztrakt

Az internetes függőség (IA) és az okostelefon-függőség (SA) asszociációját mentálhigiénés problémákkal széles körben tanulmányozták. Megvizsgáltuk az IA és SA hatásait a depresszióra és a szorongásra, miközben alkalmazkodtunk a szociodemográfiai változókhoz. Ebben a tanulmányban az 4854 résztvevői keresztmetszeti webes felmérést készítettek, amely szociodemográfiai tételeket, az internetfüggőség koreai skáláját, az okostelefon-függőség mértéke skáláját és az 90 tételek átdolgozott tüneti ellenőrző listájának alskáláit tartalmazza. A résztvevőket IA, SA és normál használat (NU) csoportokba soroltuk. A mintavételi torzítás csökkentése érdekében a genetikai illesztésen alapuló hajlandósági pontszám-egyezési módszert alkalmaztuk. Az IA csoport megnövekedett depressziós kockázatot mutatott (relatív kockázat 1.207; p <0.001) és szorongás (relatív kockázat 1.264; p <0.001) a NU-khoz képest. Az SA csoport emelte a depresszió fokozott kockázatát is (relatív kockázat: 1.337; p <0.001) és szorongás (relatív kockázat 1.402; p <0.001) az NC-khez képest. Ezek az eredmények azt mutatják, hogy mind az IA, mind az SA jelentős hatást gyakorolt ​​a depresszióra és a szorongásra. Sőt, eredményeink azt mutatták, hogy az SA-nak erősebb kapcsolata van a depresszióval és a szorongással, erősebb, mint az IA, és hangsúlyozták a túlzott okostelefon-használat megelőzésének és kezelésének szükségességét.

KEYWORDS:  Internet függőség; szorongás; depresszió; hajlamérték; okostelefon-függőség

PMID: 29693641

Doi: 10.3390 / ijerph15050859

 

