Patológiai internethasználat és kockázati magatartás az európai serdülők között (2016)

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

Tony Durkee 1,*, Vladimir Carli 1, Birgitta Floderus 2, Camilla Wasserman 3,4, Marco Sarchiapone 3,5, Alan Apter 6, Balazs A. Judit 7,8, Julio Bobes 9, Romuald Brunner 10, Paul Corcoran 11, Doina Cosman 12, Christian Haring 13, Christina W. Hoven 4,14, Michael Kaess 10, Jean-Pierre Kahn 15, Bogdan Nemes 12, Vita Postuvan 16, Silar Pilar 9, Peeter Värnik 17 és Danuta Wasserman 1
1
Országos öngyilkossági kutatás és mentális betegségek megelőzése (NASP), Karolinska Institutet, Stockholm, SE-17177, Svédország
2
Klinikai Idegtudományi Tanszék, Karolinska Institutet, Stockholm SE-17177, Svédország
3
A Molise Egyetem Orvostudományi és Egészségtudományi Tanszéke, Campobasso 86100, Olaszország
4
Gyerek- és serdülőkori pszichiátria Tanszék, New York-i Állami Pszichiátriai Intézet, New York, Columbia University, NY 10032, USA
5
Nemzeti Migrációs és Szegénységi Intézet, Via San Gallicano, Roma 25 / A, Olaszország
6
Feinberg Gyerektanulási Központ, Schneider Gyerek Orvosi Központ, Tel-Aviv Egyetem, Tel-Aviv 49202, Izrael
7
Vadaskert Gyermek- és serdülőkori Pszichiátriai Kórház, Budapest 1021, Magyarország
8
Az Eötvös Loránd Tudományegyetem Pszichológiai Intézete, Budapest 1064
9
Pszichiátriai Tanszék, Mentálhigiénés Hálózat Biológiai Orvosi Kutatóközpontja (CIBERSAM), Oviedói Egyetem, Oviedo 33006, Spanyolország
10
Személyiségfejlődési rendellenességekkel foglalkozó részleg, Gyermek- és serdülőkori pszichiátriai klinika, Pszichoszociális Szakgyógyászati ​​Központ, Heidelbergi Egyetem, Heidelberg 69115, Németország
11
Nemzeti Öngyilkossági Kutatási Alapítvány, Western Rd., Cork, Írország
12
Iuliu Hatieganu Orvostudományi és Gyógyszerészeti Egyetem Klinikai Pszichológia Tanszék, Str. Victor Babes Nr. 8, Kolozsvár 400000, Románia
13
Mentálhigiénés Kutatási Osztály, Orvosi Informatikai Egyetem (UMIT), Klagenfurt, Innsbruck 6060, Ausztria
14
A Columbia Egyetem Mailman Közegészségügyi Iskolájának Epidemiológiai Tanszéke, New York, NY 10032, USA
15
Pszichiátriai Tanszék, Nancy Hospitalo-Universitaire de Lorraine Egyetem, Nancy, Vandoeuvre-lès-Nancy 54500, Franciaország
16
Szlovén öngyilkossági kutatóközpont, Andrej Marušič Intézet, Primorska Egyetem, Koper 6000, Szlovénia
17
Magatartás- és egészségtudományi központ, észt-svéd mentálhigiénés és szuicidológiai intézet, Tallinn Egyetem, Tallinn 10120, Észtország
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Tudományos szerkesztő: Paul B. Tchounwou
Fogadott: 1 december 2015 / Elfogadva: 3 március 2016 / Megjelent: 8 március 2016

Absztrakt

: A serdülők és fiatalok körüli morbiditás fő oka a kockázati magatartás; viszont a patológiás internethasználathoz (PIU) való kapcsolódásukat, különösen az európai kontextusban, viszonylag felfedezetlennek tekintik. Ennek a tanulmánynak a fő célja a kockázati magatartás és a PIU közötti kapcsolat vizsgálata az európai serdülőknél. Ezt a keresztmetszeti tanulmányt az FP7 Európai Unió projekt: A fiatal élet megmentése és felruházása Európában (SEYLE) keretében hajtották végre. A serdülőkre vonatkozó adatokat véletlenszerűsített iskolákból gyűjtötték a tizenegy európai ország tanulmányi területein. A PIU-t Young's Diagnostic Questionnaire (YDQ) segítségével mértük. A kockázati viselkedést a Globális Iskolai Tanulók Egészségügyi Felméréséből (GSHS) beszerzett kérdések felhasználásával értékelték. Az elemzésbe összesen 11,931 serdülőket vontak be: 43.4% férfi és 56.6% nő (M / F: 5179 / 6752), átlagéletkora 14.89 ± 0.87 év. Azok a serdülők, akik beszámoltak a rossz alvási szokásokról és a kockázatvállalási tevékenységekről, a legerősebb asszociációt mutattak a PIU-vel, ezt követi a dohányzás, a rossz táplálkozás és a fizikai inaktivitás. A PIU csoport serdülõi körében az 89.9% -ot többszörös kockázati viselkedésûnek jellemezték. A PIU és a kockázati magatartás között megfigyelt szignifikáns kapcsolat, valamint az együtt-előfordulás magas aránya hangsúlyozza a PIU figyelembevételének fontosságát a serdülők körében a magas kockázatú viselkedés szűrésekor, kezelésében vagy megelőzésében.

Kulcsszavak: kóros internethasználat; Internet függőség; kockázattal magatartás; több kockázati magatartás; egészségtelen életmód; serdülők; SEYLE

1. Bevezetés

A serdülőkor egy átmeneti időszak, amelyet a fizikai, társadalmi és pszichológiai tulajdonságok jelentős változása jellemez [1]. Sőt, a társakkal, a családdal és a társadalommal fennálló kapcsolatok ezen átmeneti időszakban határozott változásokon mennek keresztül, amikor a serdülők elkezdenek érvényesíteni autonómiáját döntéseik, érzelmeik és viselkedésük felett [2]. A serdülők társadalmi képességei gyakran kialakulnak a pszichoszociális kölcsönhatások során a különböző tanulási kontextusokban [3]. Tekintettel a társadalmi megismerés és az interperszonális készségek előmozdításának kiterjedt platformjára [4,5], az Internet bebizonyította, hogy új és egyedi csatorna a serdülők pszichoszociális fejlődéséhez [6,7].
Ezen jellegzetes előnyök ellenére a tanulmányok kimutatták, hogy az online alkalmazások gyakori és elhúzódó használata hajlamos kiszorítani a hagyományos társadalmi interakciókat és kapcsolatokat [8,9]. Bizonyítékok bizonyítják, hogy az online akkumulációs idő kiszorítja az időt a családjával és barátaival való személyes kapcsolattartás során [10], tanórán kívüli tevékenységekben való részvétel [11], tudományos feladatok elvégzése [12], megfelelő étkezési szokások [13], a fizikai aktivitás [14] és alszik [15]. Mivel a serdülők több időt töltenek online, fennáll annak a veszélye, hogy internethasználatuk túlzott mértékűvé vagy akár patológiássá is válhat [16].
 
A patológiás internethasználatot (PIU) az internethasználattal kapcsolatos túlzott vagy rosszul ellenőrzött aggodalmak, késztetések vagy magatartás jellemzi, amelyek károsodást vagy szorongást okoznak [17]. A PIU fogalmilag impulzus-szabályozó rendellenességként lett modellezve, és a kóros szerencsejáték jellegéhez hasonló viselkedési függőség taxonómiájába sorolták [18]. A PIU kutatásában a közelmúltban elért eredmények ellenére ennek a jelenségnek a megértésére tett erőfeszítéseket akadályozza a betegség diagnosztikai kritériumaival kapcsolatos nemzetközi konszenzus hiánya. Nem szerepel sem a mentális rendellenességek diagnosztikai és statisztikai kézikönyvében (DSM), sem a betegségek nemzetközi osztályozásának (ICD) nosológiai rendszereiben. A PIU-kutatás legnagyobb kihívása az addiktív rendellenesség felfogása.
 
