Addict Behav. 2018 Feb 12, 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, JE7.
Absztrakt
HÁTTÉR ÉS CÉLKITŰZÉSEK:
A problémás internethasználat (PIU; más néven internetes függőség) egyre növekvő probléma a modern társadalmakban. Kevés ismerete van a PIU-val kapcsolatos demográfiai változókról és az internetes tevékenységekről, valamint korlátozott ismerete van arról, hogy a PIU-t hogyan kell fogalmazni. Célunk az volt, hogy azonosítsuk a PIU-vel kapcsolatos internetes tevékenységeket, és feltárjuk az életkor és a nem moderáló szerepét az egyesületekben.
MÓD:
Internetes alapú felmérésben két helyszínen, az egyik az Egyesült Államokban és egy a Dél-Afrikában, médiahirdetések útján toboroztunk 1749 vagy annál idősebb 18 résztvevőket; az elemzéshez Lasso regressziót alkalmaztunk.
EREDMÉNYEK:
A konkrét internetes tevékenységek magasabb problematikus internethasználati pontszámokkal társultak, beleértve az általános szörfözést (lasso β: 2.1), az internetes játékokat (β: 0.6), az online vásárlást (β: 1.4), az online aukciós weboldalak használatát (β: 0.027), a közösségi hálózatépítés (β: 0.46) és az online pornográfia használata (β: 1.0). Az életkor mérsékelte a PIU és a szerepjátékok (β: 0.33), az online szerencsejáték (β: 0.15), az aukciós weboldalak (β: 0.35) és a streaming média (β: 0.35) közötti kapcsolatot, az idősebb kor magasabb szintjei. Meggyőző bizonyítékok voltak arra vonatkozóan, hogy a nem és a nem × internetes tevékenységek összefüggenek az internethasználat problémás pontszámaival. A figyelemhiányos hiperaktivitási rendellenesség (ADHD) és a szociális szorongásos rendellenesség magas PIU-pontszámokkal társult fiatal résztvevőknél (életkor ≤ 25, β: 0.35 és 0.65), míg generalizált szorongásos rendellenesség (GAD) és rögeszmés-kényszeres rendellenesség (OCD) magas PIU pontszámokkal jár együtt az idősebb résztvevőknél (55 évnél idősebb, β: 6.4 és 4.3).
Következtetések:
Az online viselkedés sok fajtája (pl. Bevásárlás, pornográfia, általános szörfözés) szorosabb kapcsolatban áll az internet rosszindulatú használatával, mint a problémás internethasználat diagnosztikai osztályozását sokoldalú rendellenességként támogató játékokkal. Továbbá az internetes tevékenységek és a problémás internethasználathoz kapcsolódó pszichiátriai diagnózisok életkor szerint változnak, ami közegészségügyi következményekkel jár.
KEYWORDS: Viselkedésfüggőség; Internet függőség; Internetes játék zavar; Lasszó; Gépi tanulás; Problémás internethasználat
PMID: 29459201
Doi: 10.1016 / j.addbeh.2018.02.017
1
Bevezetés
A problémás internethasználat (PIU; más néven internetes függőség) a közegészségügyi probléma a modern társadalmakban szerte a világon. A PIU járványtana továbbra sem tisztázott (
; ) a jelentett pontszámprevalencia-becslések széles skálájával (1–36.7%), valószínűleg nemcsak a népességbeli különbségeket tükrözi, hanem az értékelési eszközök sokféleségét és a PIU-viselkedés különböző működési meghatározásait is. A DSM-5 az internetes játékbetegségeket emelte ki a további tanulmányok feltételeként (), különösképpen kizárva az egyéb internetes tevékenységeket, például a szerencsejátékot és a közösségi média használatát, annak ellenére, hogy felhalmozódó bizonyíték van arra, hogy a problémás internethasználat sokrétű probléma, amely túlmutat az online játékokon (; ;). Számos különféle online magatartást írtak le úgy, hogy képesek károsítani a normális működést, ha túlzottan vállalják őket, ideértve az online játékokat és a masszívan többszereplős online szerepjátékokat (;;;;;), az online szerencsejátékokat (;), az online vásárlást (; ;), pornográfia (;;) megtekintése, e-mailek gyakori ellenőrzése, azonnali üzenetküldés (;;) és a közösségi média túlzott használata (;). Az online magatartás aggodalomra adhat okot az egyének fizikai egészségi állapotában (;), vagy megalapozhatja a bűncselekményeket (). Az impulzív és kényszeres jellemzők megalapozhatják a problémás internetes magatartást (;;;;), míg az egyes internetes tevékenységek összefüggenek a pszichiátriai rendellenességekkel; például az online vásárlást összefüggésbe hozták a depresszióval és a felhalmozással (
).
A fiatalokat és a diákokat a leginkább veszélyeztetettnek tekintik a PIU (
; ; ; ; ), de a középkorú és az idősebb népességeket nem vizsgálták átfogóan. A fiatal korot a problémás online vásárláshoz társították (;). Számos tanulmány készült azonban a felnőtt lakosság problémás internetes tevékenységeinek, ideértve a túlzott internetes vásárlást is (
). Összességében a problematikus internethasználat természetes története még mindig ismeretlen, és az életkorhoz kapcsolódó különbségek lehetnek a PIU átlagában vagy a különféle problémás online magatartásokban.
Úgy ítélték meg, hogy a PIU férfiak túlnyomó többsége (
; ), és valószínűleg gyakoribb az ázsiai férfi fiatalok körében, de a nők is kiszolgáltatottak lehetnek (;). Klinikai szinten a PIU-vizsgálatok többségében csak férfi résztvevők szerepeltek (), és nem világos, hogy a női klinikai populációk alulértékeltek-e. A megfigyelő tanulmányokból van néhány bizonyíték arra, hogy a férfiak és a nők az online környezetben való működésük szempontjából különböznek az általuk választott tevékenységek és azok negatív következményei szempontjából (;). A csevegés és a közösségi média túlzott mértékű használatát a fiatal hallgatókban társították a női nemekkel (;;;; S). A női nemet szintén azonosították a problémás online vásárlás előrejelzőjeként (), ám ellentétes helyzetről számoltak be (;). Az online játékokat a férfiak és a férfiak nemeivel társították (), ám mindkét nemben tömegesen többszereplős online szerepjátékról van szó. Az online pornográfia, valamint az online szerencsejátékokról számoltak be, hogy gyakoribb a felnőtt férfiak körében (), azonban azt állítják, hogy a jutalom megerősítése, a reakcióképesség és az online szex vágyakozásának szerepe hasonló mindkét nemnél (). Mindkét nem alkalmazza a függőségi potenciállal rendelkező szociális média olyan speciális platformjait, mint például a hálózati oldalak, mint például a Facebook, és azt vitatják, hogy a nőket különösen veszélyezteti (). Összességében előfordulhat, hogy a PIU vonatkozásában különbségek vannak a nemek között; alternatívaként előfordulhat, hogy ha figyelembe vesszük a klinikai és viselkedésbeli tulajdonságokat / összetévesztéseket, akkor mindkét nem hasonlóan érinti (;;
).
Összességében a problematikus internethasználat, beleértve a problematikus internetes magatartás sokféleségét, szigorúbb vizsgálatokat igényel, amelyek felvilágosítanák azt, hogy melyik tevékenységet kell problematikusnak vagy diszfunkcionálisnak tekinteni, vagy általában hozzájárulva a PIU-ként ismert jelenséghez. Alul tanulmányozták azt a módot, amellyel az életkor és a nem befolyásolja az egyes internetes tevékenységek és a PIU közötti kapcsolatot, így nagyobb figyelmet kell szentelni.
Célunk az volt, hogy meghatározzuk a PIU-vel statisztikailag kapcsolatban álló konkrét internetes tevékenységeket, és hogy vannak-e kölcsönhatások az életkorral vagy a nemmel, amelyek mérséklik ezeket a kapcsolatokat.
