Effetti delle dipendenze di Internet e smartphone sulla depressione e l'ansia basate sull'analisi della corrispondenza del punteggio di propensione (2018)

Int J Environ Res Sanità pubblica. 2018 Apr 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

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

Astratto

Le associazioni di dipendenza da Internet (IA) e dipendenza da smartphone (SA) con problemi di salute mentale sono state ampiamente studiate. Abbiamo studiato gli effetti di IA e SA sulla depressione e sull'ansia mentre ci si adegua alle variabili sociodemografiche. In questo studio, i partecipanti di 4854 hanno completato un sondaggio trasversale basato sul web che includeva elementi socio-demografici, la scala coreana per la dipendenza da Internet, la scala di proneness per la dipendenza da smartphone e le sottoscale della lista di controllo dei sintomi 90 Articoli rivisti. I partecipanti sono stati classificati in IA, SA e gruppi di uso normale (NU). Per ridurre il bias di campionamento, abbiamo applicato il metodo di corrispondenza del punteggio di propensione basato sulla corrispondenza genetica. Il gruppo IA ha mostrato un aumentato rischio di depressione (rischio relativo 1.207; p <0.001) e ansia (rischio relativo 1.264; p <0.001) rispetto alle NU. Il gruppo SA ha anche mostrato un aumento del rischio di depressione (rischio relativo 1.337; p <0.001) e ansia (rischio relativo 1.402; p <0.001) rispetto alle NC. Questi risultati mostrano che entrambi, IA e SA, hanno esercitato effetti significativi sulla depressione e sull'ansia. Inoltre, i nostri risultati hanno mostrato che la SA ha una relazione più forte con la depressione e l'ansia, più forte della IA, e ha sottolineato la necessità di politiche di prevenzione e gestione dell'uso eccessivo di smartphone.

PAROLE CHIAVE:  Dipendenza da Internet; ansia; depressione; punteggio di propensione; dipendenza da smartphone

