KOMENTAR YBOP: Para peneliti membuat dan menguji alat penilaian baru, berdasarkan kriteria Gangguan Permainan ICD-11 dari Organisasi Kesehatan Dunia. Ini dirancang untuk menilai beberapa Gangguan penggunaan Internet tertentu (kecanduan perilaku online) termasuk "gangguan penggunaan porno."
Dengan dimasukkannya gangguan permainan dalam ICD-11, kriteria diagnostik diperkenalkan untuk gangguan yang relatif baru ini. Kriteria ini juga dapat diterapkan pada gangguan penggunaan Internet spesifik potensial lainnya, yang dapat diklasifikasikan dalam ICD-11 sebagai gangguan lain karena perilaku adiktif, seperti gangguan pembelian-belanja online, online gangguan penggunaan pornografi, gangguan penggunaan jaringan sosial, dan gangguan perjudian online. [penekanan ditambahkan]
ICD-11 mencantumkan Compulsive Sexual Behavior Disorder (CSBD), di mana banyak yang berasumsi bahwa penggunaan pornografi yang bermasalah adalah gejala perilaku utama, sebagai gangguan kontrol impuls. Gangguan pembelian-belanja kompulsif terdaftar sebagai contoh di bawah kategori 'gangguan kontrol impuls tertentu lainnya' (6C7Y) tetapi tanpa membedakan antara varian online dan offline. Diferensiasi ini juga tidak dibuat dalam kuesioner yang paling banyak digunakan untuk mengukur pembelian kompulsif (Maraz dkk., 2015; Müller, Mitchell, Vogel, & de Zwaan, 2017). Gangguan penggunaan jaringan sosial belum dipertimbangkan dalam ICD-11. Namun, ada argumen berbasis bukti untuk masing-masing dari tiga gangguan yang agak diklasifikasikan sebagai perilaku adiktif (Brand et al., 2020; Gola et al., 2017; Müller et al., 2019; Stark et al., 2018; Wegmann, Müller, Ostendorf, & Merek, 2018). [penekanan ditambahkan]
Abstrak
Latar belakang dan tujuan
Dengan dimasukkannya gangguan permainan dalam ICD-11, kriteria diagnostik diperkenalkan untuk gangguan yang relatif baru ini. Kriteria ini juga dapat diterapkan pada gangguan penggunaan Internet spesifik potensial lainnya, yang dapat diklasifikasikan dalam ICD-11 sebagai gangguan lain karena perilaku adiktif, seperti gangguan pembelian-belanja online, gangguan penggunaan pornografi online, penggunaan jaringan sosial. gangguan, dan gangguan perjudian online. Karena heterogenitas dalam instrumen yang ada, kami bertujuan untuk mengembangkan ukuran yang konsisten dan ekonomis dari jenis utama (potensial) gangguan penggunaan Internet spesifik berdasarkan kriteria ICD-11 untuk gangguan permainan.
metode
11-item Assessment of Criteria for Specific Internet-use Disorders (ACSID-11) baru mengukur lima kecanduan perilaku dengan set item yang sama dengan mengikuti prinsip-prinsip ASSIST WHO. ACSID-11 diberikan kepada pengguna Internet aktif (N = 985) bersama-sama dengan adaptasi dari Tes Gangguan Permainan Internet Sepuluh Item (IGDT-10) dan penyaring untuk kesehatan mental. Kami menggunakan Analisis Faktor Konfirmasi untuk menganalisis struktur faktor ACSID-11.
Hasil
Struktur empat faktor yang diasumsikan telah dikonfirmasi dan lebih unggul dari solusi unidimensional. Ini berlaku untuk gangguan permainan dan gangguan penggunaan Internet spesifik lainnya. Skor ACSID-11 berkorelasi dengan IGDT-10 serta dengan ukuran tekanan psikologis.
Diskusi dan kesimpulan
ACSID-11 tampaknya cocok untuk penilaian konsisten (potensial) gangguan penggunaan Internet spesifik berdasarkan kriteria diagnostik ICD-11 untuk gangguan permainan. ACSID-11 dapat menjadi instrumen yang berguna dan ekonomis untuk mempelajari berbagai kecanduan perilaku dengan item yang sama dan meningkatkan komparabilitas.
Pengantar
Distribusi dan akses mudah ke Internet membuat layanan online sangat menarik dan menawarkan banyak keuntungan. Selain manfaat bagi kebanyakan orang, perilaku online dapat mengambil bentuk kecanduan yang tidak terkendali pada beberapa individu (misalnya, Raja & Potenza, 2019; Muda, 2004). Terutama game menjadi semakin menjadi masalah kesehatan masyarakat (Faust & Prochaska, 2018; Rumpf et al., 2018). Setelah pengakuan 'gangguan permainan internet' dalam revisi kelima dari Manual Diagnostik dan Statistik Gangguan Mental (DSM-5; American Psychiatric Association, 2013) sebagai syarat untuk studi lebih lanjut, gangguan permainan kini telah dimasukkan sebagai diagnosis resmi (6C51) dalam revisi ke-11 Klasifikasi Penyakit Internasional (ICD-11; Organisasi Kesehatan Dunia, 2018). Ini adalah langkah penting dalam mengatasi tantangan global yang ditimbulkan oleh penggunaan teknologi digital yang berbahaya (Billieux, Stein, Castro-Calvo, Higushi, & King, 2021). Prevalensi gangguan permainan di seluruh dunia diperkirakan 3.05%, yang sebanding dengan gangguan mental lainnya seperti gangguan penggunaan zat atau gangguan obsesif-kompulsif (Stevens, Dorstyn, Delfabbro, & Raja, 2021). Namun, perkiraan prevalensi sangat bervariasi tergantung pada instrumen skrining yang digunakan (Stevens et al., 2021). Saat ini, lanskap instrumen bermacam-macam. Sebagian besar tindakan didasarkan pada kriteria DSM-5 untuk gangguan permainan Internet dan tampaknya tidak ada yang lebih disukai (King et al., 2020). Hal serupa berlaku untuk perilaku adiktif potensial lainnya di Internet, seperti penggunaan pornografi online, jejaring sosial, atau belanja online yang bermasalah. Perilaku online bermasalah ini dapat terjadi bersamaan dengan gangguan permainan (Burleigh, Griffiths, Sumich, Stavropoulos, & Kuss, 2019; Müller et al., 2021), tetapi juga dapat berupa entitas sendiri. Kerangka teoritis terbaru seperti Model Interaksi Person-Affect-Cognition-Execution (I-PACE) (Merek, Muda, Laier, Wölfling, & Potenza, 2016; Brand et al., 2019) berasumsi bahwa proses psikologis yang serupa mendasari berbagai jenis perilaku adiktif (online). Asumsi tersebut sejalan dengan pendekatan sebelumnya yang dapat digunakan untuk menjelaskan kesamaan antara gangguan kecanduan, misalnya mengenai mekanisme neuropsikologis (Bechara, 2005; Robinson & Berridge, 1993), aspek genetik (Blum et al., 2000), atau komponen umum (Griffiths, 2005). Namun, alat skrining yang komprehensif untuk (potensial) gangguan penggunaan Internet spesifik berdasarkan kriteria yang sama saat ini tidak ada. Pemutaran seragam di berbagai jenis gangguan karena perilaku adiktif penting untuk menentukan kesamaan dan perbedaan secara lebih valid.
Dalam ICD-11, gangguan permainan terdaftar di luar gangguan perjudian dalam kategori 'gangguan karena perilaku adiktif'. Kriteria diagnostik yang diusulkan (untuk keduanya) adalah: (1) gangguan kontrol atas perilaku (misalnya, onset, frekuensi, intensitas, durasi, penghentian, konteks); (2) peningkatan prioritas yang diberikan pada perilaku sejauh perilaku tersebut lebih diutamakan daripada minat dan aktivitas sehari-hari lainnya; (3) kelanjutan atau eskalasi perilaku meskipun konsekuensi negatif. Meskipun tidak secara langsung disebutkan sebagai kriteria tambahan, diagnosis wajib bahwa pola perilaku mengarah ke (4) gangguan fungsional di area penting kehidupan sehari-hari (misalnya, masalah pribadi, keluarga, pendidikan, atau sosial) dan/atau penderitaan yang nyata (Organisasi Kesehatan Dunia, 2018). Oleh karena itu, kedua komponen tersebut harus disertakan saat mempelajari potensi perilaku adiktif. Secara keseluruhan, kriteria ini juga dapat diterapkan pada kategori 'gangguan tertentu lainnya karena perilaku adiktif' (6C5Y), di mana gangguan pembelian-belanja, gangguan penggunaan pornografi, dan gangguan penggunaan jaringan sosial berpotensi dikategorikan (Brand et al., 2020). Gangguan pembelian-belanja online dapat didefinisikan sebagai pembelian barang-barang konsumen secara online yang berlebihan dan maladaptif yang terjadi berulang kali meskipun ada konsekuensi negatif dan dengan demikian dapat merupakan gangguan penggunaan Internet tertentu (Müller, Laskowski, dkk., 2021). Gangguan penggunaan pornografi ditandai dengan berkurangnya kontrol atas konsumsi konten pornografi (online), yang dapat dipisahkan dari perilaku seksual kompulsif lainnya (Kraus, Martino, & Potenza, 2016; Kraus et al., 2018). Gangguan penggunaan jaringan sosial dapat didefinisikan dengan penggunaan jaringan sosial yang berlebihan (termasuk situs jejaring sosial dan aplikasi komunikasi online lainnya) yang ditandai dengan berkurangnya kontrol atas penggunaan, meningkatnya prioritas penggunaan, dan kelanjutan penggunaan jejaring sosial meskipun mengalami akibat negatif (Andreassen, 2015). Ketiga kecanduan perilaku potensial merupakan fenomena yang relevan secara klinis yang menunjukkan kesamaan dengan perilaku adiktif lainnya (misalnya, Brand et al., 2020; Griffiths, Kuss, & Demetrovics, 2014; Müller et al., 2019; Stark, Klucken, Potenza, Brand, & Strahler, 2018).