Ezen állítások fényében a nemrégiben közzétett DSM-5 [19] a viselkedési függőséget (nem anyagfüggő függőségi rendellenességeket) hivatalos diagnosztikai kategóriába sorolta, a szerencsejáték-rendellenesség (GD) az egyetlen új állapotban felsorolt ​​állapot. Az internetes szerencsejáték-rendellenesség (IGD) szintén a viselkedésfüggőség lehetséges altípusa, amelyet figyelembe vették a DSM nosológiai rendszerbe való beillesztés szempontjából; az IGD diagnosztikai rendellenességét alátámasztó bizonyítékok azonban továbbra sem álltak rendelkezésre. Az IGD később bekerült a DSM-5 III. Szakaszába, mint feltétel, amely további vizsgálatot igényel [20] diagnosztikai rendellenességként való alkalmasságának meghatározása céljából. A PIU jelenlegi nosológiai kétértelműsége ellenére továbbra is vannak olyan bizonyítékok, amelyek szoros kapcsolatot mutatnak a PIU és a függőség egyéb formái között [21,22,23,24].
A kutatások azt mutatják, hogy a PIU-vel rendelkező egyének neurológiai, biológiai és pszichoszociális tulajdonságokkal rendelkeznek mind viselkedésbeli, mind anyagfüggő függőségben [25,26,27,28,29]. Griffiths által jelölt elméleti modell alapján [30] szerint a függőségi rendellenességekben hat fő tünet jelentkezik, amelyek a PIU-ra vonatkoznak. Ide tartoznak: kellemesség (online tevékenységekkel való foglalkozás), hangulatmódosítás (az internet használata a stressz elkerülésére vagy enyhítésére), tolerancia (hosszabb ideig az online tartózkodás szükségessége), elvonulás (depresszió és ingerlékenység offline állapotban), konfliktusok (interperszonális és intrapszichikus) és visszaesés (sikertelen kísérletek az Internet használat megszüntetésére). Ezek az alapelemek elméleti keretet nyújtanak a PIU nagyságának becsléséhez.
 
A PIU előfordulási gyakorisága országonként jelentősen eltérő, részben annak meghatározásának, nómenklatúrájának és diagnosztikai értékelésének heterogenitása miatt. A globális prevalencia becslése érdekében Cheng és Li [31] ezeket az eltéréseket véletlenszerű effektusok metaanalízisének felhasználásával hasonlította össze összehasonlítható pszichometriai eszközökkel és kritériumokkal végzett vizsgálatok felhasználásával. Ez a megközelítés összesen 89,281 résztvevőt hozott létre az 31 országokból, világszerte több régióban. Az eredmények azt mutatták, hogy a PIU globális prevalenciája 6.0% (95% CI: 5.1 – 6.9), csak mérsékelt heterogenitás mellett.
A PIU-t európai szinten reprezentatív minták felhasználásával értékelő prevalencia-tanulmányok korlátozottak. E szegénység ellenére újabb epidemiológiai bizonyítékok mutatkoznak a prevalencia arányának stabil tendenciáira e célcsoport között. Az 18,709 – 11 éves európai serdülők (n = 16) reprezentatív mintájában, Blinka et al. [32] kimutatta, hogy a PIU prevalenciája 1.4% volt. Ez egybeesik a Tsitsika et al. [33], aki becsülte az 1.2% PIU prevalenciáját az 13,284 – 14 éves korú európai fiatalok (n = 17) reprezentatív mintájában. Durkee és munkatársai [34] azonban az 4.4% enyhén magasabb PIU gyakoriságát figyelte meg az 11,956 – 14 éves korú európai serdülők (n = 16) reprezentatív mintájában. A PIU gyakorisága Európában szignifikánsan magasabb volt a férfiaknál, mint a nőknél, növekszik az életkorral, országonként különbözik, és számos mentális és magatartási rendellenességgel függ össze [35,36,37,38,39].
 
A kockázati viselkedés gyakran serdülőkorban jelentkezik, nagy valószínűséggel folytatódik a felnőttkor. A férfiak általában magasabb az előfordulási arány, mint a nők, és a kockázati magatartás gyakorisága az életkorral növekszik [40]. Különböző súlyossági szintek vannak az alacsony kockázatú (rossz alvási szokások, rossz táplálkozás és fizikai inaktivitás) és a magas kockázatú (túlzott alkoholfogyasztás, tiltott kábítószer- és dohányzási) viselkedés között. A kutatások jellemzően független entitásként értékelték a kockázati magatartást, bár egyértelmű bizonyítékok mutatják együttes előfordulásukat még korán is [41,42]. A többszörös kockázati magatartással rendelkező lakosság a legnagyobb a krónikus betegségek, pszichiátriai rendellenességek, öngyilkossági viselkedés és korai halál kockázatával szemben az egyéni vagy egyetlen kockázati viselkedésű egyéneknél [43,44]. Tekintettel a kockázati magatartás egyidejű természetére, elengedhetetlen megérteni azoknak a serdülők PIU kockázatára gyakorolt ​​hatását.
 
Az ifjúsági kockázati magatartásfigyelő rendszer (YRBSS) az Egyesült Államokban megállapítja, hogy a kockázati magatartás főként hozzájárul a serdülők és fiatalok morbiditásának fő okainak [45]. Ezen implicit feltételezésen kívül viszonylag kevés kutatás szisztematikusan megvizsgálja, hogy ezek a viselkedési formák milyen mértékben vonatkoznak a serdülőkori PIU-ra, különösen az európai kontextusban. Epidemiológiai vizsgálatokra van szükség a jelenség jobb megértése érdekében.
 
Az európai iskolai serdülők egy nagy, reprezentatív mintáján alapuló tanulmány elsődleges célja a kockázati magatartás (azaz alkoholfogyasztás, tiltott kábítószer-fogyasztás, dohányzás, kockázatvállalási tevékenységek, szünet, rossz alvási szokások, rossz táplálkozás és fizikai inaktivitás) és az internethasználat különféle formái.

2. Anyagok és metódusok

2.1. Tanulmánytervezés és népesség

A jelen keresztmetszeti tanulmányt az Európai Unió fiatal fiatalok megmentése és megteremtése (SEYLE) projekt keretében végezték el [SEYLE] [46]. A serdülõket véletlenszerûen kiválasztott iskolákból toborozták Ausztriában, Észtországban, Franciaországban, Németországban, Magyarországon, Írországban, Izraelben, Olaszországban, Romániában, Szlovéniában és Spanyolországban, ahol Svédország volt a koordinációs központ.
 
A támogatható iskolák kiválasztásának bevonási kritériumai a következő feltételeken alapultak: (1) iskolák állami voltak; (2) tartalmazott legalább 40 hallgatókat, akiknek 15 évesek voltak; (3) több mint két tanár volt az 15 éves hallgatók számára; és (4) nem volt több, mint az azonos nemű hallgatók 60% -a. A támogatható iskolákat méret szerint kategorizáltuk: (i) kicsi (≤az a tanulmányi helyszínen lévő összes iskolában a tanulók medián száma); és (ii) nagy (≥a tanulók mediánszáma a tanulmányi hely összes iskolájában) [46]. Egy véletlenszám-generátor alkalmazásával az iskolákat randomizáltuk a SEYLE beavatkozása és az iskola méretének függvényében, figyelembe véve a szociokulturális tényezőket, az iskolai környezetet és az iskolai rendszer felépítését az egyes vizsgálati helyszíneken.
 