2
Anyag és módszerek
2.1
Beállítás és intézkedések
A tanulmány beállításáról és intézkedéseiről további részleteket a PIU korábbi publikációjában (
). A tanulmány módszerének jelentése a STROBE iránymutatást követi (
). A jelenlegi tanulmányt 2014 január – 2015 január óta végezték. Az 18 éves vagy annál idősebb személyeket két helyszínre toborozták: Chicago (USA) és Stellenbosch (Dél-Afrika) internetes hirdetések felhasználásával (átlagéletkor 29 [18 – 77]; 1119 férfiak [64%]; 1285 kaukázusi [73%]). A hirdetések felkérték az egyéneket, hogy vegyenek részt egy online felmérésben az internethasználatról. A résztvevők anonim módon fejezték ki a felmérést a Survey Monkey szoftver segítségével. A felmérést a Craigsliston keresztül küldték el, tehát csak az adott helyről vett résztvevőket célozták meg. A tanulmányt az egyes kutatási helyszínek intézményi felülvizsgálati testületei jóváhagyták. A résztvevők nem részesültek kompenzációban a részvételért, de véletlenszerű lottón vették részt, ahol öt díjat lehetett beszerezni, mindegyik nyereményt az USA-ban 50 és $ 200 közötti értékben, valamint három díjat a Dél-Afrikában a ZAR250 és a ZAR750 között.
Az online felmérés kérdéseket tartalmazott az egyén életkoráról, neméről, fajáról, párkapcsolati állapotáról, szexuális irányultságáról és iskolai végzettségéről, valamint az egyes internetes tevékenységek különféle intézkedéseit. Számos különböző internetes tevékenységet mértünk, beleértve: 1) általános szörfözés 2) internetes játékok összesen 3) Online szerepjátékok (RPG) 4) Időt pazarló / ügyességi játékok (azaz Alkalmazások iPod / iPad / mobiltelefonon, Tetris, Jewels) 5 ) Online cselekvési többjátékos (azaz Call of Duty, Gears of War) 6) Online vásárlás 7) Aukciós webhelyek (azaz Ebay) 8) Online szerencsejáték 9) Közösségi hálózatok 10) Online sportok (azaz fantáziasportok, ESPN) 11) Pornográfia / szex az interneten 12) Üzenetek / Blogolás (azaz AIM, Skype) és 13) Videók / média streaming (azaz YouTube, Hulu). A felmérés klinikai intézkedéseket is tartalmazott: az internetes függőségi tesztet (IAT) (
) adjon intézkedést a rosszul adaptív internethasználatról; válasszon Mini Nemzetközi Neuropszichiátriai Interjú (MINI) modulokat () a várható társadalmi szorongásos rendellenesség (SAD), az generalizált szorongásos rendellenesség (GAD) és az obszesszív-kompulzív rendellenesség (OCD) azonosításához; a felnőttkori ADHD önjelentési skála tünetek ellenőrző listája (ASRS-v1.1) () a figyelemhiányos hiperaktivitási rendellenesség (ADHD) tüneteinek azonosítására; a Padova Inventory (PI) () az obszesszív-kompulzív tendenciák azonosítására; és a Barratt Impulzivitás skála (BIS-11) az impulzív személyiség számszerűsítésére (
). Az összes változó leíró statisztikáit az S1a kiegészítő táblázat összefoglalja és rétegzi.
Az IAT 20 kérdéseket tartalmaz, amelyek a PIU aspektusait vizsgálják. Az IAT pontszáma az 20-tól 100-ig terjed, az 20 – 49 az enyhe internethasználatot tükrözi, az 50 – 79 mérsékelt internethasználatot tükrözi, az 80 – 100 pedig a súlyos internethasználatot tükrözi. A PI az 39 elemekből áll, amelyek felmérik a megszokott és kényszeres viselkedést. A BIS-11 egy önjelentő kérdőív, amelyet az impulzivitás szintjének meghatározására használnak.
Végeztünk egy fő komponens elemzést (PCA) annak megállapítására, hogy az internetes tevékenységek néhány összetevője képes lenne-e elszámolni a variancia jelentős részét. Ez az elemzés azonban azt mutatta, hogy a 11 komponensből> 13-re volt szükségünk a> 90% -os szórás eléréséhez, ami azt jelzi, hogy az internetes tevékenységek változóinak jelentős része egyedülállóan járul hozzá a varianciához. Ezért úgy döntöttünk, hogy elemzésünk során minden változót külön használunk.
Csak azok a résztvevők adatait vonták be az elemzésekbe, akik az online felmérést teljes egészében kitöltötték, ideértve az internetes tevékenységet is. Az eredeti minta 2551 személyt tartalmazott. 63 személyt kizártak az IAT-pontok hiánya miatt. További 18 személyt kizártunk a transznemű nemek jelentése miatt, 459 főt pedig a fontos prediktor változók hiánya miatt, például a PI vagy a BIS kérdőív pontszámai miatt. Öt személyt kizártak a 18 évnél fiatalabb életkor miatt. További 257 személyt kizártak az internetes tevékenység hiányzó intézkedései miatt. A végső teljes készlet 1749 egyént tartalmazott, az összes változó teljes pontszámával. A kizárási folyamat ezen utolsó lépése a jelen tanulmány és a minta közötti különbséget adja
. Ez a teljes készlet 1063 személyt tartalmazott a stellenboschi telephelyről és 686 egyedet a chicagói telephelyről. A PIU becsült pont prevalenciája ~ 8.5% volt az IAT 50-es vagy annál magasabb határértékének alkalmazásával. A két vizsgálati hely populációt összehasonlítva a stellenbosch-i helyszínen fiatalabb résztvevők vettek részt (átlag (tartomány) 24.3 (18–76) vs 36.3 (18–77), ANOVA F <0.05, η 2 : 0.20], a férfi nem alacsonyabb aránya [58% vs. 73%, χ 2 <0.05, φ : 0.15], a heteroszexuális szexuális orientáció nagyobb aránya [91% vs. 84%, χ 2 <0.05, φ : 0.10], magasabb ADHD [50% vs. 41%] χ 2 <0.05, φ : 0.9], az online vásárlás alacsonyabb aránya [átlag (tartomány) 0.48 (0–5) vs 1.27 (0–5), ANOVA F <0.05, η 2 : 0.18] és kissé alacsonyabb IAT-pontszámok [átlag (tartomány) 30.3 (20–94) vs 35.9 (20–85), ANOVA F <0.05, η 2 : 0.06]. A részletesebb összehasonlítást az S1b kiegészítő táblázat tartalmazza. A felvételi és kizárási folyamatot grafikusan mutatjuk be Ábra 1 . Az összes folyamatos változót (azaz a BIS-pontszámot) szabványosítottuk a modell együtthatóinak értelmezhetősége érdekében. A predikciós módszerek az IAT pontszámot használják numerikus változóként (tartomány 20 – 94, átlag 32.48). Az összes elemzést az R Studio 3.1.2 verziójában végeztük. A Lasso általánosított lineáris modelljeit a „glmnet” csomag felhasználásával hajtottuk végre (Csomag glmnet verzió 2.0 – 5 (
)). Az elemzési folyamattal kapcsolatos további részletek a Kiegészítésben találhatók (módszertani függelék).
2.2
A korrelációk feltárása
Az adatokban szereplő változók közötti összefüggéseket feltártuk (lásd: Ábra 2 ). Minden különböző internetes tevékenységnek gyenge pozitív korrelációja volt az IAT ponttal (Pearson-féle korrelációs együttható tartomány 0.23–0.48). Megállapítottak néhány mérsékelt pozitív összefüggést az internetes aktivitásváltozók között, azaz a teljes internetes játék és az RPG (r = 0.57), az összes internetes játék és az akció multiplayer játékok (r = 0.55), az online vásárlás és az aukciós weboldalak használata (r = 0.55), az általános szörfözés és vásárlás (r = 0.44), általános szörfözés és közösségi hálózatok (r = 0.44), általános szörfözés és streaming média (r = 0.44). A sport és a pornográfia (r = 0.38), a férfi nem és a sport (r = 0.30), vagy a pornográfia (r = 0.39) vagy a többszereplős akciójáték (r = 0.27) között gyenge pozitív összefüggés volt. Az online szerencsejáték és az akció multiplayer (r = 0.41), az RGP (r = 0.32), az aukciós weboldalak (r = 0.38), a sport (r = 0.38) vagy a pornográfia (r = 0.39) között gyenge összefüggés volt. Az impulzivitás gyengén pozitívan korrelált az általános szörfözéssel, az online vásárlással, az aukciós weboldalak használatával, a közösségi hálózatokkal, a streaming médiával és a pornográfiával (0.2 ≤ r ≤ 0.3). Gyenge összefüggés volt az idősebb kor és a vásárlási tevékenység (r = 0.33) vagy az aukciós weboldalak használata (r = 0.22), valamint a nem heteroszexuális szexuális orientáció és a pornográfia között (r = 0.22). Az internetes tevékenységek és az életkor, a nem, a kapcsolati státusz, a szexuális irányultság, az iskolai végzettség, a faj, valamint az impulzivitás és a kényszeresség közötti összes többi összefüggés nagyon gyenge volt (−0.2 <r <0.2).
