Indagare sugli effetti differenziali della dipendenza dal sito di social networking e del disturbo del gioco su Internet sulla salute psicologica (2017)

J Behav Addict. 2017 Nov 13: 1-10. doi: 10.1556 / 2006.6.2017.075.

Pontes HM1.

Astratto

Contesto e obiettivi

Precedenti studi si sono concentrati sull'esame delle interrelazioni tra dipendenza del sito di social networking (SNS) e disturbo del gioco su Internet (IGD) in isolamento. Inoltre, si sa poco sui potenziali effetti simultanei differenziali della dipendenza da SNS e IGD sulla salute psicologica. Questo studio ha indagato l'interazione tra queste due dipendenze tecnologiche e ha accertato come possano contribuire in modo univoco e distintivo all'aumento del disagio psichiatrico quando si considerano i potenziali effetti derivanti da variabili sociodemografiche e tecnologiche.

Metodi

Un campione di adolescenti 509 (53.5% maschi) di età 10-18 (media = 13.02, SD = 1.64) sono stati reclutati.

Risultati

È stato scoperto che le variabili demografiche chiave possono svolgere un ruolo distinto nello spiegare la dipendenza da SNS e IGD. Inoltre, è stato scoperto che la dipendenza da SNS e IGD possono aumentare i sintomi l'uno dell'altro e contemporaneamente contribuire al deterioramento della salute psicologica generale in modo simile, evidenziando ulteriormente il decorso eziologico e clinico potenzialmente comune tra questi due fenomeni. Infine, gli effetti dannosi di IGD sulla salute psicologica si sono rivelati leggermente più pronunciati rispetto a quelli prodotti dalla dipendenza da SNS, una conclusione che merita un ulteriore scrutinio scientifico.

discussione e conclusione

Le implicazioni di questi risultati sono ulteriormente discusse alla luce delle prove e dei dibattiti esistenti sullo stato delle dipendenze tecnologiche come disturbi primari e secondari.

PAROLE CHIAVE: Disordine di gioco in Internet; dipendenze comportamentali; salute mentale; dipendenza dal sito di social networking; dipendenze tecnologiche

PMID: 29130329

DOI: 10.1556/2006.6.2017.075

Introduzione

 

Gli ultimi progressi tecnologici hanno avuto un ruolo chiave nel cambiare il modo in cui gli individui sperimentano i social network (SNS) ei videogiochi. Sebbene questi sviluppi abbiano migliorato le esperienze complessive degli utenti in entrambe le attività, hanno anche contribuito a rendere più sfumata la linea di demarcazione tra l'uso di SNS e la riproduzione di videogiochi (Rikkers, Lawrence, Hafekost e Zubrick, 2016; Starcevic e Aboujaoude, 2016).

Le esperienze sociali virtuali ei processi interattivi sono fortemente integrati in diversi generi di gioco, in particolare nei giochi di ruolo online (MMORPG) massivamente multiplayer, in cui gli utenti possono giocare in mondi sociali virtuali. Un'indagine relativamente ampia sui giocatori di 912 MMORPG dei paesi 45 ha rilevato che le interazioni sociali all'interno degli ambienti di gioco costituiscono un elemento considerevole nel godimento del gioco in quanto i giocatori possono fare amici e partner per tutta la vita durante le loro esperienze di gioco (Cole & Griffiths, 2007). È interessante notare che le esperienze sui social media nell'era del Web 2.0 includono popolari giochi di social media che stanno crescendo in popolarità (Bright, Kleiser e Grau, 2015), con gli ultimi dati di Facebook che suggeriscono che in 2014, una media di 375 milioni di persone ha giocato a giochi collegati a Facebook ogni mese, e che le applicazioni mobili hanno inviato una media di 735 milioni di referral ai giochi ogni giorno (Facebook, 2014).

Nonostante gli effetti positivi e benefici ampiamente riportati di SNS e videogiochi a molti livelli (p. Es., Funzionamento cognitivo, benessere, ecc.) (P. Es. Chopik, 2016; Heo, Chun, Lee, Lee e Kim, 2015; Howard, Wilding e Guest, 2016; Stroud & Whitbourne, 2015ci sono anche prove crescenti da diversi studi empirici rappresentativi a livello nazionale che dimostrano che SNS e videogiochi possono contribuire a menomazioni psicosociali e disfunzioni comportamentali in una minoranza di utenti, compresi i giovani adolescenti che possono usare queste tecnologie in modo eccessivo e malsano data la loro attuale fase di sviluppo (Andreassen, 2015; Bányai et al., 2017; Cock et al., 2014; Morioka et al., 2016; Pápay et al., 2013). Più recentemente, Sioni, Burleson e Bekerian (2017) ha condotto uno studio empirico su un campione di giocatori MMORPG 595 dagli Stati Uniti e ha scoperto che la dipendenza del video gioco era positivamente associata a sintomi di fobia sociale, anche dopo aver controllato l'influenza condivisa delle ore di gioco settimanali, illustrando ulteriormente che gli individui socialmente fobici preferiscono forme online di interazioni sociali (Lee e Stapinski, 2012) in quanto forniscono agli utenti l'opportunità unica di soddisfare le loro esigenze di connessione sociale, consentendo allo stesso tempo loro di abbandonare le situazioni sociali in cui si sentono a disagio (ad esempio, disconnettendosi dal gioco). Per quanto riguarda l'uso eccessivo di SNS, un recente studio condotto da Xanidis e Brignell (2016) in un campione di utenti di social media 324 ha rilevato che la dipendenza da SNS era un fattore predittivo principale della diminuzione della qualità del sonno e dell'incremento dell'incidenza di fallimenti cognitivi. Inoltre, Xanidis e Brignell (2016ha osservato che la dipendenza da SNS può potenziare i fallimenti cognitivi a causa dei suoi effetti negativi sulla qualità del sonno, illustrando ulteriormente l'importanza clinica e sociologica della ricerca correlata alle dipendenze tecnologiche nei contesti educativi in ​​quanto l'SNS eccessivo e patologico e l'utilizzo di videogiochi possono entrambi compromettere il fisico e il mentale salute in una varietà di contesti e fasce di età.

A livello teorico, la dipendenza da videogiochi [anche conosciuta come Internet gaming disorder (IGD)] è una condizione clinica che comprende uno schema comportamentale che comprende l'uso persistente e ricorrente dei videogiochi, portando a compromissione o disagio significativi in ​​un periodo di 12 mesi come indicato con l'approvazione di cinque (o più) dei seguenti nove criteri: (i) preoccupazione per i giochi; (ii) sintomi di astinenza quando il gioco viene portato via; (iii) tolleranza, con la conseguente necessità di impiegare sempre più tempo nei giochi; (iv) tentativi infruttuosi di controllare la partecipazione ai giochi; (v) perdita di interesse nei precedenti hobby e intrattenimento a causa e, ad eccezione dei giochi; (vi) continuo uso eccessivo dei giochi nonostante la conoscenza dei problemi psicosociali; (vii) ingannare familiari, terapisti o altri per quanto riguarda la quantità di giochi; (viii) uso di giochi per sfuggire o alleviare stati d'animo negativi; e (ix) mettere a repentaglio o perdere una relazione, un lavoro o un'educazione o un'opportunità di carriera significativi a causa della partecipazione ai giochi (American Psychiatric Association [APA], 2013). Per quanto riguarda la dipendenza da SNS, questo costrutto è definito in generale come "essere eccessivamente preoccupati per gli SNS, essere spinti da una forte motivazione per accedere o utilizzare gli SNS e dedicare così tanto tempo e sforzi alle SNS da compromettere altre attività sociali, studi / lavoro, relazioni interpersonali e / o salute e benessere psicologico "(Andreassen e Pallesen, 2014, p. 4054).