Az adatokat strukturált kérdőívek segítségével gyűjtötték be az iskolai környezetben serdülők számára.
A minta reprezentativitását, hozzájárulását, részvételét és válaszadási arányát a módszertani elemzés tartalmazza [47].
A jelen tanulmányt a Helsinki Nyilatkozattal összhangban hajtották végre, és a jegyzőkönyvet az egyes részt vevő országok helyi etikai bizottsága hagyta jóvá (HEALTH-F2-2009-223091 projektszám). A vizsgálatban való részvétel előtt mind a serdülők, mind a szülők beleegyezésükkel hozzájárultak a részvételhez.

2.2. mérések

A PIU-t Young diagnosztikai kérdőív (YDQ) segítségével értékelték [18]. Az YDQ egy 8 elemű kérdőív, amely felméri az internethasználat olyan mintáit, amelyek pszichológiai vagy társadalmi károsodást okoznak az adatgyűjtést megelőző hat hónapban [48]. Az YDQ nyolc eleme megfelel a Griffiths komponensmodellében szereplő hat elemnek, és a DSM-5 IGD diagnosztikai kritériumában kilenc elemnek [49,50]. Az YDQ pontszám alapján, az 0 – 8-tól kezdve, az internethasználókat három csoportra osztották: adaptív internetes felhasználók (AIU) (pontozott 0 – 2); rosszindulatív internetes felhasználók (MIU) (pontszám 3 – 4); és kóros internetes felhasználók (PIU) (pontozás ≥ 5) [51]. Ezenkívül a napi online órákat egy elem kérdésével mértük a strukturált kérdőívben.
A kockázati magatartásra vonatkozó adatokat a Globális Iskolai Tanulók Egészségügyi Felmérésének (GSHS) kérdéseivel szerezték meg [52]. Az Egészségügyi Világszervezet (WHO) és munkatársai által kifejlesztett GSHS egy iskolai alapú felmérés, amely az 13 – 17 éves serdülők körében vizsgálja az egészségügyi kockázati viselkedés viselkedését. Ez az önjelentő kérdőív olyan elemeket tartalmaz, amelyek megfelelnek a serdülők és fiatalok 10 vezető morbiditási okainak.

2.3. Egyéni kockázatviselés

A GSHS alapján az egyéni kockázati magatartást három kategóriába sorolták: (i) anyaghasználat; (ii) szenzációs keresés; iii. és életmódjellemzők. Az ezt követő egyéni kockázati magatartást dihotóm változóként kódolták.

2.3.1. Anyaghasználat

Az anyaghasználat alkoholfogyasztást, tiltott kábítószer-fogyasztást és dohányfogyasztást jelentett. A változókat az alábbiak szerint soroltuk be: (1) az alkoholfogyasztás gyakorisága: ≥2 alkalommal hetente ≤ 1 alkalommal hetente; (2) italok száma egy tipikus ivási napon: ≥3 italok vs. ≤2 italok; (3) alkoholfogyasztás élettartama az ivásig (alkohol-intoxikáció): ≥3-szorzatok és ≤2-szorzatok; (4) a másnaposság élettartama előfordulása ivás után: ≥3 és ≤2 idő; (5) valaha használt drogok: igen / nem; (6) valaha használt hasit vagy marihuánát: igen / nem; (7) valaha használt dohány: igen / nem; és (8) jelenleg cigaretta dohányzik: ≥6 / nap vs. ≤5 / nap.

2.3.2. Szenzáció hajhászás

Az érzékelés-keresés négy elemből állt, amelyek az elmúlt tizenkét hónapban kockázatos fellépéseket jeleztek: (1) járműben vezette egy alkoholt fogyasztó barátja; (2) gördeszkát vagy görgős pengét sisak nélkül vezettek a forgalomban és / vagy (3) mozgó jármű mentén húzták; és (4) veszélyes utcákra vagy sikátorokra ment éjszakai órákban. A válasz alternatívái igen vagy nem mind a négy elemben voltak.

2.3.3. Életmód jellemzői

Az életmód jellemzői az alvással, a táplálkozással, a testmozgással és az iskolai végzettséggel kapcsolatos változókat tartalmaztak. Az elmúlt hat hónapban említett alvási szokások: (1) fáradtság érzés az iskola előtti reggelen: ≥3 nap / hét vs. ≤2 nap / hét; (2) szundikálás iskola után: ≥3 nap / hét vs. ≤2 nap / hét; és (4) alvás: ≤6 óra / éj vs ≥7 óra / éj. Az elmúlt hat hónapra vonatkozó táplálkozás: (4) gyümölcsöt / zöldséget fogyaszt: ≤1 idő / hét vs. ≥2 alkalom / hét; és (5) reggeli fogyasztása az iskola előtt: ≤2 nap / hét vs. ≥3 nap / hét. Az elmúlt hat hónapban említett fizikai aktivitás: (6) fizikai aktivitás legalább 60 perc alatt az elmúlt két hét során: ≤3 napok vs. ≥4 napok; és (7) rendszeres sportolás: igen / nem. Az iskolai látogatás egy elemet tartalmazott az elmúlt két hétben az iskolából való fel nem használt hiányok előfordulásáról: ≥3 nap vs ≤2 nap.

2.4. Több kockázati viselkedés

A kockázati viselkedés összes számát egyetlen változóra számítottuk, és rendes mértékként kódoltuk. Osztott fele megbízhatóság (rsb = 0.742) és a belső konzisztencia (α = 0.714) értékek jelölték a tételek közötti elfogadható homogenitási szintet a többszörös kockázati viselkedésmérésben

3. Statisztikai elemzések

Az egyéni kockázati magatartás prevalenciáját az internet felhasználói csoportok között kiszámítottuk a férfiak és a nők esetében. A csoportarányok statisztikailag szignifikáns különbségeinek megállapításához többpáros összehasonlítást végeztünk a kétoldalas z-teszttel a Bonferroni-korrekcióval beállított p-értékekkel. Bővített elemzéseket végeztek az egyedi kockázati viselkedés MIU-ra és PIU-ra gyakorolt ​​hatásának vizsgálatára, általánosított lineáris vegyes modellek (GLMM) alkalmazásával, multinomális logit kapcsolattal és teljes maximális valószínűség-becsléssel. A GLMM elemzés során az MIU-t és a PIU-t vették be az eredménymértékekkel, az AIU-val mint referenciakategóriával, az egyéni kockázati magatartást 1 szintű fix hatásokkal, az iskolai mint 2 szintű véletlenszerű lehallgatást és az országot az 3 szintű véletlenszerű lehallgatással. A varianciakomponenseket használták a véletlenszerű hatások kovariancia-struktúrájaként. A nemek moderáló hatásának tanulmányozására az interakciós kifejezéseket (nemek * kockázati viselkedés) illesztettük a regressziós modellbe. A kor és a nem kiigazításait alkalmazták a vonatkozó GLMM modellekre. Az 95% konfidencia intervallumokkal (CI) eső oddsarányokat (OR) jelenítik meg a vonatkozó modellek esetében.
A többszörös kockázati magatartás elemzésénél kiszámítottuk az átlagot (M) és az átlag standard hibáját (SEM) a különféle internetes felhasználói csoportok számára, és nemekre osztottuk. Ezeket a kapcsolatokat a doboz és a pofaszakáll ábrázolja. A több kockázati magatartás és a nem közötti statisztikai szignifikanciát független minták t-tesztje segítségével értékeltük. Az egyirányú varianciaanalízist (ANOVA) post hoc páronkénti összehasonlításokkal végeztük a statisztikai szignifikancia felmérése érdekében a több kockázati magatartás és az internet felhasználói csoportok között.
Regressziós változó grafikont készítettünk, hogy tisztázzuk a lineáris kapcsolatot a napi online órák száma és a kockázati magatartások száma között az internetes felhasználói csoportok között. Az összes statisztikai tesztet az IBM SPSS Statistics 23.0 alkalmazásával hajtottuk végre. A p <0.05 kritikus értéket statisztikailag szignifikánsnak tekintettük.