1. Bevezetés

Az internet és okostelefonok egyre növekvő használatának és kényelmességének köszönhetően a mindennapi életben az összegyűjtött kutatások kimutatták a túlzott internet- és okostelefon-használat negatív hatásait a mentális egészség területén [1].
A dél-koreai lakosság okostelefon-használója körülbelül 85%, ez a világ legmagasabb értéke [2]. A túlzott okostelefon-használat azonban szorosan összefügg számos mentálhigiénés kérdéssel, beleértve a stresszt és a rendellenes szorongás fokozott kockázatát [3,4]. Az okostelefon-függőség (SA) az internet-függőség (IA) mellett a függőség új formájaként jelent meg, és az SA klinikai tulajdonságai az utóbbi években figyelmet fordítottak [5]. Például vannak bizonyos különbségek az eszközök jellege szempontjából, például az okostelefonok könnyű hordozhatósága, valós idejű internet-hozzáférés és közvetlen kommunikációs funkciók [6]. Az IA és az SA közötti hasonlóságokról és különbségekről számoltak be a demográfiai változók és a médiahasználat motivációs szempontjai tekintetében [1,6].
Környezeti szempontból az alternatív tevékenységek hiánya jár az IA-val [7]. Ezenkívül arról számoltak be, hogy az egyedülállóság szorosan kapcsolódik mind a közösségi hálózathoz, mind az online játékhoz [8]. Az iskolai végzettség és a havi jövedelem dimenzióit illetően az SA-ban szenvedő emberekkel kapcsolatos nemrégiben végzett tanulmány az egészségügyi dimenzióban szignifikáns különbségeket talált az alacsonyabb jövedelemmel és alacsonyabb végzettséggel rendelkezık javára9]. E megállapítással összhangban egy szisztematikus áttekintés jelentıs összefüggést mutatott az akadémiai teljesítmény és a hatásvizsgálat súlyossága között [10]. Az életkor tekintetében egy nemrégiben készített áttekintés megállapította, hogy a problémás internethasználat a leginkább releváns mind a serdülőkorú, mind a feltörekvő felnőtteknél (19 vagy annál idősebb)10], míg az okostelefon-függőség gyakoribb a fiatalabb serdülőknél, mint a feltörekvő felnőtteknél (19 éves vagy annál idősebb) [11]. Egy nemrégiben készült tanulmány kimutatta, hogy a nők általában magasabb a napi használati idő és az okostelefonok függőségi mutatói között, mint a férfiak [4]. Choi és mtsai. (2015) beszámolt arról, hogy a férfiak és a férfiak neme releváns kockázati tényezővel bír az IA, a női nem pedig az SA esetében [1]. A felhasználás célját illetően a közösségi hálózatok erőteljesebben kapcsolódtak a nagy okostelefon-függőséghez, mint a többi mobiltelefonnal kapcsolatos funkció [11]. IA-s betegekben Anderson és mtsai. (2016) beszámolt arról, hogy a férfi nem jelentős mértékben társult az online PC-játékokkal [10].
Ami a pszichológiai szempontokat illeti, széles körben számoltak be az IA és SA pozitív társulásáról a depresszióval és szorongással [12,13]. A legfrissebb tanulmányok azt sugallják, hogy az internet és az okostelefonok függősége a felhasználó egyéni kognitív-érzelmi és magatartási profilja, nem pedig a médium által okozhatja [14,15,16]. Egy nemrégiben készült tanulmány megfigyelte az empátia és az élettel való elégedettség szerepét mind az IA, mind az SA területén [17]. Ami a pszichopatológiát illeti, számos tanulmány pozitív korrelációról számolt be az IA, a depresszió és a szorongás között [18,19,20], míg egy nemrégiben készült tanulmány összefüggést mutatott az okostelefon-használat és a súlyosság, a depresszió és a szorongás között [13]. Ezért pontosan meg kell határozni az IA, SA és a mentális egészség problémáinak kapcsolatát. Sőt, tekintettel az átfedésekre és az eltérésekre az IA és az SA között [16], akkor a felmerülő kérdés az, hogy az IA és a SA milyen mértékben kapcsolódik a depresszió és szorongás szintjének megnövekedett szintjéhez a zavaró demográfiai és társadalmi-gazdasági tényezők kiigazítása után?
Továbbra sem világos, hogy a mentális egészségügyi problémák okai vagy következményei az interneten és az okostelefonokon való túlzott bizalomnak. A keresztmetszeti vizsgálatok során több regressziós analízist végeztek az emberek mentális egészségi problémáinak, az IA és az SA kapcsolatának vizsgálatára [21]. A megfigyelő vizsgálatokban, amelyekben nincs véletlenszerűsítés, a többszörös regressziós analízisnek vannak olyan korlátozásai, mint például a túlbecslés lehetősége és a rossz standard hiba, ha számos kovariátum van jelen, a szelekciós torzítás mellett [22]. Így a függőség hatásainak egy adott eredmény, például depresszió és szorongás egyszerű vizsgálatával történő becslése az IA-val és SA-val kapcsolatos demográfiai és társadalmi-gazdasági tényezők egyensúlyhiányát torzítaná. Ezenkívül még nem tanulmányozták az IA és a SA depresszióval és szorongással kapcsolatos különféle hatásait az internet és okostelefon-használók jellemzői szerint, beleértve a környezeti körülményeket és a felhasználók pszichológiai profilját. A hajlandósági pontszám-egyeztetés (PSM) népszerű módszerré vált a szelekciós torzítás csökkentésére a megfigyelő tanulmányokban [23,24]. Ebben a cikkben PSM elemzést alkalmaztunk az IA és SA depresszióra és szorongásra gyakorolt ​​hatásainak vizsgálatához, az adatok szelekciós torzításának csökkentése érdekében. A nemet, az életkorot, az iskolát, a családi állapotot és a jövedelmet választottuk zavaró változóként, figyelembe véve ezen szociodemográfiai változók asszociációját az IA-val és az SA-val tanulmányunkban [9,25].
Ennek a tanulmánynak az elsődleges célja az IA, SA és a hangulati állapot, azaz a depresszió és szorongás közötti összefüggések vizsgálata a hajlam-pontszám-egyezési elemzés segítségével. Másodszor arra törekszünk, hogy megkülönböztessék a depresszió és a szorongás hatásait az IA és az SA között.

 

 

2. Anyagok és metódusok

 

 

2.1. A tanulmány résztvevői

Az adatok az 5003 koreai felnőttek (19 – 49 éves) online anonim öndiagnosztikai felméréséből álltak, amelyeket a koreai katolikus egyetem, Szöul végez; és a Szent Mária-kórház 2014 decemberében [26]. A tanulmányt a Helsinki Nyilatkozatnak megfelelően végezték el. A szöuli koreai katolikus egyetem intézményi felülvizsgálati testületei; és a Szent Mária Kórház jóváhagyta ezt a tanulmányt. Valamennyi résztvevőt tájékoztatták a tanulmányról, és írásbeli tájékozott hozzájárulást kapták meg. A felmérés résztvevőit egy kutató cég szakbizottsága toborozta, és az önjelentő kérdőíveket interneten keresztül, kompenzáció nélkül kezelik. Csak az 149 válaszadók kerültek kizárásra, akik nem használtak okostelefonokat. Végül elemeztük az 4854 résztvevőinek adatait. A végső mintában az életkorokat három kategóriába soroltuk: 30 (33.19%), 30 – 39 (43.94%) és 40 – 49 (22.87%) alatt. Voltak 2573 hímek (53.01%) és 2281 nők (46.99%). A résztvevők további figyelembe vett demográfiai változói az oktatás, a családi állapot és a jövedelem.