Dal momento che la proposta iniziale di IGD come un disturbo provvisorio da parte dell'APA nella quinta edizione del Manuale Diagnostico e Statistico dei Disturbi Mentali (DSM-5; APA, 2013), diversi dibattiti accademici che presentano opinioni distinte e conflittuali riguardo la fattibilità e lo stato di IGD come un disordine ufficiale sono stati pubblicati (Aarseth et al., 2016; Griffiths, Van Rooij, et al., 2016; Lee, Choo e Lee, 2017; Petry et al., 2014, 2015; Saunders et al., 2017). Alcune di queste preoccupazioni sono emerse a causa del fatto che i criteri diagnostici per IGD derivavano in gran parte da una combinazione di criteri clinici esistenti e condizioni non ufficiali quali: gioco d'azzardo patologico, disturbo da uso di sostanze e dipendenza da Internet generalizzata (Kuss, Griffiths e Pontes, 2017). Nonostante il fatto che le dipendenze di IGD e SNS non siano ufficialmente riconosciute come disturbi mentali, l'Organizzazione Mondiale della Sanità (2016) ha intensificato il dibattito sulla dipendenza dai videogiochi a causa della sua decisione di includere il disturbo da gioco (GD) come un disordine formale nella prossima revisione della classificazione internazionale delle malattie. Un altro problema coinvolto nelle dipendenze comportamentali, come la dipendenza da SNS e IGD, si riferisce al fatto che la remissione spontanea può verificarsi in molti casi. La ricerca che esamina i tassi di remissione in IGD ha riportato che la remissione spontanea può verificarsi fino al 50% dei casi (ad es. Gentile et al., 2011; Scharkow, Festl e Quandt, 2014; Van Rooij, Schoenmakers, Vermulst, Van den Eijnden e Van de Mheen, 2011).

Sebbene i tassi di prevalenza della dipendenza da SNS e IGD possano essere significativamente influenzati da fattori come problemi metodologici e concettuali come precedentemente suggerito (Griffiths, Király, Pontes e Demetrovics, 2015; Griffiths, Kuss e Pontes, 2016; Griffiths & Pontes, 2015), studi approfonditi (ovvero studi rappresentativi a livello nazionale) hanno riportato tassi di prevalenza di dipendenza da SNS che vanno dal 2.9% nella popolazione adulta belga (Cock et al., 2014) a 4.5% tra gli adolescenti ungheresi (Bányai et al., 2017). Anche se i tassi di prevalenza di IGD da studi robusti hanno rilevato che i tassi variano da 2.5% negli adolescenti sloveni (Pontes, Macur e Griffiths, 2016) a 5.8% tra adolescenti e adulti olandesi (Lemmens & Hendriks, 2016), altri studi su larga scala hanno riportato tassi di prevalenza bassi come 0.3% (Scharkow et al., 2014). Sebbene i risultati sulla prevalenza sembrano essere relativamente coerenti tra studi robusti, alcuni fattori possono contribuire all'inflazione delle stime. Ad esempio, è stato riscontrato che modelli maliziosi ed estremi di risposta possono gonfiare le stime dei tassi di prevalenza (Przybylski, 2017). Allo stesso modo, il tipo di valutazione psicometrica utilizzata ha dimostrato di contribuire alla sovrastima dei tassi di prevalenza dei disturbi rari, come IGD (Maraz, Király e Demetrovics, 2015).

Poiché la conoscenza esistente basata sugli effetti della SNS e il gioco dei videogiochi sulla salute psicologica nei giovani adolescenti è probabilmente scarna, la ricerca sui potenziali effetti differenziali della dipendenza da SNS e IGD sulla salute psicologica è fondamentale poiché questi due fenomeni condividono un'eziologia di base comune con altre dipendenze legate alla sostanza e al comportamento (Griffiths, 2015; Griffiths & Pontes, 2015; Shaffer et al., 2004), e che l'aumento dei giochi sociali compromette la qualità generale delle relazioni interpersonali negli adolescenti ostacolando il supporto emotivo (Kowert, Domahidi, Festl e Quandt, 2014).

Lo studio attuale

Studi precedenti (ad es. Andreassen et al., 2016; Cock et al., 2014; Pontes & Griffiths, 2015b; Yu, Li e Zhang, 2015) ha rilevato che il genere e l'età possono aumentare la vulnerabilità verso la dipendenza da SNS e IGD. Pertanto, poiché il genere maschile è stato sistematicamente associato a IGD e genere femminile con dipendenza da SNS (Andreassen et al., 2016), questo studio ipotizza che sesso ed età prevederanno maggiori livelli di dipendenza da SNS e sintomi di IGD (H1). Inoltre, diversi studi (ad es. Andreassen et al., 2013, 2016; Sussman et al., 2014) hanno segnalato associazioni positive tra diversi tipi di dipendenze tecnologiche, suggerendo correlazioni di fondo comuni. Quindi, si è ipotizzato che La dipendenza da SNS e IGD saranno associati positivamente l'uno con l'altro (H2). Anche se la relazione tra dipendenza da SNS, IGD e salute mentale è complessa e rimane controversa nella migliore delle ipotesi (Pantic, 2014), una grande quantità di prove ha riportato correlazioni chiave delle dipendenze tecnologiche, come depressione, ansia e stress (es.  Király et al., 2014; Lehenbauer-Baum et al., 2015; Ostovar et al., 2016; Pontes & Griffiths, 2016). Quindi, è ipotizzato che La dipendenza da SNS e IGD contribuiranno entrambi in modo univoco e differenziato verso l'aumento dei livelli complessivi di disagio psichiatrico (H3). Tutte e tre le ipotesi sopra menzionate saranno esaminate tenendo conto dei potenziali effetti derivanti dall'alta frequenza di utilizzo di Internet e del gioco dei videogiochi, poiché il tempo trascorso in queste attività è comunemente associato a tendenze di dipendenza (Pontes & Griffiths, 2015a; Pontes, Király, Demetrovics e Griffiths, 2014; Stubblefield et al., 2017; Wu, Cheung, Ku e Hung, 2013).

Metodi

Partecipanti e procedure

I potenziali partecipanti per questo studio erano tutti studenti (N = 700) iscritti al sesto, settimo, ottavo e nono anno di una scuola media principale situata in Algarve (Portogallo). È stata ottenuta l'autorizzazione dal preside e dai genitori della scuola e gli studenti hanno completato un sondaggio all'interno della biblioteca della scuola durante le attività extrascolastiche. Questo studio è stato approvato dal College Research Ethics Committee della Nottingham Trent University, il consenso informato è stato ottenuto da tutti i singoli partecipanti inclusi nello studio e il periodo di raccolta dei dati è stato compreso tra maggio e giugno 2015 e la scuola è stata selezionata sulla base di disponibilità e gli studenti sono stati campionati in modo casuale dal pool di classi comprendente il sesto, settimo, ottavo e nono grado (cioè, età 10-18 anni) per ottenere una rappresentatività ottimale della popolazione studentesca della scuola partecipante. I dati sono stati raccolti da 509 studenti (72.7% dell'intera popolazione campionata). L'età media del campione era di 13.02 anni (SD = 1.64) e c'era una divisione di genere relativamente equivalente con il 53.5% (n = 265) essere maschio (Tabella 1).