4. Eredmények

4.1. A vizsgálati minta jellemzői

A kezdeti 12,395 464 serdülő SEYLE-minta között 3.7 (11,931%) alany volt kizárva a releváns változókra vonatkozó adatok hiánya miatt. Ez 43.4 56.6 iskolai serdülõ mintaméretét eredményezte a jelen tanulmányban. A minta 5179% férfi és 6752% női serdülőt tartalmazott (M / F: 14.89/0.87), átlagos életkoruk 14.3 ± 12.4 év. A MIU prevalenciája szignifikánsan magasabb volt a nőknél (5.2%) a férfiaknál (3.9%), míg a PIU a férfiaknál (2%) szignifikánsan magasabb, mint a nőknél (11928%) (χ² (19.92, 0.001) = XNUMX, p < XNUMX).

4.2. A kockázati viselkedés prevalenciája

Táblázat 1 az Internet felhasználói csoportok szerint rétegezett kockázati magatartás gyakoriságát írja le. Az internethasználati csoportok (AIU, MIU és PIU) átlagos prevalenciaaránya 16.4%, 24.3% és 26.5% volt az anyaghasználat (alkoholfogyasztás, tiltott kábítószer- és dohányzás) esetében; 19.0%, 27.8% és 33.8% szenzáció-kereső magatartásokhoz (kockázatvállaló tevékenységek); és 23.8%, 30.8% és 35.2% az életmód jellemzőihez (rossz alvási szokások, rossz táplálkozás, fizikai inaktivitás és időtartam). A prevalencia az MIU és a PIU csoportokban szignifikánsan magasabb volt az AIU csoporthoz képest minden kockázati kategóriában (anyaghasználat, szenzációs keresés és életmód jellemzői). Öt alkategória kivételével a páronkénti összehasonlítások azt mutatták, hogy az előfordulási arány nem különbözött szignifikánsan a MIU és a PIU csoportok között.

Táblázat
Táblázat 1. A serdülők körében a kockázati magatartás prevalenciája, nemek szerint és az Internet felhasználói csoportja szerint rétegezve 1,2a-c.

4.3. Több kockázati viselkedés

Az eredmények azt mutatták, hogy a PIU csoportba tartozó serdülők 89.9% -a számolt be többféle kockázati magatartásról. Az egyirányú ANOVA-tesztből kiderült, hogy a többszörös kockázati magatartások átlagos aránya az adaptív használattól (M = 4.89, SEM = 0.02) a maladaptív (M = 6.38, SEM = 0.07) és a patológiásig (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Ez a tendencia gyakorlatilag egyenértékű volt a férfiak és a nők esetében (ábra 1).

Ijerph 13 00294 g001 1024
Ábra 1. Az adaptív internethasználók (AIU), a rosszindulatív internethasználók (MIU) és a patológiás internethasználók (PIU) nemekre osztott többszörös kockázati viselkedésének kockázati és apró kockázata.
Ezenkívül nem figyeltek meg statisztikai különbségeket a nemek között mind a MIU (t (1608) = 0.529, p = 0.597), mind a PIU (t (526) = 1.92, p = 0.054) csoportokban (Táblázat 2). Meg kell azonban jegyezni, hogy a PIU-csoport p-értéke viszonylag közel állt a statisztikai szignifikancia eléréséhez (p = 0.054). 

Táblázat
Táblázat 2. Független minták t-tesztje a többszörös kockázati magatartásról és nemekről az internet felhasználói csoportja szerint 1-3.
A regressziós változó grafikonja egyértelmű lineáris kapcsolatot mutatott a napi online órák száma és a serdülőknél alkalmazott kockázati magatartás száma között. Ez a tendencia viszonylag azonos volt az internet felhasználói csoportok között (ábra 2). 

Ijerph 13 00294 g002 1024
Ábra 2. Lineáris kapcsolat az online napi órák száma és az AIU, MIU és PIU csoportok közötti kockázati magatartás száma között *.

4.4. A kockázatviselés, az MIU és a PIU közötti összefüggés GLMM elemzése

A MIU-val szignifikánsan kapcsolódó kockázati magatartás szintén szignifikánsan társult a PIU-vel, kivéve három alkategóriát, amelyeket a kockázatvállalási tevékenységekben és az átjárhatóságban (Táblázat 3). A GLMM elemzés kimutatta, hogy a rossz alvási szokások minden alkategóriája szignifikánsan növeli a PIU relatív esélyeit OR = 1.45 és OR = 2.17 közötti tartományban. Jelentős asszociációkat figyeltünk meg a kockázatvállalás és a PIU között, az OR = 1.55-tól OR = 1.73-ig terjedő hatásmérettel. Ezenkívül statisztikailag szignifikánsak voltak a dohányzáson belüli egyes alkategóriák esélyességi arányai (OR = 1.41), a rossz táplálkozási (OR = 1.41) és a fizikai inaktivitás (OR = 1.39) területeken.

Táblázat
Táblázat 3. Az egyéni kockázati magatartás, a rosszindulatív kezelés és a patológiás alkalmazás közötti kapcsolat általánosított lineáris vegyes modellje (GLMM) a nemek közötti kölcsönhatások kiterjesztett elemzésével 1-4.

4.5. Nemek közötti interakciók

A nemek közötti interakciók elemzése során kiderült, hogy a nőkben a kockázatvállalás, a rossz alvási szokások és a PIU közötti kapcsolat szignifikánsan magasabb volt, míg a férfiak szünet, a rossz táplálkozás és a PIU közötti kapcsolat szignifikánsan nagyobb (Táblázat 3).

5. Vita

5.1. A kockázati viselkedés prevalenciája

A jelen tanulmány a PIU és a kockázati magatartás közötti kapcsolatot kívánta megvizsgálni. Az eredmények azt mutatták, hogy a kockázati magatartás prevalenciája szignifikánsan magasabb volt a kóros betegek körében, mint az adaptív felhasználóknál, némi eltéréssel a nemek között. A rosszindulatív és kóros használók körében a leggyakoribb gyakoriság a rossz alvási szokások, majd a dohányzás volt. Ezek a becslések jelentősen magasabbak az EU-n kívül, nevezetesen az ázsiai és a csendes-óceáni térségben végzett tanulmányokban közölt gyakorisági arányokhoz viszonyítva [53,54]. Egy valószínű magyarázat összekapcsolható az ökológiai szinten megfigyelt változásokkal (pl. A penetráció aránya) ezekben a régiókban. A statisztikák azt mutatják, hogy az európai régióban a világon a legmagasabb az internet penetráció (78%). Az európaiak több mint kétszerese az ázsiai és csendes-óceáni régiókban ábrázoltakkal (36%) [55]. A PIU gyakoriságának befolyásolására gyakorolt ​​tényleges szerepe továbbra sem egyértelmű; így a kapcsolat vizsgálatát célzó jövőbeli erőfeszítések nagy jelentőséggel bírnának ennek a kapcsolatnak a magyarázatában.