Instrumen yang menilai jenis gangguan penggunaan Internet tertentu terutama didasarkan pada konsep sebelumnya, seperti versi modifikasi dari Tes Kecanduan Internet Young (misalnya, Laier, Pawlikowski, Pekal, Schulte, & Brand, 2013; Wegmann, Stodt, & Brand, 2015) atau skala "Bergen" berdasarkan komponen kecanduan Griffiths (misalnya, Andreassen, Torsheim, Brunborg, & Pallesen, 2012; Andreassen et al., 2015), atau mereka mengukur konstruksi unidimensional berdasarkan kriteria DSM-5 untuk gangguan permainan (misalnya, Lemmens, Valkenburg, & Gentile, 2015; Van den Eijnden, Lemmens, & Valkenburg, 2016) atau gangguan perjudian (untuk ulasan lihat Otto dkk., 2020). Beberapa tindakan sebelumnya telah diadopsi dari tindakan untuk gangguan perjudian, gangguan penggunaan zat atau telah dikembangkan secara teoritis (Laconi, Rodgers, & Chabrol, 2014). Banyak dari instrumen ini menunjukkan kelemahan dan inkonsistensi psikometrik seperti yang disorot dalam ulasan yang berbeda (Raja, Haagsma, Delfabbro, Gradisar, & Griffiths, 2013; Lortie & Guitton, 2013; Petry, Rehbein, Ko, & O'Brien, 2015). King et al. (2020) mengidentifikasi 32 instrumen berbeda yang menilai gangguan permainan, yang menggambarkan inkonsistensi dalam bidang penelitian. Bahkan instrumen yang paling banyak dikutip dan digunakan secara luas, seperti Tes Kecanduan Internet Young (Muda, 1998), tidak cukup mewakili kriteria diagnostik untuk gangguan permainan, baik dari DSM-5 maupun ICD-11. King et al. (2020) titik lebih lanjut pada kelemahan psikometrik, misalnya, kurangnya validasi empiris dan bahwa sebagian besar instrumen dirancang berdasarkan asumsi konstruksi unimodal. Hal ini menunjukkan bahwa jumlah gejala individu dihitung daripada melihat frekuensi dan intensitas yang dialami secara individual. Tes Gangguan Permainan Internet Sepuluh Item (IGDT-10; Király et al., 2017) saat ini tampaknya cukup menangkap kriteria DSM-5 tetapi secara keseluruhan tidak ada instrumen yang tampak jelas lebih disukai (King et al., 2020). Baru-baru ini, sejumlah skala diperkenalkan sebagai instrumen skrining pertama yang menangkap kriteria ICD-11 untuk gangguan permainan (Balhara dkk., 2020; Higuchi dkk., 2021; Jo dkk., 2020; Paschke, Austermann, & Thomasius, 2020; Pontes et al., 2021) serta untuk gangguan penggunaan jaringan sosial (Paschke, Austermann, & Thomasius, 2021). Secara umum dapat diasumsikan bahwa tidak setiap gejala harus dialami secara sama, misalnya sama sering atau sama intensifnya. Dengan demikian tampaknya diinginkan bahwa instrumen skrining dapat menangkap keduanya, pengalaman gejala secara keseluruhan, dan totalitas gejala itu sendiri. Sebaliknya, pendekatan multidimensi dapat menyelidiki gejala mana yang berkontribusi secara tegas, atau dalam fase yang berbeda, untuk pengembangan dan pemeliharaan perilaku bermasalah, yang dikaitkan dengan tingkat penderitaan yang lebih tinggi, atau apakah itu hanya masalah signifikansi.
Masalah dan ketidakkonsistenan serupa menjadi jelas ketika melihat instrumen yang menilai jenis lain dari gangguan penggunaan Internet spesifik yang potensial, yaitu gangguan pembelian-belanja online, gangguan penggunaan pornografi online, dan gangguan penggunaan jaringan sosial. Gangguan penggunaan internet spesifik yang potensial ini tidak secara formal diklasifikasikan dalam ICD-11 berbeda dengan gangguan permainan dan perjudian. Khususnya dalam kasus gangguan perjudian, banyak instrumen skrining sudah ada, tetapi kebanyakan dari mereka tidak memiliki bukti yang memadai (Otto dkk., 2020), dan tidak membahas kriteria ICD-11 untuk gangguan perjudian atau berfokus pada gangguan perjudian online yang dominan (Albrecht, Kirschner, & Grüsser, 2007; Dowling et al., 2019). ICD-11 mencantumkan Compulsive Sexual Behavior Disorder (CSBD), di mana banyak yang berasumsi bahwa penggunaan pornografi yang bermasalah adalah gejala perilaku utama, sebagai gangguan kontrol impuls. Gangguan pembelian-belanja kompulsif terdaftar sebagai contoh di bawah kategori 'gangguan kontrol impuls tertentu lainnya' (6C7Y) tetapi tanpa membedakan antara varian online dan offline. Diferensiasi ini juga tidak dibuat dalam kuesioner yang paling banyak digunakan untuk mengukur pembelian kompulsif (Maraz dkk., 2015; Müller, Mitchell, Vogel, & de Zwaan, 2017). Gangguan penggunaan jaringan sosial belum dipertimbangkan dalam ICD-11. Namun, ada argumen berbasis bukti untuk masing-masing dari tiga gangguan yang agak diklasifikasikan sebagai perilaku adiktif (Brand et al., 2020; Gola et al., 2017; Müller et al., 2019; Stark et al., 2018; Wegmann, Müller, Ostendorf, & Merek, 2018). Selain kurangnya konsensus mengenai klasifikasi dan definisi gangguan penggunaan Internet spesifik yang potensial ini, ada juga inkonsistensi dalam penggunaan instrumen skrining (untuk ulasan lihat Andreassen, 2015; Fernandez & Griffiths, 2021; Hussain & Griffiths, 2018; Müller et al., 2017). Misalnya, ada lebih dari 20 instrumen yang seharusnya mengukur penggunaan pornografi yang bermasalah (Fernandez & Griffiths, 2021) tetapi tidak ada yang secara memadai mencakup kriteria ICD-11 untuk gangguan akibat perilaku adiktif, yang sangat dekat dengan kriteria ICD-11 untuk CSBD.
Selain itu, beberapa gangguan penggunaan Internet tertentu tampaknya mungkin terjadi bersamaan, terutama gangguan bermain game dan penggunaan jaringan sosial (Burleigh dkk., 2019; Müller et al., 2021). Dengan menggunakan analisis profil laten, Charzyńska, Sussman, dan Atroszko (2021) mengidentifikasi bahwa gangguan jaringan sosial dan belanja serta penggunaan game dan pornografi yang tidak teratur sering terjadi secara bersamaan. Profil termasuk tingkat tinggi pada semua gangguan penggunaan Internet menunjukkan kesejahteraan terendah (Charzyńska dkk., 2021). Ini juga menekankan pentingnya penyaringan yang komprehensif dan seragam di seluruh perilaku penggunaan Internet yang berbeda. Ada upaya untuk menggunakan set item serupa di berbagai gangguan penggunaan Internet, seperti Skala Konsumsi Pornografi Bermasalah (Namun, 2018), Skala Kecanduan Media Sosial Bergen (Andreassen, Pallesen, & Griffiths, 2017) atau Skala Kecanduan Belanja Online (Zhao, Tian, & Xin, 2017). Namun, timbangan ini dirancang berdasarkan model komponen oleh: Griffiths (2005) dan tidak mencakup kriteria yang diusulkan saat ini untuk gangguan akibat perilaku adiktif (lih. Organisasi Kesehatan Dunia, 2018).
