Dipendenza da Internet e relazioni con l'insonnia, l'ansia, la depressione, lo stress e l'autostima negli studenti universitari: uno studio progettato in modo trasversale (2016)

2016 Sep 12;11(9):e0161126. doi: 10.1371 / journal.pone.0161126. eCollection 2016.

Younes F1,2, Halawi G1,2, Jabbour H3,4, El Osta N5,6,7, Karam L1,8, Hajj A1,2, Rabbaa Khabbaz L1,2.

Astratto

CONTESTO E OBIETTIVI:

La dipendenza da Internet (IA) potrebbe essere una delle principali preoccupazioni degli studenti di medicina universitaria che mirano a diventare professionisti della salute. Le implicazioni di questa dipendenza così come la sua associazione con il sonno, i disturbi dell'umore e l'autostima possono ostacolare i loro studi, incidere sui loro obiettivi di carriera a lungo termine e avere conseguenze ampie e dannose per la società nel suo complesso. Gli obiettivi di questo studio erano: 1) Valutare la potenziale IA negli studenti universitari di medicina, nonché i fattori ad essa associati; 2) Valutare le relazioni tra potenziale IA, insonnia, depressione, ansia, stress e autostima.

METODI:

Il nostro studio era un sondaggio trasversale basato su questionari condotto tra gli studenti 600 di tre facoltà: medicina, odontoiatria e farmacia presso l'Università Saint-Joseph. Sono stati utilizzati quattro questionari convalidati e affidabili: il test Young Internet Addiction, l'Insomnia Severity Index, la Depression Anxiety Stress Scales (DASS 21) e la Rosenberg Self Esteem Scale (RSES).

RISULTATI:

Il punteggio medio YIAT era 30 ± 18.474; Il tasso di prevalenza potenziale di IA era del 16.8% (intervallo di confidenza al 95%: 13.81-19.79%) ed era significativamente diverso tra maschi e femmine (valore p = 0.003), con una prevalenza maggiore nei maschi (23.6% contro 13.9%). Sono state trovate correlazioni significative tra potenziale IA e insonnia, stress, ansia, depressione e autostima (valore p <0.001); I punteggi secondari ISI e DASS erano più alti e l'autostima più bassa negli studenti con potenziale IA.

CONCLUSIONI:

Identificare gli studenti con una IA potenziale è importante perché questa dipendenza spesso coesiste con altri problemi psicologici. Pertanto, gli interventi dovrebbero includere non solo la gestione delle IA ma anche fattori di stress psicosociale associati come l'insonnia, l'ansia, la depressione, lo stress e l'autostima.

 

Astratto

Background e obiettivi

La dipendenza da Internet (IA) potrebbe essere una delle principali preoccupazioni degli studenti di medicina universitaria che mirano a diventare professionisti della salute. Le implicazioni di questa dipendenza così come la sua associazione con il sonno, i disturbi dell'umore e l'autostima possono ostacolare i loro studi, incidere sui loro obiettivi di carriera a lungo termine e avere conseguenze ampie e dannose per la società nel suo complesso. Gli obiettivi di questo studio erano: 1) Valutare la potenziale IA negli studenti universitari di medicina, nonché i fattori ad essa associati; 2) Valutare le relazioni tra potenziale IA, insonnia, depressione, ansia, stress e autostima.

Metodi

Il nostro studio era un sondaggio trasversale basato su questionari condotto tra gli studenti 600 di tre facoltà: medicina, odontoiatria e farmacia presso l'Università Saint-Joseph. Sono stati utilizzati quattro questionari convalidati e affidabili: il test Young Internet Addiction, l'Insomnia Severity Index, la Depression Anxiety Stress Scales (DASS 21) e la Rosenberg Self Esteem Scale (RSES).

Risultati

Il punteggio medio YIAT era 30 ± 18.474; Il potenziale tasso di prevalenza di IA era 16.8% (95% intervallo di confidenza: 13.81-19.79%) ed era significativamente differente tra maschi e femmine (p-valore = 0.003), con una prevalenza maggiore nei maschi (23.6% rispetto a 13.9%). Sono state trovate correlazioni significative tra potenziale IA e insonnia, stress, ansia, depressione e autostima (p-valore <0.001); I punteggi secondari ISI e DASS erano più alti e l'autostima più bassa negli studenti con potenziale IA.

Conclusioni

Identificare gli studenti con una IA potenziale è importante perché questa dipendenza spesso coesiste con altri problemi psicologici. Pertanto, gli interventi dovrebbero includere non solo la gestione delle IA ma anche fattori di stress psicosociale associati come l'insonnia, l'ansia, la depressione, lo stress e l'autostima.

Citazione: Younes F, Halawi G, Jabbour H, El Osta N, Karam L, Hajj A, et al. (2016) Dipendenza da Internet e relazioni con l'insonnia, l'ansia, la depressione, lo stress e l'autostima negli studenti universitari: uno studio progettato in modo trasversale. PLoS ONE 11 (9): e0161126. doi: 10.1371 / journal.pone.0161126

Editor: Andrea Romigi, Università di Roma Tor Vergata, ITALIA

Ricevuto: Marzo 31, 2016; Accettato: Luglio 30, 2016; Pubblicato il: 12 settembre 2016

Copyright: © 2016 Younes et al. Questo è un articolo ad accesso libero distribuito secondo i termini del Creative Commons Attribution License, che consente l'uso, la distribuzione e la riproduzione illimitati su qualsiasi supporto, a condizione che l'autore e la fonte originali siano accreditati.

Disponibilità dei dati: Tutti i dati rilevanti sono all'interno del documento e dei relativi file di informazioni di supporto.

finanziamento: Gli autori non hanno ricevuto finanziamenti specifici per questo lavoro.

Interessi conflittuali: Gli autori hanno dichiarato che non esistono interessi in competizione.

Introduzione

L'uso di Internet è cresciuto esponenzialmente in tutto il mondo a più di 2.5 miliardi di utenti attivi [1, 2] essendo la maggior parte adolescenti e giovani [3]. Parallelamente la rapida crescita dell'accesso a Internet è un aumento della dipendenza da Internet, in particolare tra gli adolescenti, guadagnando una maggiore attenzione da parte dei media popolari, delle autorità governative e dei ricercatori [4].

L'uso eccessivo di Internet è definito come quando l'uso di Internet è diventato eccessivo, incontrollato e dispendioso in termini di tempo, fino al punto di assenza di tempo e che interrompe gravemente la vita delle persone [5]. La dipendenza da Internet è caratterizzata da un modello disadattivo di uso di Internet che porta a compromissione o sofferenza clinicamente significativa [6].