5.2. Anyaghasználat

A kockázati magatartás és az addiktív viselkedés jellemzői nagymértékben átfedik egymást. Ez talán leginkább nyilvánvaló az anyaghasználattal. Az anyaghasználat gyakran kockázati magatartásnak minősül; ugyanakkor a kábítószer-visszaélés előzményei is. Ha a magas kockázatú viselkedés hasonló mögöttes mechanizmusokkal rendelkezik, akkor az egyik problémás viselkedés csökkentheti a küszöbértéket más problémás viselkedés kialakításához. Ezt az állítást bizonyítékokon alapuló kutatások támasztják alá, amelyek a különféle kockázati magatartások közötti magas szintű összekapcsolódást mutatják [56]. Ezen koncepció alapján valószínű azt feltételezni, hogy a már létező kockázati magatartással rendelkező serdülőknél valószínűleg nagyobb a PIU kockázata, mint a kockázati magatartás nélküli serdülőknél.

5.3. Szenzáció hajhászás

A fenti kutatással összhangban [57], az eredmények azt mutatták, hogy a szenzáció-kereső kategórián belüli kockázatvállalási tevékenységek nagy része szignifikánsan társult a PIU-vel. Az érzékelés-keresés egy olyan személyiségjegy, amely az önszabályozás hiányosságaival és a halasztott kielégüléshez kapcsolódik [58]. Ezek a tulajdonságok a fiatalok körében gyakran kapcsolódnak egy „optimista elfogultsági hatás” észlelési hajlamához, amelyben a serdülők nagyobb valószínűséggel engedik maguknak a kockázatokat, miközben mások kockázatait túlbecsülik [59]. Azokat a serdülõket, akiknél ezek az eltérõ jellemzõk mutatkoznak, valószínûleg nagyobb a hajlamuk a viselkedési problémákra.

5.4. Életmód jellemzői

A rossz alvási szokások bizonyultak a legerősebb tényezőknek a PIU-vel kapcsolatban. Ez valószínűleg annak köszönhető, hogy az alvás elmozdítja az online tevékenységeket. Vannak olyan online tevékenységek, amelyek kifejezetten arra ösztönzik a felhasználókat, hogy a vártnál hosszabb ideig maradjanak online. A tömegesen többszereplős online szerepjátékokkal (MMORPG) végzett tanulmány rámutatott, hogy a felhasználók arra buzdítják, hogy hosszabb ideig maradjanak az interneten, hogy online karakterük fokozatos történetét követhessék [60]. A közösségi hálózati oldalak túlzott használata az utóbbi években is felmerült, jelezve mind az online eltöltött idő növekedését, mind a valós társadalmi interakciókkal való negatív összefüggéseket [61,62]. A tanulmányok azt mutatják, hogy az internetet túlzottan használó serdülők hajlamosak alvási rendellenességek kialakulására az online hosszabb idejük miatt [63,64]. Az alvás krónikus elmozdulása az online tevékenységek miatt alvásmentességhez vezethet, amelyről ismert, hogy súlyos káros hatásokat gyakorol a társadalmi, pszichológiai és szomatikus működésre.
A szabályozott alvási szokások zavarjai szintén közvetítő tényezõk lehetnek az internetes szünet és az Internet rossz alkalmazkodása közötti kapcsolatban. A túlzott mértékben online tevékenységeket folytató serdülők veszélyeztethetik az alvás természetes sorrendjének megzavarását. A bizonyítékok azt mutatják, hogy a megnövekedett alvási késés és a csökkent szemmozgás alvás (REM-alvás) szignifikánsan társul a túlzott internethasználathoz [65], míg a szubjektív álmatlanság és a parasomnia összekapcsolódik az akadályokkal [66]. Az alvási rendellenességeknek kifejezett hatása van a nappali működésre és az akadémiai eredményekre. Ez a serdülők érdektelenségét okozhatja az iskolában, ezáltal növelve az iskola megtagadásának és a krónikus távolmaradás kockázatát [66].
A rossz táplálkozás és a fizikai inaktivitás kimutatták, hogy szignifikánsan összefügg a PIU-val. Azok a serdülők, akik hosszabb órákat töltnek az interneten, potenciálisan az egészségtelen ételek felé navigálhatnak. Azt feltételezik, hogy az online játékosok magas koffeintartalmú energiaitalokat fogyasztanak és magas cukortartású snackeket esznek, hogy fokozza az online játékok éberségét [67]. Ezt követően ezek a tényezők az online játékosokat hajlamosabbá tenni az ülő magatartásra, mint a nem játékosok. Ezenkívül széles körű lojalitást élveznek a játékosok, különösen azok, akik kiszorítják az ételt, a személyes higiéniát és a fizikai tevékenységeket az online játékok folytatása érdekében [68]. Ez súlyos egészségügyi kockázatot jelenthet, és súlyos pszichoszomatikus tünetekhez vezethet.

5.5. Több kockázati viselkedés

Megállapítottuk, hogy a kockázati magatartás egyidejű jellegű, a PIU csoport serdülõinek 89.9% -ánál több kockázati viselkedést jelentettek. Ezek az eredmények összhangban állnak Jessor problémás viselkedésről szóló elméletével [69,70]. A problémás viselkedéselmélet egy olyan pszichoszociális modell, amely megpróbálja megmagyarázni a serdülők viselkedési kimenetelét. Három fogalmi rendszerből áll, amelyek pszichoszociális összetevőkön alapulnak: személyiségrendszer, érzékelt környezeti rendszer és viselkedési rendszer. Az utóbbi rendszerben a kockázati viselkedés struktúrái (pl. Az alkoholfogyasztás, a dohányzás, a bűnözés és a deviancia) együtt fordulnak elő, és egy általános „kockázat-viselkedés szindróma” -ba csoportosulnak [71]. Jessor szerint ezek a problémás viselkedés gyakran a serdülőknek a szülőktől való függetlenségének megerősítéséből és a társadalmi befolyásokból származnak.
Az autonómiáért küzdő serdülők részben tudomásul veszik a jelentős lineáris tendenciát, amelyet a napi online órák és a többszörös kockázati magatartás között figyeltek meg. Ez a tendencia viszonylag azonos volt az összes internetes felhasználói csoportban. Ezek a megállapítások nagyon relevánsak, mivel arra utalnak, hogy a túlzott online órák önmagukban növelik a serdülőkorúak kockázati viselkedésének számát, és nem csak a PIU-vel diagnosztizált személyek számára. A túlzott online órák szintén mérséklő tényezővé válhatnak a PIU és a kockázati magatartás közötti kapcsolatban; azonban további kutatásokra van szükség ennek a kapcsolatnak a feltárására.