 

 

2.2. intézkedések

 

 

2.2.1. Internet-függőség mérése

Az internetfüggőség koreai skáláját (K-skála) Koreában fejlesztették ki az IA értékelésére, és a koreai lakosságban érvényesítették a belső konzisztencia nagy megbízhatóságával.27]. A K-skála Cronbach-féle alfa-együtthatója 0.91 volt [28]. Hét alskálával és 40 elemmel rendelkezik, amelyek a mindennapi élet zavarát, a valóság tesztelésének zavarát, automatikus addiktív gondolatokat, virtuális interperszonális kapcsolatokat, eltérő viselkedést, elállást és toleranciát mutatnak. Ezt a Likert típusú skálát 1 (egyáltalán nem) 4 (mindig) értékre állította. Az előző jelentés szerint, ezt a skálát használva, a résztvevőket három csoportra osztották: normál, potenciális és magas kockázatú [29]. A magas kockázatú csoportot úgy határozták meg, hogy standardizált pontszáma 70 vagy annál magasabb a napi életzavarban, az automatikus addiktív gondolatokban, a tolerancia tényezőkben vagy legalább az összes 70-ben. A potenciális kockázati csoportot úgy határozták meg, hogy az 62 vagy annál magasabb a napi élet zavarában, az automatikus addiktív gondolatokban, a tolerancia tényezőkben vagy legalább az összes 63-ban. A normál felhasználási csoport ezeket a pontszámokat a fenti szám alatt tartalmazza. Ebben a tanulmányban az IA-csoportokat a potenciális és a magas kockázatú csoportok alkotják.

 

 

2.2.2. Okostelefon-függőség mérése

Az okostelefon-függőség érzékenységi skáláját (K-SAS) hitelesítették és széles körben használják az SA szűrésére [30]. 15 elemekből áll, négy pontos Likert típusú baleseti skálán osztályozva, az 1-től (egyáltalán nem) az 4-ig (mindig). A kérdések három tényezőt vizsgáltak: a mindennapi élet zavara, az automatikus addiktív gondolatok és a tolerancia. A K-SAS Cronbach-féle alfa-együtthatója 0.880 volt [5].
Egy korábbi jelentés alapján, amely ezt a skálát alkalmazta, a pontszámok alapján a résztvevőket három csoportba soroltuk: normál, potenciális és magas kockázatú [30]. A magas kockázatú csoportot úgy határozták meg, hogy teljes pontszáma 44 vagy annál magasabb, vagy legalább a 15 alsó pontszáma a mindennapi élet zavarában, az 13 vagy annál magasabb pontszámokkal együtt, mind az automatikus addiktív gondolatok, mind a tolerancia szempontjából. A potenciális kockázati csoportot úgy határozták meg, hogy 41 vagy annál nagyobb a teljes pontszámban, vagy 15 vagy annál nagyobb a napi élet zavarfaktorában. A normál felhasználási csoport ezeket a számadatokat a fenti számok alatt tartalmazza [30]. Ebben a tanulmányban az okostelefon-függõ csoport magas kockázatú és potenciális kockázati csoportokból állt.

 

 

2.2.3. Mentális egészségügyi problémák mérése: Depresszió és szorongás

Az SCL-90-R egy többdimenziós kérdőív, amelyet az 9 alskálák pszichológiai és pszichopatológiai tulajdonságainak szűrésére fejlesztettek ki: szomatizáció, rögeszmés – kényszeres, interperszonális érzékenység, depresszió, szorongás, ellenségeskedés, fóbás szorongás, paranoid gondolatok és pszichotizmus [31]. Az SCL-90 olyan 90 elemeket tartalmaz, amelyek besorolása 5-pont skálán történik, az 0 (nincs) az 4 (extrém) értékig. Az SCL-90-R koreai nyelvű tesztvizsgálatának megbízhatósága az 0.76 volt a depresszió és az 0.77 a szorongás esetén. A belső konzisztencia 0.89 volt a depresszió és 0.86 a szorongás esetén [31]. A depresszió és a szorongásról számoltak be, hogy az IA-val és SA-val leginkább összefüggő pszichiátriai tünetek [12,13]. Ebben a tanulmányban a szkrínelés szempontjából érdekes konkrét dimenziók magukban foglalják a depresszió és szorongás SCL-90-R alskáláit.