Singkatnya, ICD-11 mengusulkan kriteria diagnostik untuk gangguan karena (terutama online) perilaku adiktif, yaitu gangguan perjudian dan gangguan permainan. Penggunaan pornografi online yang bermasalah, belanja-belanja online, dan penggunaan jaringan sosial dapat dimasukkan ke dalam subkategori ICD-11 'gangguan tertentu lainnya karena perilaku adiktif' yang kriteria yang sama dapat diterapkan (Brand et al., 2020). Sampai saat ini, lanskap instrumen skrining untuk gangguan penggunaan Internet spesifik (potensial) ini sangat tidak konsisten. Namun, pengukuran yang konsisten dari konstruksi yang berbeda sangat penting untuk memajukan penelitian tentang kesamaan dan perbedaan di berbagai jenis gangguan karena perilaku adiktif. Tujuan kami adalah untuk mengembangkan instrumen penyaringan yang singkat namun komprehensif untuk berbagai jenis (potensial) gangguan penggunaan Internet spesifik yang mencakup kriteria ICD-11 untuk gangguan permainan dan gangguan perjudian, untuk membantu identifikasi awal (potensial) perilaku online bermasalah tertentu.
metode
Peserta
Peserta direkrut secara online melalui penyedia layanan panel akses di mana mereka dibayar secara individual. Kami menyertakan pengguna Internet aktif dari wilayah berbahasa Jerman. Kami mengecualikan kumpulan data yang tidak lengkap dan yang menunjukkan respons yang ceroboh. Yang terakhir diidentifikasi dengan strategi dalam-ukuran (item respons yang diinstruksikan dan ukuran laporan diri) dan pasca-hoc (waktu respons, pola respons, Mahalanobis D) (Godinho, Kushnir, & Cunningham, 2016; Meade & Craig, 2012). Sampel akhir terdiri dari N = 958 peserta (499 laki-laki, 458 perempuan, 1 penyelam) berusia antara 16 dan 69 tahun (M = 47.60, SD = 14.50). Sebagian besar peserta bekerja penuh waktu (46.3%), di masa pensiun (awal) (20.1%), atau bekerja paruh waktu (14.3%). Yang lainnya adalah mahasiswa, trainee, ibu rumah tangga/suami, atau tidak bekerja karena alasan lain. Tingkat pendidikan vokasi tertinggi didistribusikan melalui pelatihan kejuruan di perusahaan yang telah diselesaikan (33.6%), gelar sarjana (19.0%), pelatihan sekolah kejuruan yang telah diselesaikan (14.1%), kelulusan dari sekolah master/akademi teknik (11.8%) , dan politeknik (10.1%). Yang lainnya sedang mengenyam pendidikan/mahasiswa atau tidak bergelar sarjana. Sampel kenyamanan acak menunjukkan distribusi variabel sosio-demografis utama yang serupa dengan populasi pengguna Internet Jerman (lih. Statista, 2021).
Ukuran
Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik: ACSID-11
Dengan ACSID-11 kami bertujuan untuk menciptakan alat untuk menilai gangguan penggunaan Internet tertentu secara singkat namun komprehensif, dan konsisten. Ini dikembangkan berdasarkan teori oleh sekelompok ahli peneliti dan dokter kecanduan. Item diturunkan dalam beberapa diskusi dan pertemuan konsensus berdasarkan kriteria ICD-11 untuk gangguan karena perilaku adiktif, seperti yang dijelaskan untuk game dan perjudian, dengan asumsi struktur multifaktorial. Temuan Analisis Bicara-Aloud digunakan untuk mengoptimalkan validitas konten dan pemahaman item (Schmidt dkk., disampaikan).
ACSID-11 terdiri dari 11 item yang menangkap kriteria ICD-11 untuk gangguan akibat perilaku adiktif. Tiga kriteria utama, gangguan kontrol (IC), peningkatan prioritas yang diberikan pada aktivitas online (IP), dan kelanjutan/eskalasi (CE) penggunaan Internet meskipun ada konsekuensi negatif, masing-masing diwakili oleh tiga item. Dua item tambahan dibuat untuk menilai gangguan fungsional dalam kehidupan sehari-hari (FI) dan gangguan yang ditandai (MD) karena aktivitas online. Dalam pra-kueri, peserta diinstruksikan untuk menunjukkan aktivitas mana di Internet yang telah mereka gunakan setidaknya sesekali dalam 12 bulan terakhir. Kegiatan (yaitu, 'permainan', 'belanja online', 'penggunaan pornografi online', 'penggunaan jejaring sosial', 'perjudian online', dan 'lainnya') terdaftar dengan definisi yang sesuai dan opsi respons 'ya ' atau tidak'. Peserta yang menjawab 'ya' hanya untuk item 'lainnya' disaring. Semua yang lain menerima item ACSID-11 untuk semua aktivitas yang dijawab dengan 'ya'. Pendekatan multiperilaku ini didasarkan pada Tes Penyaringan Keterlibatan Alkohol, Merokok dan Zat (ASSIST; Kelompok Kerja WHO ASSIST, 2002), yang menyaring kategori utama penggunaan zat dan konsekuensi negatifnya serta tanda-tanda perilaku adiktif secara konsisten di seluruh zat tertentu.
Dalam analogi ASSIST, setiap item dirumuskan sedemikian rupa sehingga dapat dijawab langsung untuk aktivitas masing-masing. Kami menggunakan format respons dua bagian (lihat Ara. 1), di mana peserta harus menunjukkan per item untuk setiap aktivitas seberapa sering mereka memiliki pengalaman dalam 12 bulan terakhir (0: 'tidak pernah', 1: 'jarang', 2: 'kadang-kadang', 3: 'sering'), dan jika setidaknya "jarang", seberapa intens setiap pengalaman dalam 12 bulan terakhir (0: 'tidak intens', 1: 'agak tidak intens', 2: 'agak intens', 3: 'intens'). Dengan menilai frekuensi serta intensitas setiap gejala, adalah mungkin untuk menyelidiki terjadinya gejala, tetapi juga untuk mengontrol seberapa intens gejala yang dirasakan di luar frekuensi. Item ACSID-11 (terjemahan bahasa Inggris yang diusulkan) ditampilkan di Tabel 1. Item asli (Jerman) termasuk pra-permintaan dan instruksi dapat ditemukan di Lampiran (lihat Lampiran A).
Item contoh ACSID-11 (terjemahan bahasa Inggris yang diusulkan dari item asli Jerman) yang menggambarkan pengukuran frekuensi (kolom kiri) dan intensitas (kolom kanan) dari situasi yang terkait dengan aktivitas online tertentu. Catatan. Gambar menunjukkan item contoh dari faktor Impaired Control (IC) seperti yang ditampilkan A) kepada individu yang menggunakan kelima aktivitas online seperti yang ditunjukkan dalam pra-kueri (lihat Lampiran A) dan B) kepada individu yang terindikasi menggunakan belanja online dan jejaring sosial saja.
Kutipan: Jurnal Kecanduan Perilaku 2022; 10.1556/2006.2022.00013
Item dari penyaring ACSID-11 untuk gangguan penggunaan Internet tertentu (terjemahan bahasa Inggris yang diusulkan).
| Barang | Pertanyaan |
| IC1 | Dalam 12 bulan terakhir, apakah Anda mengalami kesulitan melacak kapan Anda memulai aktivitas, untuk berapa lama, seberapa intens, atau dalam situasi apa Anda melakukannya, atau kapan Anda berhenti? |
| IC2 | Dalam 12 bulan terakhir, apakah Anda merasakan keinginan untuk menghentikan atau membatasi aktivitas tersebut karena Anda menyadari bahwa Anda terlalu sering menggunakannya? |
| IC3 | Dalam 12 bulan terakhir, apakah Anda mencoba menghentikan atau membatasi aktivitas tersebut dan gagal? |
| IP1 | Dalam 12 bulan terakhir, apakah Anda memberikan aktivitas tersebut prioritas yang semakin tinggi dibandingkan aktivitas atau minat lain dalam kehidupan sehari-hari Anda? |
| IP2 | Dalam 12 bulan terakhir, apakah Anda kehilangan minat pada aktivitas lain yang biasa Anda nikmati karena aktivitas tersebut? |
| IP3 | Dalam 12 bulan terakhir, apakah Anda mengabaikan atau melepaskan aktivitas atau minat lain yang biasa Anda nikmati karena aktivitas tersebut? |
| CE1 | Dalam 12 bulan terakhir, apakah Anda melanjutkan atau meningkatkan aktivitas meskipun telah mengancam atau menyebabkan Anda kehilangan hubungan dengan seseorang yang penting bagi Anda? |
| CE2 | Dalam 12 bulan terakhir, apakah Anda melanjutkan atau meningkatkan aktivitas tersebut meskipun telah menimbulkan masalah bagi Anda di sekolah/pelatihan/pekerjaan? |
| CE3 | Dalam 12 bulan terakhir, apakah Anda melanjutkan atau meningkatkan aktivitas meskipun telah menimbulkan keluhan/penyakit fisik atau mental? |
| FI1 | Memikirkan semua bidang kehidupan Anda, apakah hidup Anda sangat terpengaruh oleh aktivitas tersebut dalam 12 bulan terakhir? |
| MD1 | Memikirkan semua bidang kehidupan Anda, apakah aktivitas tersebut menyebabkan Anda menderita dalam 12 bulan terakhir? |
Catatan. IC = gangguan kontrol; IP = peningkatan prioritas; CE = lanjutan/eskalasi; FI = gangguan fungsional; MD = marabahaya yang ditandai; Barang asli Jerman dapat ditemukan di Lampiran A.