5.6. Nemek közötti interakciók

A nemek közötti interakciók elemzése azt mutatta, hogy a kockázati magatartás és a PIU között megfigyelt szignifikáns asszociációk egyenletesen oszlanak meg a férfiak és a nők között. Ez kissé ellentmond a korábbi kutatásoknak, amelyek tipikusan azt mutatják, hogy a PIU és a kockázati magatartás a férfi nemre jellemző. Ez a nemek közötti váltás azt jelzi, hogy a nemi különbség a kockázati magatartás tekintetében az európai serdülők körében csökkenhet.
Más szempontból a nemek és a kockázati magatartás közötti kapcsolatot egy harmadik tényező, például a pszichopatológia közvetítheti. Egy 56,086 – 12 éves serdülők (n = 18) serdülõkkel végzett, egy nagy, nemen alapuló vizsgálatában a PIU prevalencia arányát a teljes mintában 2.8% -ra becsülik, a férfiaknál szignifikánsan magasabb arányt (3.6%), mint a nôket ( 1.9%) [72]. A megfelelő tanulmány rámutatott, hogy az érzelmi problémákkal küzdő nők, például szubjektív boldogtalanság vagy depressziós tünetek szignifikánsan magasabb PIU-prevalenciát mutatnak, mint a hasonló érzelmi tünetekkel rendelkező férfiak. A nemek közötti interakcióknak a PIU-ra gyakorolt ​​hatását vizsgáló nemi alapú tanulmányok alapvető előfeltételei a PIU-kutatás jövőbeli irányának.

5.7. Griffiths alkatrészek modellje

Griffiths függőségi komponenseinek modellje [30] feltételezi, hogy a viselkedésbeli függőségek (pl. PIU) és az anyaggal kapcsolatos függőségek hasonló biopszichoszociális folyamatok útján alakulnak ki, és számos fiziognómiával járnak. A modell hat alapvető elemének függőség-kritériumai a következők: (1) nyugalom, (2) hangulatmódosítás, (3) tolerancia, (4) visszavonulás, (5) konfliktus és (6) visszaesés. Kuss és munkatársai. [73] két független mintában (n = 3105 és n = 2257) értékelték a függőség komponenseinek modelljét. Az eredmények azt mutatták, hogy a PIU komponenseinek modellje mindkét mintában nagyon jól illeszkedik az adatokhoz.
Ebben a tanulmányban az YDQ mérést használták fel azoknak a serdülőknek a felmérésére és felismerésére, akiknek internetes használatával és online magatartásukkal kapcsolatos rosszul érzékeny és kóros kockázata van. Mivel az YDQ mérőszám a Griffiths komponenseinek modelljében meghatározott mind a hat függőségi kritériumot tartalmazza, a tanulmányban bemutatott eredmények érvényességét támasztja alá ez az elméleti keret.

5.8. Erősségek és korlátozások

A nagy, reprezentatív, nemzetek közötti minta e tanulmány egyik fő erőssége. Az összes országban alkalmazott homogenikus módszertan és szabványosított eljárások növelik az adatok érvényességét, megbízhatóságát és összehasonlíthatóságát. Tudásunk szerint az európai földrajzi terület volt a legnagyobb, amelyet valaha a PIU-ról és a kockázati magatartásról szóló tanulmány készítésére használtak.
A tanulmánynak vannak bizonyos korlátai is. Az önjelentéses adatok hajlamosak visszaemlékezésre és társadalmi vágyakozási torzulásokra, amelyek valószínűleg országonként és kultúránként különböznek. A keresztmetszeti felépítés nem képes figyelembe venni az időbeli összefüggéseket, így az okozati összefüggést nem lehetett meghatározni. A GSHS intézkedésben a kockázatvállalási tevékenységek alkategóriái csak az érzékenységet kereső viselkedés egy részét képviselik; így az eredmények értelmezésekor óvatosan kell eljárni.

6. Következtetések

Az AIU, MIU és PIU csoportokban szignifikánsan növekvő prevalenciaarányt figyeltek meg minden kockázati kategóriában (anyaghasználat, szenzáció-kereső és életmódbeli jellemzők). Azok a serdülők, akik beszámoltak a rossz alvási szokásokról és a kockázatvállalási tevékenységekről, a legerősebb asszociációt mutattak a PIU-vel, ezt követi a dohányzás, a rossz táplálkozás és a fizikai inaktivitás. A PIU és a kockázati magatartás között megfigyelt jelentős kapcsolat, valamint a magas együtt-előfordulás aránya hangsúlyozza a PIU figyelembevételének fontosságát serdülőknél a magas kockázatú viselkedés szűrésekor, kezelésében vagy megelőzésében.
A PIU csoport serdülõi körében az 89.9% -ot többszörös kockázati viselkedésûnek jellemezték. Ezért az erőfeszítéseknek azokra az serdülőkre kell irányulniuk, akik túlzottan használják az internetet, mivel szignifikáns lineáris tendenciát figyeltek meg a napi online órák és a többszörös kockázati viselkedés között. Ez a tendencia hasonló volt az összes internetes felhasználói csoportban, jelezve, hogy a túlzott online órák önmagában fontos tényezők a kockázati magatartás szempontjából. Ezeket az eredményeket meg kell ismételni és tovább kell vizsgálni, mielőtt megállapítanák azok elméleti következményeit.

Köszönetnyilvánítás

A SEYLE projektet az Európai Unió hetedik keretprogramjának (FP1) 7. koordinációs témája (Egészségügy), az EGÉSZSÉG-F2-2009-223091 számú támogatási megállapodás támogatta. A szerzők függetlenek voltak a finanszírozóktól a tanulmány tervezésének, elemzésének és a kézirat megírásának minden vonatkozásában. A SEYLE projekt vezetője és koordinátora a pszichiátria és a szuicidológia professzora, Danuta Wasserman, Karolinska Intézet (KI), a mentális betegségek és öngyilkosságok megelőzésével foglalkozó Országos Központ (NASP) vezetője, Stockholm, KI. Svédország. A Végrehajtó Bizottság további tagjai: Vladimir Carli főelőadó, a mentális betegségek kutatásának és mentális betegségek megelőzésének nemzeti központja (NASP), Karolinska Intézet, Stockholm, Svédország; Christina WH Hoven és Camilla Wasserman antropológus, Gyermek- és Serdülőkori Pszichiátria Tanszék, New York-i Állami Pszichiátriai Intézet, Columbia Egyetem, New York, USA; és Marco Sarchiapone, Egészségtudományi Tanszék, Molise Egyetem, Campobasso, Olaszország. A SEYLE Konzorcium 12 európai ország központjaiból áll. Az egyes központok és országok helyszíni vezetői: Danuta Wasserman (NASP, Karolinska Intézet, Svédország, Koordinációs Központ), Christian Haring (Orvosi Információs Technológiai Egyetem, Ausztria), Airi Varnik (észt Svéd Mentálhigiénés és Szuicidológiai Intézet, Észtország), Jean-Pierre Kahn (Lorraine-i Egyetem, Nancy, Franciaország), Romuald Brunner (Heidelbergi Egyetem, Németország), Balazs Judit (Vadaskert Gyermek- és Serdülő Pszichiátriai Kórház, Magyarország), Paul Corcoran (Nemzeti Öngyilkossági Kutató Alapítvány, Írország), Alan Apter (Izraeli Schneider Gyermekorvosi Központ, Tel-Avivi Egyetem, Tel-Aviv, Izrael), Marco Sarchiapone (Molisei Egyetem, Olaszország), Doina Cosman (Iuliu Hatieganu Orvostudományi és Gyógyszerészeti Egyetem, Románia), Vita Postuvan (Primorska Egyetem, Szlovénia) ) és Julio Bobes (Oviedói Egyetem, Spanyolország). Az „Etikai kérdések a kiskorúak és más veszélyeztetett csoportok kutatásában” támogatást a bázeli Botnar Alapítvány támogatásával nyerték el Stella Reiter-Theil, a bázeli egyetem pszichiátriai klinikájának etikai professzorának, aki független etikai tanácsadóként szolgált a a SEYLE projekt.