I termini "uso problematico di internet" [7], uso internet patologico [8-10] e "dipendenza da Internet" [11-13] sono generalmente considerati sinonimi di dipendenza da Internet [14]. Young et al [15-17] criteri diagnostici proposti per la dipendenza da Internet (IA) in cui il ritiro, la scarsa capacità di pianificazione, la tolleranza, la preoccupazione, l'indebolimento del controllo e il tempo eccessivo online sono stati definiti come sintomi principali.

La prevalenza mondiale di IA variava da 1.6% -18% [18]. 10.7% degli adolescenti in Corea del Sud presenta IA secondo la scala di dipendenza da Internet di Yong [19]. 11% in Grecia, basato sullo stesso test [20]; Il 10.7–13.9% degli adolescenti europei è a rischio di dipendenza, sulla base degli strumenti di Young [21] e 4% negli studenti delle scuole superiori negli Stati Uniti [22].

La prevalenza di IA può variare in base all'età, al sesso e all'etnia e prevale più comunemente tra gli studenti universitari [23].

Un alto tasso di disturbi di personalità si riscontrano in individui con IA [24-27].

È stato anche riferito che l'uso intensivo di Internet è associato a disturbi dell'umore [28], scarsa qualità del sonno [28, 29], bassa autostima [30], impulsività [31], suicidio [32, 33], livelli inferiori di attività fisica [29] e problemi di salute (emicranie, mal di schiena, obesità) [34].

La nostra ipotesi era che la IA potesse essere una delle maggiori preoccupazioni negli studenti universitari di medicina, e che esaminare la sua associazione con il sonno, i disturbi dell'umore e l'autostima è importante, in modo che possano essere prese misure appropriate per affrontare questo problema.

Per gli studenti di medicina che intendono diventare professionisti della salute, le implicazioni di questa dipendenza possono ostacolare i loro studi e incidere sui loro obiettivi di carriera a lungo termine e possono avere conseguenze ampie e dannose sulla società nel suo insieme.

Gli obiettivi di questo studio erano: 1) Valutare la IA potenziale negli studenti del Campus of Medical Sciences (CMS) dell'Università Saint-Joseph in Libano, nonché i fattori socio-demografici ad essa associati; 2) Valutare le relazioni tra potenziale IA, insonnia, depressione, ansia, stress e autostima, tenendo conto contemporaneamente dell'esposizione a insonnia, stress, ansia e depressione negli studenti.

Materiali e Metodi

Considerazioni etiche

Il protocollo dello studio è stato approvato dal comitato etico dell'Università Saint-Joseph (Rif USJ-2015-28, giugno 2015). Il consenso informato informato è stato ottenuto da tutti gli individui partecipanti allo studio.

Procedura di indagine e campionamento

Il nostro studio era un sondaggio trasversale basato su questionari condotto tra gli studenti di tre facoltà: medicina, odontoiatria e farmacia presso la Saint-Joseph University, da settembre a dicembre 2015 (4 mesi). I criteri di inclusione erano: studenti di età pari o superiore a 18 e disposti a partecipare allo studio. I criteri di esclusione erano: età sotto 18 anni e presenza di una malattia cronica. Gli studenti sono stati selezionati in modo casuale all'interno di ogni classe utilizzando una tabella di numeri casuali per garantire la rappresentatività del campione. Questa selezione casuale era proporzionale al numero di studenti in ogni classe. Gli studenti selezionati sono stati contattati da due assistenti di ricerca qualificati di solito alla fine dei loro corsi prima di lasciare la classe e hanno chiesto se erano disposti a partecipare a condizione che non presentassero alcun criterio di esclusione. È stato quindi ottenuto un consenso formale scritto.

Raccolta dei dati

I dati sono stati raccolti durante un'intervista faccia a faccia utilizzando uno strumento di indagine standardizzato autosomministrato basato su quattro questionari validati a livello internazionale, ovvero il Young Internet Addiction Test, l'Insomnia Severity Index, la Depression Anxiety Stress Scales (DASS 21), e la Scala di autostima di Rosenberg. La durata delle interviste variava da 15 a 25 minuti.

Misure

I partecipanti.

Sono stati raccolti dati personali su età, sesso e facoltà. Inoltre, sono state ottenute informazioni sulla vita da soli o no, sul tabacco (sigaretta o pipa ad acqua) e sull'uso di alcol.

Dipendenza da Internet.

Il Young Internet Addiction Test (YIAT) è validato tra adolescenti e adulti e ampiamente usato [15, 16, 35]. È una scala self-report di 20 item che valuta la produttività di un rispondente al lavoro, a scuola o a casa (domande 3), comportamenti sociali (domande 3), connessione emotiva e risposta dall'uso di Internet (domande 7) e schemi generali di uso di Internet (domande 7). I partecipanti rispondono alle voci 20 YIAT su una misura Likert punto 6 ("non si applica" a "sempre"), che ha prodotto un punteggio complessivo tra 0 e 100. Sono stati applicati i seguenti punti limite al punteggio totale YIAT: (1) utilizzo normale di Internet: punteggi 0-49 e (2) potenziale dipendenza da Internet: punteggi superiori a 50 [36, 37].

Insonnia.

L'ISI è un questionario self-report a 7 voci che valuta la natura, la gravità e l'impatto dell'insonnia. I domini valutati sono: gravità dell'inizio del sonno, mantenimento del sonno, problemi di risveglio mattutino, insoddisfazione del sonno, interferenza delle difficoltà del sonno con il funzionamento diurno, percezione delle difficoltà del sonno da parte degli altri e angoscia causata dalle difficoltà del sonno. Una scala Likert a 5 punti è stata utilizzata per valutare ogni elemento (da 0 a 4 dove 0 indica nessun problema e 4 corrisponde a un problema molto grave), ottenendo un punteggio totale compreso tra 0 e 28. Il punteggio totale è stato interpretato come segue: assenza di insonnia (0–7); insonnia sub-clinica o lieve (8-14); insonnia moderata (15-21); e grave insonnia (22-28). Inoltre, l'insonnia clinicamente significativa è stata rilevata quando il punteggio totale era> 14 [38, 39].

Autostima.

La scala di autostima di Rosenberg (RSES) è comunemente usata e la sua coerenza interna e affidabilità sono state confermate in molti studi precedenti [40]. Comprende le dichiarazioni 10. I partecipanti valutano fino a che punto sono d'accordo con ciascuna affermazione su una scala Likert a quattro punti, (0) fortemente in disaccordo con (3) sono fortemente d'accordo per gli articoli 1, 2, 4, 6 e 7 e la valutazione opposta per gli articoli 3, 5, 8, 9 e 10. Un punteggio totale si ottiene sommando tutte le risposte e può variare da 0 a 30, con punteggi più alti che indicano maggiore autostima [41].