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. introduzione

Con il crescente utilizzo e la convenienza di Internet e degli smartphone nella vita quotidiana, la ricerca accumulata ha mostrato gli effetti negativi dell'eccessivo utilizzo di Internet e smartphone nel regno della salute mentale [1].
La percentuale di utenti di smartphone nella popolazione sudcoreana è circa dell'85%, la più alta al mondo2]. Tuttavia, l'eccessivo utilizzo dello smartphone è fortemente associato a una serie di problemi di salute mentale, tra cui lo stress e un aumentato rischio di ansia anormale [3,4]. La dipendenza da smartphone (SA) è emersa come una nuova forma di dipendenza insieme alle dipendenze da Internet (IA) e le caratteristiche cliniche della SA hanno ricevuto attenzione negli ultimi anni [5]. Ad esempio, ci sono alcune differenze riguardo alla natura dei dispositivi, come la facile portabilità, l'accesso a Internet in tempo reale e le funzionalità di comunicazione diretta degli smartphone [6]. Somiglianze e differenze tra IA e SA sono state segnalate rispetto alle variabili demografiche e agli aspetti motivazionali dell'uso dei media [1,6].
Dal punto di vista ambientale, la mancanza di attività alternative è associata all'IA [7]. Inoltre, l'essere single è stato segnalato per essere fortemente associato sia a un social network che ai giochi online [8]. Per quanto riguarda il livello di istruzione e le dimensioni del reddito mensile, un recente studio condotto su persone con SA ha riscontrato differenze significative nella dimensione sanitaria a favore di coloro che avevano un reddito inferiore e un livello di istruzione inferiore9]. Coerentemente con questo risultato, una revisione sistematica ha riportato una correlazione significativa tra rendimento accademico e gravità dell'IA [10]. Per quanto riguarda l'età, una recente recensione ha rilevato che l'uso problematico di Internet è più rilevante sia per gli adolescenti che per gli adulti emergenti (19 anni e più)10], mentre la dipendenza da smartphone è più diffusa negli adolescenti più giovani rispetto agli adulti emergenti (19 anni e oltre) [11]. Uno studio recente ha dimostrato che le donne tendono ad avere una media più alta di tempi di utilizzo giornaliero e punteggi di dipendenza per gli smartphone, rispetto agli uomini [4]. Choi et al. (2015) ha riferito che il genere maschile ha un fattore di rischio rilevante per IA e il genere femminile per SA [1]. Per quanto riguarda lo scopo di utilizzo, i social network hanno mostrato di essere più fortemente correlati a un'elevata dipendenza dallo smartphone, rispetto ad altre funzioni relative al telefono cellulare [11]. In soggetti con IA, Anderson et al. (2016) ha riferito che il genere maschile era significativamente associato ai giochi per PC online [10].
Per quanto riguarda gli aspetti psicologici, le associazioni positive di IA e SA con depressione e ansia sono state ampiamente segnalate [12,13]. Studi recenti hanno suggerito che la dipendenza da Internet e dagli smartphone potrebbe derivare dal profilo cognitivo-emotivo e comportamentale individuale dell'utente piuttosto che dal mezzo stesso [14,15,16]. Un recente studio ha osservato il ruolo dell'empatia e della soddisfazione della vita sia in IA che in SA [17]. Per quanto riguarda la psicopatologia, diversi studi hanno riportato una correlazione positiva tra IA, depressione e ansia [18,19,20], mentre un recente studio ha riportato una relazione tra uso e gravità dello smartphone, depressione e ansia [13]. Pertanto, l'interrelazione tra IA, SA e problemi di salute mentale deve essere delineata con precisione. Inoltre, data la sovrapposizione e le differenze tra IA e SA [16], allora la domanda che si pone è in che misura IA e SA sono legate all'aumento del livello di depressione e ansia dopo aver adeguato i confondenti fattori demografici e socioeconomici?
Non è chiaro se i problemi di salute mentale siano cause o conseguenze dell'eccessiva dipendenza da Internet e dagli smartphone. Studi trasversali hanno utilizzato analisi di regressione multipla per studiare le relazioni tra problemi di salute mentale, IA e SA nelle persone [21]. Tuttavia, negli studi osservazionali, che mancano di randomizzazione, l'analisi di regressione multipla presenta limitazioni, come la possibilità di sopravvalutazione e un errore standard scarso in presenza di numerose covariate, oltre alla distorsione della selezione [22]. Pertanto, stimare gli effetti della dipendenza semplicemente esaminando un determinato risultato, come la depressione e l'ansia, sarebbe influenzato dallo squilibrio dei fattori demografici e socioeconomici associati a IA e SA. Inoltre, nessuno studio ha ancora studiato gli effetti differenziali in base alle caratteristiche degli utenti di Internet e smartphone, compresi i contesti ambientali e i profili psicologici degli utenti, di IA e SA su depressione e ansia. La corrispondenza del punteggio di propensione (PSM) è diventata un approccio popolare per ridurre la distorsione di selezione negli studi osservazionali [23,24]. In questo articolo, abbiamo applicato l'analisi PSM per studiare gli effetti di IA e SA sulla depressione e sull'ansia, al fine di ridurre la distorsione di selezione nei nostri dati. Abbiamo scelto sesso, età, istruzione, stato civile e reddito come variabile confondente, considerando l'associazione di queste variabili sociodemografiche con IA e SA nel nostro studio [9,25].
Lo scopo principale di questo studio è di esaminare le interrelazioni tra IA, SA e stato dell'umore, ovvero depressione e ansia, utilizzando l'analisi della corrispondenza del punteggio di propensione. In secondo luogo, cerchiamo di scoprire in che modo gli effetti della depressione e dell'ansia differiscono tra IA e SA.

 

 

2. Materiali e metodi

 

 

2.1. Partecipanti allo studio

I dati consistevano nelle risposte al sondaggio online di autodiagnosi anonima degli adulti coreani 5003 (età 19 – 49 anni), condotto dall'Università Cattolica della Corea, Seoul; e St. Mary's Hospital a dicembre 2014 [26]. Lo studio è stato condotto in conformità con la Dichiarazione di Helsinki. I comitati di revisione istituzionale dell'Università Cattolica della Corea, Seoul; e St. Mary's Hospital ha approvato questo studio. Tutti i partecipanti sono stati informati dello studio e hanno fornito il consenso informato scritto. I partecipanti al sondaggio sono stati reclutati da un panel di una società di ricerca e i questionari self-report sono stati gestiti tramite Internet senza alcun compenso. Sono stati esclusi solo gli intervistati di 149, che non hanno utilizzato gli smartphone. Infine, abbiamo analizzato i dati dei partecipanti 4854. Nel campione finale, le età sono state classificate in tre categorie: Sotto 30 (33.19%), 30 – 39 (43.94%) e 40 – 49 (22.87%). C'erano maschi 2573 (53.01%) e femmine 2281 (46.99%). Le variabili demografiche aggiuntive dei partecipanti considerati erano istruzione, stato civile e reddito.