 

 

  

Table

Tabella 1. Le principali caratteristiche sociodemografiche del campione, i modelli di utilizzo della tecnologia, i livelli di uso responsabile della tecnologia e la salute psicologica (N = 495)

 

 


  

 

Tabella 1. Le principali caratteristiche sociodemografiche del campione, i modelli di utilizzo della tecnologia, i livelli di uso responsabile della tecnologia e la salute psicologica (N = 495)

Variabile MinimoMassimo
Età (anni) (media, SD)13.02 (1.64)1018
Genere maschile, %)265 (53.5)--
In una relazione (n,%)99 (20)--
Tempo settimanale trascorso su Internet (media, SD)17.91 (23.34)149
Tempo di gioco settimanale trascorso (media, SD)10.21 (17.86)152
Livelli di dipendenza da SNS (media, SD)10.70 (4.83)630
Livelli IGD (media, SD)15.92 (6.99)941
Livelli di depressione (media, SD)3.12 (3.94)021
Livelli di ansia (media, SD)2.66 (3.78)021
Livelli di stress (media, SD)3.32 (3.97)021

Note:. Il tempo settimanale trascorso su Internet e sui giochi si riferisce al numero di ore speso su tali attività durante la settimana. SD: deviazione standard; SNS: sito di social networking; IGD: disturbo del gioco su Internet.

Misure
Sociodemografia e frequenza dell'uso della tecnologia

Sono stati raccolti dati demografici su età, sesso e stato della relazione. I dati sull'utilizzo di SNS sono stati raccolti chiedendo il tempo medio settimanale dei partecipanti trascorso su Internet per scopi di svago e non specifici (generalizzati) (cioè, numero di ore). La frequenza di gioco è stata valutata chiedendo il tempo medio settimanale trascorso dai partecipanti al gioco (cioè il numero di ore).

La scala della dipendenza da Facebook di Bergen (BFAS)

Il BFAS (Andreassen, Torsheim, Brunborg e Pallesen, 2012) valuta la dipendenza da SNS nel contesto dell'uso di Facebook e ha dimostrato di esibire eccellenti proprietà psicometriche in un certo numero di paesi (Phanasathit, Manwong, Hanprathet, Khumsri e Yingyeun, 2015; Salem, Almenaye e Andreassen, 2016; Silva et al., 2015), compreso il Portogallo (Pontes, Andreassen e Griffiths, 2016). Il BFAS comprende sei elementi che coprono le caratteristiche principali delle dipendenze comportamentali (cioè, salienza, modifica dell'umore, tolleranza, ritiro, conflitto e ricaduta) (Griffiths, 2005). Gli oggetti sono valutati su una scala 5, cioè, vanno da 1 (molto raramente) a 5 (molto spesso) entro un lasso di tempo di 12 mesi. I punteggi totali sono ottenuti sommando le valutazioni dei partecipanti di ciascun articolo (che vanno da 6 a 30 punti), con punteggi più alti che indicano una maggiore dipendenza da Facebook. Il BFAS ha dimostrato livelli adeguati di affidabilità in questo studio (α = 0.83).

Scala di disordine di gioco su Internet - Short-Form (IGDS9-SF)

L'IGDS9-SF (Pontes & Griffiths, 2015a) è un breve strumento psicometrico progettato per valutare la gravità di IGD in un periodo di 12-mese secondo il framework suggerito dall'APA in DSM-5 (APA, 2013). L'IGDS9-SF ha dimostrato adeguate proprietà psicometriche e validità interculturale in un certo numero di paesi (Monacis, De Palo, Griffiths e Sinatra, 2016; Pontes & Griffiths, 2015a; Pontes, Macur, et al., 2016), compreso il Portogallo (Pontes & Griffiths, 2016). Le nove domande che compongono l'IGDS9-SF vengono risolte usando una scala 5-point, cioè, che va da 1 (mai) a 5 (molto spesso), e i punteggi possono essere ottenuti sommando le risposte (che vanno da 9 a 45 punti), con punteggi più alti che suggeriscono un più alto grado di GD. L'affidabilità di IGDS9-SF in questo studio è stata soddisfacente (α = 0.87).

Salute psicologica

La salute psicologica generale è stata valutata utilizzando la depressione ansia e le scale da stress - 21 (DASS-21; Lovibond e Lovibond, 1995), che comprende tre sottoscale 7-item che coprono i tre sintomi classificati su una scala 4-point, cioè, che vanno da 0 (non mi ha applicato affatto) a 3 (mi è stato applicato molto o quasi sempre). La versione di DASS-21 utilizzata in questo studio ha dimostrato di possedere proprietà psicometriche adeguate nella popolazione dello studio (Pais-Ribeiro, Honrado e Leal, 2004). I coefficienti α di Cronbach per questo strumento in questo studio erano .84 (depressione), .86 (ansia) e .86 (stress).

Gestione dei dati e analisi statistica

La gestione dei dati ha comportato (i) la pulizia del set di dati ispezionando i casi con valori mancanti al di sopra della soglia convenzionale del 10% in tutti gli strumenti pertinenti; (ii) verifica della normalità univariata di tutti gli elementi del BFAS e dell'IGDS9-SF utilizzando le linee guida standard (ovvero, asimmetria> 3 e curtosi> 9) (Kline, 2011); (iii) screening per valori anomali univariati che hanno rilevato ± deviazioni standard 3.29 dal BFAS IGDS9-SF z-scores (Field, 2013); e (iv) screening per valori anomali multivariati utilizzando le distanze di Mahalanobis e il valore critico per ciascun caso basato sul χ2 valori di distribuzione. Questa procedura ha portato all'esclusione dei casi 14, ottenendo così un set di dati finali di casi validi 495 che erano idonei per analisi successive. Analisi statistiche incluse (i) analisi descrittiva delle principali caratteristiche del campione, (ii) analisi correlazionale delle principali variabili dello studio mediante stima dei coefficienti di correlazione momento-prodotto di Pearson con intervallo di confidenza 95% corretto e accelerato (BCa) ( CI) e coefficienti di determinazione associati (R2) e (iii) un'analisi comparativa dell'equazione strutturale (SEM) per accertare il ruolo predittivo differenziale della dipendenza da SNS e IGD sulla salute psicologica quando si tiene conto degli effetti, dell'età, del genere e della frequenza di utilizzo di Internet e del gioco dei videogiochi. Le analisi statistiche sono state eseguite utilizzando MNOS 7.2 e IBM SPSS Statistics versione 23 (IBM Corporation, 2015; Muthén & Muthén, 2012).

Etica

Le procedure di studio sono state eseguite in conformità con la Dichiarazione di Helsinki. L'Institutional Review Board della Nottingham Trent University ha approvato lo studio. Tutti i soggetti sono stati informati dello studio e tutti hanno fornito il consenso informato. Inoltre, il consenso di genitori e tutori legali è stato ottenuto da tutti i partecipanti al di sotto degli anni 18.

Risultati

 
Statistiche descrittive

Table 1 riassume i risultati riguardanti le principali caratteristiche sociodemografiche del campione, il modello di utilizzo della tecnologia, insieme ai livelli osservati di uso dipendente della tecnologia (ad esempio, dipendenza da SNS e IGD) e salute psicologica. Inoltre, entrambi gli IGD (media = 15.92 [95% BCa = 15.31 - 16.56], SD = 6.99) e dipendenza da SNS (media = 10.70 [95% BCa = 10.28 - 11.15], SD = 4.83) presentato con livelli moderati all'interno del campione. Per quanto riguarda la salute psicologica dei partecipanti, la depressione (media = 3.12 [95% BCa = 2.78 - 3.47], SD = 3.94), ansia (media = 2.66 [95% BCa = 2.33 - 2.99], SD = 3.78) e livelli di stress (media = 3.32 [95% BCa = 2.98 - 3.67], SD = 3.97) non erano eccessivamente prevalenti.