 

 

2.3. Adatelemzés

 

 

2.3.1. Statisztikai meghatározás

Legyen Zi

 

legyen bináris függőség-mutató az i. azaz Zi=1 - ha az i. alany rabja (IA vagy SA), és - Zi=0 másképp. A mentális problémák (depresszió vagy szorongás) lehetséges kimenetele a következő: Yi(Zi. Vegye figyelembe, hogy minden lehetséges alanynál egyszerre csak a lehetséges eredmények figyelhetők meg, tehát a közvetlen kiszámítása Yi(1)-Yi lehetetlen. Az egyéni hatás helyett az érdeklődés elsődleges paramétere a függőségek várható függőségi hatása

τ=E(Yi(1)-Yi(0)|
 
Becslése azonban: τ

továbbra is problémát okoz, mert E(Yi(0)|Zi közvetlenül nem becsülhető meg. Természetesen randomizált kísérletekben E(Yi(0)|Zi elégedett, tehát τ könnyen becsülhető. Ugyanakkor egy megfigyelő tanulmányban a τ elfogult lehet, mert E(Yi(0)|Zi. Ennek a kiválasztási torzításnak a kiigazításához feltételezzük, hogy megfigyelhetjük a kovariátorokat Xi melyeket egyetlen függőség sem befolyásol, és egy adott kovariáns esetében Xi, a lehetséges eredmények Yi(1), Yi feltételesen függetlenek a függőség mutatójától Zi. Ezenkívül, ha a potenciális eredmények függetlenek a kovariátoktól függő függéstől Xi, függetlenek a hajlam-pontszám függő függőségétől is P(Xi)= P(Zi=1|Xi[19]. A PSM becslő τ válik

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. A hajlandósági pontszám becslése

A hajlandósági pontszámokat logisztikus regresszió alkalmazásával számítják ki, amely modell segítségével kiszámítják a függőség kialakulásának valószínűségét 

logP(Zi=1|Xi)

 

 

 
Ebben a cikkben, ahogyan a Xi

 

 

, öt kategorikus változót veszünk figyelembe: nem (1 = férfi és 2 = nő), életkor (1 = 20 – 29, 2 = 30 – 39 és 3 = 40 – 49), oktatás (1 = középiskola, 2 = magas iskola és 3 = egyetem vagy annál nagyobb), családi állapot (1 = egyedülálló, 2 = együttélés, 3 = házas, 4 = elvált, és 5 = gyengéden) és jövedelem (1 = alacsony, 2 = közepes-alacsony, 3 = középső, 4 = közepes-magas és 5 = magas). Ban ben Szakasz 1, ezek a kovariátok egyidejűleg befolyásolhatják a kimeneteleket (depresszió vagy szorongás) és függőségeket. Így minden egyes alany esetében megbecsüljük a hajlam-pontszámot; vagyis a függőség valószínűsége a megfigyelt kovariánsok figyelembevételével [32].

 

 

2.3.3. Megfelelő módszerek a becsült hajlamérték alapján

Miután a hajlandósági pontokat becsülték, az egyeztetés felhasználható a kezelés hatásának becslésére, miután a két csoport közötti különbségekhez igazodtak [33]. Az illesztés célja egy párosított minta előállítása, amely kiegyensúlyozza a vizsgálati beteg megoszlását és a megfigyelt kontrollcsoport kovariátorait. Ez a beállítási módszer lehetővé teszi számunkra, hogy ellenőrizzük a zavaró változókat. Ebben a tanulmányban két széles körben alkalmazott illesztési módszert alkalmaztunk, az optimális és a genetikai illesztést [34].

 

 

2.3.4. A mentális egészségügyi problémák függőségének relatív kockázatainak becslése a hajlandósági pontszám egyeztetése után

A hajlandósági pontszám egyeztetése után a megfigyelt kovariánsok (életkor, nem, házasság, jövedelem és iskolai végzettség) felhasználásával kiegyensúlyozottabb adatkészletünk van. A mentális egészségügyi probléma (depresszió vagy szorongás) modellezéséhez általánosított lineáris modelleket (GLM) alkalmaztunk az illesztett mintára. Mivel a mentális egészség pontszáma pozitív és elfogult, a log-kapcsolattal rendelkező gamma-eloszlást illesztettük. enged Yi

 

az érdeklődés eredménye (depresszió vagy szorongás pontszáma) átlaggal μi, használhatjuk a Gamma GLM keretrendszert kovariátorokkal Xi:

 

logμi=γT
 
 
A modellezés segítségével becsültük eγ

 

 

mint az IA és az SA relatív kockázata (mint a csoportok közötti várható átlagos különbség) az egyes kovariánsok esetében.

 

 

3. Eredmények

Az 4854 résztvevők mellett az XAUMX (126%) az IA csoportba, az 2.60 (652%) az SA csoportba került. Táblázat 1 a depressziós és szorongási pontok leíró statisztikáit mutatja. Az IA és SA csoportban a depresszió és szorongás átlagértéke nagyobb, mint a normál használatú (NU) csoporté.
Táblázat 1. A depresszió és szorongás pontszámainak leíró statisztikája.
Táblázat

 

 

3.1. A hajlam-pontozási egyezési módszer megfelelő minősége

Noha e vizsgálat kérdőívében csak néhány kovariátort feltételezünk a hajlam alapján, úgy találtuk, hogy az egyezési eljárás elegendő volt az egyes kovariánsok eloszlásának kiegyensúlyozásához, Táblázat 2 és a Táblázat 3. A távolságokat a margális eloszlásban értékeltük Xi