Ansia, depressione e stress.

La depressione Ansia stress Stress (DASS) è una misura ampiamente utilizzata di effetti negativi negli adulti [42]. Una caratteristica importante e unica del DASS è la sua inclusione di una scala di tensione / stress oltre alle scale di depressione e ansia. DASS 21 è una versione breve della scala originale 42. Entrambe sono misure affidabili e valide di depressione, ansia e tensione / stress in popolazioni cliniche e non cliniche di adulti [43-45].

È una scala 21-item misurata su una scala Likert a punto 4 (0-3), "0" che indica "non mi è stata applicata affatto" e "3" che indica "mi è stata applicata molto o la maggior parte tempo".

I seguenti punteggi limite vengono utilizzati per ogni sottoscala: depressione: normale 0-4, lieve 5-6, moderato 7-10, grave 11-13 e estremamente grave 14 +; ansia: normale 0-3, lieve 4-5, moderato 7-10, grave 11-13 e estremamente grave 10 +; stress: normale 0-7, lieve 8-9, moderato 10-12, grave 13-16 e estremamente grave 17 +.

Analisi statistica.

L'analisi statistica è stata effettuata utilizzando il software SPSS per Windows (versione 18.0, Chicago, IL, USA). Il livello di significatività è stato impostato su 0.05. Le caratteristiche del campione sono state riassunte utilizzando la media e la deviazione standard (SD) per le variabili continue e la percentuale per le variabili categoriali. I tassi di prevalenza di insonnia e di dipendenza da Internet sono stati calcolati utilizzando dati descrittivi, insieme al corrispondente intervallo di confidenza di 95% (CI). I test di Kolmogorov-Smirnov sono stati utilizzati per valutare la normalità della distribuzione di ciascuna variabile.

Le categorie di dipendenza da Internet sono state raggruppate come normali utenti di Internet e potenziale dipendenza da Internet.

Sono state necessarie analisi multivariate per determinare l'impatto di più variabili esplicative esplicative presentate simultaneamente e per determinare quali dei fattori esplicativi agiscono indipendentemente sulla dipendenza da internet.

Nelle fasi iniziali, l'analisi univariata delle variabili categoriali e continue è stata effettuata utilizzando rispettivamente i test di indipendenza Chi-quadrato o Fisher Exact test e il test t di Student o il test di Mann-Whitney. Successivamente, l'analisi di regressione logistica è stata eseguita con la dipendenza da Internet dicotomizzata (<50, ≥50) come variabile dipendente. Le caratteristiche e i punteggi dei partecipanti (ISI, DASS A, DASS S, DASS D, RSES) che mostravano associazioni con valore p <0.25 nell'analisi univariata, erano candidati per il modello multivariato, secondo il metodo Enter. È stata testata anche la collinearità tra variabili indipendenti. Le variabili indipendenti altamente correlate sono state escluse.

È stato suggerito di non includere due variabili indipendenti in cui esiste una correlazione di 0.64 o più. Ansia, stress e depressione non sono stati inseriti nello stesso modello, poiché erano altamente correlati tra loro, indicati dai coefficienti di correlazione di Spearman e Pearson. Infine, sono state condotte tre analisi di regressione logistica e le variabili indipendenti incluse nel modello sono state sesso, fumo di tabacco, punteggio ISI, punteggio RSES e punteggio DAS per stress, ansia e depressione in ciascuno dei tre modelli.

Risultati

Caratteristiche socio-demografiche dei partecipanti

Un totale di studenti 780 è stato contattato per partecipare allo studio, di cui 600 (77%) ha acconsentito. La nostra popolazione di studio comprendeva studenti di sesso femminile 182 (30.3%) e 418 (69.7%). L'età variava tra 18 e 28 anni con una media di 20.36 ± 1.83 anni.

Il campione comprendeva gli studenti 219 della facoltà di medicina (FM), 109 della facoltà di odontoiatria (FD) e 272 della Facoltà di farmacia (FP). Tabella 1 riassume le caratteristiche dei partecipanti.

Prevalenza da dipendenza da Internet (YIAT)

Il punteggio medio YIAT era 30 ± 18.47 (Tabella 2); Il potenziale tasso di prevalenza di dipendenza da Internet era 16.80% con un 95% CI di 13.81-19.79%. “Tabella S1"Riepiloga i punteggi medi per ciascuno degli articoli 20 dello YIAT.

miniature   

 
Tabella 2. Numero e percentuale di studenti in ciascuna categoria dei tre questionari: ISI, DASS e YIAT con punteggi medi (SD) (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t002

Analisi invariate.

L'analisi univariata ha mostrato che la potenziale dipendenza da internet era significativamente diversa tra maschi e femmine (valore p = 0.003), con una prevalenza maggiore nei maschi (23.60% rispetto a 13.90%). Il tabagismo era significativamente correlato alla potenziale dipendenza da internet (p-value = 0.046); tuttavia, né l'età, la facoltà, l'assunzione regolare di alcolici, né il vivere da soli, erano significativamente correlati all'uso di Internet (Tabella 3).

miniature   

 
Tabella 3. Analisi univariata delle relazioni tra potenziale dipendenza da Internet e caratteristiche dei partecipanti (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t003

Insonnia, prevalenza e gravità (ISI)

L'insonnia è stata valutata secondo il questionario ISI. Il punteggio medio ISI del campione era 9.31 ± 3.76. La prevalenza di insonnia clinicamente significativa era 9.80% con un 95% CI compreso tra 7.42 e 12.18% (Tabella 2).

Ansia, depressione e stress (DASS-21)

Ansia: DASS A. Il punteggio medio di DASS A era 4.77 ± 3.79. La percentuale di partecipanti 44.70 ha presentato un punteggio DASSA normale (Tabella 2).

Depressione: DASS D. Il punteggio medio DASS D era 5.43 ± 4.43. La maggior parte dei partecipanti ha presentato un punteggio DASS D normale (Tabella 2).

Stress: DASS S. Il punteggio medio DASS S è stato 6.99 ± 4.46 e 33.20% dei partecipanti ha presentato un punteggio DASS S normale (Tabella 2).

Autostima (RSES)

Il punteggio RSES medio del campione di studio era 22.63 ± 5.29 (file S).