Szerzői hozzájárulások

Tony Durkee az első és megfelelő szerző, aki kidolgozta a tanulmány tervét, elvégezte a statisztikai elemzéseket és kritikusan felülvizsgálta a kézirat összes szakaszát. Vladimir Carli, Birgitta Floderus és Danuta Wasserman részt vettek a tanulmány kidolgozásában, és kritikus javításokat végeztek a kéziratban. Camilla Wasserman, Christina W. Hoven, Michael Kaess és Peeter Värnik konzultációkat folytatott és kritikusan felülvizsgálta a kéziratot. Marco Sarchiapone, Alan Apter, A. Balazs Judit, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn és Vita Postuvan a SEYLE projekt fő kutatói saját országukban, és hozzájárultak a kritikus felülvizsgálatokhoz. a kézirat. Bogdan Nemes és Pilar A. Saiz a SEYLE projekt projektmenedzserei a saját országukban, és részt vettek a kézirat fontos felülvizsgálatában.

Összeférhetetlenség

A szerzők nem jeleznek összeférhetetlenséget.

Rövidítések

A következő rövidítések használhatók ebben a kéziratban: 

SEYLE
A fiatal élet megmentése és megerősítése Európában
YRBSS
Ifjúsági kockázatkezelési rendszer
GSHS
Globális iskolai tanulók egészségügyi felmérése
YDQ
Young diagnosztikai kérdőív
GLMM
Általános lineáris vegyes modellek
ANOVA
A variancia egyirányú elemzése
PIU
Kóros internethasználat
NE
A rosszindulatú Internet használata
AIE
Adaptív internethasználat
CI
Bizalmi intervallumok
SEM
Az átlag standard hibája
M
Jelenteni