 

 

2.2. Le misure

 

 

2.2.1. Misurazione della dipendenza da Internet

La scala coreana per la dipendenza da Internet (scala K) è stata sviluppata in Corea per valutare l'IA ed è stata convalidata nella popolazione coreana con un'alta affidabilità della coerenza interna [27]. Il coefficiente alfa di Cronbach per la scala K era 0.91 [28]. Ha sette sottoscale e oggetti 40, che misurano i disturbi della vita quotidiana, i disturbi del test di realtà, i pensieri di dipendenza automatica, le relazioni interpersonali virtuali, il comportamento deviante, il ritiro e la tolleranza. Questa scala del tipo Likert è stata impostata da 1 (per niente) a 4 (sempre). Secondo il rapporto precedente utilizzando questa scala, i partecipanti sono stati ordinati in tre gruppi: normale, rischio potenziale e rischio elevato [29]. È stato definito il gruppo ad alto rischio con un punteggio standardizzato di 70 o superiore, nei disturbi della vita quotidiana, pensieri di dipendenza automatica, fattori di tolleranza o almeno 70 in totale. Il gruppo di rischio potenziale è stato definito come un punteggio di 62 o superiore nel disturbo della vita quotidiana, pensieri di dipendenza automatica, fattori di tolleranza o almeno 63 in totale. Il gruppo di uso normale conteneva quei punteggi al di sotto di questi numeri. In questo studio, i gruppi IA erano costituiti dai gruppi a rischio e ad alto rischio.

 

 

2.2.2. Misura della dipendenza da smartphone

La scala della dipendenza da smartphone (K-SAS) è stata validata e ampiamente utilizzata per lo screening di SA [30]. Consiste in articoli 15 classificati in una scala di soccorso di tipo Likert a quattro punti da 1 (per niente) a 4 (sempre). Le domande hanno esaminato tre fattori: disturbo della vita quotidiana, pensieri che creano dipendenza e tolleranza. Il coefficiente alfa di Cronbach per K-SAS era 0.880 [5].
Sulla base di un precedente rapporto che utilizzava questa scala, abbiamo utilizzato i punteggi per classificare i partecipanti in tre gruppi: normale, rischio potenziale e rischio elevato [30]. Il gruppo ad alto rischio è stato definito come avere un punteggio di 44 o più in totale, o avere un carattere di sottolineatura di 15 o più nel disturbo della vita quotidiana insieme a punteggi di 13 o più, sia nei pensieri che nella dipendenza automatici che nella tolleranza. È stato definito il gruppo di rischio potenziale con 41 o più nel punteggio totale o 15 o più nel fattore di disturbo della vita quotidiana. Il gruppo di utilizzo normale conteneva quei punteggi al di sotto di questi numeri [30]. In questo studio, il gruppo dipendente da smartphone era composto da gruppi ad alto e potenziale rischio.

 

 

2.2.3. Misurazione dei problemi di salute mentale: depressione e ansia

SCL-90-R è un questionario multidimensionale sviluppato per vagliare una serie di caratteristiche psicologiche e psicopatologiche delle sottoscale 9: somatizzazione, ossessivo-compulsiva, sensibilità interpersonale, depressione, ansia, ostilità, ansia fobica, idea paranoica e psicotismo [31]. SCL-90 contiene articoli 90 classificati in una scala di difficoltà 5 da 0 (nessuno) a 4 (estremo). L'affidabilità test-test di SCL-90-R in lingua coreana era 0.76 per la depressione e 0.77 per l'ansia. La coerenza interna era 0.89 per la depressione e 0.86 per l'ansia [31]. Depressione e ansia sono stati segnalati per essere i sintomi psichiatrici più fortemente associati con IA e SA [12,13]. Le dimensioni specifiche di interesse da esaminare in questo studio includevano le sottoscale SCL-90-R per la depressione e l'ansia.