Associazioni tra dipendenza da Internet, insonnia, bassa autostima, ansia e depressione

Una relazione significativa è stata trovata tra la potenziale dipendenza da internet e l'insonnia (p-valore <0.00001) (Tabella 4).

miniature   

 
Tabella 4. Analisi univariata delle relazioni tra i punteggi dei questionari (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t004

Il punteggio ISI medio era 8.99 ± 3.65 per i normali utenti di Internet rispetto a 10.89 ± 3.90 nel gruppo di potenziale dipendenza da Internet (p <0.0001) (Tabella 5).

miniature   

 
Tabella 5. Analisi univariata delle relazioni tra punteggi ISI, DASS A, DASS S, DASS D e RSES e potenziale dipendenza da Internet (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t005

Inoltre, è stata trovata una relazione significativa tra la potenziale dipendenza da internet e l'ansia, la depressione e lo stress (Tabelle 4 ed 5). I punteggi medi della DASS erano significativamente più alti nel potenziale gruppo di dipendenza da Internet per ansia, depressione e stress.

Per quanto riguarda l'autostima, è stata trovata una correlazione significativa tra i punteggi YIAT e RSES con bassa autostima associata alla potenziale dipendenza da Internet (Tabelle 4 ed 5).

Modello di regressione logistica

Il modello di regressione logistica ha mostrato che i punteggi di genere, ISI, DASS A, S e D e RSES erano significativamente associati alla dipendenza da Internet. Una volta che le variabili esplicative sono state controllate nell'analisi multivariata, l'associazione tra fumo di tabacco e dipendenza da Internet non era più significativa (p> 0.05), (Tabella 6).

miniature   

 
Tabella 6. Analisi multivariata delle relazioni tra dipendenza da Internet e genere, fumo di tabacco, punteggi ISI, RSES, DASS A, DASS S e DASS D (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t006

Discussione

Abbiamo mirato a determinare la prevalenza della potenziale IA negli studenti universitari libanesi di medicina, per valutare le relazioni tra IA e le caratteristiche dei partecipanti (principalmente età, sesso, abitudini al fumo, assunzione di alcol) e per esplorare possibili associazioni tra IA, insonnia, ansia, depressione , stress e autostima.

Il nostro studio ha rivelato che la potenziale IA era significativamente correlata al genere e maggiore tra i maschi. 16.80% dei partecipanti ha sofferto di potenziale IA, con un punteggio YIAT medio di 30. Questi risultati sono paragonabili a quelli precedentemente riportati per i giovani adulti [1, 4, 6, 13]. Alcuni studi hanno riportato che la prevalenza di IA era più alta nei maschi [46], mentre altri non hanno trovato differenze tra i generi [34].

Nell'esaminare l'insonnia, i nostri risultati hanno anche dimostrato che il 9.8% dei partecipanti ha sofferto di insonnia clinicamente significativa ed è stata trovata una forte correlazione tra la potenziale dipendenza da internet e l'insonnia. La prevalenza dell'insonnia riportata in questo studio è coerente con la natura del campione studiato (giovani studenti) ed è paragonabile a quanto riportato nei giovani adulti di età compresa tra 20 e 29 (9.1%) [47, 48] e negli studenti universitari (12-13%) [49].

I problemi del sonno sono generalmente considerati esiti negativi o complicazioni della dipendenza da internet [50], ma è anche possibile una causa inversa, poiché i problemi di sonno prevedevano un tempo più lungo dedicato ai siti di social networking tra i giovani studenti universitari [51]. In una revisione sistematica della letteratura, il gioco coinvolgente è risultato essere associato a una qualità del sonno peggiore e l'uso problematico di internet era associato a insonnia soggettiva e scarsa qualità del sonno [52]. Tuttavia, i disegni di studio e i questionari usati erano molto eterogenei ed era soprattutto la qualità del sonno che veniva esplorata, molto meno l'insonnia.

Inoltre, in questo studio è stata trovata una forte correlazione tra potenziale dipendenza da Internet e ansia, stress e depressione: la percentuale di studenti che soffrono di ansia, depressione o stress è più alta tra i potenziali tossicodipendenti da Internet. Precedenti studi pubblicati hanno già indicato una potenziale correlazione tra l'uso patologico di Internet e la depressione [53, 54] e ansia [55]; tuttavia, i dati sono stati contraddittori [56] e studi hanno esaminato l'uso patologico di Internet e non la dipendenza come definito da Young.

Infine, una scoperta importante del nostro studio è stata che l'autostima è significativamente correlata alla dipendenza da Internet e al profilo psicologico degli studenti: i punteggi RSES erano inversamente correlati ai punteggi ISI, DASS A, DASS S, DASS D e YIAT. Una diminuzione dell'autostima sembra associata ad un aumento dell'insonnia, dell'ansia, della depressione, dello stress e alla potenziale IA.

L'autostima è descritta come la valutazione che si ha di se stesso, come ci si sente su se stesso in quasi tutte le situazioni [40, 41]. Quando l'integrazione sociale e il sostegno sono bassi, il livello di autostima diminuirà di conseguenza [57].

Rilevare fattori associati alla bassa stima negli studenti è di notevole importanza perché esiste una relazione inversa tra autostima e depressione e ansia [58, 59] e la diminuzione del sentimento di autostima può portare a un aumento dell'ideazione suicidaria [60].

Forza e limiti

I nostri risultati dovrebbero essere interpretati nel contesto della progettazione e dei limiti dello studio. I risultati del nostro sondaggio si basano su comportamenti auto-riportati. I questionari di segnalazione automatica restano gli strumenti più ampiamente utilizzati nelle indagini comunitarie per la valutazione della salute fisica e mentale [61, 62, 63]. Il metodo di self-report riflette la prospettiva personale dell'intervistato, che può essere più adatta per segnalare disturbi soggettivi. I questionari sono stati formulati in uno schema a "scelta multipla" e in scala per facilitare la risposta e avere una durata dell'intervista più breve per evitare di disturbare gli studenti, nella speranza che la semplicità del questionario renda più facile per gli intervistati fornire informazioni accurate . L'uso cronico di farmaci non è stato valutato poiché la presenza di qualsiasi malattia cronica era tra i criteri di esclusione di questo studio. Infine, lo studio non ha esaminato le ripercussioni della dipendenza da Internet sui risultati, in termini di voti, fallimento o successo, che avrebbe potuto essere interessante.

Nonostante queste limitazioni, i risultati osservati in questo studio sono importanti e giustificano ulteriori indagini.