 

 

 

. Minden kovariátort kiszámítottuk az torzítást; vagyis a függõ és normál minták átlagainak különbsége. A hajlam-pontozási egyeztetés alkalmazása előtt az előítéleteket nem hagyták figyelmen kívül. Ugyanakkor a hajlandósági pontszám egyeztetése után a függőség és a normál alminták marginális eloszlása ​​nagyon hasonló volt minden kovariáns esetében.
Táblázat 2. A kiindulási tulajdonságok átlagos százalékos arányának összehasonlítása az IA és a normál felhasználási csoportok között az eredeti mintában és a hajlamossági pontszámmal megegyező mintában, a genetikai és az optimális illesztés felhasználásával.
Táblázat
Táblázat 3. A kiindulási tulajdonságok átlagos százalékos arányának összehasonlítása az SA és a normál csoportok között az eredeti mintában és a hajlandósági pontszám illesztett mintában a genetikai és az optimális illesztés felhasználásával.
Táblázat

 

 

3.2. Az internetes függőség hatásai a depresszióra és a szorongásra

Az IA depresszióra és szorongásra gyakorolt ​​hatásait a hajlam-pontszám-egyeztetés alkalmazásával nyerték Táblázat 4. A genetikai egyeztetés révén 3846 mintát választottak ki. Az IA a depresszió (relatív kockázat 1.207, 95% -os konfidencia intervallum 1.128–1.292 és p <0.001) és a szorongás (relatív kockázat 1.264, 95% konfidencia intervallum 1.173–1.362 és p <0.001) nagyobb kockázatával függ össze. Mindezek a relatív kockázati arányok azért szignifikánsak, mert a konfidencia intervallum nem tartalmazza az 1. Az optimális egyeztetés révén 252 mintát választottak ki. Az IA összefüggett egy nagyobb depresszióval (relatív kockázat 1.243, 95% -os konfidenciaintervallum 1.145–1.348 és p <0.001) és szorongással (relatív kockázat 1.308, 95% -os konfidencia intervallum 1.192–1.435 és p <0.001). A genetikai egyezéshez hasonlóan mind a depresszió, mind a szorongás relatív kockázati aránya lényegesen nagyobb, mint 1.
Táblázat 4. Az internet- és okostelefon-függőség hatása a depresszióra és a szorongásra, a hajlam-pontszám-egyeztetés alapján.
Táblázat

 

 

3.3. Az okostelefon-függőség hatásai a depresszióra és a szorongásra

A SA depresszióra és szorongásra gyakorolt ​​hatásait a hajlam-pontszám-egyeztetés alkalmazásával a Táblázat 4. A genetikai egyeztetés révén 4516 mintát választottak ki. Az SA a depresszió (relatív kockázat 1.337, 95% -os konfidenciaintervallum 1.296–1.378 és p <0.001) és a szorongás (relatív kockázat 1.402, 95% konfidenciaintervallum 1.355–1.450 és p <0.001) nagyobb kockázatához kapcsolódott. Az optimális egyeztetés révén 1304 mintát választottak ki. Az SA a depresszió (relatív kockázat 1.386, 95% konfidencia intervallum 1.334–1.440 és p <0.001) és a szorongás (relatív kockázat 1.440, 95% konfidencia intervallum 1.380–1.503 és p <0.001) nagyobb kockázatához kapcsolódott. Mindezek a relatív kockázati arányok jelentősek.

 

 

3.4. Az internet és az okostelefon-függőség depresszió és szorongás hatásának különbségei

A depresszió és a szorongás relatív kockázati arányai, mind genetikai, mind pedig az optimális illesztés alapján, az 10% -kal magasabbak voltak az SA-nál, mint az IA-nál. Ez azt jelenti, hogy az SA-n nagyobb a depresszió és szorongás kockázata, mint az IA-ban. Ezek a konfidencia-intervallumok nem tartalmazzák az 1-t, tehát elmondhatjuk, hogy az SA 34 – 44% -kal nagyobb valószínűséggel mentális rendellenességet okoz.

 

 