 

 

2.3. Analisi dei dati

 

 

2.3.1. Definizione statistica

lasciare Zi

 

essere un indicatore di dipendenza binaria per il suo soggetto; questo è, Zi=1 se il soggetto è dipendente (IA o SA), e Zi=0 altrimenti. Il potenziale esito di un problema mentale (depressione o ansia) è definito come Yi(Zi. Si noti che solo uno dei potenziali risultati viene osservato contemporaneamente per ogni soggetto, quindi il calcolo diretto di Yi(1)-Yi è impossibile. Invece dell'effetto individuale, il parametro principale di interesse è l'effetto di dipendenza atteso sulla popolazione dipendente

τ=E(Yi(1)-Yi(0)|
 
Tuttavia, la stima di τ

ha ancora un problema perché E(Yi(0)|Zi non può essere stimato direttamente. Certo, in esperimenti randomizzati, E(Yi(0)|Zi è soddisfatto, quindi τ può essere facilmente stimato. Tuttavia, in uno studio di osservazione, la stima ingenua di τ può essere di parte perché E(Yi(0)|Zi. Per regolare questa distorsione di selezione, assumiamo che possiamo osservare le covariate Xi che non sono influenzati da alcuna dipendenza e per una data covariata Xi, i potenziali risultati Yi(1), Yi sono condizionatamente indipendenti dall'indicatore di dipendenza Zi. Inoltre, se i potenziali esiti sono indipendenti dalla dipendenza dalle covariate Xi, sono anche indipendenti dalla dipendenza dal punteggio di propensione P(Xi)= P(Zi=1|Xi[19]. Lo stimatore PSM per τ diventa

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Stima del punteggio di propensione

I punteggi di propensione vengono calcolati utilizzando la regressione logistica, un modello utilizzato per prevedere la probabilità che si verifichi una dipendenza 

ceppoP(Zi=1|Xi)

 

 

 
In questo documento, come le covariate per Xi

 

 

, consideriamo cinque covariate categoriche: sesso (1 = maschio e 2 = femmina), età (1 = 20 – 29, 2 = 30 – 39 e 3 = 40 – 49), istruzione (1 = scuola media, 2 = alta scuola e 3 = università o superiore), stato civile (1 = single, 2 = convivenza, 3 = sposato, 4 = divorziato e 5 = in lutto) e reddito (1 = basso, 2 = medio-basso, 3 = medio, 4 = medio alto e 5 = alto). Nel Unità 1, queste covariate possono influenzare contemporaneamente i risultati (depressione o ansia) e dipendenze. Pertanto, per ogni materia, abbiamo stimato i punteggi di propensione; cioè, la probabilità condizionata di essere dipendenti dalla covariata osservata [32].

 

 

2.3.3. Metodi di corrispondenza basati sul punteggio di propensione stimato

Una volta stimati i punteggi di propensione, la corrispondenza può essere utilizzata per stimare l'effetto del trattamento dopo essersi adeguati alle differenze tra i due gruppi [33]. L'obiettivo dell'abbinamento è quello di produrre un campione abbinato che bilanci la distribuzione del paziente di uno studio e corrisponda alle covariate dei gruppi di controllo osservati. Questo metodo di regolazione ci consente di controllare le variabili confondenti. In questo studio, abbiamo adottato due metodi di abbinamento ampiamente utilizzati, l'accoppiamento ottimale e genetico [34].

 

 

2.3.4. Stima dei rischi relativi di dipendenza da problemi di salute mentale dopo la corrispondenza del punteggio di propensione

Dopo l'abbinamento del punteggio di propensione utilizzando le covariate osservate (età, sesso, matrimonio, reddito ed istruzione), abbiamo un set di dati più equilibrato. Per modellare il problema di salute mentale (depressione o ansia), abbiamo applicato modelli lineari generalizzati (GLM) al campione abbinato. Poiché i punteggi di salute mentale sono positivi e distorti, viene adattata la distribuzione gamma con collegamento log. Permettere Yi

 

essere un risultato di interesse (un punteggio di depressione o ansia) con media μi, possiamo usare il framework Gamma GLM con le covariate Xi:

 

ceppoμi=γT
 
 
Attraverso la modellazione, abbiamo stimato eγ

 

 

come i rischi relativi (come differenza media attesa prevista tra i gruppi) di IA e SA per ciascuna covariata.

 

 

3. Αποτελέσματα

Oltre ai partecipanti 4854, 126 (2.60%) è stato incluso nel gruppo IA e 652 (13.43%) è stato incluso nel gruppo SA. Tabella 1 mostra le statistiche descrittive dei punteggi di depressione e ansia. I punteggi medi di depressione e ansia dei gruppi IA e SA sono maggiori di quelli del gruppo di uso normale (NU).
Tabella 1. Statistiche descrittive dei punteggi di depressione e ansia.
Table

 

 