2.3
A túl illeszkedés kezelése
Statisztikai módszereinkhez olyan modelleket alkalmaztunk, amelyek tartalmazzák a demográfiai változókat (életkor, faj, iskolai végzettség, nem, viszonyállapot, szexuális orientáció), klinikai jellemzőket (ADHD, GAD diagnózis, társadalmi szorongás és OCD diagnosztizálása), viselkedési dimenziókat, amelyekről ismert, hogy PIU (impulzivitás és kényszereség), internetes tevékenységek és interakciós feltételek az internetes tevékenységek között × Kor vagy nem; az utóbbit úgy döntötték, hogy teszteljék azt a hipotézist, miszerint az életkor vagy a nemek mérséklik az internetes tevékenységek és a problémás internethasználati pontok közötti kapcsolatot. Összesen 51 prediktív változót vontunk be. A változók sokaságának bevonásával törekedtünk egy olyan modellre, amely pontosabb és ugyanakkor megragadja a demográfiai és az internetes aktivitási változók összetett kölcsönhatásait. Azonban a sok prediktív változó rendelkezésének hátránya, hogy ez általában túl illeszkedéshez vezet, nagy együtthatókkal együtt. Ezenkívül a mintán belüli lineáris regresszió túlzottan illeszkedik, különösen komplex modellek esetében, és alapvetően hibás az új adatokra vonatkozó előrejelzések megfogalmazásakor. Széles körű bizonyíték van a túl illeszkedő modellek hátrányaira (
). A túl illeszkedés kezelésére megvitattuk a mintán kívüli statisztikai módszerek (kereszt-validálás) alkalmazását a modell általánosítási és előrejelzési hibájának becslésére (
). Ezt a megközelítést vizsgáltuk jelenlegi adatainkban, amikor a mintákon kívüli kereszt validált becslést alkalmaztuk a gyökérérték-négyzet-hiba becslésére a változók visszafelé történő kiválasztásával együtt annak tesztelésére, hogy a modellek javulnak-e nagyszámú változó hozzáadásával a a prediktorok lehetséges kombinációinak részhalmazai, és azt láttuk, hogy a ritka modellek (azaz körülbelül 13 és 16 változó között vannak) nem alacsonyabb rendűek a keresztvalidált RMSE szempontjából a bonyolultabb modellekhez képest (amelyek> 16 változót tartalmaznak). Ezt feltáróan mutatjuk be Ábra 3 (bal felső).
2.4
Rendszeres regresszió a ritkaság korlátozásokkal
Az előző bekezdésben említett okokból olyan predikciós módszert akartunk használni, amely nem túl sokat felel meg, miközben a PIU-pontszámok előrejelzése szempontjából összehasonlítható a szokásos statisztikai módszerekkel. Fontos lenne, ha módszerünk változtatható szelekciót is elvégezhet (azaz a nullán kívüli együtthatókkal rendelkező prediktorok számának csökkentésével) a modell értelmezhetőségének elősegítése érdekében. Szabályozás, amelyet eredetileg Tikhonov tervezett az integrált egyenletek megoldására (
), amelyet később bevezettek a statisztikai tudományba, és rendelkezik a fentiekben említett néhány olyan tulajdonsággal, amelyek a modell felépítésének a szétválasztás irányába történő eltolására és a túl illeszkedés csökkentésére irányulnak (). A Lasso (általánosított lineáris modell maximális valószínűséggel büntetett, regresszióként ismert legkevesebb abszolút zsugorodási és szelekciós operátorral (Lasso vagy LASSO ())) egy olyan normalizációs és regressziós elemzési módszer, amelyet manapság gyakran használnak az orvostudományban (;), és klinikai predikciós modellezés a pszichiátriában (RC). A gerinc-regresszió a szabályozott lineáris regresszió egy másik formája, amely az együtthatókat egy koefficiens büntetés bevezetésével csökkenti (). Az elasztikus háló egy köztes modell a gerinc és a lasso között, és büntetését α vezérli, amely áthidalja a Lasso (α = 1) és a gerinc (α = 0) közötti rést. A λ hangolási paraméter szabályozza a büntetés általános erősségét. Lasso az L1 büntetést, a gerinc pedig az L2 büntetést használja. A gerinc regressziójával ellentétben a Lasso L1 büntetés hatása az, hogy a legtöbb együtthatót nullára állítják, és ezzel egyidejűleg ritkán szabályozott megoldáshoz vezetnek. Ezzel a mechanizmussal a Lasso változó kiválasztást hajt végre, ami jelentősen leegyszerűsíti az értelmezést, különösen, ha sok prediktor vesz részt a modellben. Egy másik, a nagy pontossággal és a túl illeszkedés elkerülésére képes, nem szabványos módszer a véletlenszerű erdők
). A véletlenszerű erdők olyan gépi tanulási módszer, amely jól teljesít a nemlineáris függőségekkel szemben, ezért ennek a modellnek a teljesítménye feltárásával betekintést nyerhetnénk a, esetleg „rejtett”, összetett társulásokba.
2.5
Előrejelzési módszerek
Elemzésünkben a megfelelő modell kiválasztásához összehasonlítottuk a lineáris regressziót, a gerinc regressziót, a rugalmas hálót, a Lasso és a random erdő modelleket egymással és egy naiv alapvonallal, az RMSE kereszthiteles mintán kívüli becslésével. Kereszt-hitelesítésünk magában foglalta az adatok véletlenszerű felosztását egy képzési és tesztkészletben, a modell paramétereinek hangolását az edzéskészletben és az előrejelzéseket az IAT-pontszámokra a tesztkészletben. Az adatok hajtogatásra való véletlenszerű jellege miatt ezt a folyamatot 50-szer megismételtük, hogy stabil és megismételhető becslést kapjunk. Ezután összehasonlítottuk az RMSE pontszámok végső vektorait Exact Wilcoxon-Pratt aláírt rangtesztekkel. Valamennyi modell szignifikánsan felülmúlta a naiv alapvonalat (p korrigált <0.001, Cohen d = −0.87) (lásd az S2 kiegészítő táblázatot). Az RMSE pontszámok összefoglaló statisztikáit az S3 kiegészítő táblázat tartalmazza. A lasso és a rugalmas háló felülmúlta a gerinc regressziót (p-korrigált <0.01, d = 0.51, d = 0.49) és a lineáris regressziót (p korrigált <0.001, d = 0.76), és statisztikailag nem különbözött egymástól (p korrigált> 0.05, d = −0.08). A véletlenszerű erdő nem volt jobb, mint a lasszó (p = 0.12) vagy a rugalmas háló (p javítva> 0.05). Ezért elemzésünk során Lassót használtuk, mert a jó mintán kívüli jóslási teljesítmény mellett Lasso képes volt változó szelekciót végrehajtani az együtthatók nullára zsugorításával és ezáltal az értelmezhetőség növelésével. Bár a rugalmas háló változó szelekciót is képes végrehajtani, hajlamos több változót kiválasztani, és annak ellenére, hogy összetettebb és erőteljesebb modell, nem nyújtott lényegesen jobb teljesítményt, mint a lasszó. Végső elemzésünkben a teljes adatok és az alcsoport-elemzések során tízszeres keresztellenőrzést alkalmaztunk az optimális lambda előállításához az egyes lasszó modellekhez, és az e modellek által előállított együtthatókat jelentettük. A teljes adatelemzésből származó magyarázó ábrákat a Ábra 3 .