Tes Gangguan Permainan Internet Sepuluh Item: IGDT-10 – versi ASSIST
Sebagai ukuran validitas konvergen, kami menggunakan sepuluh item IGDT-10 (Király et al., 2017) dalam versi diperpanjang. IGDT-10 mengoperasionalkan sembilan kriteria DSM-5 untuk gangguan permainan Internet (American Psychiatric Association, 2013). Dalam penelitian ini, kami memperluas versi khusus game asli sehingga semua bentuk gangguan penggunaan Internet tertentu dinilai. Untuk menerapkan ini, dan untuk menjaga agar metodologi tetap sebanding, kami juga menggunakan format respons multibehavioral pada contoh ASSIST di sini. Untuk ini, item dimodifikasi sehingga 'permainan' diganti dengan 'aktivitas'. Setiap item kemudian dijawab untuk semua aktivitas online yang sebelumnya telah diindikasikan oleh peserta (dari pilihan 'game', 'belanja online', 'penggunaan pornografi online', 'penggunaan jejaring sosial', dan 'judi online' ). Per item, setiap aktivitas dinilai pada skala Likert tiga poin (0 = 'tidak pernah', 1 = 'kadang-kadang', 2 = 'sering'). Skornya sama dengan versi asli IGD-10: Setiap kriteria mendapat skor 0 jika responsnya 'tidak pernah' atau 'kadang-kadang' dan skor 1 jika responsnya 'sering'. Butir 9 dan 10 mewakili kriteria yang sama (yaitu, 'bahaya atau kehilangan hubungan yang signifikan, pekerjaan, atau kesempatan pendidikan atau karier karena partisipasi dalam permainan Internet') dan hitung bersama satu poin jika satu atau kedua butir terpenuhi. Jumlah skor akhir dihitung untuk setiap aktivitas. Ini bisa berkisar dari 0 hingga 9 dengan skor yang lebih tinggi menunjukkan tingkat keparahan gejala yang lebih tinggi. Mengenai gangguan permainan, skor lima atau lebih menunjukkan relevansi klinis (Király et al., 2017).
Kuesioner Kesehatan Pasien-4: PHQ-4
Kuesioner Kesehatan Pasien-4 (PHQ-4; Kroenke, Spitzer, Williams, & Lowe, 2009) adalah ukuran singkat dari gejala depresi dan kecemasan. Ini terdiri dari empat item yang diambil dari skala Generalized Anxiety Disorder-7 dan modul PHQ-8 untuk depresi. Peserta harus menunjukkan frekuensi terjadinya gejala tertentu pada skala Likert empat poin mulai dari 0 ('tidak sama sekali') hingga 3 ('hampir setiap hari'). Skor total dapat berkisar antara 0 dan 12 yang menunjukkan tingkat tekanan psikologis tidak ada/minimal, ringan, sedang, dan berat dengan skor masing-masing dari 0-2, 3-5, 6-8, 9-12 (Kroenke dkk., 2009).
Kesejahteraan umum
Kepuasan hidup umum dinilai menggunakan Skala Pendek Kepuasan Hidup (L-1) dalam versi asli Jerman (Beierlein, Kovaleva, László, Kemper, & Rammstedt, 2015) menjawab pada skala Likert 11 poin mulai dari 0 ('tidak puas sama sekali') hingga 10 ('sangat puas'). Skala item tunggal divalidasi dengan baik dan berkorelasi kuat dengan skala multi-item yang menilai kepuasan dengan kehidupan (Beierlein dkk., 2015). Kami juga menanyakan kepuasan hidup spesifik dalam domain kesehatan (H-1): 'Secara keseluruhan, seberapa puaskah Anda dengan kesehatan Anda hari ini?' dijawab pada skala 11 poin yang sama (lih. Beierlein dkk., 2015).
Prosedur
Studi dilakukan secara online menggunakan alat survei online Limesurvey®. ACSID-11 dan IGDT-10 diimplementasikan sedemikian rupa sehingga hanya aktivitas yang dipilih dalam pra-kueri yang ditampilkan untuk masing-masing item. Peserta menerima tautan individual dari penyedia panel layanan yang mengarah ke survei online yang kami buat. Setelah selesai, peserta diarahkan kembali ke situs web penyedia untuk menerima renumerasi mereka. Pengumpulan data dilakukan pada periode 8 April hingga 14 April 2021.
Analisis statistik
Kami menggunakan analisis faktor konfirmatori (CFA) untuk menguji dimensi dan validitas konstruk ACSID-11. Analisis dijalankan dengan Mplus versi 8.4 (Muthén & Muthén, 2019) menggunakan estimasi weighted least squares means and variance adjusted (WLSMV). Untuk mengevaluasi kecocokan model, kami menggunakan beberapa indeks, yaitu chi-kuadrat (χ 2) tes untuk kecocokan yang tepat, Indeks Kecocokan Komparatif (CFI), indeks kecocokan Tucker-Lewis (TLI), Residual Root Mean Square Standar (SRMR), dan Root Mean Square Error of Approximation (RMSEA). Berdasarkan Hu dan Bentler (1999), nilai cutoff untuk CFI dan TLI > 0.95, untuk SRMR < 0.08, dan untuk RMSEA < 0.06 menunjukkan model fit yang baik. Selanjutnya, nilai chi-kuadrat dibagi dengan derajat kebebasan (χ2/df) < 3 adalah indikator lain untuk model fit yang dapat diterima (Carmines & McIver, 1981). alfa cronbach (α) dan Lambda-2 Guttman (λ 2) digunakan sebagai ukuran reliabilitas dengan koefisien > 0.8 (> 0.7) yang menunjukkan konsistensi internal yang baik (dapat diterima) (Bortz & Döring, 2006). Analisis korelasi (Pearson) digunakan untuk menguji validitas konvergen antara ukuran yang berbeda dari konstruksi yang sama atau terkait. Analisis ini dijalankan dengan IBM statistik SPSS (versi 26). Berdasarkan Cohen (1988), nilai dari |r| = 0.10, 0.30, 0.50 masing-masing menunjukkan efek kecil, sedang, besar.
Etika
Prosedur penelitian dilakukan sesuai dengan Deklarasi Helsinki. Studi ini disetujui oleh komite etik divisi Ilmu Komputer dan Ilmu Kognitif Terapan di Fakultas Teknik Universitas Duisburg-Essen. Semua subjek diberitahu tentang penelitian ini dan semua diberikan persetujuan.
Hasil
Dalam sampel saat ini, perilaku penggunaan Internet spesifik didistribusikan sebagai berikut: Permainan ditunjukkan oleh 440 (45.9%) individu (usia: M = 43.59, SD = 14.66; 259 pria, 180 wanita, 1 penyelam), 944 (98.5%) individu yang terlibat dalam belanja online (usia: M = 47.58, SD = 14.49; 491 pria, 452 wanita, 1 penyelam), 340 (35.5%) individu menggunakan pornografi online (usia: M = 44.80, SD = 14.96; 263 pria, 76 wanita, 1 penyelam), 854 (89.1%) individu menggunakan jejaring sosial (usia: M = 46.52, SD = 14.66; 425 pria, 428 wanita, 1 penyelam), dan 200 (20.9%) individu yang terlibat dalam perjudian online (usia: M = 46.91, SD = 13.67; 125 laki-laki, 75 perempuan, 0 penyelam). Sebagian kecil peserta (n = 61; 6.3%) diindikasikan hanya menggunakan satu aktivitas. Sebagian besar peserta (n = 841; 87.8%) menggunakan setidaknya belanja online bersama dengan jejaring sosial dan 409 (42.7%) di antaranya juga terindikasi bermain game online. Enam puluh delapan (7.1%) dari peserta diindikasikan untuk menggunakan semua aktivitas online yang disebutkan.