3.1. Qualità di corrispondenza del metodo di corrispondenza del punteggio di propensione

Anche se condizioniamo solo alcune delle covariate nei questionari di questo studio, tramite il punteggio di propensione, abbiamo scoperto che la procedura di abbinamento era sufficiente per bilanciare la distribuzione di ciascuna covariata, Tabella 2 ed Tabella 3. Abbiamo valutato le distanze nelle distribuzioni marginali di Xi

 

 

 

. Per ogni covariata, abbiamo calcolato il pregiudizio; cioè, la differenza nelle medie campionarie dei campioni dipendenti e normali. Prima di applicare la corrispondenza del punteggio di propensione, i bias non sono stati ignorati. Tuttavia, dopo la corrispondenza del punteggio di propensione, la dipendenza e i sottocampioni normali avevano una distribuzione marginale molto simile per tutte le covariate.
Tabella 2. Confronto della percentuale media delle caratteristiche al basale tra IA e gruppi di utilizzo normale, nel campione originale e nel campione abbinato al punteggio di propensione, utilizzando la corrispondenza genetica e ottimale.
Table
Tabella 3. Confronto della percentuale media delle caratteristiche di base tra SA e gruppi normali, nel campione originale e nel campione di punteggio di propensione abbinato, usando la corrispondenza genetica e ottimale.
Table

 

 

3.2. Effetti della dipendenza da Internet sulla depressione e l'ansia

Sono riportati gli effetti dell'IA sulla depressione e sull'ansia ottenuti utilizzando la corrispondenza del punteggio di propensione Tabella 4. Attraverso la corrispondenza genetica, sono stati selezionati 3846 campioni. L'IA era correlata a un rischio maggiore di depressione (rischio relativo 1.207, intervallo di confidenza al 95% 1.128-1.292 e p <0.001) e ansia (rischio relativo 1.264, intervallo di confidenza 95% 1.173-1.362 ep <0.001). Tutti questi rapporti di rischio relativo sono significativi perché l'intervallo di confidenza non contiene 1. Attraverso la corrispondenza ottimale, sono stati selezionati 252 campioni. L'IA era correlata a una maggiore depressione (rischio relativo 1.243, intervallo di confidenza al 95% 1.145-1.348 e p <0.001) e ansia (rischio relativo 1.308, intervallo di confidenza al 95% 1.192-1.435 e p <0.001). Simile alla corrispondenza genetica, i rapporti di rischio relativo su entrambi, depressione e ansia, sono significativamente maggiori di 1.
Tabella 4. Effetti della dipendenza da Internet e da smartphone sulla depressione e sull'ansia, basati sulla corrispondenza del punteggio di propensione.
Table

 

 

3.3. Effetti della dipendenza da smartphone su depressione e ansia

Gli effetti di SA sulla depressione e l'ansia usando la corrispondenza del punteggio di propensione sono riportati in Tabella 4. Attraverso la corrispondenza genetica, sono stati selezionati 4516 campioni. La SA era correlata a un rischio maggiore di depressione (rischio relativo 1.337, intervallo di confidenza al 95% 1.296-1.378 e p <0.001) e ansia (rischio relativo 1.402, intervallo di confidenza al 95% 1.355-1.450 e p <0.001). Attraverso una corrispondenza ottimale, sono stati selezionati 1304 campioni. La SA era correlata a un rischio maggiore di depressione (rischio relativo 1.386, intervallo di confidenza al 95% 1.334-1.440 e p <0.001) e ansia (rischio relativo 1.440, intervallo di confidenza al 95% 1.380-1.503 e p <0.001). Tutti questi rapporti di rischio relativo sono significativi.

 

 

3.4. Differenze negli effetti di Internet e della dipendenza da smartphone su depressione e ansia

I rapporti di rischio relativi per la depressione e l'ansia, sia per la corrispondenza genetica che ottimale, erano 10% più alti per SA rispetto a IA. Ciò significa che la SA ha un rischio maggiore di depressione e ansia rispetto alla IA. Questi intervalli di confidenza non contengono 1, quindi possiamo dire che SA è 34-44% più probabilità di causare un disturbo mentale.