3
Eredmények
A Lasso regressziós eredményeket a teljes mintában összegezzük, és életkoruk szerint rétegezzük 1 és 2 táblázatok . Az alcsoportok elemzésének eredménytáblázatait az életkor és a vizsgálati hely szerinti bontásban, az online kiegészítő táblázatokban (S4 – S10 táblázatok) mutatjuk be. Az adatok feltáró táblázatait kiegészítő ábrák mutatják (S1 – S3 ábra). A lineáris regresszió standardabb statisztikai megközelítésének eredményeit az S4 – S10 kiegészítő táblázatokban is bemutatjuk, és a szerkezeti következtetések bármilyen különbsége az alább bemutatott fő eredményekhez viszonyítva egy másik modell választásától függ.
| Internetes tevékenység | Összes (n = 1749) | 18 ≤ kor ≤ 25 (n = 1042) | 26 ≤ kor ≤ 55 (n = 592) | Életkor> 55 (n = 115) |
|---|---|---|---|---|
| Általános szörfözés | 2.100 | 2.400 | 1.500 | 0.590 |
| Internetes játék | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Idő pazarló | 0.000 | 0.000 | 0.000 | 0.450 |
| Művelet multiplayer | 0.000 | 0.000 | 0.000 | 0.000 |
| Bevásárlás | 1.400 | 0.840 | 1.500 | 0.000 |
| Aukciós weboldalak | 0.027 | 0.000 | 0.990 | 0.230 |
| Szerencsejáték | 0.000 | 0.000 | 0.780 | 0.000 |
| A közösségi hálón való kommunikáció | 0.460 | 0.000 | 1.300 | 0.000 |
| Sport | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornográfia | 1.000 | 1.400 | 0.210 | 0.000 |
| Üzenetek | 0.000 | 0.000 | 0.110 | 0.000 |
| Streaming media | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| ADHD diagnózis | 1.700 | 0.350 | 3.100 | 0.000 |
| GAD diagnózis | 0.230 | 0.000 | 0.000 | 6.400 |
| Társadalmi szorongás diagnózis | 0.000 | 0.560 | 0.000 | 0.000 |
| OCD diagnózis | 0.270 | 0.000 | 0.000 | 4.300 |
| Internetes tevékenység | Összes (n = 1749) | 18 ≤ kor ≤ 25 (n = 1042) | 26 ≤ kor ≤ 55 (n = 592) | Életkor> 55 (n = 115) |
|---|---|---|---|---|
| Demográfiai változók | 0.000 | 0.000 | 0.000 | 0.000 |
| Nem: bármilyen internetes tevékenység | 0.000 | 0.000 | 0.000 | 0.000 |
| Kor × általános szörfözés | 0.000 | - | - | - |
| Kor × Internetes játék | 0.000 | - | - | - |
| Kor × RPG | 0.330 | - | - | - |
| Kor × időpazarlók | 0.000 | - | - | - |
| Kor × akció multiplayer | 0.000 | - | - | - |
| Kor × vásárlás | 0.000 | - | - | - |
| Kor × szerencsejáték | 0.150 | - | - | - |
| Kor × aukciós weboldalak | 0.350 | - | - | - |
| Kor × közösségi hálózatok | 0.000 | - | - | - |
| Kor × sport | 0.000 | - | - | - |
| Kor × pornográfia | 0.000 | - | - | - |
| Kor × üzenetküldés | 0.000 | - | - | - |
| Kor × streaming media | 0.350 | - | - | - |
3.1
Demográfiai
A lasso regresszióban egyetlen életkor alcsoportban sem a teljes adatokban nem volt semmiféle változó, beleértve az életkort, a nemét, a fajtát, az iskolai végzettséget, a kapcsolat státusát vagy a szexuális irányultságot.
3.2
Internetes tevékenységek
A teljes Lasso regresszióban számos internetes tevékenység társult magas PIU pontszámokkal, beleértve az általános szörfözést (β: 2.1), az internetes játékokat (β: 0.6), az online vásárlást (β: 1.4), az aukciós weboldalak használatát (β: 0.027), a közösségi hálózatok (β: 0.46) és az online pornográfia használata (β: 1.0). A PIU és a szerepjátékok (RPG), az online szerencsejáték, az aukciós weboldalak használata és a streaming média közötti kapcsolatokat életkor szerint mérsékelték (β: 0.33, 0.15, 0.35 és 0.35), az idősebb életkor magasabb PIU pontszámokkal járt . Korcsoportok elemzésében (fiatal résztvevők életkora ≤ 25, középkorú résztvevők 25 <életkor ≤ 55; idősebb résztvevők életkora> 55 év) az általános szörfözés minden korcsoportban összefüggésbe hozható a PIU-val, de a fiataloknál erősebben (β: 2.4) , a középkorúaknál kevésbé (β: 1.5), és még kevésbé az idősebb résztvevőknél (β: 0.59). Hasonló tendencia volt megfigyelhető az internetes játékokban (β: 0.45, 0.11 és 0.0 a három korcsoportban) és az online pornográfia használatában (β: 1.4, 0.21 és 0.0). Egyes internetes tevékenységek, például az online RPG-k használata, szorosabban kapcsolódtak a PIU-hoz a középkorú résztvevőknél más korcsoportokhoz képest (β: 0.71). Ugyanez vonatkozott az online szerencsejátékokra (β: 0.78), az azonnali üzenetküldésre (β: 0.11) és az online közösségi hálózatokra (β: 1.3). Az aukciós weboldalak használata szintén szorosabban kapcsolódott a PIU-hoz a középkorú résztvevőknél (β: 0.99), de az idősebb résztvevőknél is prediktív volt (β: 0.23). Az online média közvetítése és az időpazarló használata összefüggésben állt a PIU-val az idősebb résztvevőknél (β: 1.2, illetve 0.45), de egyetlen más korcsoportban sem.
3.3
Klinikai és viselkedési jellemzők
A figyelemhiányos hiperaktivitási rendellenesség (ADHD) (β: 1.7), generalizált szorongásos rendellenesség (GAD) (β: 0.23) és obszesszív-kompulzív rendellenesség (OCD) (β: 0.27) tüneteit magasabb PIU pontszámokkal társították. Az életkor-alcsoport elemzés során az ADHD-t és az SAD-ot a magasabb PIU-pontszámokkal társították a fiatalabb résztvevőkben (β: 0.35 és 0.56), míg az ADHD a középkorú alcsoportban szignifikáns maradt (β: 3.1). A GAD és OCD magasabb PIU pontszámokkal társult az idősebb résztvevők alcsoportjában (β: 6.4 és 4.3), a többi korcsoportban azonban nem. A BIS pontokat (impulzív személyiség) és a PADUA pontokat (obszesszív-kompulzív tendenciák) a teljes adatokban (β: 0.066, illetve 0.074) és az összes korcsoportban végzett elemzésben a magasabb PIU pontszámokkal társítottuk.
4
Megbeszélés
Ez a cikk az első kísérlet arra, hogy átfogóan feltárja az internetes tevékenységek különféle típusait, amelyek kapcsolódnak az internet rosszindulatív használatához, azaz a problémás internethasználathoz. A korábbi munkák általában az internetes tevékenységek problémájával foglalkoztak, amelyek problematikus használathoz vezetnek, az izolált internetes tevékenységekre összpontosítva (
; ; ; ; ). Itt megmutattuk, hogy számos internetes tevékenység, beleértve az általános szörfözést, az internetes játékot, az online vásárlást, az aukciós webhelyek használatát, az online szerencsejátékokat, a közösségi hálózatokat és az online pornográfia használatát, külön-külön és egyedileg járul hozzá a PIU-hoz, bizonyítékot szolgáltatva arra, hogy a PIU komplexum jelenség, amely számos különféle problémás viselkedést tartalmaz. Ezen felül kimutattuk, hogy ezek a viselkedések megtartják statisztikailag szignifikáns kapcsolataikat a PIU-vel, még akkor is, ha a pszichiátriai tünetekről ismert, hogy a PIU-vel társulnak (azaz az ADHD, GAD és OCD tünetei) (;), és a viselkedés olyan dimenzióira, amelyekről ismert, hogy PIU (azaz az impulzivitás és a kényszeresség személyiségmérői) (;;
) figyelembe kell venni. Bebizonyítottuk továbbá, hogy bizonyos internetes tevékenységek, például az RPG, az online szerencsejáték, az aukciós webhelyek használata és a streaming média a magasabb PIU pontszámokkal társulnak, és hogy ezt a kapcsolatot befolyásolja a kor. Végül: adataink azt mutatják, hogy az online magatartás más típusai (például vásárlás, pornográfia, általános szörfözés) szorosabban kapcsolódnak az internet rosszindulatú használatához, mint a játék, és lehetséges, hogy ez kapcsolódik ahhoz a tényhez, hogy a korábbi tanulmányok nem tartalmaztak ilyen széles körű internetes tevékenységek. Ezeknek az eredményeknek jelentős hatása van a PIU klinikailag értelmezhető rendellenességként való értelmezésére, mivel felhívják a figyelmet az „internetes játékszervi rendellenesség” egydimenziós és viszonylag szűk konstrukciójára, a problematikus internethasználat vagy több aspektusú internetfüggőség többdimenziós egységére. az emberi online magatartás.