4. Vita

Megállapításaink szerint mind az IA, mind az SA jelentős hatást gyakorol a depresszióra és a szorongásra, még azután is, hogy a felszólalókat hajlandósági pontszám-egyeztetéssel kontrollálják. Az epidemiológiai vizsgálatok becslések szerint a depresszió magasabb prevalenciáját mutatják az IA-ban [35,36]. Számos keresztmetszeti tanulmány beszámolt arról, hogy az IA vagy SA-ban szenvedő egyéneknél magasabb a depresszió és a szorongás szintje, mint a normál felhasználóknál [13,37]. Ebben a tanulmányban eredményeink megmutatják az IA és az SA szerepét a depresszió és szorongás kialakulásában. Van néhány magyarázat a jelenlegi megállapításokra. Először is, az internet és az okostelefonok addiktív használata fokozhatja az interperszonális problémákat, amelyek a depresszióval és szorongással kapcsolatosak, például a családi konfliktusok, az offline kapcsolatok hiánya és a kibővített jóváhagyási igény a kibertérben. Másodszor, az elvonási tünetek az IA-ban és az SA-ban pszichopatológiai mintázatként javasoltak, hasonlóak a kábítószer-visszaélési zavarokkal5]. Ha nem férnek hozzá számítógéphez vagy okostelefonhoz, az IA-val vagy SA-val szenvedő személyek szorongássá válhatnak, majd az internet vagy okostelefon használatára vágynak, hogy elkerüljék az ilyen negatív érzéseket.38]. További lehetséges magyarázat az, hogy más függőséget okozó anyagokkal, például alkohollal és nikotinnel ellentétben az internet és az okostelefonok túl kicsi ismeretekkel rendelkeznek a mindennapi élet túlzott mértékű használatáról az eszközök szabad és rugalmas hozzáférése miatt [3], így a túlzott felhasználás bosszantásként, nem pedig a problémás viselkedés jeleként tapasztalhatja meg őket [39]. Egy másik érdekes megállapítás az volt, hogy az SA erősebb hatást gyakorolt ​​a depresszióra és a szorongásra, mint az IA. Ez arra késztet minket, hogy spekuláljunk arról, hogy az IA és az SA különféle hatásokkal jár a mentális egészségügyi problémákra. Ennek a megállapításnak több lehetséges magyarázata lehet. Először, figyelembe véve a média jellemzőit, az okostelefonok túlzott használata könnyebbé válik az eszköz szokásformáló jellegén keresztül, mivel a vezeték nélküli hálózathoz jobban hozzáférhet, és a gyakori értesítések 24 h [39]. Másodszor, ami a környezeti tényezőket illeti, ez a megállapítás tükrözheti a napi élet jelenlegi radikális változását a számítógépekről az okostelefonokra. Az emberek bonyolult munkához használhatják a számítógépes internetet, és okostelefonokkal elvégezhetik a többi napi feladatot, ami csökkenti a munkatermelékenységet és magasabb a stressz [40]. Végül, az SA-val rendelkező személyek okostelefonokat használhatnak a kapcsolatok fenntartásához és az online közösségi hálózathoz való kapcsolódás érzésének fenntartásához [41], ami a kimaradás és a kapcsolat elvesztésének féleleméhez vezet, miközben magasabb szintű okostelefon-használatot vált ki [42].
Ennek a tanulmánynak számos korlátozása van arra, hogy az eredményeket a teljes népességre általánosítsák, például az adatkorlátozások keresztmetszeti jellege és az internet és okostelefon-függőség, a depresszió és a szorongás közötti ok-okozati következtetések értelmezése. A hajlam-illesztésnek is vannak korlátozásai és követelményei. A fő korlátozás az, hogy a hajlamértékeket csak a megfigyelt összeütközők tudják ellenőrizni [43]. Megmaradhat a figyelmen kívül hagyatkozó személyek lehetősége, korlátozva a tanulmány eredményeit az általánosítás céljából. Ezenkívül, mivel a tanulmányban megfigyelt összes résztvevőt kategorikus változóként gyűjtötték össze, információs veszteségek merülhetnek fel a PSM modell felépítésekor. Ezért megállapításainkat óvatosan kell értelmezni. Annak érdekében, hogy a párosítás robusztus eredményeit megkapjuk, két illesztési módszert, a genetikai illesztést és az optimális illesztést vettünk figyelembe. Különösen a genetikai illesztés genetikai keresési algoritmust használ, így annak folyamata jó egyezési megoldást találhat kevesebb információvesztéssel [44]. Végül a depresszió és a szorongás tünetének felmérését önjelentő pszichológiai tünetméréssel végeztük, az SCL-90-R alkalmazásával. A mentális egészségügyi problémák pontosabb és következetesebb értékelése. A további vizsgálatok során a klinikus által folytatott strukturált interjút kell készíteni.

 

 

5. Következtetések

Ebben a tanulmányban azt vizsgáltuk, hogy az IA és az SA hogyan befolyásolja a mentális egészségügyi problémákat, a depressziót és a szorongást. Legjobb tudomásunk szerint ez az első tanulmány, amely a keresztmetszeti adatok alapján megbecsüli az IA, SA és a pszichopatológia közötti összefüggést a hajlam-illesztési pontszám módszerrel, és megvizsgálja az IA és SA közötti pszichopatológiai különbséget. Összefoglalva: megállapításaink azt mutatják, hogy mind az IA, mind az SA növeli a depresszió és a szorongás kockázatát. Ezen túlmenően az SA erősebb kapcsolatot mutatott a depresszióval és a szorongással szemben az IA-val összehasonlítva.
E megállapítások következménye az, hogy a problémás okostelefon-használó személyeket szorosan figyelemmel kell kísérni a mentális egészséggel kapcsolatos problémák szempontjából, kiemelve annak szükségességét, hogy megelőzési és kezelési politikákat hozzanak létre az SA preklinikai szintjén. További prospektív tanulmányoknak meg kell vizsgálniuk az IA, SA és a mentális egészségügyi problémák közötti kapcsolatok okozati irányait, és azonosítaniuk kell az IA és az SA diszkriminatív tényezőit.