Analisi di correlazione

Un'analisi correlazionale comprendente le principali variabili dello studio è stata eseguita per fornire approfondimenti preliminari e contesto statistico per la successiva analisi comparativa SEM. Di conseguenza, questa analisi ha rivelato che la dipendenza da SNS era positivamente associata a IGD (r = .39, p <.01, R2 = .15), stress (r = .36, p <.01, R2 = .13) e depressione (r = .33, p <.01, R2 = .11). Per quanto riguarda IGD, sono emerse associazioni positive con il tempo settimanale dedicato al gioco (r = .42, p <.01, R2 = .18), sesso (r = .41, p <.01, R2 = .17) e stress (r = .40, p <.01, R2 = .16) (Tabella 2).

 

 

  

Table

Tabella 2. bootstrapa matrice di correlazione con intervallo di confidenza (CI) 95% corretto e accelerato (BCa) corretto per la dipendenza da SNS, IGD e le variabili di studio (N = 495)

 

 


  

 

Tabella 2. bootstrapa matrice di correlazione con intervallo di confidenza (CI) 95% corretto e accelerato (BCa) corretto per la dipendenza da SNS, IGD e le variabili di studio (N = 495)

Variabili secondarieDipendenza da SNSR295% BCa CIIG DR295% BCa CI
Età0.02--0.07-0.10-0.07--0.16-0.02
Sesso0.04--0.05-0.120.41*.170.34-0.48
Stato delle relazioni0.20*.040.11-0.290.13*.020.03-0.23
Tempo settimanale trascorso su Internet0.03--0.05-0.120.12*.010.03-0.22
Tempo settimanale trascorso a giocare0.05--0.05-0.140.42*.180.34-0.50
Depressione0.33*.110.23-0.430.36*.130.26-0.46
Ansia0.31*.100.22-0.410.33*.110.24-0.42
Stress0.36*.130.25-0.440.40*.160.32-0.49
IG D0.39*.150.30-0.48---

Nota. SNS: sito di social networking; IGD: disturbo del gioco su Internet.

aI risultati Bootstrap si basano su campioni di bootstrap 10,000.

* La correlazione è significativa in 0.01.

Analisi SEM comparativa

Per testare le principali ipotesi dello studio, è stata eseguita un'analisi SEM comparativa per stimare i potenziali effetti differenziali della dipendenza da SNS e IGD sulla salute psicologica. Più specificamente, un MIMIC (Multiple Indicators, Multiple Causes Model) è stato testato utilizzando il metodo di stima della massima verosimiglianza con errori standard robusti. Sono stati adottati indici e soglie di adattamento convenzionali per esaminare la bontà dell'adattamento del modello: χ2/df [1, 4], errore quadratico medio radice di approssimazione (RMSEA) [0.05, 0.08], IC 90% RMSEA con il limite inferiore vicino a 0 e il limite superiore inferiore a 0.08, valore del livello di probabilità del test di close fit (Cfit )> 05, residuo quadratico medio standardizzato (SRMR) [0.05, 0.08], indice di adattamento comparativo (CFI) e indice di adattamento di Tucker – Lewis (TLI) [0.90, 0.95] (Bentler, 1990; Bentler & Bonnet, 1980; Hooper, Coughlan e Mullen, 2008; Hu & Bentler, 1999). I risultati di questa analisi hanno prodotto i seguenti risultati: χ2(722) = 1,193.40, χ2/df = 1.65; RMSEA = 0.036 [90% CI: 0.033-0.040], Cfit = 1.00; SRMR = 0.049, CFI = 0.92; TLI = 0.91, suggerendo che il modello presenta un adattamento ottimale ai dati (Figura 1).

figura genitore rimuovi  

Figure 1 . Rappresentazione grafica degli effetti differenziali della dipendenza dal sito di social networking e dei disturbi del gioco su Internet sulla salute psicologica (N = 495). Note:. Bontà d'adattamento generale: χ2(722) = 1,193.40, χ2/df = 1.65; RMSEA = 0.036 [90% CI: 0.033-0.040], Cfit = 1.00; SRMR = 0.049, CFI = 0.92; TLI = 0.91. β = effetto diretto standardizzato; r = coefficiente di correlazione. *p <.0001

Per quanto riguarda il ruolo potenziale del sesso e dell'età nell'aumentare i sintomi della dipendenza da SNS e IGD (cioè, H1), non è stato trovato alcun supporto per l'effetto combinato di queste due variabili sulla dipendenza da SNS. Tuttavia, il sesso (β = 0.32, p <001) e l'età (β = −0.11, p = .007) ha contribuito all'aumento dei sintomi IGD. Più specificamente, il sesso maschile era associato a una maggiore incidenza di sintomi IGD (media = 18.60 [95% BCa = 4.59 - 5.97], SD = 5.32) rispetto alle femmine (media = 12.83 [95% BCa = 6.60 - 7.70], SD = 7.17) ed è stato riscontrato che essere più giovani aumenta i livelli complessivi di IGD. Nel complesso, questi risultati confermano parzialmente H1.

I risultati di questa analisi forniscono supporto a H2 poiché gli effetti standardizzati ottenuti per l'associazione tra dipendenza da SNS e IGD suggeriscono che questi due fenomeni sono associati positivamente (r = .53, p <.001), una scoperta che concorda con i risultati dell'analisi di correlazione con queste variabili operazionalizzate come misure osservabili (r = 39 [95% BCa = 0.30 - 0.48], R2 = .15, p <.01) (Tabella 2).

Infine, l'analisi degli effetti differenziali della dipendenza da SNS e IGD sulla salute psicologica degli adolescenti ha suggerito che entrambe le dipendenze tecnologiche possono avere un effetto positivo statisticamente significativo verso l'aumento dei livelli complessivi di disagio psichiatrico. Più specificamente, IGD sembrava esacerbare i sintomi della depressione (β = 0.28, p <.001), ansia (β = 0.26, p <.001) e lo stress (β = 0.33, p <.001). Inoltre, la dipendenza da SNS ha anche contribuito ad aumentare la gravità della depressione (β = 0.27, p <.001), ansia (β = 0.25, p <.001) e lo stress (β = 0.26, p <.001), ma in misura leggermente minore. Sebbene questi risultati supportino l'H3, gli effetti della dipendenza da SNS e dell'IGD sulla salute psicologica potrebbero non essere eccessivamente distinti poiché gli effetti standardizzati erano altamente comparabili.

Discussione

 

Questo studio ha cercato di indagare l'interazione tra dipendenza da SNS e IGD e come queste due dipendenze tecnologiche emergenti possano contribuire in modo unico e distintivo al deterioramento della salute psicologica negli adolescenti, al di là dei potenziali effetti derivanti da variabili sociodemografiche e tecnologiche. Per quanto riguarda H1 (es. il sesso e l'età contribuiranno ad aumentare la dipendenza da SNS e i sintomi IGDQuesto studio è stato in grado di corroborare questa ipotesi in relazione a IGD, supportando ulteriormente un ampio corpo di studi precedenti che hanno rilevato età giovani e sesso maschile sono variabili chiave che predicono IGD (Cock et al., 2014; Guillot et al., 2016; Rehbein, Staudt, Hanslmaier e Kliem, 2016).