Ezenkívül a mintán kívüli keresztirányú validálással kimutattuk, hogy a Lasso regresszió alkalmazásának „nem standard” megközelítése pontosabb a PIU pontszámok előrejelzésében, összehasonlítva a „standardabb” lineáris regresszióval. A modell prediktív értékének mintán kívüli becslése gyakran segíti annak a jelenségnek a kezelését, amely révén a replikációs vizsgálatokban a szignifikancia csökken. A Lasso regresszió választása azonban azzal a figyelmeztetéssel jár, hogy a modell által nem kiválasztott változók (nulla együtthatókkal) továbbra is prediktívek lehetnek, különösen akkor, ha a kiválasztott és a nem kiválasztott változók között nagy a korreláció. Adatkészletünkben nem voltak szorosan összefüggő változók, ennek ellenére ez a korlátozás azt jelenti, hogy a negatív eredményeket konzervatív módon kell kezelnünk. Például a nemek és a PIU közötti asszociáció hiánya, valamint a nemek közötti asszociáció hiánya × az internetes tevékenységek a PIU-val vitathatatlanul alátámasztják azt a hipotézist, miszerint ha a PIU magatartásának és a potenciális beavatók szélesebb körét vesszük figyelembe, akkor mindkét nem egyenlően sebezhető. a PIU fejlődő aspektusainak (
; ). Elemzésünk korlátai miatt azonban nem zárhatjuk ki annak lehetőségét, hogy más összefüggések léteznek a PIU és a nemek között. Például azt javasolták, hogy a nemek mérsékeljék az online vásárlás és a PIU közötti kapcsolatot, és hogy a nők nagyobb mértékben veszélybe kerülhetnek (). Lényeges lehet, hogy a kényszeres vásárlási rendellenesség, egy középkorú csoportokban kiemelkedő rendellenesség női túlsúlyban van az 5: 1 hányados alapján (), és ez vezetheti ezeket az eredményeket. Nem állt rendelkezésre adatunk erről a rendellenességről a hipotézis tesztelésére. Fontos megjegyezni, hogy az itt használt IAT eszköz kritikát kapott a tényezők felépítésével kapcsolatos robusztusság hiánya, a jelenlegi DSM-5 működésbe lépéstől való eltérések (játékzavar) és az internetes alkalmazások technológiai fejlődésének elmaradása miatt (;
). A jövőbeli PIU-kutatásokat jól szolgálnák módszertanilag megbízható, validált eszközök, amelyek technológiai és magatartási szempontból is képesek lennének megragadni a PIU gyorsan fejlődő jellegét.
Kor-alcsoport elemzésünk betekintést adott a PIU és a különféle internetes tevékenységek közötti korfüggésekbe. Az a általános elképzelés, hogy a PIU ifjúsági rendellenesség, nem feltétlenül helyes, és arra vezethetõ, hogy nincs megfelelõen megtervezett tanulmány, amely minden korcsoportban rögzíti az online viselkedést. A PIU természettudományának elégtelen ismerete az élettartam során nem teszi lehetővé az idős népesség sebezhetőségének átfogó felfedezését a PIU kialakulásának kockázata szempontjából. Eredményeink azonban azt mutatják, hogy ezek a sebezhetőségek léteznek, és további kutatásokra van szükség a veszélyeztetett populációk jellemzőinek feltérképezésére. Például, ha ADHD vagy társadalmi szorongásos tünetek vannak, előrejelzője lehet a PIU-nak a fiatal populációkban, míg az OCD- vagy GAD-tünetek előrejelzői lehetnek a PIU-ra az idősebb populációkban. Az a tény, hogy a közelmúltbeli metaanalízis során az OCD-t nem találták összefüggésben a PIU-val (
) lehet annak jelzője, hogy az idősebb népesség alulértékelődött. Az a tény, hogy az ADHD szorosan társult a magas PIU pontszámokkal, nem meglepő, mivel más tanulmányok szerint az ADHD nagyon magas prevalenciája (akár 100%) a PIU populációkban (). Ugyanakkor a középkorú (26 és 55 közötti) populációk jobban ki vannak téve a PIU kockázatának, ha kényszerítő vásárlási rendellenességgel vagy szerencsejáték-rendellenességgel is szenvednek, figyelembe véve a középkorban tetőző betegségek természetes története (
).
Ezenkívül az a megállapítás, miszerint egy adott online tevékenység csak bizonyos korcsoportokban volt a PIU-val társítva, azt sugallja, hogy bizonyos korosztályok számára fennáll a veszélye a PIU szempontjainak kialakulásának. Míg a fiatalok számára nagyobb a kockázata annak, hogy a pornográf nézetek készítésére hajlamosak a PIU kialakulása, amely a középkorban kevésbé erősen sérülékeny, és később csökken az életben, az idősebb emberek hajlamosabbak kialakulni a PIU kialakulására, amelyet az idő problémás felhasználása jellemez. hulladékok és adatfolyamok (lásd feltáró Ábra 4 ). Végül: az általános szörfözés a PIU alulbecsült aspektusa lehet, amely úgy tűnik, hogy erősebben kapcsolódik a fiatalok magasabb PIU-mutatóinak, ám minden korcsoportban fontos; Ez a megállapítás összefüggésben áll azzal, hogy a korai felnőtt élet kevésbé lehet célirányos, és a fiatalok több időt töltenek a strukturálatlan tevékenységek során online környezetben, mint más idősebb korcsoportok.
Eredményeinknek közegészségügyi vonatkozásai vannak az online tartalom szabályozásával és a beavatkozások célzásával kapcsolatban is. Ha egy bizonyos tevékenység szorosabban kapcsolódik a problémás felhasználás fejlesztéséhez, mint mások, akkor felmerül a kérdés, hogy a közegészségügyi politikáknak a kiszolgáltatott személyek csoportjait kell-e megcélozniuk a PIU kockázataival szembeni ellenálló képességük javítása érdekében, vagy pedig univerzálisabb beavatkozások, amelyek konkrét szempontokat céloznak meg figyelembe kell venni az online környezetek kevésbé addiktív jellegét. Például az online platformok bizonyos esetekben sajátos architektúrákat alkalmazhatnak, amelyek kihasználják a felhasználók sérülékenységeit (azaz impulzív vagy kényszeres tulajdonságokat), és amelyek célja a felhasználók online környezetben maradásának maximalizálása. Bár ennek marketing szempontból van értelme, aggodalomra ad okot, hogy ezek a környezetek egészségügyi figyelmeztetést is kiadnak-e a felhasználó számára.