Referenciák

  1. Moshman, D. A kognitív fejlődés gyermekkorán túl. A gyermekpszichológiai kézikönyvben, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, szerk .; Wiley: New York, NY, USA, 1998; 2 kötet, 947 – 978. [Google Scholar]
  2. Choudhury, S.; Blakemore, SJ; Charman, T. Társadalmi kognitív fejlődés serdülőkorban. Soc. Cogn. Befolyásolja. Neurosci. 2006, 1, 165 – 174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Kognitív fejlődés serdülőkorban. A Pszichológia Kézikönyvében: Fejlődési Pszichológia; Lerner, RM, Easterbrooks, MA, Mistry, J., szerk .; Wiley: Hoboken, NJ, USA, 2003; 6 kötet, 325 – 350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Gross, E. A számítógép-használat hatása a gyermekek és serdülők fejlődésére. J. Appl. Dev. Psychol. 2001, 22, 7 – 30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. A Facebook „barátainak” előnyei: A társadalmi tőke és a főiskolai hallgatók online közösségi oldalak használata. J. Comput. Med. Commun. 2007, 12, 1143 – 1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Társadalmi tőke, önértékelés és az online közösségi hálózati oldalak használata: longitudinális elemzés. J. Appl. Dev. Psychol. 2008, 29, 434 – 445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Digitális növekedés: A nettó generáció növekedése; McGraw-Hill oktatás: New York, NY, USA, 2008; o. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V.; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. Internet paradoxon. Szociális technológia, amely csökkenti a társadalmi részvételt és a pszichológiai jólétet? Am. Psychol. 1998, 53, 1017 – 1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V.; Crawford, A. Az internetes paradoxon újra megjelent. J. Soc. Issues 2002, 58, 49 – 74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Internethasználat, interperszonális kapcsolatok és szocialitás: Időnapló-tanulmány. Az interneten a mindennapi életben; Wellman, B., Haythornthwaite, C., szerk .; Blackwell Publishers Ltd: Oxford, Egyesült Királyság, 2002; 213 – 243. [Google Scholar]
  11. Nalwa, K .; Anand, AP Internet-függőség a hallgatókban: Aggodalomra ad okot. Cyberpsychol. Behav. 2003, 6, 653 – 656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Az internetfüggőség és az egyetemi hallgatók akadémiai teljesítménye közötti kapcsolat. Edu. Res. Fordulat. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Yurt, S.; Bulduk, S .; Atagöz, S. Internet-függőség és fizikai, valamint pszichoszociális viselkedésproblémák a vidéki középiskolások körében. Nurs. Health Sci. 2015, 17, 331 – 338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. A thaiföldi internethasználat és annak társulása az egészségi kockázatokkal és az egészségfejlesztő magatartással a thaiföldi egyetemi hallgatók körében. Int. J. Adolesc. Med. Egészség 2014, 26, 187 – 194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Az információs és kommunikációs technológia (IKT) használata és az érzékelt egészség serdülőkorban: Az alvási szokások és az ébrenléti fáradtság szerepe. J. Adolesc. 2007, 30, 569 – 585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. A számítógépek gyermekek általi bölcs használatának alapelvei. Ergonómia 2009, 52, 1386 – 1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Fekete, DW internetes függőség: meghatározás, értékelés, epidemiológia és klinikai kezelés. CNS-drogok 2008, 22, 353 – 365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Internetfüggőség: Új klinikai rendellenesség kialakulása. CyberPsychol. Behav. 1998, 1, 237 – 244. [Google Scholar] [CrossRef]
  19. American Psychiatric Association (APA). Mentális Betegségek Diagnosztikai és Statisztikai kézikönyve. Online elérhető: http://www.dsm5.org (elérhető az 2 február 2016 oldalán).
  20. Petry, NM; O'Brien, CP internetes játékzavar és a DSM-5. függőség 2013, 108, 1186 – 1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. A függőség gyakorisága: A többség vagy a kisebbség problémája? Eval. Egészségügyi Prof. 2011, 34, 3 – 56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulzivitás az internetes függőségben: összehasonlítás a kóros szerencsejátékokkal. Cyberpsychol. Behav. Soc. Hál. 2012, 15, 373 – 377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V.; Marano, G .; Fiumana, V.; Moschetti, C .; Alimonti, F .; Luciani, M. Az internetes függőség különbözik-e a kóros szerencsejátéktól a pszichopatológiai állapototól? Rabja. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N .; Raj, Z .; Abraham, A. Internetfüggőség és droghasználati rendellenességek serdülőkorú tanulókban - keresztmetszeti tanulmány. J. Int. Med. Horpadás. 2015, 2, 172 – 179. [Google Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Nem drogfüggő magatartás fiatalkorban: Patológiás szerencsejátékok és problémás internethasználat. Gyermek serdülők. Psychiatr. Clin. N. Am. 2010, 19, 625 – 641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND A prefrontális kéreg diszfunkciója függőségben: Neuroimaging találatok és klinikai következmények. Nat. Rev. Neurosci. 2011, 12, 652 – 669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. A chrna4 gén szerepe az internetes függőségben: Esettanulmány-vizsgálat. J. Addict. Med. 2012, 6, 191 – 195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M.; Kafetzis, D .; Tsitsika, A. A serdülők körében a potenciális problematikus és problematikus internethasználat kockázati tényezői és pszichoszociális jellemzői: Keresztmetszeti tanulmány. BMC Közegészségügy 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. A szürke anyag rendellenességei az internetes függőségben: Voxel-alapú morfometria tanulmány. Eur. J. Radiol. 2011, 79, 92 – 95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. A függőség „komponenseinek” modellje a biopszichoszociális kereten belül. J. Subst. Használat 2005, 10, 191 – 197. [Google Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Internetes függőség gyakorisága és az (igazi) élet minősége: Az 31 nemzetek metaanalízise hét világrégióban. Cyberpsychol. Behav. Soc. Hál. 2014, 17, 755 – 760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Túlzott internethasználat az európai serdülőknél: Mi határozza meg a különbségeket a súlyosság között? Int. J. Közegészségügy 2015, 60, 249 – 256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M.; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Internetfüggőségi viselkedés serdülőkorban: keresztmetszeti tanulmány hét európai országban. Cyberpsychol. Behav. Soc. Hál. 2014, 17, 528 – 535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V.; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. A kóros internethasználat prevalenciája a serdülők körében Európában: Demográfiai és társadalmi tényezők. függőség 2012, 107, 2210 – 2222. [Google Scholar] [CrossRef] [PubMed]
  35. 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]
  36. Carli, V.; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. A patológiás internethasználat és a komorbid pszichopatológia közötti kapcsolat: Rendszeres áttekintés. pszichopatológia 2013, 46, 1 – 13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. Az internetfüggőség és a pszichiátriai együttes morbiditás összefüggése: Metaanalízis. BMC pszichiátria 2014, 14, 1 – 10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V.; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Kóros internethasználat az európai serdülők körében: Pszichopatológia és önpusztító viselkedés. Eur. Gyermek serdülőkor. Pszichiátria 2014, 23, 1093 – 1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD Az internetes függőség klinikai pszichológiája: Konceptualizációjának, prevalenciájának, idegi folyamatainak és a kezelés következményeinek áttekintése. Neurosci. Neuroeconomics 2015, 4, 11 – 23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Többszörös kockázati viselkedés serdülőkorban. J. Közegészségügy 2012, 34, i1 – i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ A hallgatók életmód-kockázati tényezői: Klaszteranalitikai megközelítés. Prev. Med. 2010, 51, 73 – 77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Az unipoláris depresszió életmód kezelése. Acta Psychiatr. Scand. 2013, 127, 38 – 54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Spring, B .; Nigg, CR Többszörös egészségügyi viselkedésváltozási kutatás: Bevezetés és áttekintés. Prev. Med. 2008, 46, 181 – 188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V.; Hoven, CW; Wasserman, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. A pszichopatológia és az öngyilkosság viselkedésének „láthatatlan” kockázatú serdülők újonnan azonosított csoportja: A SEYLE-tanulmány eredményei. Világpszichiátria 2014, 13, 78 – 86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Az ifjúsági kockázati viselkedés megfigyelése - Egyesült Államok, 2013. MMWR felmérés. Summ. 2014, 63, 1 – 168. [Google Scholar]
  46. Wasserman, D .; Carli, V.; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. A fiatal élet megmentése és felhatalmazása Európában (SEYLE): Véletlenszerűen ellenőrzött vizsgálat. BMC Közegészségügy 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V.; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. Az Európában élő fiatalok életét megtakarító és képessé tevő (SEYLE) randomizált kontrollos vizsgálat (RCT): Módszertani kérdések és a résztvevők jellemzői. BMC Közegészségügy 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS elkapta a netet: Hogyan lehet felismerni az internetes függőség jeleit - és a gyógyulás nyerő stratégiája; J. Wiley: New York, NY, USA, 1998; o. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Internet-függőség szűrése: A javasolt diagnosztikai kritériumok megkülönböztetik-e a normál és a függő internetes használatot? Cyberpsychol. Behav. 2009, 12, 21 – 27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Az USA egyetemi hallgatói közötti problémás internethasználat diagnosztikai kritériumai: Vegyes módszerek értékelése. PLOS ONE 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD A dsm-5 internetes játék rendellenességének fogalommeghatározása és mérése: Az IGD-20 teszt fejlesztése. PLOS ONE 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Egészségügyi Világszervezet (WHO). Globális iskolai tanulói egészségügyi felmérés (GSHS). Online elérhető: http://www.who.int/chp/gshs/en/ (elérhető az 12 december 2015 oldalán).
  53. Choi, K .; Son, H .; Park, M .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Internet túlhasználat és túlzott nappali álmosság serdülőknél. Psychiatry Clin. Neurosci. 2009, 63, 455 – 462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B.; Demirci, AC Az internetes függőség magas kockázata és annak kapcsolata az egész életen át tartó szerhasználattal, pszichológiai és magatartási problémákkal az 10. Osztályú serdülők körében. Psychiatria Danub. 2014, 26, 330 – 339. [Google Scholar]
  55. Nemzetközi Távközlési Unió (ITU). IKT tények és adatok. Online elérhető: http://www.itu.int/en (hozzáférhető az 8 augusztus 2015-jén).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS serdülők többszörös egészségi kockázatú viselkedésének kovarianciája. PLOS ONE 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. Az impulzivitás és az internetfüggőség közötti kapcsolat egy kínai serdülők mintájában. Eur. Pszichiátria: J. Assoc. Eur. Psychiatr. 2007, 22, 466 – 471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Elidegenedés, agresszió és szenzáció keresése az erőszakos film, számítógép és weboldal tartalmának serdülőkori felhasználásának előrejelzőjeként. J. Commun. 2003, 53, 105 – 121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE A problémás internethasználat átfogó elmélete felé: Az önértékelés, a szorongás, az áramlás és az internetes tevékenységek önértékelés fontosságának értékelése. Comput. Zümmögés. Behav. 2009, 25, 490 – 500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Megkülönböztető függőség és nagy elkötelezettség az online játékmenet kontextusában. Comput. Zümmögés. Behav. 2007, 23, 1531 – 1548. [Google Scholar] [CrossRef]
  61. 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]
  62. Meena, PS; Mittal, PK; Solanki, RK A közösségi hálózati oldalak problémás használata városi iskolai tinédzserek körében. Ind. Pszichiátria J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Az internetes függőség / patológiás internethasználat jellemzői az amerikai egyetemi hallgatókban: Minőségi módszer vizsgálata. PLOS ONE 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Internetes játékfüggőség, az internet problémás használata és alvási problémák: Rendszeres áttekintés. Akt. Psychiatry Rep. 2014, 16, 1 – 9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N .; Gradisar, M. Elektronikus médiahasználat és alvás iskolás korú gyermekek és serdülőknél: áttekintés. Sleep Med. 2010, 11, 735 – 742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Az alvási problémák gyakorisága, valamint az alvási problémák és az iskola elutasító viselkedése közötti kapcsolat az iskolás korú gyermekekben a gyermekek és a szülők értékelésénél. pszichopatológia 2014, 47, 119 – 126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC A szenzációs keresés és az internetfüggőség a tajvani középiskolai serdülőknél. Comput. Zümmögés. Behav. 2002, 18, 411 – 426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. Az internetes függőség szerepe az online játékhűségben: feltáró tanulmány. Internet Res. 2008, 18, 499 – 519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Problémaviselkedés és pszichoszociális fejlődés: A fiatalok longitudinális tanulmánya; Academic Press: Cambridge, MA, USA, 1977; o. 281. [Google Scholar]
  70. Jessor, R. Probléma-viselkedéselmélet, pszichoszociális fejlődés és serdülőkori problémafogyasztás. Br. J. Addict. 1987, 82, 331 – 342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF A serdülők faji csoportok problémás viselkedésében való részvételének strukturális egyenértékűsége több csoportos megerősítő faktor elemzéssel. Soc. Work Res. 1996, 20, 168 – 177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ A serdülők körében az internetes függőség nemi különbségei a pszichológiai egészségi mutatókkal kapcsolatban egy nemzeti internetes felmérés segítségével. Int. J. Ment. Egészségügyi rabja. 2014, 12, 660 – 669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Rövidebb, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Az internetes függőség értékelése az internetes függőség komponenseinek modellel - előzetes tanulmány. Int. J. Ment. Egészségügyi rabja. 2014, 12, 351 – 366. [Google Scholar] [CrossRef]