Al meglio delle nostre conoscenze, questo è stato il primo studio che valuta la relazione tra cinque diversi fattori di stress psicosociale: insonnia, ansia, depressione, stress, autostima e IA negli studenti universitari.

I nostri risultati denotano l'importanza di identificare e offrire aiuto agli studenti con una IA potenziale perché questa dipendenza spesso coesiste con altri problemi psicologici e l'IA potrebbe essere una punta visibile di un iceberg complesso.

informazioni di supporto

   

   

(DOCX)

 

 

 

Tabella S1. Questo è il dato individuale e completo per tutti i partecipanti (foglio SPSS).

doi: 10.1371 / journal.pone.0161126.s001

(DOCX)

Ringraziamenti

Siamo grati a tutti gli studenti che hanno partecipato allo studio e alla Sig.ra Tatiana Papazian per l'aiuto nel montaggio.

Contributi degli autori

  1. Concepito e progettato gli esperimenti: LRK HJ.
  2. Eseguiti gli esperimenti: FY GH.
  3. Analizzato i dati: AH NEO LK.
  4. Ha scritto il foglio: LRK.

Riferimenti

Tabella S1. Questo è il dato individuale e completo per tutti i partecipanti (foglio SPSS).

doi: 10.1371 / journal.pone.0161126.s001

(DOCX)

Ringraziamenti

Siamo grati a tutti gli studenti che hanno partecipato allo studio e alla Sig.ra Tatiana Papazian per l'aiuto nel montaggio.

Contributi degli autori

  1. Concepito e progettato gli esperimenti: LRK HJ.
  2. Eseguiti gli esperimenti: FY GH.
  3. Analizzato i dati: AH NEO LK.
  4. Ha scritto il foglio: LRK.