 

 

4. Discussione

Le nostre scoperte sono che sia IA che SA esercitano effetti significativi sulla depressione e sull'ansia, anche dopo aver controllato i fattori di confondimento usando la corrispondenza del punteggio di propensione. Studi epidemiologici hanno stimato una maggiore prevalenza di depressione nell'IA [35,36]. Numerosi studi trasversali hanno riferito che gli individui con IA o SA hanno mostrato livelli più alti di depressione e ansia rispetto ai normali utenti [13,37]. Nel presente studio, i nostri risultati mostrano i ruoli di IA e SA nello sviluppo di depressione e ansia. Ci sono alcune possibili spiegazioni per i risultati attuali. In primo luogo, l'uso avvincente di Internet e degli smartphone può aumentare i problemi interpersonali, che sono correlati alla depressione e all'ansia, come conflitti familiari, mancanza di relazioni off-line e un aumentato bisogno di approvazione nel cyberspazio. In secondo luogo, i sintomi di astinenza sono proposti come modelli psicopatologici in IA e SA, paragonabili ai disturbi da abuso di sostanze5]. Quando non hanno accesso a un PC o uno smartphone, le persone con IA o SA possono diventare ansiose e quindi desiderare di utilizzare Internet o uno smartphone per sfuggire a tali sentimenti negativi [38]. Un'altra possibile spiegazione è che, a differenza di altre sostanze che creano dipendenza, come alcol e nicotina, gli utenti di Internet e degli smartphone potrebbero avere scarse informazioni sul loro uso eccessivo nella vita quotidiana a causa dell'accesso gratuito e flessibile ai dispositivi [3], facendo loro sperimentare il loro uso eccessivo come un fastidio piuttosto che come un segno di comportamento problematico [39]. Un'altra scoperta interessante è stata che SA ha esercitato effetti più forti sulla depressione e sull'ansia rispetto alla IA. Questo ci porta a ipotizzare che IA e SA abbiano diverse influenze sui problemi di salute mentale. Ci potrebbero essere diverse spiegazioni possibili per questo risultato. Innanzitutto, considerando le caratteristiche dei media, è più facile che l'eccessivo utilizzo dello smartphone si sviluppi attraverso la natura abituale del dispositivo, a causa della sua maggiore accessibilità alla rete wireless e 24 h di notifiche frequenti [39]. In secondo luogo, per quanto riguarda i fattori ambientali, questa scoperta potrebbe riflettere l'attuale cambiamento radicale della media della vita quotidiana dai PC agli smartphone. Le persone possono utilizzare Internet per PC per un lavoro complicato e svolgere le altre attività quotidiane con gli smartphone, portando a una diminuzione della produttività del lavoro e a un livello più elevato di stress [40]. Infine, le persone con SA possono utilizzare gli smartphone per mantenere relazioni e un senso di connessione con il social network online [41], portando alla paura di perdersi e alla paura di perdere la connessione, innescando un uso più elevato dello smartphone [42].
Questo studio ha diversi limiti per generalizzare i risultati a tutta la popolazione, come la natura trasversale dei limiti dei dati e l'interpretazione dell'inferenza causale tra Internet e la dipendenza da smartphone, depressione e ansia. La corrispondenza della propensione ha anche limitazioni e requisiti. La principale limitazione è che i punteggi di propensione possono controllare solo dai confonditori osservati [43]. La possibilità di confonditori non osservati può rimanere, limitando i risultati dello studio per la generalizzazione. Inoltre, a causa di tutti i confonditori osservati in questo studio sono stati raccolti come variabili categoriche, ci potrebbe essere una perdita di informazioni durante la costruzione del modello PSM. Pertanto, i nostri risultati dovrebbero essere interpretati con cautela. Tuttavia, per ottenere i solidi risultati dell'abbinamento, abbiamo preso in considerazione due metodi di abbinamento, quello genetico e quello ottimale. In particolare, la corrispondenza genetica utilizza un algoritmo di ricerca genetica, quindi il suo processo può trovare una buona soluzione di corrispondenza con una minore perdita di informazioni [44]. Infine, la valutazione del sintomo della depressione e dell'ansia è stata condotta misurando i sintomi psicologici di auto-segnalazione usando SCL-90-R. Valutare i problemi di salute mentale in modo più accurato e coerente. Un colloquio strutturato da parte del medico dovrebbe essere condotto in ulteriori studi.

 

 

5. conclusioni

In questo studio, abbiamo studiato in che modo IA e SA influenzano i problemi di salute mentale, depressione e ansia. Per quanto ne sappiamo, questo è il primo studio per stimare l'associazione tra IA, SA e psicopatologia utilizzando il metodo del punteggio di corrispondenza della propensione da dati trasversali e per studiare l'effetto differenziale nella psicopatologia tra IA e SA. In conclusione, i nostri risultati rivelano che sia IA che SA aumentano il rischio di depressione e ansia. Inoltre, SA ha mostrato una relazione più forte con la depressione e l'ansia rispetto all'IA.
Un'implicazione di questi risultati è che le persone con un uso problematico dello smartphone dovrebbero essere attentamente monitorate per problemi di salute mentale, evidenziando la necessità di stabilire politiche di prevenzione e gestione mirate al livello preclinico di SA. Ulteriori studi prospettici dovrebbero studiare le direzioni causali delle relazioni tra IA, SA e problemi di salute mentale e dovrebbero identificare i fattori discriminatori di IA e SA.