Mengingat bahwa gangguan permainan dan perjudian adalah dua jenis gangguan akibat perilaku adiktif yang diakui secara resmi dan mengingat jumlah individu dalam sampel kami yang dilaporkan melakukan perjudian online agak terbatas, pertama-tama kami akan berkonsentrasi pada hasil mengenai penilaian. kriteria untuk gangguan permainan dengan ACSID-11.
Statistik deskriptif
Mengenai gangguan permainan, semua item ACSID-11 memiliki peringkat antara 0 dan 3 yang mencerminkan kisaran maksimum nilai yang mungkin (lihat Tabel 2). Semua item menunjukkan nilai rata-rata yang relatif rendah dan distribusi miring ke kanan seperti yang diharapkan dalam sampel non-klinis. Kesulitan tertinggi untuk item Continuation/Escalation dan Marked Distress sedangkan item Impaired Control (terutama IC1) dan item Peningkatan Prioritas memiliki kesulitan terendah. Kurtosis sangat tinggi untuk item pertama dari Continuation/Escalation (CE1) dan item Distress yang Ditandai (MD1).
Statistik deskriptif item ACSID-11 yang mengukur gangguan permainan.
| Tidak. | Barang | Min | max | M | (SD) | Kecondongan | Kurtosis | Kesulitan |
| a) | Skala frekuensi | |||||||
| 01a | IC1 | 0 | 3 | 0.827 | (0.956) | 0.808 | -0.521 | 27.58 |
| 02a | IC2 | 0 | 3 | 0.602 | (0.907) | 1.237 | 0.249 | 20.08 |
| 03a | IC3 | 0 | 3 | 0.332 | (0.723) | 2.163 | 3.724 | 11.06 |
| 04a | IP1 | 0 | 3 | 0.623 | (0.895) | 1.180 | 0.189 | 20.76 |
| 05a | IP2 | 0 | 3 | 0.405 | (0.784) | 1.913 | 2.698 | 13.48 |
| 06a | IP3 | 0 | 3 | 0.400 | (0.784) | 1.903 | 2.597 | 13.33 |
| 07a | CE1 | 0 | 3 | 0.170 | (0.549) | 3.561 | 12.718 | 5.68 |
| 08a | CE2 | 0 | 3 | 0.223 | (0.626) | 3.038 | 8.797 | 7.42 |
| 09a | CE3 | 0 | 3 | 0.227 | (0.632) | 2.933 | 7.998 | 7.58 |
| 10a | FI1 | 0 | 3 | 0.352 | (0.712) | 1.997 | 3.108 | 11.74 |
| 11a | MD1 | 0 | 3 | 0.155 | (0.526) | 3.647 | 13.107 | 5.15 |
| b) | skala intensitas | |||||||
| 01b | IC1 | 0 | 3 | 0.593 | (0.773) | 1.173 | 0.732 | 19.77 |
| 02b | IC2 | 0 | 3 | 0.455 | (0.780) | 1.700 | 2.090 | 15.15 |
| 03b | IC3 | 0 | 3 | 0.248 | (0.592) | 2.642 | 6.981 | 8.26 |
| 04b | IP1 | 0 | 3 | 0.505 | (0.827) | 1.529 | 1.329 | 16.82 |
| 05b | IP2 | 0 | 3 | 0.330 | (0.703) | 2.199 | 4.123 | 10.98 |
| 06b | IP3 | 0 | 3 | 0.302 | (0.673) | 2.302 | 4.633 | 10.08 |
| 07b | CE1 | 0 | 3 | 0.150 | (0.505) | 3.867 | 15.672 | 5.00 |
| 08b | CE2 | 0 | 3 | 0.216 | (0.623) | 3.159 | 9.623 | 7.20 |
| 09b | CE3 | 0 | 3 | 0.207 | (0.608) | 3.225 | 10.122 | 6.89 |
| 10b | FI1 | 0 | 3 | 0.284 | (0.654) | 2.534 | 6.172 | 9.47 |
| 11b | MD1 | 0 | 3 | 0.139 | (0.483) | 3.997 | 16.858 | 4.62 |
Catatan. N = 440. IC = gangguan kontrol; IP = peningkatan prioritas; CE = lanjutan/eskalasi; FI = gangguan fungsional; MD = Distress yang ditandai.
Mengenai kesehatan mental, sampel keseluruhan (N = 958) memiliki rerata skor PHQ-4 3.03 (SD = 2.82) dan menunjukkan tingkat kepuasan hidup yang sedang (L-1: M = 6.31, SD = 2.39) dan kesehatan (H-1: M = 6.05, SD = 2.68). Dalam subkelompok permainan (n = 440, 13 individu (3.0%) mencapai batas IGD-10 untuk kasus gangguan permainan yang relevan secara klinis. Rata-rata skor IGDT-10 bervariasi antara 0.51 untuk gangguan pembelian-belanja dan 0.77 untuk gangguan penggunaan jaringan sosial (lihat Tabel 5).
Analisis faktor konfirmasi
Asumsi model empat faktor
Kami menguji asumsi struktur empat-faktorial ACSID-11 melalui beberapa CFA, satu per gangguan penggunaan Internet tertentu dan secara terpisah untuk peringkat frekuensi dan intensitas. Faktor (1) Gangguan Kontrol, (2) Peningkatan Prioritas, dan (3) Kelanjutan/Eskalasi dibentuk oleh masing-masing tiga item. Dua item tambahan yang mengukur gangguan fungsional dalam kehidupan sehari-hari dan kesulitan yang ditandai karena aktivitas online membentuk faktor tambahan (4) Penurunan Fungsional. Struktur empat faktor dari ACSID-11 didukung oleh data. Indeks kecocokan menunjukkan kesesuaian yang baik antara model dan data untuk semua jenis gangguan penggunaan internet tertentu yang dinilai oleh ACSID-11, yaitu gangguan game, gangguan pembelian-belanja online, dan gangguan penggunaan jaringan sosial, penggunaan pornografi online. gangguan, dan gangguan perjudian online (lihat Tabel 3). Mengenai gangguan penggunaan pornografi online dan gangguan perjudian online, TLI dan RMSEA dapat menjadi bias karena ukuran sampel yang kecil (Hu & Bentler, 1999). Pemuatan faktor dan kovarians residual untuk CFA yang menerapkan model empat faktor ditunjukkan pada: Ara. 2. Untuk dicatat, beberapa model menunjukkan nilai anomali tunggal (yaitu, varians residual negatif untuk variabel laten atau korelasi sama dengan atau lebih besar dari 1).
Indeks kesesuaian model CFA empat faktor, unidimensi, dan orde kedua untuk gangguan penggunaan Internet spesifik (potensial) yang diukur dengan ACSID-11.
| Gangguan permainan | |||||||||||
| Frekuensi | Intensitas | ||||||||||
| Model | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
| Model empat faktor | 38 | 0.991 | 0.987 | 0.031 | 0.051 | 2.13 | 0.993 | 0.990 | 0.029 | 0.043 | 1.81 |
| model unidimensi | 27 | 0.969 | 0.961 | 0.048 | 0.087 | 4.32 | 0.970 | 0.963 | 0.047 | 0.082 | 3.99 |
| Model faktor urutan kedua | 40 | 0.992 | 0.988 | 0.031 | 0.047 | 1.99 | 0.992 | 0.989 | 0.032 | 0.045 | 1.89 |
| Gangguan pembelian-belanja online | |||||||||||
| Frekuensi | Intensitas | ||||||||||
| Model | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
| Model empat faktor | 38 | 0.996 | 0.994 | 0.019 | 0.034 | 2.07 | 0.995 | 0.992 | 0.020 | 0.037 | 2.30 |
| model unidimensi | 27 | 0.981 | 0.976 | 0.037 | 0.070 | 5.58 | 0.986 | 0.982 | 0.031 | 0.056 | 3.98 |
| Model faktor urutan kedua | 40 | 0.996 | 0.994 | 0.021 | 0.036 | 2.19 | 0.994 | 0.992 | 0.023 | 0.038 | 2.40 |
| Gangguan penggunaan pornografi online | |||||||||||
| Frekuensi | Intensitas | ||||||||||
| Model | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
| Model empat faktor | 38 | 0.993 | 0.989 | 0.034 | 0.054 | 1.99 | 0.987 | 0.981 | 0.038 | 0.065 | 2.43 |
| model unidimensi | 27 | 0.984 | 0.979 | 0.044 | 0.075 | 2.91 | 0.976 | 0.970 | 0.046 | 0.082 | 3.27 |
| Model faktor urutan kedua | 40 | 0.993 | 0.991 | 0.033 | 0.049 | 1.83 | 0.984 | 0.979 | 0.039 | 0.068 | 2.59 |
| Gangguan penggunaan jaringan sosial | |||||||||||
| Frekuensi | Intensitas | ||||||||||
| Model | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
| Model empat faktor | 38 | 0.993 | 0.990 | 0.023 | 0.049 | 3.03 | 0.993 | 0.989 | 0.023 | 0.052 | 3.31 |
| model unidimensi | 27 | 0.970 | 0.963 | 0.048 | 0.096 | 8.89 | 0.977 | 0.972 | 0.039 | 0.085 | 7.13 |
| Model faktor urutan kedua | 40 | 0.992 | 0.989 | 0.027 | 0.053 | 3.39 | 0.991 | 0.988 | 0.025 | 0.056 | 3.64 |
| Gangguan perjudian online | |||||||||||
| Frekuensi | Intensitas | ||||||||||
| Model | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
| Model empat faktor | 38 | 0.997 | 0.996 | 0.027 | 0.059 | 1.70 | 0.997 | 0.996 | 0.026 | 0.049 | 1.47 |
| model unidimensi | 27 | 0.994 | 0.992 | 0.040 | 0.078 | 2.20 | 0.991 | 0.989 | 0.039 | 0.080 | 2.28 |
| Model faktor urutan kedua | 40 | 0.997 | 0.996 | 0.029 | 0.054 | 1.58 | 0.997 | 0.995 | 0.029 | 0.053 | 1.55 |
Catatan. Ukuran sampel bervariasi untuk game (n = 440), belanja online (n = 944), penggunaan pornografi online (n = 340), penggunaan jejaring sosial (n = 854), dan perjudian daring (n = 200); ACSID-11 = Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik, 11 item.