Nonostante ciò, H1 non è stato corroborato nel contesto della dipendenza da SNS, una scoperta che aggiunge ulteriore complessità a precedenti studi che hanno riportato che la dipendenza da SNS è più diffusa tra i giovani (Andreassen et al., 2013, 2012; Turel e Serenko, 2012), utenti anziani (Floros e Siomos, 2013), femmine (Andreassen et al., 2012) e maschi (Çam e Işbulan, 2012). Nondimeno, i risultati ottenuti in questo studio convergono con precedenti ricerche che hanno scoperto che la dipendenza da SNS non era correlata all'età (Koc e Gulyagci, 2013; Wu et al., 2013) e genere (Koc e Gulyagci, 2013; Tang, Chen, Yang, Chung e Lee, 2016; Wu et al., 2013). Come notato in precedenza, questo potrebbe essere il risultato della scarsa qualità della precedente ricerca sulla dipendenza da SNS in termini di campionamento, progettazione dello studio, valutazione e punteggi di cut-off adottati (Andreassen, 2015). È interessante notare che il tempo settimanale trascorso su Internet non prevedeva una maggiore dipendenza da SNS. Una potenziale spiegazione di questo risultato potrebbe essere correlata al fatto che l'uso di SNS online è diventato ordinario e inevitabile nella vita moderna, rendendo sempre più difficile per molti adolescenti valutare correttamente il loro utilizzo, aggiungendo ulteriore complessità alla relazione tra il tempo eccessivo trascorso su questi tecnologie e livelli di dipendenza. Per questo motivo, è necessario riconoscere la differenza tra alto coinvolgimento e dipendenza da SNS dato che alcuni adolescenti trascorrono molte ore usando SNS come parte di una routine sana e normale (Andreassen, 2015; Andreassen e Pallesen, 2014; Turel e Serenko, 2012).

Le presenti scoperte prestano anche supporto empirico a H2 (es. La dipendenza da SNS e IGD saranno associati positivamente l'uno con l'altro), convalidando una serie di studi che hanno riportato risultati simili (Andreassen et al., 2013, 2016; Chiu, Hong e Chiu, 2013; Dowling & Brown, 2010). Questo risultato può essere spiegato dal fatto che un gran numero di individui, compresi i giovani adolescenti, ora giocano regolarmente tramite SNS (Griffiths, 2014). Inoltre, è stato da lungo tempo stabilito che gli aspetti socializzanti dei giochi giocano un ruolo motivazionale chiave nel gioco dei videogiochi, come suggerito da molti studi (Demetrovics et al., 2011; Fuster, Chamarro, Carbonell e Vallerand, 2014; Sì, 2006). A livello clinico, questa scoperta potrebbe puntare a condivisioni comuni alla base di queste due dipendenze tecnologiche (Griffiths, 2015; Griffiths & Pontes, 2015; Shaffer et al., 2004). Dato che l'uso della tecnologia coinvolgente colpisce le persone in contesti educativi, la ricerca sulla dipendenza da IGD e SNS tra gli adolescenti a scuola può aiutare i policymaker a progettare politiche preventive volte a mitigare l'impatto negativo dell'uso della tecnologia nelle giovani adolescenti.

Infine, H3 (es. La dipendenza da SNS e IGD contribuiranno entrambi in modo univoco e differenziato verso l'aumento dei livelli complessivi di disagio psichiatrico) è stato anche corroborato e ha fornito nuove intuizioni riguardo gli effetti differenziali combinati della dipendenza da SNS e IGD sulla salute mentale degli adolescenti. In questo studio, sia la dipendenza da SNS che IGD hanno contribuito al deterioramento della salute psicologica aumentando i livelli di depressione, ansia e stress. Questa scoperta supporta la ricerca precedente che ha trovato queste due dipendenze tecnologiche per compromettere la salute mentale in modo indipendente (Kim, Hughes, Park, Quinn e Kong, 2016; Primack et al., 2017; Sampasa-Kanyinga e Lewis, 2015; Sarda, Bègue, Bry e Gentile, 2016). Questi risultati possono essere utilizzati da professionisti della salute mentale e consulenti scolastici che desiderano sviluppare programmi di intervento incentrati sul miglioramento del benessere degli studenti riducendo l'uso che crea dipendenza della tecnologia. Sebbene questa scoperta sia promettente e meriti un'indagine futura, vale la pena notare che le prove riguardanti la relazione tra disturbi della salute mentale e dipendenze comportamentali rimangono inconcludenti. Più specificamente, i ricercatori hanno riferito che le dipendenze comportamentali possono predire (cioè, ipotesi di disturbo primario) ed essere predette da disagio psichiatrico (cioè, ipotesi di disturbo secondario) (p. Ostovar et al., 2016; Snodgrass et al., 2014; Zhang, Brook, Leukefeld e Brook, 2016). Pertanto, non è possibile trarre conclusioni definitive circa la direzionalità relativa alle dipendenze comportamentali e al disagio della salute mentale.

Inoltre, in questo studio è stato trovato che gli effetti dannosi di IGD sulla salute psicologica erano leggermente più pronunciati di quelli prodotti dalla dipendenza da SNS. Dati i vasti deficit esibiti dai giocatori in diversi campi della salute mentale e del benessere, questa scoperta è in linea con i rapporti che suggeriscono che IGD può riflettere una psicopatologia più grave rispetto alla dipendenza da SNS (Leménager et al., 2016), che sostiene in parte la decisione presa dall'APA (2013) per considerare l'IGD come un disturbo provvisorio. Tuttavia, sarebbe necessaria un'ulteriore ricerca empirica utilizzando campioni più grandi e più rappresentativi per corroborare ulteriormente questa ipotesi. Oltre al potenziale per aiutare a dare forma alle politiche, i risultati attuali contribuiscono al dibattito in corso se le dipendenze tecnologiche, come la dipendenza da IGD e SNS, debbano essere concettualizzate come disturbi primari o secondari. Secondo i risultati riportati in questo studio, la concettualizzazione delle dipendenze tecnologiche come disturbi primari (cioè un problema che può influire negativamente sulla salute mentale) è una via empiricamente praticabile che non invalida i precedenti dibattiti accademici a favore della visione delle dipendenze tecnologiche come disturbi secondari (cioè, un prodotto di sottostanti problemi di salute mentale e benessere) (Kardefelt-Winther, 2016; Snodgrass et al., 2014; Thorens et al., 2014).

Sebbene i risultati ottenuti in questo studio siano empiricamente validi, ci sono potenziali limitazioni degne di nota. In primo luogo, i dati erano tutti auto-riportati e inclini a pregiudizi noti (ad esempio, desiderabilità sociale, pregiudizi di richiamo della memoria, ecc.). In secondo luogo, gli studi che adottano modelli più robusti (ad esempio, progettazione longitudinale con ritardo incrociato) sarebbero in grado di fornire risposte più concrete ai percorsi unici tra la dipendenza da SNS e IGD e salute psicologica. In terzo luogo, poiché tutti i partecipanti sono stati auto-selezionati, non è possibile generalizzare direttamente i risultati attuali alla vasta popolazione. Data l'età relativamente giovane del campione reclutato, è possibile che il controllo parentale possa aver avuto un impatto sui livelli auto-dichiarati di utilizzo della tecnologia e sul livello generale di dipendenza. Pertanto, studi futuri che valutino l'uso della tecnologia nei bambini piccoli e nei primi adolescenti dovrebbero tenere conto di questa variabile, in modo da ottenere stime migliori riguardo ai livelli di dipendenza. Indipendentemente da queste potenziali limitazioni, i risultati di questo studio si estendono alla ricerca precedente sulle interrelazioni tra le dipendenze tecnologiche e i loro effetti dannosi isolati sulla salute psicologica, offrendo un quadro empiricamente praticabile in cui le dipendenze tecnologiche possono anche aumentare la probabilità di esiti negativi sulla salute psicologica. In conclusione, le presenti scoperte supportano la concettualizzazione delle dipendenze tecnologiche come disturbi primari in grado di mettere a rischio la salute mentale.