Riferimenti

  1. 1. Internet World Stats. Utenti di Internet del mondo: Distribuzione per regioni del mondo 2014 [Febbraio 27, 2016.]. Disponibile dal: www.internetworldstats.
  2. 2. Il social networking raggiunge quasi uno su quattro in tutto il mondo. [Febbraio 20, 2016]. Disponibile dal: www.emarketer.com/Article/Social-Networking-Reaches-Nearly-One-Four-Around-World/1009976.
  3. 3. Bremer J. Internet e bambini: vantaggi e svantaggi. Bambino Adolescente Psychiatr Clin N Am. 2005; 14 (3): 405-28, viii. pmid: 15936666 doi: 10.1016 / j.chc.2005.02.003
  4. 4. Christakis DA, Moreno MA. Intrappolato nella rete: la dipendenza da Internet diventerà un'epidemia del 21st secolo? Arch Pediatr Adolesc Med. 2009; 163 (10): 959-60. doi: 10.1001 / archpediatrics.2009.162. PMID: 19805719
  5. Vai all’Articolo
  6. PubMed / NCBI
  7. Google Scholar
  8. Vai all’Articolo
  9. PubMed / NCBI
  10. Google Scholar
  11. Vai all’Articolo
  12. PubMed / NCBI
  13. Google Scholar
  14. Vai all’Articolo
  15. PubMed / NCBI
  16. Google Scholar
  17. Vai all’Articolo
  18. PubMed / NCBI
  19. Google Scholar
  20. Vai all’Articolo
  21. PubMed / NCBI
  22. Google Scholar
  23. Vai all’Articolo
  24. PubMed / NCBI
  25. Google Scholar
  26. Vai all’Articolo
  27. PubMed / NCBI
  28. Google Scholar
  29. Vai all’Articolo
  30. PubMed / NCBI
  31. Google Scholar
  32. Vai all’Articolo
  33. PubMed / NCBI
  34. Google Scholar
  35. Vai all’Articolo
  36. PubMed / NCBI
  37. Google Scholar
  38. 5. Kraut R, Patterson M, Lundmark V, Kiesler S, Mukopadhyay T, Scherlis W. Paradox di Internet. Una tecnologia sociale che riduce il coinvolgimento sociale e il benessere psicologico? Am Psychol. 1998; 53 (9): 1017-31. pmid: 9841579 doi: 10.1037 / 0003-066x.53.9.1017
  39. Vai all’Articolo
  40. PubMed / NCBI
  41. Google Scholar
  42. Vai all’Articolo
  43. PubMed / NCBI
  44. Google Scholar
  45. Vai all’Articolo
  46. PubMed / NCBI
  47. Google Scholar
  48. Vai all’Articolo
  49. PubMed / NCBI
  50. Google Scholar
  51. Vai all’Articolo
  52. PubMed / NCBI
  53. Google Scholar
  54. Vai all’Articolo
  55. PubMed / NCBI
  56. Google Scholar
  57. Vai all’Articolo
  58. PubMed / NCBI
  59. Google Scholar
  60. Vai all’Articolo
  61. PubMed / NCBI
  62. Google Scholar
  63. Vai all’Articolo
  64. PubMed / NCBI
  65. Google Scholar
  66. Vai all’Articolo
  67. PubMed / NCBI
  68. Google Scholar
  69. Vai all’Articolo
  70. PubMed / NCBI
  71. Google Scholar
  72. Vai all’Articolo
  73. PubMed / NCBI
  74. Google Scholar
  75. Vai all’Articolo
  76. PubMed / NCBI
  77. Google Scholar
  78. Vai all’Articolo
  79. PubMed / NCBI
  80. Google Scholar
  81. Vai all’Articolo
  82. PubMed / NCBI
  83. Google Scholar
  84. Vai all’Articolo
  85. PubMed / NCBI
  86. Google Scholar
  87. Vai all’Articolo
  88. PubMed / NCBI
  89. Google Scholar
  90. Vai all’Articolo
  91. PubMed / NCBI
  92. Google Scholar
  93. Vai all’Articolo
  94. PubMed / NCBI
  95. Google Scholar
  96. 6. Weinstein A, Lejoyeux M. dipendenza da Internet o uso eccessivo di internet. Abuso di alcool della droga di Am J. 2010; 36 (5): 277-83. doi: 10.3109 / 00952990.2010.491880. PMID: 20545603
  97. Vai all’Articolo
  98. PubMed / NCBI
  99. Google Scholar
  100. Vai all’Articolo
  101. PubMed / NCBI
  102. Google Scholar
  103. Vai all’Articolo
  104. PubMed / NCBI
  105. Google Scholar
  106. Vai all’Articolo
  107. PubMed / NCBI
  108. Google Scholar
  109. Vai all’Articolo
  110. PubMed / NCBI
  111. Google Scholar
  112. Vai all’Articolo
  113. PubMed / NCBI
  114. Google Scholar
  115. Vai all’Articolo
  116. PubMed / NCBI
  117. Google Scholar
  118. Vai all’Articolo
  119. PubMed / NCBI
  120. Google Scholar
  121. Vai all’Articolo
  122. PubMed / NCBI
  123. Google Scholar
  124. Vai all’Articolo
  125. PubMed / NCBI
  126. Google Scholar
  127. Vai all’Articolo
  128. PubMed / NCBI
  129. Google Scholar
  130. Vai all’Articolo
  131. PubMed / NCBI
  132. Google Scholar
  133. Vai all’Articolo
  134. PubMed / NCBI
  135. Google Scholar
  136. Vai all’Articolo
  137. PubMed / NCBI
  138. Google Scholar
  139. Vai all’Articolo
  140. PubMed / NCBI
  141. Google Scholar
  142. Vai all’Articolo
  143. PubMed / NCBI
  144. Google Scholar
  145. Vai all’Articolo
  146. PubMed / NCBI
  147. Google Scholar
  148. Vai all’Articolo
  149. PubMed / NCBI
  150. Google Scholar
  151. Vai all’Articolo
  152. PubMed / NCBI
  153. Google Scholar
  154. Vai all’Articolo
  155. PubMed / NCBI
  156. Google Scholar
  157. Vai all’Articolo
  158. PubMed / NCBI
  159. Google Scholar
  160. Vai all’Articolo
  161. PubMed / NCBI
  162. Google Scholar
  163. Vai all’Articolo
  164. PubMed / NCBI
  165. Google Scholar
  166. Vai all’Articolo
  167. PubMed / NCBI
  168. Google Scholar
  169. Vai all’Articolo
  170. PubMed / NCBI
  171. Google Scholar
  172. Vai all’Articolo
  173. PubMed / NCBI
  174. Google Scholar
  175. Vai all’Articolo
  176. PubMed / NCBI
  177. Google Scholar
  178. Vai all’Articolo
  179. PubMed / NCBI
  180. Google Scholar
  181. 7. Davis RA, Flett GL, Besser A. Validazione di una nuova scala per misurare l'uso problematico di internet: implicazioni per lo screening pre-assunzione. Cyberpsychol Behav. 2002; 5 (4): 331-45. pmid: 12216698 doi: 10.1089 / 109493102760275581
  182. 8. Block JJ. Problemi per DSM-V: dipendenza da internet. Am J Psychiatry. 2008; 165 (3): 306-7. doi: 10.1176 / appi.ajp.2007.07101556. PMID: 18316427
  183. 9. Pies R. DSM-V dovrebbe designare "dipendenza da Internet" un disturbo mentale? Psichiatria (Edgmont). 2009; 6 (2): 31–7.
  184. 10. Holden C. Psychiatry. Debutto delle dipendenze comportamentali nella proposta DSM-V. Scienza. 2010; 327 (5968): 935. doi: 10.1126 / science.327.5968.935. PMID: 20167757
  185. 11. Giovane KS. Psicologia dell'uso del computer: XL. Uso avvincente di Internet: un caso che rompe lo stereotipo. Psychol Rep. 1996; 79 (3 Pt 1): 899-902. pmid: 8969098 doi: 10.2466 / pr0.1996.79.3.899
  186. 12. Young KS, Case CJ. Abuso di Internet sul posto di lavoro: nuove tendenze nella gestione del rischio. Cyberpsychol Behav. 2004; 7 (1): 105-11. pmid: 15006175 doi: 10.1089 / 109493104322820174
  187. 13. Young K, Pistner M, O'Mara J, Buchanan J. Cyber ​​disturbi: la preoccupazione per la salute mentale per il nuovo millennio. Cyberpsychol Behav. 1999; 2 (5): 475–9. doi: 10.1089 / cpb.1999.2.475. pmid: 19178220