4.1
korlátozások
Ez egy keresztmetszeti online felmérés volt, ezért nem lehet ok-okozati összefüggéseket levonni. Sőt, a toborzási módszertan és az a lehetőség, hogy a PIU-val rendelkező emberek nagyobb valószínűséggel töltenek ki online kérdőívet, a jelenlegi eredmények valószínűleg nem általánosítanak a PIU-ra az általános háttérpopulációban általában. Vizsgálatunk másik korlátja a klinikai adatok hiánya a PIU-val összefüggő egyes diagnosztikai egységekről, például depresszióról vagy szerrel való visszaélésről. Ezért lehetséges, hogy a depresszió vagy a szerrel való visszaélés a tanulmányunk során megfigyelt egyes összefüggéseket is figyelembe veheti. A jövőbeni vizsgálatoknak szélesebb körű klinikai paramétereket kell tartalmazniuk annak feltárására, hogy ezek figyelembe veszik-e a PIU és az internetes tevékenységek közötti megfigyelt összefüggéseket. További korlátozások vannak a MINI használatából eredő klinikai adatainkkal kapcsolatban; ezt igazolják, hogy egy képzett személytől személyes személyes interjúban juttassák el, míg tanulmányunkban egy online eszközön keresztül. Klinikai adataink azonban összhangban vannak a PIU-ban végzett korábbi vizsgálatokkal. Ezenkívül az adatgyűjtés másik hátránya az volt, hogy az internetes tevékenységet a tevékenységre fordított idő felhasználásával értékeltük a tevékenység PIU-jának proxy mérésére. Bár ez képes megragadni a túlzott és ezért problémás felhasználást, az elengedhetetlen használatot is képes megragadni. Míg az ebben a tanulmányban értékelt tevékenységek természetüknél fogva alapértelmezés szerint nem elengedhetetlenek voltak (pl. Időveszteségek), vagy ha azokat túlzottan teljesítették (pl.> 8 óra / nap bevásárlás, szerencsejáték vagy pornográfia), a jövőbeni tanulmányok tartalmazzon olyan intézkedéseket, amelyek megkülönböztethetik az alapvető tevékenységeket a nem alapvető internethasználattól az egyes internetes tevékenységek esetében, hogy lehetővé tegyék az ilyen elemzéseket. Vizsgálatunk másik korlátja a gyermekek és serdülőkorúakra vonatkozó adatok hiánya. A gyermekek és a serdülő populációk más módon léphetnek kapcsolatba az internettel, de más neurodevelopmentális időszakban is ki vannak téve az online használatnak. Ezért az ilyen különbségek különböző sebezhetőségeket vagy rugalmasságot jelenthetnek a PIU kialakulásának kockázatát tekintve. Például a korai, alacsony szintű online környezetnek való kitettség „stressz beoltási” hatással járhat (
), amely megkönnyíti az egyéneket a PIU jövőbeli fejlődésétől. Ilyen esetben ez tovább magyarázhatja, hogy miért lehet kiszolgáltatottabb az idősebb népesség, amely csak felnőttkorban érte el először az online környezetet. A jövőbeni tanulmányok magukban foglalhatják azokat a gyermek és serdülő korcsoportokat, és prospektív módon megvizsgálhatják, hogy az egyes internetes tevékenységek előrejelzik-e a PIU-t. Sajnos a transznemű nemről beszámoló résztvevők száma csekély volt (n = 18), ami nem tette lehetővé a transznemű nemek hatásának értelmes elemzését. Vizsgálatunk végső korlátja, hogy vizsgálati populációnk egészséges felnőttekből áll, akik csak <1% -ban szenvednek jelentős PIU viselkedéstől (IAT> 80). A jövőbeni tanulmányoknak előnyös lenne, ha külön figyelmet fordítanánk a PIU spektrum felső végére, hogy összehasonlíthassuk ezeket a súlyos PIU populációkat alacsony vagy közepes vagy nem PIU egyedekből álló kontrollcsoporttal. Míg a mintánkban a PIU becsült pontszerű prevalenciája ~ 8.5% volt (az IAT ≥ 50 cut-off-ot használva), a PIU klinikai alkalmatlanságának küszöbértéke továbbra is vitatott, és a jövőbeni kutatások számára előnyös lenne a PIU általánosan elfogadott mértéke és meghatározása.
4.2
Következtetés
Összegezve, a DSM-5 az internetes játék zavarát jelöli zavarként, de az online magatartás más típusai (például vásárlás, pornográfia, általános szörfözés) szorosabban kapcsolódnak az internet rosszindulatú használatához, mint a játék. A problémás internethasználathoz kapcsolódó pszichiátriai diagnózisok és internetes tevékenységek az életkor függvényében változnak, ez a megállapítás közegészségügyi következményekkel jár. Ezek az eredmények hozzájárulnak a problémás internethasználathoz kapcsolódó internetes tevékenységek korlátozott ismeretéhez, és hozzájárulhatnak a problematikus internethasználat diagnosztikai osztályozásához, mint sokrétű rendellenességhez.
A finanszírozási források szerepe
Ez a kutatás a Chicagói Egyetem Pszichiátriai Tanszékének belső osztályaiból származott. Dr. Ioannidis kutatási tevékenységeit a kelet-angliai egészségnevelési oktatás támogatja. A szerzők nem részesültek támogatásban e kézirat elkészítéséhez. A finanszírozási forrás nem játszott szerepet a tanulmány megtervezésében, adatelemzésében vagy írásában.
Közreműködők
A KI megtervezte a kézirat ötletét, elemezte az adatokat, megírta a kézirat és a Kiegészítő anyagok többségét, és koordinálta a társszerzők közreműködését. MT és FK részt vett a statisztikai elemzés kidolgozásában és felülvizsgálatában. Az SRC, SR, DJS, CL és JEG megtervezte és koordinálta a vizsgálatot, valamint összegyűjtötte és kezelte az adatokat. Minden szerző elolvasta és jóváhagyta a végleges kéziratot, és hozzájárult a cikk elkészítéséhez és átdolgozásához, valamint az eredmények értelmezéséhez.
Összeférhetetlenség
Dr. Grant kutatási ösztöndíjakat kapott a NIDA-tól (RC1DA028279-01), a Nemzeti Felelős Játéktechnikai Központtól, valamint a Roche and Forest Pharmaceuticals-tól. Dr. Grant kártérítést kap a Springer-től, mint a Journal of Gambling Studies főszerkesztőjétől, és jogdíjat kapott McGraw Hill-től, az Oxford University Press, Norton-tól és az APPI-től. Dr. Chamberlain konzultál a Cambridge Cognition munkatársaival, és ebben a kutatásban való részvételét a Wellcome Trust közreműködésével végzett klinikai ösztöndíj támogatta (Egyesült Királyság; 110049 / Z / 15 / Z). Dan Steint és Christine Lochnert a dél-afrikai Orvosi Kutatási Tanács támogatja. A többi szerző szerint nem állnak fenn gazdasági érdekű üzleti kapcsolatok. A fentebb említett források egyikének sem volt szerepe a tanulmány tervezésében, az adatok összegyűjtésében, elemzésében vagy értelmezésében, a kézirat megírásában vagy a papír közzétételre történő benyújtásának döntésében.
Köszönetnyilvánítás
Felelősséggel tartozunk mindkét oldal önkénteseinek, akik részt vettek a vizsgálatban.
A Függelék
Kiegészítő adatok
Kiegészítő anyag
Referenciák
- Achab és munkatársai, 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P. és Haffen E .: Masszív multiplayer online szerepjátékok: A rabja és a rabja nélküli online toborzott játékosok jellemzőinek összehasonlítása egy Francia felnőtt lakosság. BMC Pszichiátria 2011; 11: 144
Megtekintés cikkben - Amerikai Pszichiátriai Szövetség, 2013. Amerikai Pszichiátriai Társaság: A mentális rendellenességek diagnosztikai és statisztikai kézikönyve: DSM-5. Washington, DC: Amerikai Pszichiátriai Egyesület, 2013.