Pemuatan faktor dan kovarians residual dari model empat faktor ACSID-11 (frekuensi) untuk (A) gangguan permainan, (B) gangguan perjudian online, (C) gangguan pembelian-belanja online, (D) gangguan penggunaan pornografi online , dan (E) gangguan penggunaan jaringan sosial. Catatan. Ukuran sampel bervariasi untuk game (n = 440), belanja online (n = 944), penggunaan pornografi online (n = 340), penggunaan jejaring sosial (n = 854), dan perjudian daring (n = 200); Skala intensitas ACSID-11 menunjukkan hasil yang serupa. ACSID-11 = Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik, 11 item; Nilai mewakili beban faktor standar, kovarians faktor, dan kovarians residual. Semua perkiraan signifikan pada p <0.001.
Kutipan: Jurnal Kecanduan Perilaku 2022; 10.1556/2006.2022.00013
model unidimensi
Karena interkorelasi yang tinggi antara faktor-faktor yang berbeda, kami juga menguji solusi unidimensional dengan semua item memuat pada satu faktor, seperti yang diterapkan, misalnya, dalam IGDT-10. Model unidimensional ACSID-11 menunjukkan kecocokan yang dapat diterima, tetapi dengan RMSEA dan/atau2/df berada di atas batas yang disarankan. Untuk semua perilaku, model yang cocok untuk model empat faktor lebih baik dibandingkan dengan model unidimensional masing-masing (lihat Tabel 3). Akibatnya, solusi empat faktor tampaknya lebih unggul daripada solusi unidimensional.
Model faktor orde kedua dan model bifaktor
Alternatif untuk memperhitungkan interkorelasi yang tinggi adalah dengan memasukkan faktor umum yang mewakili konstruksi umum, yang terdiri dari subdomain terkait. Ini dapat diimplementasikan melalui model faktor orde kedua dan model bifaktor. Dalam model faktor orde kedua, faktor umum (orde kedua) dimodelkan dalam upaya untuk menjelaskan korelasi di antara faktor orde pertama. Dalam model bifaktor, diasumsikan bahwa faktor umum menjelaskan kesamaan antara domain terkait dan, selain itu, ada beberapa faktor spesifik, yang masing-masing memiliki efek unik pada dan di luar faktor umum. Ini dimodelkan sehingga setiap item diperbolehkan untuk memuat pada faktor umum serta pada faktor spesifiknya di mana semua faktor (termasuk korelasi antara faktor umum dan faktor spesifik) ditentukan menjadi ortogonal. Model faktor orde kedua lebih dibatasi daripada model bifaktor dan bersarang di dalam model bifaktor (Yung, Thissen, & McLeod, 1999). Dalam sampel kami, model faktor orde kedua menunjukkan kecocokan yang sama dengan model empat faktor (lihat Tabel 3). Untuk semua perilaku, empat faktor (orde pertama) memuat tinggi pada faktor umum (orde kedua) (lihat Lampiran B), yang membenarkan penggunaan skor keseluruhan. Seperti model empat faktor, beberapa model faktor orde kedua menunjukkan nilai anomali sesekali (yaitu, varians residual negatif untuk variabel laten atau korelasi sama dengan atau lebih besar dari 1). Kami juga menguji model bifaktor komplementer yang menunjukkan kecocokan superior yang sebanding, namun, tidak untuk semua perilaku model dapat diidentifikasi (lihat Lampiran C).
Keandalan
Berdasarkan struktur empat faktor yang teridentifikasi, kami menghitung skor faktor untuk ACSID-11 dari rata-rata item masing-masing serta skor rata-rata keseluruhan untuk setiap gangguan penggunaan Internet (potensial) tertentu. Kami telah melihat keandalan IGDT-10 saat kami menggunakan varian multibehavioral mengikuti contoh ASSIST (menilai beberapa gangguan penggunaan Internet spesifik) untuk pertama kalinya. Hasilnya menunjukkan konsistensi internal yang tinggi dari ACSID-11 dan keandalan yang lebih rendah tetapi juga dapat diterima dari IGDT-10 (lihat Tabel 4).
Ukuran keandalan ACSID-11 dan IGDT-10 mengukur gangguan penggunaan Internet tertentu.
| ACSID-11 | IGD-10 | |||||
| Frekuensi | Intensitas | (versi BANTUAN) | ||||
| Jenis gangguan | α | λ2 | α | λ2 | α | λ2 |
| judi | 0.900 | 0.903 | 0.894 | 0.897 | 0.841 | 0.845 |
| Beli-belanja online | 0.910 | 0.913 | 0.915 | 0.917 | 0.858 | 0.864 |
| Penggunaan pornografi online | 0.907 | 0.911 | 0.896 | 0.901 | 0.793 | 0.802 |
| Penggunaan jejaring sosial | 0.906 | 0.912 | 0.915 | 0.921 | 0.855 | 0.861 |
| Judi online | 0.947 | 0.950 | 0.944 | 0.946 | 0.910 | 0.912 |
Catatan. α = alfa Cronbach; λ 2 = lambda-2 Guttman; ACSID-11 = Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik, 11 item; IGDT-10 = Tes Gangguan Permainan Internet Sepuluh Item; Ukuran sampel bervariasi untuk game (n = 440), beli-belanja online (n = 944), penggunaan pornografi online (n = 340), penggunaan jejaring sosial (n = 854), dan perjudian daring (n = 200).
Tabel 5 menunjukkan statistik deskriptif skor ACSID-11 dan IGDT-10. Untuk semua perilaku, rata-rata dari Kelanjutan/Eskalasi dan Penurunan Fungsional faktor ACSID-11 adalah yang terendah dibandingkan dengan faktor lainnya. Faktor Gangguan Kontrol menunjukkan nilai rata-rata tertinggi untuk frekuensi dan intensitas. Skor total ACSID-11 adalah yang tertinggi untuk gangguan penggunaan jaringan sosial, diikuti oleh gangguan perjudian online dan gangguan permainan, gangguan penggunaan pornografi online, dan gangguan pembelian-belanja online. Jumlah skor IGD-10 menunjukkan gambaran yang sama (lihat Tabel 5).