Contributo dell'autore

L'autore di questo studio è stato responsabile di tutte le fasi di questo studio ed è l'unico autore di questo manoscritto.

Conflitto d'interesse

L'autore non dichiara alcun conflitto di interessi.

Ringraziamenti

L'autore di questo studio vorrebbe ringraziare la scuola partecipata, tutti gli studenti, i genitori e gli insegnanti che hanno contribuito a organizzare la logistica coinvolta nel processo di raccolta dei dati di questo studio.

Riferimenti

 
 Aarseth, E., Bean, AM, Boonen, H., Colder, CM, Coulson, M., Das, D., Deleuze, J., Dunkels, E., Edman, J., Ferguson, CJ, Haagsma, MC , Helmersson Bergmark, K., Hussain, Z., Jansz, J., Kardefelt-Winther, D., Kutner, L., Markey, P., Nielsen, RK, Prause, N., Przybylski, A., Quandt, T., Schimmenti, A., Starcevic, V., Stutman, G., Van Looy, J. e Van Rooij, AJ (2016). Documento di dibattito aperto degli studiosi sulla proposta sul disturbo da gioco ICD-11 dell'Organizzazione mondiale della sanità. Journal of Behavioral Addictions, 6 (3), 267-270. doi:https://doi.org/10.1556/2006.5.2016.088 Link
 American Psychiatric Association [APA]. (2013). Manuale diagnostico e statistico dei disturbi mentali (5th ed.). Arlington, VA: American Psychiatric Association. CrossRef
 Andreassen, C. S. (2015). Dipendenza da siti di social network online: una revisione completa. Rapporti attuali sulle dipendenze, 2 (2), 175–184. doi:https://doi.org/10.1007/s40429-015-0056-9 CrossRef
 Andreassen, C. S., Billieux, J., Griffiths, M. D., Kuss, D. J., Demetrovics, Z., Mazzoni, E., & Ståle, P. (2016). La relazione tra l'uso che crea dipendenza dei social media e dei videogiochi e i sintomi dei disturbi psichiatrici: uno studio trasversale su larga scala. Psychology of Addictive Behaviors, 30 (2), 252-262. doi:https://doi.org/10.1037/adb0000160 CrossRef, Medline
 Andreassen, C. S., Griffiths, M. D., Gjertsen, S. R., Krossbakken, E., Kvam, S. e Pallesen, S. (2013). Le relazioni tra le dipendenze comportamentali e il modello di personalità a cinque fattori. Journal of Behavioral Addictions, 2 (2), 90-99. doi:https://doi.org/10.1556/JBA.2.2013.003 Link
 Andreassen, C. S., e Pallesen, S. (2014). Dipendenza da siti di social network - Una panoramica. Current Pharmaceutical Design, 20 (25), 4053–4061. doi:https://doi.org/10.2174/13816128113199990616 CrossRef, Medline
 Andreassen, C.S., Torsheim, T., Brunborg, G. S., & Pallesen, S. (2012). Sviluppo di una scala di dipendenza da Facebook. Rapporti psicologici, 110 (2), 501-517. doi:https://doi.org/10.2466/02.09.18.PR0.110.2.501-517 CrossRef, Medline
 Bányai, F., Zsila, Á., Király, O., Maraz, A., Elekes, Z., Griffiths, M. D., Andreassen, C. S., & Demetrovics, Z. (2017). Uso problematico dei social media: risultati di un campione di adolescenti rappresentativo a livello nazionale su larga scala. PLoS One, 12 (1), e0169839. doi:https://doi.org/10.1371/journal.pone.0169839 CrossRef, Medline
 Bentler, P. M. (1990). Indici di adattamento comparativo nei modelli strutturali. Bollettino psicologico, 107 (2), 238–246. doi:https://doi.org/10.1037/0033-2909.107.2.238 CrossRef, Medline
 Bentler, P. M. e Bonnet, D. G. (1980). Test di significatività e bontà di adattamento nell'analisi delle strutture di covarianza. Bollettino psicologico, 88 (3), 588-606. doi:https://doi.org/10.1037/0033-2909.88.3.588 CrossRef
 Bright, L. F., Kleiser, S. B., & Grau, S. L. (2015). Troppo Facebook? Un esame esplorativo della fatica dei social media. Computer nel comportamento umano, 44, 148–155. doi:https://doi.org/10.1016/j.chb.2014.11.048 CrossRef
 Çam, E. e Işbulan, O. (2012). Una nuova dipendenza per i candidati insegnanti: i social network. The Turkish Journal of Educational Technology, 11, 14-19.
 Chiu, S.-I., Hong, F.-Y., & Chiu, S.-L. (2013). Un'analisi sulla correlazione e la differenza di genere tra la dipendenza da Internet degli studenti universitari e la dipendenza da telefoni cellulari a Taiwan. ISRN Addiction, 2013, 1–10. doi:https://doi.org/10.1155/2013/360607 CrossRef
 Chopik, W. J. (2016). I benefici dell'uso della tecnologia sociale tra gli anziani sono mediati da una minore solitudine. Cyberpsicologia, comportamento e reti sociali, 19 (9), 551–556. doi:https://doi.org/10.1089/cyber.2016.0151 CrossRef, Medline
 Cock, R. D., Vangeel, J., Klein, A., Minotte, P., Rosas, O., & Meerkerk, G. (2014). Uso compulsivo dei siti di social networking in Belgio: prevalenza, profilo e ruolo dell'atteggiamento verso il lavoro e la scuola. Cyberpsicologia, comportamento e reti sociali, 17 (3), 166–171. doi:https://doi.org/10.1089/cyber.2013.0029 CrossRef, Medline
 Cole, H. e Griffiths, M. D. (2007). Interazioni sociali in giocatori di ruolo online multiplayer di massa. CyberPsychology & Behaviour, 10 (4), 575–583. doi:https://doi.org/10.1089/cpb.2007.9988 CrossRef, Medline
 Demetrovics, Z., Urbán, R., Nagygyörgy, K., Farkas, J., Zilahy, D., Mervó, B., Reindl, A., Ágoston, C., Kertész, A., & Harmath, E. (2011). Perché giochi? Lo sviluppo dei motivi per il questionario di gioco online (MOGQ). Metodi di ricerca sul comportamento, 43 (3), 814–825. doi:https://doi.org/10.3758/s13428-011-0091-y CrossRef, Medline
 Dowling, N. A. e Brown, M. (2010). Elementi comuni nei fattori psicologici associati al gioco problematico e alla dipendenza da Internet. Cyberpsicologia, comportamento e reti sociali, 13 (4), 437–441. doi:https://doi.org/10.1089/cyber.2009.0317 CrossRef, Medline
 Facebook. (2014). Facebook @ GDC: guida alla scoperta e al coinvolgimento per i giochi multipiattaforma. Recuperato da https://developers.facebook.com/blog/post/2014/03/19/facebook-at-gdc-2014
 Campo, A. (2013). Scoperta delle statistiche utilizzando IBM SPSS Statistics (4th ed.). Londra, Regno Unito: Sage Publications Ltd.
 Floros, G. e Siomos, K. (2013). Il rapporto tra genitorialità ottimale, dipendenza da Internet e motivi per il social networking nell'adolescenza. Psychiatry Research, 209 (3), 529-534. doi:https://doi.org/10.1016/j.psychres.2013.01.010 CrossRef, Medline