Megtekintés cikkben - Andreassen és munkatársai, 2012. Andreassen CS, Torsheim T., Brunborg GS és Pallesen S. .: A Facebook függőségi skálájának kidolgozása. Pszichológiai jelentések 2012; 110: 501-517
Megtekintés cikkben | Cross Ref - Bakken és munkatársai, 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. és Oren A .: Internetfüggőség a norvég felnőttek körében: Rétegzett valószínűségi minta. Scandinavian Journal of Psychology 2009; 50: 121-127
Megtekintés cikkben | Cross Ref - Fekete, 2007. Black DW: A kényszeres vásárlási rendellenesség áttekintése. Pszichiátria világában: A Pszichiátriai Világszövetség (WPA) 2007 hivatalos lapja; 6: 14-18
Megtekintés cikkben - Blokk, 2008. JJ blokk: A DSM-V kiadásai: Internet-függőség. American Journal of Psychiatry 2008; 165: 306-307
Megtekintés cikkben | Cross Ref - Brand és mtsai., 2011. Márka M., Laier C., Pawlikowski M., Schächtle U., Schöler T. és Altstötter-Gleich C. .: Pornográf képek megtekintése az interneten: A szexuális izgalom besorolása és a pszichés-pszichiátriai tünetek szerepe az internetes szexuális webhelyek túlzott használata esetén . Kiberpszichológia, viselkedés és közösségi hálózatok 2011; 14: 371-377
Megtekintés cikkben | Cross Ref - Breiman, 2001. Breiman L .: Statisztikai modellezés: A két kultúra. Statisztikai tudomány 2001; 16: 199-215
Megtekintés cikkben - Bujak és munkatársai, 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R. és Markuszewski MJ: PLS-alapú és normalizáláson alapuló módszerek releváns változók kiválasztására a nem célzott metabolomikai adatokban. Határok a molekuláris biológiai tudományokban 2016; 3: 1-10
Megtekintés cikkben - Burns és munkatársai, 1996. Burns GL, Keortge SG, Formea GM és Sternberger LG: Az obszesszív kompulzív rendellenességek tüneti nyilvántartásának felülvizsgálata: Különbségek az aggodalom, megszállások és kényszerek között. Viselkedéskutatás és terápia 1996; 34: 163-173
Megtekintés cikkben | Cross Ref - Cao és munkatársai, 2007. Cao F., Su L., Liu T. és Gao X .: Az impulzivitás és az internetes függőség közötti kapcsolat egy kínai serdülőkből álló mintában. Európai pszichiátria 2007; 22: 466-471
Megtekintés cikkben | Cross Ref - Carli és munkatársai, 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. és Kaess M. .: A patológiás internethasználat és a komorbid pszichopatológia közötti kapcsolat: Rendszeres áttekintés. Pszichopatológia 2013; 46: 1-13
Megtekintés cikkben | Cross Ref - Claes és munkatársai, 2016. Claes L., Müller A. és Luyckx K.: kényszeres vásárlás és felhalmozás mint identitáshelyettesítők: A materialista érték-jóváhagyás és a depresszió szerepe. Átfogó pszichiátria 2016; 68: 65-71
Megtekintés cikkben | Cross Ref - Cole és Hooley, 2013. Cole SH és Hooley JM: Az MMO játék klinikai és személyiségi összefüggései: szorongás és felszívódás a problémás internethasználat során. Társadalomtudományi számítógép áttekintés 2013; 31: 424-436
Megtekintés cikkben | Cross Ref - Cunningham-Williams és munkatársai, 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR és Cloninger CR: A kóros szerencsejátékok prevalenciája és előrejelzői: A St. Louis személyiség, egészség és életmód (SLPHL) tanulmány eredményei. Journal of Psychiatric Research 2005; 39: 377-390
Megtekintés cikkben | Cross Ref - von Elm és munkatársai, 2008. Elm E., Altman Főigazgatóság, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP és S kezdeményezés: Az epidemiológiai megfigyelési tanulmányok jelentésének megerősítése (STROBE) nyilatkozat: Útmutatások a megfigyelési tanulmányok jelentésére. Journal of Clinical Epidemiology 2008; 61: 344-349
Megtekintés cikkben | Cross Ref - Fernández-Villa és munkatársai, 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M. és Martín V.: Problémás internethasználat az egyetemi hallgatókban: Kapcsolódó tényezők és a nemek közötti különbségek . Adicciones 2015; 27: 265-275
Megtekintés cikkben | Cross Ref - Friedman és munkatársai, 2010. Friedman J., Hastie T. és Tibshirani R .: Az általánosított lineáris modellek normalizációs útvonalai koordináta-leszállással. Journal of Statistics Software 2010; 33: 1-22
Megtekintés cikkben - Griffiths, 2003. Griffiths M .: Internetes szerencsejáték: kérdések, aggályok és ajánlások. Kiberpszichológia és magatartás: Az internet, a multimédia és a virtuális valóság hatása a viselkedésre és a társadalomra 2003; 6: 557-568
Megtekintés cikkben | Cross Ref - Ha és Hwang, 2014. Ha Y.-M. és Hwang WJ: A serdülők körében az internetes függőség nemek közötti különbségei a pszichológiai egészségi mutatókkal kapcsolatban, a Nemzeti Internetes Felmérés segítségével. A mentális egészség és függőség nemzetközi folyóirata 2014; 12: 660-669
Megtekintés cikkben | Cross Ref - Ho és munkatársai, 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y. és Mak K.-K .: Az internetfüggőség és a pszichiátriai együttes morbiditás összefüggése: Metaanalízis. BMC Pszichiátria 2014; 14: 183
Megtekintés cikkben - Hoerl és Kennard, 1970. Hoerl AE és Kennard RW: A gerinc regressziója: A nemortogonális problémák torzított becslése. Technometrics 1970; 12: 55-67
Megtekintés cikkben - Huys és munkatársai, 2016. Huys QJM, Maia TV és Frank MJ: A számítógépes pszichiátria mint híd az idegtudománytól a klinikai alkalmazásokig. Természet Idegtudomány 2016; 19: 404-413
Megtekintés cikkben | Cross Ref - Igarashi és munkatársai, 2008. Igarashi T., Motoyoshi T., Takai J. és Yoshida T. .: Nincs mobil, nincs élet: A japán középiskolás diákok önértékelése és szöveges üzenetek-függősége.
Megtekintés cikkben - Ioannidis és munkatársai, 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. és Grant JE: Problematikus internethasználat (PIU): Asszociációk az impulzív-kényszeres spektrummal. Journal of Psych: A gépi tanulás alkalmazása a pszichiátriában, 2016.
Megtekintés cikkben - Janower, 2006. Janower CR: Szerencsejáték az interneten. Journal of Computer-mediated Communication 2006; 2: 0
Megtekintés cikkben | Cross Ref - Kessler és munkatársai, 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E. és Walters EE: Az Egészségügyi Világszervezet felnőttkori ADHD önjelentési skálája (ASRS): Rövid átvilágítási skála általános használatra népesség. Pszichológiai orvoslás 2005; 35: 245-256
Megtekintés cikkben | Cross Ref - Kessler és munkatársai, 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. és Zaslavsky AM: Gépi tanulási algoritmus tesztelése a súlyos depressziós rendellenesség fennmaradásának és súlyosságának előrejelzésére az alapvető önjelentések alapján. Molekuláris Pszichiátria 2016; 21: 1366-1371
Megtekintés cikkben | Cross Ref - Khazaal és munkatársai, 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M. és Rothen S .: Az internetes függőségi teszt tényezőinek felépítése online játékosok és póker játékosok körében. JMIR mentális egészség 2015; 2:
Megtekintés cikkben - Kim és munkatársai, 2016. Kim D., Kang M., Biswas A., Liu C. és Gao J .: Integrált megközelítés a génszabályozó hálózatok következtetésére, lasso-alapú véletlenszerű bemutatással és pszichiátriai rendellenességekre történő alkalmazásával. BMC Medical Genomics 2016; 9: 50
Megtekintés cikkben - King, 1999. King SA: Internetes szerencsejáték és pornográfia: Szemléltető példák a kommunikációs anarchia pszichológiai következményeire. Kiberpszichológia és viselkedés 1999; 2: 175-193
Megtekintés cikkben - King és Barak, 1999. King SA és Barak A .: Kényszerítő internetes szerencsejáték. Kiberpszichológia és viselkedés 1999; 2: 441-456
Megtekintés cikkben | Cross Ref - Király és munkatársai, 2015. Király O., Griffiths MD és Demetrovics Z .: Internetes játékzavar és a DSM-5: Konceptualizálás, viták és viták. Jelenlegi függőségi jelentések 2015; 2: 254-262