 

 

Szerzői hozzájárulások

D.-JK és DL megtervezte és megtervezte a kísérleteket; A HMJ elemezte az adatokat; Y.-JK írta a papírt. Az YL felügyelte az adatgyűjtést. Minden szerző hozzájárult a kézirat fejlesztéséhez, kritikusan felülvizsgálta és jóváhagyta a végső kéziratot.

 

 

Köszönetnyilvánítás

Ezt a munkát a Koreai Nemzeti Kutatási Alapítvány támogatása támogatta (2014M3C7A1062894, 2014M3C7A1062896 támogatási szám).

 

 

Összeférhetetlenség

A szerzők nem jeleznek összeférhetetlenséget.

 

 

Referenciák

  1. Choi, S.-W .; Kim, D.-J .; Choi, J. -S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Az okostelefon-függőséggel és az internet-függőséggel kapcsolatos kockázati és védő tényezők összehasonlítása. J. Behav. Rabja. 2015, 4, 308 – 314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 az Internet túlzott függőségéről szóló felmérés; Tudományos, IKT és jövőbeli tervezési minisztérium: Szöul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Az okostelefonok használatának sötét oldala: pszichológiai vonások, kényszeres viselkedés és technostressz. Comput. Zümmögés. Behav. 2014, 31, 373 – 383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Az okostelefonok használatától való függőség és a szorongással való kapcsolat Koreában. Közegészségügyi Rep. 2016, 131, 411 – 419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Az okostelefon-függőség függőségének skálájának felnőttek számára történő fejlesztése: Önjelentés. Korean J. Couns. 2012, 13, 629 – 644. [Google Scholar]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Okostelefon-függőségi skála (SAS) fejlesztése és érvényesítése. PLOS ONE 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet-függőség: Az epidemiológiai kutatások szisztematikus áttekintése az elmúlt évtizedben. Akt. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. A szociális média addiktív felhasználása és a videojátékok, valamint a pszichiátriai rendellenességek tünetei közötti kapcsolat: Nagyszabású keresztmetszeti tanulmány. Psychol. Rabja. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Okostelefon-függőség az egyetemi hallgatók körében, néhány változó fényében. Comput. Zümmögés. Behav. 2016, 61, 155 – 164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Internethasználat és problémás internethasználat: A serdülőkorban és a felnőttkorban felmerülő longitudinális kutatási trendek szisztematikus áttekintése. Int. J. Adolesc. Ifjúság 2017, 22, 430 – 454. [Google Scholar] [CrossRef]
  11. Haug, S.; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP okostelefon-használat és okostelefon-függőség a fiatalok körében Svájcban. J. Behav. Rabja. 2015, 4, 299 – 307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. Az internet-függőség és a pszichiátriai rendellenesség közötti kapcsolat: az irodalom áttekintése. Eur. Pszichiátria 2012, 27, 1 – 8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Az okostelefon használatának súlyossága az alvásminőséggel, a depresszióval és a szorongással kapcsolatban az egyetemi hallgatókban. J. Behav. Rabja. 2015, 4, 85 – 92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Pszichológiai és neurobiológiai megfontolások integrálása az internethasználat speciális rendellenességeinek kifejlesztésével és fenntartásával kapcsolatban: Személyek befolyásolása-megismerés-végrehajtás (I-PACE) modellje. Neurosci. Biobehav. Fordulat. 2016, 71, 252 – 266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Az internetes függőség kognitív diszregulációja és annak neurobiológiai összefüggései. Elülső. Biosci (Elite szerk.) 2017, 9, 307 – 320. [Google Scholar]
  16. Lachmann, B.; Duke, É .; Sariyska, R .; Montag, C. Ki rabja az okostelefonról és / vagy az internetről? Psychol. Pop. Media Cult. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B.; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. Az empátia és az élettel való elégedettség szerepe az internetes és okostelefon-használati zavarokban. Elülső. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Az internethasználat és a depresszió közötti kapcsolat: Összpontosítson a fiziológiai hangulati rezgésekre, a szociális hálózatokra és az online addiktív viselkedésre. Comput. Zümmögés. Behav. 2015, 43, 308 – 312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Internet-függőség és depresszió, szorongás és stressz. Int. Online J. Educ. Sci. 2011, 3, 138 – 148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Sem MBM; Griffiths, MD Internet-függőség és annak pszichoszociális kockázata (depresszió, szorongás, stressz és magány) az iráni serdülők és fiatal felnőttek körében: Szerkezeti egyenlet modell egy keresztmetszeti tanulmányban. Int. J. Ment. Egészségügyi rabja. 