 

 

Contributi degli autori

D.-JK e DL hanno ideato e progettato gli esperimenti; HMJ ha analizzato i dati; Y.-JK ha scritto il documento. YL ha supervisionato la raccolta dei dati. Tutti gli autori hanno contribuito allo sviluppo del manoscritto, lo hanno revisionato criticamente e approvato il manoscritto finale.

 

 

Ringraziamenti

Questo lavoro è stato supportato da una sovvenzione della National Research Foundation of Korea (Sovvenzione n. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Conflitto di interessi

Gli autori dichiarano assenza di conflitto di interesse.

 

 

Riferimenti

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Confronto dei fattori di rischio e di protezione associati alla dipendenza da smartphone e alla dipendenza da Internet. J. Behav. Dipendente. 2015, 4, 308-314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 the Survey on Internet Overdependence; Ministero della Scienza, TIC e Pianificazione futura: Seoul, Corea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Il lato oscuro dell'utilizzo dello smartphone: tratti psicologici, comportamento compulsivo e tecnostressa. Comput. Ronzio. Behav. 2014, 31, 373-383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Dipendenza dall'uso dello smartphone e dalla sua associazione con l'ansia in Corea. Rep. Sanitaria 2016, 131, 411-419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Sviluppo della scala di propensione alla dipendenza da smartphone per adulti: autodidatta. Coreano J. Couns. 2012, 13, 629-644. [Google Scholar]
  6. Kwon, M .; Lee, J.-Y .; Vinto, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Sviluppo e validazione di una scala di dipendenza da smartphone (SAS). PIÙ UNO 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. dipendenza da Internet: una revisione sistematica della ricerca epidemiologica per l'ultimo decennio. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. La relazione tra l'uso di dipendenza da social media e videogiochi e sintomi di disturbi psichiatrici: uno studio trasversale su larga scala. Psychol. Dipendente. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, AMF; Albursan, IS; Bakhiet, SF; Abduljabbar, dipendenza da smartphone AS tra gli studenti universitari alla luce di alcune variabili. Comput. Ronzio. Behav. 2016, 61, 155-164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Uso di Internet e uso problematico di Internet: una revisione sistematica delle tendenze della ricerca longitudinale nell'adolescenza e nell'età adulta emergente. Int. J. Adolesc. Gioventù 2017, 22, 430-454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP Smartphone use e dipendenza da smartphone tra i giovani in Svizzera. J. Behav. Dipendente. 2015, 4, 299-307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. L'associazione tra dipendenza da Internet e disturbo psichiatrico: una revisione della letteratura. Euro. Psichiatria 2012, 27, 1-8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. La relazione tra smartphone utilizza la gravità con la qualità del sonno, la depressione e l'ansia negli studenti universitari. J. Behav. Dipendente. 2015, 4, 85-92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Integrazione di considerazioni psicologiche e neurobiologiche riguardanti lo sviluppo e il mantenimento di specifici disturbi dell'uso di Internet: un modello di interazione di persona-affetto-cognizione-esecuzione (I-PACE). Neurosci. Biobehav. Rev. 2016, 71, 252-266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. La disregolazione cognitiva della dipendenza da Internet e dei suoi correlati neurobiologici. Davanti. Biosci (Elite ed.) 2017, 9, 307-320. [Google Scholar]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Chi è dipendente dallo smartphone e / o da Internet? Psychol. Pop. Media Cult. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. Il ruolo dell'empatia e della soddisfazione della vita nel disturbo dell'uso di Internet e Smartphone. Davanti. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Relazione tra uso di Internet e depressione: Focus su oscillazioni fisiologiche dell'umore, social network e comportamento di dipendenza online. Comput. Ronzio. Behav. 2015, 43, 308-312. [Google Scholar] [CrossRef]