 Fuster, H., Chamarro, A., Carbonell, X. e Vallerand, R. J. (2014). Relazione tra passione e motivazione per il gioco nei giocatori di giochi di ruolo online multiplayer di massa. Cyberpsicologia, comportamento e reti sociali, 17, 292–297. doi:https://doi.org/10.1089/cyber.2013.0349
 Gentile, D.A., Choo, H., Liau, A., Sim, T., Li, D., Fung, D., & Khoo, A. (2011). Uso patologico dei videogiochi tra i giovani: uno studio longitudinale di due anni. Pediatria, 127, e319 – e329. doi:https://doi.org/10.1542/peds.2010-1353
 Griffiths, M. D. (2005). Un modello di dipendenza "componenti" all'interno di un quadro biopsicosociale. Journal of Substance Use, 10 (4), 191–197. doi:https://doi.org/10.1080/14659890500114359 CrossRef
 Griffiths, M. D. (2014). Giochi sociali per bambini e adolescenti: quali sono le questioni che preoccupano? Istruzione e salute, 32, 9–12.
 Griffiths, M. D. (2015). Classificazione e trattamento delle dipendenze comportamentali. Nursing in Practice, 82, 44–46.
 Griffiths, M. D., Király, O., Pontes, H. M. e Demetrovics, Z. (2015). Una panoramica dei giochi problematici. In E. Aboujaoude & V. Starcevic (a cura di), La salute mentale nell'era digitale: pericoli gravi, grande promessa (pp. 27–45). Oxford, Regno Unito: Oxford University Press. CrossRef
 Griffiths, M. D., Kuss, D. J. e Pontes, H. M. (2016). Una breve panoramica del disturbo del gioco su Internet e del suo trattamento. Australian Clinical Psychologist, 2, 1–12.
 Griffiths, M. D. e Pontes, H. M. (2015). Prodotti per la dipendenza e l'intrattenimento. In R. Nakatsu, M. Rauterberg e P. Ciancarini (a cura di), Handbook of digital games and entertainment technologies (pp. 1-22). Singapore: Springer. CrossRef
 Griffiths, MD, Van Rooij, AJ, Kardefelt-Winther, D., Starcevic, V., Király, O., Pallesen, S., Müller, K., Dreier, M., Carras, M., Prause, N. , King, DL, Aboujaoude, E., Kuss, DJ, Pontes, HM, Fernandez, OL, Nagygyorgy, K., Achab, S., Billieux, J., Quandt, T., Carbonell, X., Ferguson, CJ , Hoff, RA, Derevensky, J., Haagsma, MC, Delfabbro, P., Coulson, M., Hus, Z. e Demetrovics, Z. (2016). Lavorare per un consenso internazionale sui criteri per valutare il disturbo del gioco su Internet: un commento critico su Petry et al. (2014). Dipendenza, 111 (1), 167–175. doi:https://doi.org/10.1111/add.13057 CrossRef, Medline
 Guillot, C. R., Bello, M. S., Tsai, J. Y., Huh, J., Leventhal, A. M., & Sussman, S. (2016). Associazioni longitudinali tra anedonia e comportamenti di dipendenza correlati a Internet negli adulti emergenti. Computer nel comportamento umano, 62, 475–479. doi:https://doi.org/10.1016/j.chb.2016.04.019 CrossRef, Medline
 Heo, J., Chun, S., Lee, S., Lee, K. H. e Kim, J. (2015). Uso di Internet e benessere negli anziani. Cyberpsicologia, comportamento e reti sociali, 18 (5), 268-272. doi:https://doi.org/10.1089/cyber.2014.0549 CrossRef, Medline
 Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Modellazione di equazioni strutturali: linee guida per determinare l'adattamento del modello. Electronic Journal of Business Research Methods, 6, 53–60.
 Howard, C. J., Wilding, R. e Guest, D. (2016). Il gioco leggero dei videogiochi è associato a una migliore elaborazione visiva di obiettivi di presentazione visiva seriale rapida. Perception, 46 (2), 161–177. doi:https://doi.org/10.1177/0301006616672579 CrossRef, Medline
 Hu, L. T., & Bentler, P. M. (1999). Criteri di cutoff per gli indici di adattamento nell'analisi della struttura di covarianza: criteri convenzionali rispetto a nuove alternative. Modellazione di equazioni strutturali: A Multidisciplinary Journal, 6 (1), 1–55. doi:https://doi.org/10.1080/10705519909540118 CrossRef
 IBM Corporation. (2015). Statistiche IBM SPSS per Windows, versione 23. New York, NY: IBM Corporation.
 Kardefelt-Winther, D. (2016). Concettualizzare i disturbi dell'uso di Internet: dipendenza o processo di coping? Psichiatria e Neuroscienze cliniche, 71 (7), 459-466. doi:https://doi.org/10.1111/pcn.12413 CrossRef, Medline
 Kim, N., Hughes, T. L., Park, C. G., Quinn, L., & Kong, I. D. (2016). Catecolamine periferiche in stato di riposo e livelli di ansia negli adolescenti maschi coreani con dipendenza da giochi da Internet. Cyberpsicologia, comportamento e reti sociali, 19 (3), 202-208. doi:https://doi.org/10.1089/cyber.2015.0411 CrossRef, Medline
 Király, O., Griffiths, M. D., Urbán, R., Farkas, J., Kökönyei, G., Elekes, Z., Tamás, D. e Demetrovics, Z. (2014). L'uso problematico di Internet e il gioco online problematico non sono la stessa cosa: risultati di un ampio campione di adolescenti rappresentativo a livello nazionale. Cyberpsicologia, comportamento e reti sociali, 17 (12), 749-754. doi:https://doi.org/10.1089/cyber.2014.0475 CrossRef, Medline
 Kline, R. B. (2011). Principi e pratica della modellazione di equazioni strutturali (3a ed.). New York, NY: Guilford Press.
 Koc, M. e Gulyagci, S. (2013). Dipendenza da Facebook tra gli studenti universitari turchi: il ruolo della salute psicologica, le caratteristiche demografiche e di utilizzo. Cyberpsicologia, comportamento e reti sociali, 16 (4), 279-284. doi:https://doi.org/10.1089/cyber.2012.0249 CrossRef, Medline
 Kowert, R., Domahidi, E., Festl, R. e Quandt, T. (2014). Giochi sociali, vita solitaria? L'impatto del gioco digitale sui circoli sociali degli adolescenti. Computer nel comportamento umano, 36, 385–390. doi:https://doi.org/10.1016/j.chb.2014.04.003 CrossRef
 Kuss, D. J., Griffiths, M. D., & Pontes, H. M. (2017). Caos e confusione nella diagnosi DSM-5 del disturbo da gioco su Internet: problemi, preoccupazioni e raccomandazioni per la chiarezza nel campo. Journal of Behavioral Addictions, 6 (2), 103-109. doi:https://doi.org/10.1556/2006.5.2016.062 Link
 Lee, B. W., e Stapinski, L. A. (2012). Cercare sicurezza su Internet: relazione tra ansia sociale e uso problematico di Internet. Journal of Anxiety Disorders, 26 (1), 197–205. doi:https://doi.org/10.1016/j.janxdis.2011.11.001 CrossRef, Medline