  188. 14. van den Eijnden RJ, Spijkerman R, Vermulst AA, van Rooij TJ, Engels RC. Uso compulsivo di Internet tra gli adolescenti: relazioni bidirezionali genitori-figli. J Abnorm Child Psychol. 2010; 38 (1): 77-89. doi: 10.1007 / s10802-009-9347-8. PMID: 19728076
  189. 15. Giovane KS. Catturato nella rete: come riconoscere i segni della dipendenza da Internet e una strategia vincente per il recupero. New York, NY: Wiley; 1998.
  190. 16. Young KS. Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. CyberPsicologia e comportamento. 2009; 1 (3): 237–44. doi: 10.1089 / cpb.1998.1.237
  191. 17. Widyanto L, Griffiths MD, Brunsden V. Un confronto psicometrico del test di dipendenza da Internet, la scala di problemi relativi a Internet e l'autodiagnosi. Cyberpsychol Behav Soc Netw. 2011; 14 (3): 141-9. doi: 10.1089 / cyber.2010.0151. PMID: 21067282
  192. 18. Shaw M, Black DW. Dipendenza da Internet: definizione, valutazione, epidemiologia e gestione clinica. Droghe del CNS. 2008; 22 (5): 353-65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  193. 19. Park SK, Kim JY, Cho CB. Prevalenza della dipendenza da Internet e correlazioni con i fattori familiari tra gli adolescenti della Corea del Sud. Adolescenza. 2008; 43 (172): 895-909. PMID: 19149152
  194. 20. Siomos KE, Dafouli ED, Braimiotis DA, Mouzas OD, Angelopoulos NV. Dipendenza da Internet tra studenti adolescenti greci. Cyberpsychol Behav. 2008; 11 (6): 653-7. doi: 10.1089 / cpb.2008.0088. PMID: 18991535
  195. 21. Durkee T, Kaess M, Carli V, Parzer P, Wasserman C, Floderus B, et al. Prevalenza del consumo patologico di Internet tra gli adolescenti in Europa: fattori demografici e sociali. Dipendenza. 2012; 107 (12): 2210-22. doi: 10.1111 / j.1360-0443.2012.03946.x. PMID: 22621402
  196. 22. Liu TC, Desai RA, Krishnan-Sarin S, Cavallo DA, Potenza MN. Uso problematico di Internet e salute negli adolescenti: dati da un'indagine scolastica in Connecticut. J Clin Psychiatry. 2011; 72 (6): 836-45. doi: 10.4088 / JCP.10m06057. PMID: 21536002
  197. 23. Pujazon-Zazik M, Park MJ. Twittare o non twittare: differenze di genere e potenziali risultati di salute positivi e negativi dell'uso di Internet da parte degli adolescenti. Am J Mens Health. 2010; 4 (1): 77–85. doi: 10.1177 / 1557988309360819. pmid: 20164062
  198. 24. Dalbudak E, Evren C, Aldemir S, Evren B. La gravità del rischio di dipendenza da Internet e il suo rapporto con la gravità delle caratteristiche borderline della personalità, traumi infantili, esperienze dissociative, depressione e sintomi di ansia tra gli studenti universitari turchi. Resistenza psichiatrica 2014; 219 (3): 577-82. doi: 10.1016 / j.psychres.2014.02.032. PMID: 25023365
  199. 25. Kim EJ, Namkoong K, Ku T, Kim SJ. La relazione tra dipendenza del gioco online e aggressività, autocontrollo e tratti di personalità narcisistica. Eur Psychiatry. 2008; 23 (3): 212-8. doi: 10.1016 / j.eurpsy.2007.10.010. PMID: 18166402
  200. 26. Floros G, Siomos K, Stogiannidou A, Giouzepas I, Garyfallos G. Comorbidità dei disturbi psichiatrici con dipendenza da Internet in un campione clinico: l'effetto di personalità, stile di difesa e psicopatologia. Addict Behav. 2014; 39 (12): 1839-45. doi: 10.1016 / j.addbeh.2014.07.031. PMID: 25129172
  201. 27. Floros G, Siomos K, Stogiannidou A, Giouzepas I, Garyfallos G. La relazione tra personalità, stili di difesa, disturbo da dipendenza da internet e psicopatologia negli studenti universitari. Cyberpsychol Behav Soc Netw. 2014; 17 (10): 672-6. doi: 10.1089 / cyber.2014.0182. PMID: 25225916
  202. 28. An J, Sun Y, Wan Y, Chen J, Wang X, Tao F. Associazioni tra uso problematico di Internet e sintomi fisici e psicologici degli adolescenti: possibile ruolo della qualità del sonno. J Addict Med. 2014; 8 (4): 282–7. doi: 10.1097 / ADM.0000000000000026. pmid: 25026104
  203. 29. Kim JH, Lau CH, Cheuk KK, Kan P, Hui HL, Griffiths SM. Breve relazione: Predittori di uso pesante di Internet e associazioni con comportamenti a rischio per la salute e la salute tra gli studenti universitari di Hong Kong. J Adolesc. 2010; 33 (1): 215-20. doi: 10.1016 / j.adolescence.2009.03.012. PMID: 19427030
  204. 30. Naseri L, Mohamadi J, Sayehmiri K, Azizpoor Y. Supporto sociale percepito, autostima e dipendenza da Internet tra gli studenti dell'Università Al-Zahra, Teheran, Iran. Iran J Psychiatry Behav Sci. 2015; 9 (3): e421. doi: 10.17795 / ijpbs-421. PMID: 26576175
  205. 31. Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS. Impulsività nella dipendenza da internet: un confronto con il gioco d'azzardo patologico. Cyberpsychol Behav Soc Netw. 2012; 15 (7): 373-7. doi: 10.1089 / cyber.2012.0063. PMID: 22663306
  206. 32. Lin IH, Ko CH, Chang YP, Liu TL, Wang PW, Lin HC, et al. L'associazione tra suicidalità e dipendenza da Internet e attività negli adolescenti taiwanesi. Comprola la psichiatria. 2014; 55 (3): 504-10. doi: 10.1016 / j.comppsych.2013.11.012. PMID: 24457034
  207. 33. Kim K, Ryu E, Chon MY, Yeun EJ, Choi SY, Seo JS, et al. La dipendenza da Internet negli adolescenti coreani e il suo rapporto con la depressione e l'ideazione suicidaria: un questionario. Int J Nurs Stud. 2006; 43 (2): 185-92. pmid: 16427966 doi: 10.1016 / j.ijnurstu.2005.02.005
  208. 34. Fernandez-Villa T, Alguacil Ojeda J, Almaraz Gomez A, Cancela Carral JM, Delgado-Rodriguez M, Garcia-Martin M, et al. Uso problematico di Internet negli studenti universitari: fattori associati e differenze di genere. Adicciones. 2015; 27 (4): 265-75. pmid: 26706809 doi: 10.20882 / adicciones.751
  209. 35. Internet Addiction Test (IAT) [Aprile, 2016]. Disponibile dal: http://netaddiction.com/internet-addiction-test./.
  210. 36. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. Convalida francese del test di dipendenza da Internet. Cyberpsychol Behav. 2008; 11 (6): 703-6. doi: 10.1089 / cpb.2007.0249. PMID: 18954279
  211. 37. Alpaslan AH, Soylu N, Avci K, Coskun KS, Kocak U, Tas HU. Atteggiamenti alimentari disordinati, alessitimia e probabilità di suicidio tra le ragazze delle scuole superiori turche. Resistenza psichiatrica 2015; 226 (1): 224-9. doi: 10.1016 / j.psychres.2014.12.052. PMID: 25619436