  19. Simile, A .; Iskender, M. Dipendenza da Internet e depressione, ansia e stress. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Né MBM; Griffiths, MD, dipendenza da Internet e i suoi rischi psicosociali (depressione, ansia, stress e solitudine) tra adolescenti e giovani iraniani: un modello di equazione strutturale in uno studio trasversale. Int. J. Ment. Tossicodipendente. 2016, 14, 257-267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Gli effetti dell'insonnia e della dipendenza da Internet sulla depressione negli adolescenti cinesi di Hong Kong: un'analisi esplorativa trasversale. J. Sleep Res. 2011, 20, 311-317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Confronto tra regressione logistica e punteggio di propensione quando il numero di eventi è basso e ci sono più fattori confondenti. Am. J. Epidemiol. 2003, 158, 280-287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Una valutazione critica della corrispondenza del punteggio di propensione nella letteratura medica tra 1996 e 2003. Statistica. Med. 2008, 27, 2037-2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Un confronto tra la capacità di diversi modelli di punteggio di propensione a bilanciare le variabili misurate tra soggetti trattati e non trattati: uno studio di Monte Carlo. Statistica. Med. 2007, 26, 734-753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Prevalenza della dipendenza da Internet nella popolazione generale: risultati di un sondaggio tedesco basato sulla popolazione. Behav. Inf. Technol. 2014, 33, 757-766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Fattori di rischio per il disturbo del gioco su Internet: fattori psicologici e caratteristiche del gioco su Internet. Int. J. Environ. Res. Salute pubblica 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Agenzia nazionale di servizi di informazione. Uno studio sulla scala della predisposizione alla dipendenza da Internet per adulti; Agenzia nazionale di servizi di informazione: Seoul, Corea, 2005. [Google Scholar]
  28. Kim, D. The Follow up Study of Internet Addiction Proneness Scale; Agenzia coreana per le opportunità e la promozione digitale: Seoul, Corea, 2008; Disponibile online: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (accessibile su 8 maggio 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Sviluppo della forma abbreviata della scala della predisposizione alla dipendenza da Internet (scala KS). Coreano J. Couns. 2008, 9, 1703-1722. [Google Scholar]
  30. Agenzia nazionale di servizi di informazione. Sviluppo di una scala coreana per la dipendenza da smartphone per giovani e adulti; Agenzia nazionale di servizi di informazione: Seoul, Corea, 2011; pp. 85 – 86. [Google Scholar]
  31. Kim, KI .; Kim, JW. Lo studio di standardizzazione della lista di controllo dei sintomi-90-R in Corea III. Ment. Ris. Sanitaria 1984, 2, 278-311. [Google Scholar]
  32. Heckman, J .; Smith, J. Valutazione del caso per esperimenti sociali. J. Econ. Perspect. 1995, 9, 85-110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Alcune indicazioni pratiche per l'implementazione della corrispondenza del punteggio di propensione. J. Econ. Surv. 2008, 22, 31-72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamante, A. Corrispondenza genetica per la stima degli effetti causali, manoscritto inedito. Presentato all'incontro annuale di metodologia politica, Tallahassee, FL, USA, luglio 2005. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Prevalenza della dipendenza da Internet e confronto di tossicodipendenti e non tossicodipendenti nelle scuole superiori iraniane. Cyberpsychol. Behav. 2008, 11, 731-733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. I sintomi psichiatrici associati alla dipendenza da Internet: deficit di attenzione e disturbo da iperattività (ADHD), depressione, fobia sociale e ostilità. J. Adolesc. Salute 2007, 41, 93-98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. La dipendenza da Internet è una condizione psicopatologica distinta dal gioco d'azzardo patologico? J. Addict. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Social network online e dipendenza: una rassegna della letteratura psicologica. Int. J. Environ. Res. Salute pubblica 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Habits rende l'uso dello smartphone più pervasivo. Pers. Ubiquitous Comput. 2012, 16, 105-114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Dipendenza da smartphone, interruzioni quotidiane e produttività dichiarata. Dipendente. Behav. Rappresentante. 2017, 6, 90-95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Siti di social network e dipendenza: Dieci lezioni apprese. Int. J. Environ. Res. Salute pubblica 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Conseguenze negative del pesante social network negli adolescenti: il ruolo di mediazione della paura di perdersi. J. Adolesc. 2017, 55, 51-60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Commento invitato: Punteggi di propensione. Am. J. Epidemiol. 1999, 150, 327-333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamante, A .; Sekon, J. Corrispondenza genetica per la stima degli effetti causali: un nuovo metodo per raggiungere l'equilibrio negli studi osservazionali. Rev. Econ. Statistica. 2013, 95, 932-945. [Google Scholar] [CrossRef]