Megtekintés cikkben - Király és munkatársai, 2014. Király O., Griffiths, R. Urbán, Farkas J., Kökönyei G., Elekes Z. és Demetrovics Z .: A problematikus internethasználat és a problémás online játék nem azonos: egy országos szempontból reprezentatív serdülőkori mintából származó eredmények. Kiberpszichológia, viselkedés és közösségi hálózatok 2014; 17: 749-754
Megtekintés cikkben - Kittinger és munkatársai, 2012. Kittinger R., Correia CJ és Irons JG: A Facebook-használat és a problémás internethasználat közötti kapcsolat a főiskolai hallgatók körében. Kiberpszichológia, viselkedés és közösségi hálózatok 2012; 15: 324-327
Megtekintés cikkben | Cross Ref - Ko és munkatársai, 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S. és Chen C.-C. .: Az internet-függőség és a pszichiátriai rendellenesség közötti kapcsolat: Az irodalom áttekintése . Európai pszichiátria 2012; 27: 1-8
Megtekintés cikkben - Ko és munkatársai, 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C. és Yang M.-J .: Az internetes függőség előfordulására és remissziójára prediktív tényezők fiatal serdülőknél: A prospektív tanulmány. Kiberpszichológia és magatartás: Az internet, a multimédia és a virtuális valóság hatása a viselkedésre és a társadalomra 2007; 10: 545-551
Megtekintés cikkben | Cross Ref - Kuss és Griffiths, 2011. Kuss DJ és Griffiths MD: Online közösségi hálózatok és függőség - a pszichológiai irodalom áttekintése. Környezetkutatási és Közegészségügyi Nemzetközi Folyóirat 2011; 8: 3528-3552
Megtekintés cikkben | Cross Ref - Kuss és munkatársai, 2013. Kuss DJ, MD Griffiths és Binder JF: Internet-függőség a hallgatókban: Prevalencia és kockázati tényezők. Számítógépek az emberi viselkedésben 2013; 29: 959-966
Megtekintés cikkben | Cross Ref - Kuss és Lopez-Fernandez, 2016. Kuss DJ és Lopez-Fernandez O .: Internetfüggőség és problémás internethasználat: A klinikai kutatások szisztematikus áttekintése. 2016; 6: 143-176
Megtekintés cikkben | Cross Ref - Laconi és munkatársai, 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF és Chabrol H .: Problémás internethasználat, online töltött idő és személyiségjegyek. L'Encéphale 2016; 42: 214-218
Megtekintés cikkben | Cross Ref - Laconi és munkatársai, 2014. Laconi S., Rodgers RF és Chabrol H .: Internet-függőség mérése: A létező skálák és azok pszichometriai tulajdonságainak kritikai áttekintése. Számítógépek az emberi viselkedésben 2014; 41: 190-202
Megtekintés cikkben | Cross Ref - Laier és munkatársai, 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP és Brand M.: Cybersex-függőség: A pornográfia nézésekor tapasztalt szexuális izgalom, és nem a valós szexuális kapcsolatok teszik a különbséget. Journal of Behavioral Addictions 2013; 2: 100-107
Megtekintés cikkben | Cross Ref - Lecardeur, 2013. Lecardeur L .: Többszörös pszichopatológia és az egészségügy. Annales Médico-Pszichológia, Revue Psychiatrique 2013; 171: 579-586
Megtekintés cikkben | Cross Ref - Liang és munkatársai, 2016. Liang L., Zhou D., Yuan C., Shao A. és Bian Y .: Nemek közötti különbségek az internet-függőség és a depresszió kapcsolatában: kereszt-elmaradott tanulmány kínai serdülőknél. Számítógépek az emberi viselkedésben 2016; 63: 463-470
Megtekintés cikkben | Cross Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O .: Hogyan fejlődött az internetes függőséggel kapcsolatos kutatás az internetes játék zavarának megjelenése óta? A kiberaradások áttekintése pszichológiai szempontból. Jelenlegi függőségi jelentések 2015; 2: 263-271
Megtekintés cikkben | Cross Ref - Masten és Tellegen, 2012. Masten AS és Tellegen A .: Rugalmasság a fejlődő pszichopatológiában: A projekt kompetencia longitudinális tanulmányának hozzájárulása. Fejlődés és pszichopatológia 2012; 24: 345-361
Megtekintés cikkben | Cross Ref - Mueller és munkatársai, 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A. és de Zwaan M. .: A kényszeres vásárlás becsült gyakorisága Németországban, valamint annak társulása a szociodemográfiai jellemzőkkel és a depressziós tünetekkel. Pszichiátriai kutatás 2010; 180: 137-142
Megtekintés cikkben | Cross Ref - Patton és munkatársai, 1995. Patton JH, Stanford MS és Barratt ES: A Barratt impulzivitási skála tényezőszerkezete. Journal of Clinical Psychology 1995; 51: 768-774
Megtekintés cikkben | Recupero, 2008. Recupero PR: A problémás internethasználat kriminalisztikai értékelése. Az Amerikai Pszichiátriai Akadémia és a 2008 törvény; 36: 505-514
Megtekintés cikkben - Rose és Dhandayudham, 2014. Rose S. és Dhandayudham A .: Az internetes problémás vásárlási magatartás megértése felé: Az online vásárlási függőség fogalma és annak javasolt prediktorai. Journal of Behavioral Addictions 2014; 3: 83-89
Megtekintés cikkben | Cross Ref - Rutland és munkatársai, 2007. Rutland JB, Sheets T. és Young T .: Skála kidolgozása a rövid üzenet szolgáltatás problémás használatának mérésére: Az SMS probléma diagnosztikai kérdőívet használ. Kiberpszichológia és viselkedés 2007; 10: 841-844
Megtekintés cikkben | Cross Ref - Rutter, 1993. Rutter M .: Rugalmasság: Néhány fogalmi megfontolás. A serdülőkori egészségbiztosítási folyóirat: A serdülőkorúak orvoslásának társaságának 1993 hivatalos kiadványa; 14: 626-631
Megtekintés cikkben | Cross Ref - Shaw and Black, 2008. Shaw M. és Black DW: Internet-függőség: meghatározás, értékelés, epidemiológia és klinikai kezelés. Központi idegrendszer gyógyszerei 2008; 22: 353-365
Megtekintés cikkben | Cross Ref - Sheehan és munkatársai, 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E. és Dunbar GC: Mini-nemzetközi neuropszichiátriai interjú (MINI): Strukturált diagnosztikai pszichiátriai interjú kidolgozása és validálása a DSM-IV számára és ICD-10. A Journal of Clinical Psychiatry 1998; 59:
Megtekintés cikkben - Tam és Walter, 2013. Tam P. és Walter G .: A gyermekkori és ifjúsági problémás internethasználat: az 21. Századi szenvedés alakulása. Ausztráliai pszichiátria 2013; határozatlan:
Megtekintés cikkben - Tibshirani, 1996. Tibshirani R .: Regressziós zsugorodás és szelekció a lassón keresztül. A Királyi Statisztikai Társaság lapja, B sorozat 1996; 58: 267-288
Megtekintés cikkben - Tikhonov, 1963. Tikhonov AN: A helytelenül megfogalmazott problémák megoldása és a normalizálási módszer. Szovjet matematika Doklady 1963; 5: 1035-1038
Megtekintés cikkben - Trotzke és munkatársai, 2015. Trotzke P., Starcke K., Müller A. és M. Márka: Patológiai online vásárlás mint internetes függőség speciális formája: Modell alapú kísérleti vizsgálat. PLoS One 2015; 10:
Megtekintés cikkben - Tsai és munkatársai, 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC és Yang YK: Az internet-függőség kockázati tényezői? Egyetemi újoncok felmérése. Pszichiátriai kutatás 2009; 167: 294-299
Megtekintés cikkben | Cross Ref - Wallace, 2014. Wallace P .: Internetfüggőség és fiatalság: Egyre nagyobb az aggodalom a kényszeres online tevékenység miatt, és ez akadályozhatja a hallgatók teljesítményét és társadalmi életét. EMBO jelentések 2014; 15: 12-16
Megtekintés cikkben | Cross Ref - Xin és munkatársai, 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W. és Hong Z .: Online tevékenységek, az internetes függőség gyakorisága és a családdal és az iskolával kapcsolatos kockázati tényezők a serdülők körében Kínában. Addictive Behaviors Reports 2018; 7: 14-18
Megtekintés cikkben | Cross Ref - Yuen és munkatársai, 2004. Yuen CN, Lavin MJ, Weinman M. és Kozak K .: Internetfüggőség a kollégista populációban: A félénkség szerepe. Kiberpszichológia és viselkedés 2004; 7: 379-383
Megtekintés cikkben | Cross Ref - Fiatal, 1998. Young KS: Internet-függőség: Egy új klinikai rendellenesség megjelenése. CyberPsychology & Behavior 1998; 1: 237–244
Megtekintés cikkben | Cross Ref
;