Statistik deskriptif faktor dan skor keseluruhan ACSID-11 dan IGDT-10 (versi ASSIST) untuk gangguan penggunaan Internet tertentu.
| Permainan (n = 440) | Beli-belanja online (n = 944) |
Penggunaan pornografi online (n = 340) |
Penggunaan jejaring sosial (n = 854) | Perjudian daring (n = 200) | ||||||||||||||||
| Variabel | Min | max | M | (SD) | Min | max | M | (SD) | Min | max | M | (SD) | Min | max | M | (SD) | Min | max | M | (SD) |
| Frekuensi | ||||||||||||||||||||
| ACSID-11_IC | 0 | 3 | 0.59 | (0.71) | 0 | 3 | 0.46 | (0.67) | 0 | 3 | 0.58 | (0.71) | 0 | 3 | 0.78 | (0.88) | 0 | 3 | 0.59 | (0.82) |
| ACSID-11_IP | 0 | 3 | 0.48 | (0.69) | 0 | 3 | 0.28 | (0.56) | 0 | 3 | 0.31 | (0.59) | 0 | 3 | 0.48 | (0.71) | 0 | 3 | 0.38 | (0.74) |
| ACSID-11_CE | 0 | 3 | 0.21 | (0.51) | 0 | 3 | 0.13 | (0.43) | 0 | 3 | 0.16 | (0.45) | 0 | 3 | 0.22 | (0.50) | 0 | 3 | 0.24 | (0.60) |
| ACSID-11_FI | 0 | 3 | 0.25 | (0.53) | 0 | 3 | 0.18 | (0.48) | 0 | 2.5 | 0.19 | (0.47) | 0 | 3 | 0.33 | (0.61) | 0 | 3 | 0.33 | (0.68) |
| ACSID-11_total | 0 | 3 | 0.39 | (0.53) | 0 | 3 | 0.27 | (0.47) | 0 | 2.6 | 0.32 | (0.49) | 0 | 3 | 0.46 | (0.59) | 0 | 2.7 | 0.39 | (0.64) |
| Intensitas | ||||||||||||||||||||
| ACSID-11_IC | 0 | 3 | 0.43 | (0.58) | 0 | 3 | 0.34 | (0.56) | 0 | 3 | 0.45 | (0.63) | 0 | 3 | 0.60 | (0.76) | 0 | 3 | 0.47 | (0.73) |
| ACSID-11_IP | 0 | 3 | 0.38 | (0.62) | 0 | 3 | 0.22 | (0.51) | 0 | 3 | 0.25 | (0.51) | 0 | 3 | 0.40 | (0.67) | 0 | 3 | 0.35 | (0.69) |
| ACSID-11_CE | 0 | 3 | 0.19 | (0.48) | 0 | 3 | 0.11 | (0.39) | 0 | 2.7 | 0.15 | (0.41) | 0 | 3 | 0.19 | (0.45) | 0 | 3 | 0.23 | (0.58) |
| ACSID-11_FI | 0 | 3 | 0.21 | (0.50) | 0 | 3 | 0.15 | (0.45) | 0 | 2.5 | 0.18 | (0.43) | 0 | 3 | 0.28 | (0.57) | 0 | 3 | 0.29 | (0.61) |
| ACSID-11_total | 0 | 3 | 0.31 | (0.46) | 0 | 3 | 0.21 | (0.42) | 0 | 2.6 | 0.26 | (0.43) | 0 | 3 | 0.37 | (0.54) | 0 | 3 | 0.34 | (0.59) |
| IGD-10_sum | 0 | 9 | 0.69 | (1.37) | 0 | 9 | 0.51 | (1.23) | 0 | 7 | 0.61 | (1.06) | 0 | 9 | 0.77 | (1.47) | 0 | 9 | 0.61 | (1.41) |
Catatan. ACSID-11 = Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik, 11 item; IC = gangguan kontrol; IP = peningkatan prioritas; CE = lanjutan/eskalasi; FI = gangguan fungsional; IGDT-10 = Tes Gangguan Permainan Internet Sepuluh Item.
Analisis korelasi
Sebagai ukuran validitas konstruk, kami menganalisis korelasi antara ACSID-11, IGDT-10, dan ukuran kesejahteraan umum. Korelasi ditunjukkan dalam Tabel 6. Skor total ACSID-11 berkorelasi positif dengan skor IGDT-10 dengan ukuran efek sedang hingga besar, di mana korelasi antara skor untuk perilaku yang sama paling tinggi. Selanjutnya, skor ACSID-11 berkorelasi positif dengan PHQ-4, dengan efek yang sama seperti yang dilakukan IGDT-10 dan PHQ-4. Pola korelasi dengan ukuran kepuasan hidup (L-1) dan kepuasan kesehatan (H-1) sangat mirip antara keparahan gejala yang dinilai dengan ACSID-11 dan dengan IGDT-10. Interkorelasi antara skor total ACSID-11 untuk perilaku yang berbeda memiliki efek yang besar. Korelasi antara skor faktor dan IGDT-10 dapat ditemukan dalam materi tambahan.
Korelasi antara ACSID-11 (frekuensi), IGDT-10, dan ukuran kesejahteraan psikologis
| 1) | 2) | 3) | 4) | 5) | 6) | 7) | 8) | 9) | 10) | 11) | 12) | |||
| ACSID-11_total | ||||||||||||||
| 1) | judi | 1 | ||||||||||||
| 2) | Beli-belanja online | r | 0.703** | 1 | ||||||||||
| (n) | (434) | (944) | ||||||||||||
| 3) | Penggunaan pornografi online | r | 0.659** | 0.655** | 1 | |||||||||
| (n) | (202) | (337) | (340) | |||||||||||
| 4) | Penggunaan jejaring sosial | r | 0.579** | 0.720** | 0.665** | 1 | ||||||||
| (n) | (415) | (841) | (306) | 854 | ||||||||||
| 5) | Judi online | r | 0.718** | 0.716** | 0.661** | 0.708** | 1 | |||||||
| (n) | (123) | (197) | (97) | (192) | (200) | |||||||||
| IGD-10_sum | ||||||||||||||
| 6) | judi | r | 0.596** | 0.398** | 0.434** | 0.373** | 0.359** | 1 | ||||||
| (n) | (440) | (434) | (202) | (415) | (123) | (440) | ||||||||
| 7) | Beli-belanja online | r | 0.407** | 0.632** | 0.408** | 0.449** | 0.404** | 0.498** | 1 | |||||
| (n) | (434) | (944) | (337) | (841) | (197) | (434) | (944) | |||||||
| 8) | Penggunaan pornografi online | r | 0.285** | 0.238** | 0.484** | 0.271** | 0.392** | 0.423** | 0.418** | 1 | ||||
| (n) | (202) | (337) | (340) | (306) | (97) | (202) | (337) | (340) | ||||||
| 9) | Penggunaan jejaring sosial | r | 0.255** | 0.459** | 0.404** | 0.591** | 0.417** | 0.364** | 0.661** | 0.459** | 1 | |||
| (n) | (415) | (841) | (306) | (854) | (192) | (415) | (841) | (306) | (854) | |||||
| 10) | Judi online | r | 0.322** | 0.323** | 0.346** | 0.423** | 0.625** | 0.299** | 0.480** | 0.481** | 0.525** | 1 | ||
| (n) | (123) | (197) | (97) | (192) | (200) | (123) | (197) | (97) | (192) | (200) | ||||
| 11) | PHQ-4 | r | 0.292** | 0.273** | 0.255** | 0.350** | 0.326** | 0.208** | 0.204** | 0.146** | 0.245** | 0.236** | 1 | |
| (n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | |||
| 12) | L-1 | r | -0.069 | -0.080* | -0.006 | -0.147** | -0.179* | -0.130** | -0.077* | -0.018 | -0.140** | -0.170* | -0.542** | 1 |
| (n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | (958) | ||
| 13) | H-1 | r | -0.083 | -0.051 | 0.062 | -0.014 | 0.002 | -0.078 | -0.021 | 0.069 | 0.027 | -0.034 | -0.409** | 0.530** |
| (n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | (958) | ||
Catatan. ** p <0.01; * p < 0.05. ACSID-11 = Penilaian Kriteria untuk Gangguan Penggunaan Internet Spesifik, 11 item; IGDT-10 = Tes Gangguan Permainan Internet Sepuluh Item; PHQ-4 = Kuesioner Kesehatan Pasien-4; Korelasi dengan skala intensitas ACSID-11 berada dalam kisaran yang sama.
Diskusi dan kesimpulan
Laporan ini memperkenalkan ACSID-11 sebagai alat baru untuk penyaringan yang mudah dan komprehensif dari jenis utama gangguan penggunaan Internet tertentu. Hasil penelitian menunjukkan bahwa ACSID-11 cocok untuk menangkap kriteria ICD-11 untuk gangguan permainan dalam struktur multifaset. Korelasi positif dengan alat penilaian berbasis DSM-5 (IGDT-10) selanjutnya menunjukkan validitas konstruk.
Struktur multifaktorial yang diasumsikan dari ACSID-11 dikonfirmasi oleh hasil CFA. Item cocok dengan model empat faktor yang mewakili kriteria ICD-11 (1) gangguan kontrol, (2) peningkatan prioritas, (3) kelanjutan/eskalasi meskipun konsekuensi negatif, serta komponen tambahan (4) gangguan fungsional dan penderitaan yang ditandai untuk dianggap relevan untuk perilaku adiktif. Solusi empat faktor menunjukkan kecocokan yang lebih baik dibandingkan dengan solusi unidimensional. Skala multidimensi adalah fitur unik dibandingkan dengan skala lain yang mencakup kriteria ICD-11 untuk gangguan permainan (lih. King et al., 2020; Pontes et al., 2021). Selanjutnya, kecocokan yang sama superiornya dari model faktor orde kedua (dan sebagian model bifaktor) menunjukkan bahwa item yang menilai empat kriteria terkait terdiri dari konstruksi "gangguan" umum dan membenarkan penggunaan skor keseluruhan. Hasilnya serupa untuk gangguan perjudian online dan gangguan penggunaan Internet spesifik potensial lainnya yang diukur dengan ACSID-11 dalam format multibehavioral pada contoh ASSIST, yaitu gangguan pembelian-belanja online, gangguan penggunaan pornografi online, jaringan sosial- menggunakan gangguan. Untuk yang terakhir, hampir tidak ada instrumen berdasarkan kriteria WHO untuk gangguan akibat perilaku adiktif, meskipun peneliti merekomendasikan klasifikasi ini untuk masing-masing dari mereka (Brand et al., 2020; Müller et al., 2019; Stark et al., 2018). Langkah-langkah komprehensif baru, seperti ACSID-11, dapat membantu mengatasi kesulitan metodologis dan memungkinkan analisis sistematis tentang kesamaan dan perbedaan antara berbagai jenis (potensial) perilaku adiktif ini.