  212. 38. Cho YW, Song ML, Morin CM. Validazione di una versione coreana dell'indice di gravità dell'insonnia. J Clin Neurol. 2014; 10 (3): 210-5. doi: 10.3988 / jcn.2014.10.3.210. PMID: 25045373
  213. 39. Gagnon C, Belanger L, Ivers H, Morin CM. Validazione dell'Insonnia Severity Index in cure primarie. J Am Board Fam Med. 2013; 26 (6): 701-10. doi: 10.3122 / jabfm.2013.06.130064. PMID: 24204066
  214. 40. Sinclair SJ, Blais MA, Gansler DA, Sandberg E, Bistis K, LoCicero A. Proprietà psicometriche della scala dell'autostima di Rosenberg: in generale e attraverso i gruppi demografici che vivono negli Stati Uniti. Prof. Eval Health Prof. 2010; 33 (1): 56-80. doi: 10.1177 / 0163278709356187. PMID: 20164106
  215. 41. Rosenberg M. L'associazione tra autostima e ansia. J Psychiatr Res. 1962; 1: 135-52. pmid: 13974903 doi: 10.1016 / 0022-3956 (62) 90004-3
  216. 42. Lovibond PF, Lovibond SH. La struttura degli stati emotivi negativi: confronto tra la Depressance Anxiety Stress Scales (DASS) con la Beck Depression e gli Anxiety Inventories. Behav Res Ther. 1995; 33 (3): 335-43. pmid: 7726811 doi: 10.1016 / 0005-7967 (94) 00075-u
  217. 43. Taylor R, Lovibond PF, Nicholas MK, Cayley C, Wilson PH. L'utilità degli oggetti somatici nella valutazione della depressione nei pazienti con dolore cronico: un confronto tra la scala di depressione di auto valutazione di Zung e la bilancia di stress da ansia da depressione nel dolore cronico e campioni clinici e di comunità. Clin J Pain. 2005; 21 (1): 91-100. pmid: 15599136 doi: 10.1097 / 00002508-200501000-00011
  218. 44. Brown TA, Chorpita BF, Korotitsch W, Barlow DH. Proprietà psicometriche della depressione Ansia Stress Scale (DASS) in campioni clinici. Behav Res Ther. 1997; 35 (1): 79-89. pmid: 9009048 doi: 10.1016 / s0005-7967 (96) 00068-x
  219. 45. Edmed S, Sullivan K. Depressione, ansia e stress come fattori predittivi di sintomi simili alla postconcussione in un campione non clinico. Resistenza psichiatrica 2012; 200 (1): 41-5. doi: 10.1016 / j.psychres.2012.05.022. PMID: 22709538
  220. 46. Fattori di Ni X, Yan H, Chen S, Liu Z. che influenzano la dipendenza da Internet in un campione di giovani studenti universitari in Cina. Cyberpsychol Behav. 2009; 12 (3): 327-30. doi: 10.1089 / cpb.2008.0321. PMID: 19445631
  221. 47. Thomas SJ, Lichstein KL, Taylor DJ, Riedel BW, Bush AJ. Epidemiologia dell'ora di andare a letto, tempo di nascita e ora a letto: analisi di età, sesso ed etnia. Behav Sleep Med. 2014; 12 (3): 169-82. doi: 10.1080 / 15402002.2013.778202. PMID: 23574553
  222. 48. Choueiry N, Salamoun T, Jabbour H, El Osta N, Hajj A, Rabbaa Khabbaz L. Insonnia e relazione con l'ansia negli studenti universitari: uno studio progettato in modo trasversale. PLoS One. 2016; 11 (2): e0149643. doi: 10.1371 / journal.pone.0149643. PMID: 26900686
  223. 49. Gellis LA, Park A, Stotsky MT, Taylor DJ. Associazioni tra igiene del sonno e gravità dell'insonnia negli studenti universitari: analisi trasversali e prospettiche. Behav Ther. 2014; 45 (6): 806-16. doi: 10.1016 / j.beth.2014.05.002. PMID: 25311289
  224. 50. Cain N, Gradisar M. Uso e sonno dei media elettronici in bambini e adolescenti in età scolare: una recensione. Sonno Med. 2010; 11 (8): 735-42. doi: 10.1016 / j.sleep.2010.02.006. PMID: 20673649
  225. 51. Tavernier R, Willoughby T. Tutti i tipi serali sono condannati? Analisi di classe latente di percezione del buon umore-sera, sonno e funzionamento psicosociale tra adulti emergenti. Chronobiol Int. 2014; 31 (2): 232-42. doi: 10.3109 / 07420528.2013.843541. PMID: 24131151
  226. 52. Lam LT. Dipendenza da gioco su Internet, uso problematico di internet e problemi del sonno: una revisione sistematica. Curr Psychiatry Rep. 2014; 16 (4): 444. doi: 10.1007 / s11920-014-0444-1. PMID: 24619594
  227. 53. Tsai CC, Lin SS. Dipendenza da Internet degli adolescenti a Taiwan: uno studio di interviste. Cyberpsychol Behav. 2003; 6 (6): 649-52. pmid: 14756931 doi: 10.1089 / 109493103322725432
  228. 54. te Wildt BT, Putzig I, Zedler M, Ohlmeier MD. [Dipendenza da Internet come sintomo di disturbi dell'umore depressivo]. Psichiatria. 2007; 34 Suppl 3: S318-22. pmid: 17786892 doi: 10.1055 / s-2007-970973
  229. 55. Bernardi S, Pallanti S. Dipendenza da Internet: uno studio clinico descrittivo incentrato su comorbidità e sintomi dissociativi. Comprola la psichiatria. 2009; 50 (6): 510-6. doi: 10.1016 / j.comppsych.2008.11.011. PMID: 19840588
  230. 56. Carli V, Durkee T, Wasserman D, Hadlaczky G, Despalins R, Kramarz E, et al. L'associazione tra l'uso patologico di Internet e la psicopatologia comorbida: una revisione sistematica. Psicopatologia. 2013; 46 (1): 1-13. doi: 10.1159 / 000337971. PMID: 22854219
  231. 57. Garaigordobil M, Perez JI, Mozaz M. Autostima, autostima e sintomi psicopatologici. Psicothema. 2008; 20 (1): 114-23. PMID: 18206073
  232. 58. Moksnes UK, Espnes GA. Autostima e salute emotiva negli adolescenti: genere ed età come potenziali moderatori. Scand J Psychol. 2012; 53 (6): 483-9. doi: 10.1111 / sjop.12021. PMID: 23170865
  233. 59. Sowislo JF, Orth U. La bassa autostima predice depressione e ansia? Una meta-analisi di studi longitudinali. Psychol Bull. 2013; 139 (1): 213-40. doi: 10.1037 / a0028931. PMID: 22730921
  234. 60. Creemers DH, Scholte RH, Engels RC, Prinstein MJ, Wiers RW. Autostima implicita ed esplicita come predittori concomitanti di ideazione suicidaria, sintomi depressivi e solitudine. J Behav Ther Exp Psychiatry. 2012; 43 (1): 638-46. doi: 10.1016 / j.jbtep.2011.09.006. PMID: 21946041
  235. 61. Fischer A, Fischer M, Nicholls RA, Lau S, Poettgen J, Patas K, et al. Accuratezza diagnostica per depressione maggiore nella sclerosi multipla mediante questionari self-report. Brain Behav. 2015; 5 (9): e00365. doi: 10.1002 / brb3.365. PMID: 26445703
  236. 62. Ortega-Montiel J, Posadas-Romero C, Ocampo-Arcos W, Medina-Urrutia A, Cardoso-Saldana G, Jorge-Galarza E, et al. Lo stress auto-percepito è associato ad adiposità e aterosclerosi. Lo studio GEA. BMC Salute pubblica. 2015; 15: 780. doi: 10.1186 / s12889-015-2112-8. PMID: 26271468
  237. 63. White K, Scarinci IC. Confronto della salute di auto-valutazione tra gli immigranti latini in una città degli Stati Uniti del Sud e un campione nazionale. Am J Med Sci. 2015; 350 (4): 290-5. doi: 10.1097 / MAJ.0000000000000554. PMID: 26263236