2016, 14, 257 – 267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Az álmatlanság és az internetes függőség hatása a depresszióra hongkongi kínai serdülőknél: feltáró keresztmetszeti elemzés. J. Sleep Res. 2011, 20, 311 – 317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL A logisztikus regresszió és a hajlandóság pontszámának összehasonlítása, ha az események száma alacsony, és több konfounder is van. Am. J. Epidemiol. 2003, 158, 280 – 287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Az orvosi szakirodalomban az 1996 és az 2003 közötti hajlam-pontszám illesztés kritikus értékelése. Statisztika. Med. 2008, 27, 2037 – 2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM A különféle hajlam-pontszám-modellek összehasonlító képessége a mért változók egyensúlyozására a kezelt és a kezeletlen alanyok között: Monte Carlo-tanulmány. Statisztika. Med. 2007, 26, 734 – 753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Az internetes függőség gyakorisága a lakosság körében: Német népesség-alapú felmérés eredményei. Behav. Inf. Technol. 2014, 33, 757 – 766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY az internetes játék zavarának kockázati tényezői: pszichológiai tényezők és az internetes játék jellemzői. Int. J. Environ. Res. Közegészségügy 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Nemzeti Információs Szolgálat. Felnőttek internetes függőségérzékenységi skálájának tanulmányozása; Nemzeti Információs Szolgálat: Szöul, Korea, 2005. [Google Scholar]
  28. Kim, D. Az internetes függőség érzékenységi skálájának nyomon követése; Koreai Ügynökség a digitális lehetőségek és promóciók számára: Szöul, Korea, 2008; Online elérhető: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (hozzáférhető az 8 május 2008-jén).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Internetes függőségi fokosság-skála-rövid forma (KS-skála) fejlesztése. Korean J. Couns. 2008, 9, 1703 – 1722. [Google Scholar]
  30. Nemzeti Információs Szolgálat. Koreai okostelefon-függőségi érzékenységi skála kidolgozása fiatalok és felnőttek számára; Nemzeti Információs Szolgálat: Szöul, Korea, 2011; 85 – 86. [Google Scholar]
  31. Kim, KI .; Kim, JW. A tünetek ellenőrző listájának -NNXX-R szabványos vizsgálata Koreában III. Ment. Health Res. 1984, 2, 278 – 311. [Google Scholar]
  32. Heckman, J .; Smith, J. A társadalmi kísérletek esetének értékelése. J. Econ. Perspect. 1995, 9, 85 – 110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Néhány gyakorlati útmutatás a hajlam-pontszám-egyeztetés megvalósításához. J. Econ. Surv. 2008, 22, 31 – 72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamond, A. Okozati hatások becslésére szolgáló genetikai egyeztetés, nem publikált kézirat. Bemutatják a Political Methodology éves találkozóján, Tallahassee, FL, USA, 2005. Július. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Az internetes függőség gyakorisága és az internetes és nem függõk összehasonlítása az iráni középiskolákban. Cyberpsychol. Behav. 2008, 11, 731 – 733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. Az internetes függőség komorbid pszichiátriai tünetei: Figyelemhiányos és hiperaktivitási rendellenességek (ADHD), depresszió, társadalmi fóbia és ellenségeskedés. J. Adolesc. Egészség 2007, 41, 93 – 98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V.; Marano, G .; Fiumana, V.; Moschetti, C .; Alimonti, F .; Luciani, M. Az internetes függőség különbözik-e a kóros szerencsejátéktól pszichopatológiai állapototól? J. Addict. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online közösségi hálózatok és függőség - a pszichológiai irodalom áttekintése. Int. J. Environ. Res. Közegészségügy 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Szokások az okostelefonok használatát átfogóbbá teszik. Szem. Mindenütt jelen lévő számítás. 2012, 16, 105 – 114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Okostelefon-függőség, napi megszakítások és az ön által bejelentett termelékenység. Rabja. Behav. Ismétlés. 2017, 6, 90 – 95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Közösségi hálózati oldalak és függőség: Tíz tanulság. Int. J. Environ. Res. Közegészségügy 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. A serdülők társadalmi hálózatának negatív következményei: A kimaradás félelme közvetítő szerepe. J. Adolesc. 2017, 55, 51 – 60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Meghívott kommentár: Hajlékonysági pontszámok. Am. J. Epidemiol. 1999, 150, 327 – 333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Genetikai illesztés az okozati hatások becsléséhez: Új módszer az egyensúly elérésére a megfigyelési vizsgálatok során. Econ. Statisztika. 2013, 95, 932 – 945. [Google Scholar] [CrossRef]