Keandalan ACSID-11 tinggi. Untuk gangguan permainan, konsistensi internal sebanding atau lebih tinggi daripada kebanyakan instrumen lainnya (lih. King et al., 2020). Keandalan dalam hal konsistensi internal juga baik untuk gangguan penggunaan Internet spesifik lainnya yang diukur dengan ACSID-11 dan IGDT-10. Dari sini kita dapat menyimpulkan bahwa format respons terintegrasi, seperti ASSIST (Kelompok Kerja WHO ASSIST, 2002) cocok untuk penilaian bersama dari berbagai jenis kecanduan perilaku. Dalam sampel saat ini, skor total ACSID-11 tertinggi untuk gangguan penggunaan jaringan sosial. Hal ini sesuai dengan prevalensi yang relatif tinggi dari fenomena ini yang saat ini diperkirakan sebesar 14% untuk negara-negara individualis dan 31% untuk negara-negara kolektivis (Cheng, Lau, Chan, & Luk, 2021).
Validitas konvergen ditunjukkan oleh korelasi positif sedang hingga besar antara skor ACSID-11 dan IGDT-10 meskipun format penilaian berbeda. Selanjutnya, korelasi positif moderat antara skor ACSID-11 dan PHQ-4 yang mengukur gejala depresi dan kecemasan mendukung validitas kriteria alat penilaian baru. Hasilnya konsisten dengan temuan sebelumnya tentang hubungan antara (komorbiditas) masalah mental dan gangguan penggunaan Internet tertentu termasuk gangguan permainan (Mihara & Higuchi, 2017; tapi lihat; Carras, Shi, Hard, & Saldanha yang Lebih Dingin, 2020), gangguan penggunaan pornografi (Duffy, Dawson, & Das Nair, 2016), gangguan pembelian-belanja (Kyrios et al., 2018), gangguan penggunaan jaringan sosial (Andreassen, 2015), dan gangguan perjudian (Dowling et al., 2015). Juga, ACSID-11 (terutama gangguan perjudian online dan gangguan penggunaan jaringan sosial) berkorelasi terbalik dengan ukuran kepuasan hidup. Hasil ini konsisten dengan temuan sebelumnya tentang hubungan antara gangguan kesejahteraan dan keparahan gejala gangguan penggunaan Internet tertentu (Cheng, Cheung, & Wang, 2018; Duffy et al., 2016; Duradoni, Innocenti, & Guazzini, 2020). Studi menunjukkan kesejahteraan menjadi sangat terganggu ketika beberapa gangguan penggunaan Internet tertentu terjadi bersamaan (Charzyńska dkk., 2021). Terjadinya bersama gangguan penggunaan Internet tertentu tidak jarang (misalnya, Burleigh dkk., 2019; Müller et al., 2021) yang sebagian dapat menjelaskan interkorelasi yang relatif tinggi antara gangguan yang diukur dengan ACSID-11 dan IGDT-10 masing-masing. Ini menggarisbawahi pentingnya alat skrining yang seragam untuk menentukan kesamaan dan perbedaan secara lebih valid di berbagai jenis gangguan karena perilaku adiktif.
Keterbatasan utama dari penelitian ini adalah sampel non-klinis, relatif kecil dan tidak representatif. Jadi, dengan penelitian ini, kami tidak dapat menunjukkan apakah ACSID-11 cocok sebagai alat diagnostik, karena kami belum dapat memberikan skor cutoff yang jelas. Selanjutnya, desain cross-sectional tidak memungkinkan untuk membuat kesimpulan tentang reliabilitas tes-tes ulang atau hubungan sebab akibat antara ACSID-11 dan variabel yang memvalidasi. Instrumen membutuhkan validasi lebih lanjut untuk memverifikasi keandalan dan kesesuaiannya. Namun, hasil dari studi awal ini menunjukkan bahwa ini adalah alat yang menjanjikan yang mungkin layak untuk diuji lebih lanjut. Untuk dicatat, basis data yang lebih besar diperlukan tidak hanya untuk instrumen ini, tetapi untuk seluruh bidang penelitian untuk menentukan perilaku mana yang dapat dianggap sebagai entitas diagnostik (lih. Grant & Chamberlain, 2016). Struktur ACSID-11 tampaknya bekerja dengan baik sebagaimana dikonfirmasi oleh hasil penelitian saat ini. Empat faktor spesifik dan domain umum cukup terwakili di seluruh perilaku yang berbeda, meskipun setiap item dijawab untuk semua aktivitas online yang ditunjukkan yang dilakukan setidaknya sesekali dalam dua belas bulan terakhir. Kami telah membahas bahwa gangguan penggunaan Internet tertentu cenderung terjadi bersamaan, namun, ini harus dikonfirmasi dalam studi lanjutan sebagai alasan untuk korelasi sedang hingga tinggi dari skor ACSID-11 di seluruh perilaku. Selanjutnya, nilai anomali sesekali mungkin menunjukkan bahwa untuk beberapa perilaku spesifikasi model perlu dioptimalkan. Kriteria yang digunakan belum tentu sama relevannya dengan semua jenis gangguan potensial yang disertakan. Ada kemungkinan bahwa ACSID-11 tidak dapat secara memadai mencakup fitur khusus gangguan dalam manifestasi gejala. Invariansi pengukuran di berbagai versi harus diuji dengan sampel independen baru termasuk pasien dengan gangguan penggunaan Internet spesifik yang didiagnosis. Selain itu, hasilnya tidak mewakili populasi umum. Data tersebut kira-kira mewakili pengguna Internet di Jerman dan tidak ada penguncian pada saat pengumpulan data; namun demikian, pandemi COVID-19 memiliki potensi pengaruh pada tingkat stres dan penggunaan Internet (bermasalah) (Király et al., 2020). Meskipun skala L-1 item tunggal divalidasi dengan baik (Beierlein dkk., 2015), kepuasan hidup (khusus domain) dapat ditangkap secara lebih komprehensif dalam studi masa depan menggunakan ACSID-11.
Kesimpulannya, ACSID-11 terbukti cocok untuk penilaian yang komprehensif, konsisten, dan ekonomis dari gejala (potensial) gangguan penggunaan Internet tertentu termasuk gangguan game, gangguan pembelian-belanja online, gangguan penggunaan pornografi online, jaringan sosial. -gangguan penggunaan, dan gangguan perjudian online berdasarkan kriteria diagnostik ICD-11 untuk gangguan permainan. Evaluasi lebih lanjut dari alat penilaian harus dilakukan. Kami berharap ACSID-11 dapat berkontribusi pada penilaian perilaku adiktif yang lebih konsisten dalam penelitian dan dapat membantu juga dalam praktik klinis di masa depan.
Sumber pendanaan
Deutsche Forschungsgemeinschaft (DFG, Yayasan Penelitian Jerman) – 411232260.
Kontribusi penulis
SMM: Metodologi, Analisis Formal, Penulisan – Draf Asli; EW: Konseptualisasi, Metodologi, Penulisan – Review & Editing; AO: Metodologi, Analisis formal; RS: Konseptualisasi, Metodologi; AM: Konseptualisasi, Metodologi; CM: Konseptualisasi, Metodologi; KW: Konseptualisasi, Metodologi; HJR: Konseptualisasi, Metodologi; MB: Konseptualisasi, Metodologi, Penulisan – Review & Editing, Supervisi.
Konflik kepentingan
Penulis melaporkan tidak ada konflik kepentingan finansial atau lainnya yang relevan dengan subjek artikel ini.
Ucapan Terima Kasih
Pekerjaan pada artikel ini dilakukan dalam konteks Unit Penelitian ACSID, FOR2974, didanai oleh Deutsche Forschungsgemeinschaft (DFG, Yayasan Penelitian Jerman) – 411232260.
Materi tambahan
Data tambahan untuk artikel ini dapat ditemukan online di https://doi.org/10.1556/2006.2022.00013.
;