 Lee, S. Y., Choo, H. e Lee, H. K. (2017). Bilanciamento tra pregiudizio e fatto per il disturbo da gioco: l'esistenza del disturbo da uso di alcol stigmatizza i bevitori sani o ostacola la ricerca scientifica? Journal of Behavioral Addictions, 6 (3), 302-305. doi:https://doi.org/10.1556/2006.6.2017.047 Link
 Lehenbauer-Baum, M., Klaps, A., Kovacovsky, Z., Witzmann, K., Zahlbruckner, R. e Stetina, B. U. (2015). Dipendenza e coinvolgimento: uno studio esplorativo sui criteri di classificazione per il disturbo del gioco su Internet. Cyberpsicologia, comportamento e reti sociali, 18 (6), 343-349. doi:https://doi.org/10.1089/cyber.2015.0063 CrossRef, Medline
 Leménager, T., Dieter, J., Hill, H., Hoffmann, S., Reinhard, I., Beutel, M., Vollstädt-Klein, S., Kiefer, F. e Mann, K. (2016) . Esplorazione delle basi neurali dell'identificazione degli avatar nei giocatori patologici di Internet e dell'auto-riflessione negli utenti patologici dei social network. Journal of Behavioral Addictions, 5 (3), 1–15. doi:https://doi.org/10.1556/2006.5.2016.048 Link
 Lemmens, J. S., e Hendriks, S. J. F. (2016). Giochi online che creano dipendenza: esame della relazione tra i generi di gioco e il disturbo dei giochi su Internet. Cyberpsicologia, comportamento e reti sociali, 19 (4), 270-276. doi:https://doi.org/10.1089/cyber.2015.0415 CrossRef, Medline
 Lovibond, P. F. e Lovibond, S. H. (1995). La struttura degli stati emotivi negativi: confronto tra la Depression Anxiety Stress Scales (DASS) con i Beck Depression and Anxiety Inventories. Ricerca e terapia comportamentale, 33 (3), 335-343. doi:https://doi.org/10.1016/0005-7967(94)00075-U CrossRef, Medline
 Maraz, A., Király, O. e Demetrovics, Z. (2015). Commento su: Stiamo patologizzando eccessivamente la vita di tutti i giorni? Un progetto sostenibile per la ricerca sulla dipendenza comportamentale. Le insidie ​​diagnostiche dei sondaggi: se ottieni un punteggio positivo in un test di dipendenza, hai ancora buone possibilità di non essere dipendente. Journal of Behavioral Addictions, 4 (3), 151–154. doi:https://doi.org/10.1556/2006.4.2015.026 Link
 Monacis, L., De Palo, V., Griffiths, M. D. e Sinatra, M. (2016). Convalida dell'Internet Gaming Disorder Scale - Short-Form (IGDS9-SF) in un campione di lingua italiana. Journal of Behavioral Addictions, 5 (4), 683-690. doi:https://doi.org/10.1556/2006.5.2016.083 Link
 Morioka, H., Itani, O., Osaki, Y., Higuchi, S., Jike, M., Kaneita, Y., Kanda, H., Nakagome, S. e Ohida, T. (2016). Associazione tra fumo e uso problematico di Internet tra gli adolescenti giapponesi: studio epidemiologico su larga scala a livello nazionale. Cyberpsicologia, comportamento e reti sociali, 19 (9), 557-561. doi:https://doi.org/10.1089/cyber.2016.0182 CrossRef, Medline
 Muthén, L. K. e Muthén, B. O. (2012). Guida per l'utente di Mplus (7 ° ed.). Los Angeles, CA: Muthén e Muthén.
 Ostovar, S., Allahyar, N., Aminpoor, H., Moafian, F., Nor, M. B. M. e Griffiths, M. D. (2016). Dipendenza da Internet e suoi rischi psicosociali (depressione, ansia, stress e solitudine) tra adolescenti iraniani e giovani adulti: un modello di equazione strutturale in uno studio trasversale. International Journal of Mental Health and Addiction, 14 (3), 257-267. doi:https://doi.org/10.1007/s11469-015-9628-0 CrossRef
 Pais-Ribeiro, J., Honrado, A. e Leal, I. (2004). Contribuição para o estudo da adaptação portuguesa das Escalas de Ansiedade, Depressão e Stress (EADS) di 21 itens de Lovibond e Lovibond [Contributo allo studio portoghese di convalida di Lovibond e la versione breve di Lovibond della Depression Anxiety and Stress Scale (DASS)]. Psicologia, Saúde & Doenças, 5, 229-239.
 Pantic, I. (2014). Social networking online e salute mentale. Cyberpsychology, Behaviour e Social Networking, 17 (10), 652-657. doi:https://doi.org/10.1089/cyber.2014.0070 CrossRef, Medline
 Pápay, O., Urbán, R., Griffiths, MD, Nagygyörgy, K., Farkas, J., Kökönyei, G., Felvinczi, K., Oláh, A., Elekes, Z., & Demetrovics, Z. ( 2013). Proprietà psicometriche della forma abbreviata del questionario di gioco online problematico e prevalenza del gioco online problematico in un campione nazionale di adolescenti. Cyberpsicologia, comportamento e reti sociali, 16 (5), 340–348. doi:https://doi.org/10.1089/cyber.2012.0484 CrossRef, Medline
 Petry, NM, Rehbein, F., Gentile, DA, Lemmens, JS, Rumpf, H.-J., Mößle, T., Bischof, G., Tao, R., Fung, DSS, Borges, G., Auriacombe , M., González-Ibáñez, A., Tam, P. e O'Brien, CP (2014). Un consenso internazionale per valutare il disturbo del gioco su Internet utilizzando il nuovo approccio DSM-5. Dipendenza, 109 (9), 1399-1406. doi:https://doi.org/10.1111/add.12457 CrossRef, Medline
 Petry, NM, Rehbein, F., Gentile, DA, Lemmens, JS, Rumpf, H.-J., Mößle, T., Bischof, G., Tao, R., Fung, DSS, Borges, G., Auriacombe , M., González-Ibáñez, A., Tam, P. e O'Brien, CP (2015). Commenti di Griffiths et al. Sulla dichiarazione di consenso internazionale sul disturbo del gioco su Internet: promuovere il consenso o ostacolare il progresso? Dipendenza, 111 (1), 175–178. doi:https://doi.org/10.1111/add.13189 CrossRef
 Phanasathit, M., Manwong, M., Hanprathet, N., Khumsri, J. e Yingyeun, R. (2015). Convalida della versione thailandese di Bergen Facebook Addiction Scale (Thai-BFAS). Journal of the Medical Association of Thailand, 98, 108–117.
 Pontes, H. M., Andreassen, C. S., & Griffiths, M. D. (2016). Convalida portoghese della Bergen Facebook Addiction Scale: uno studio empirico. International Journal of Mental Health and Addiction, 14 (6), 1062-1073. doi:https://doi.org/10.1007/s11469-016-9694-y CrossRef
 Pontes, H. M. e Griffiths, M. D. (2015a). Misurazione del disturbo da gioco su Internet DSM-5: sviluppo e convalida di una scala psicometrica breve. Computer nel comportamento umano, 45, 137–143. doi:https://doi.org/10.1016/j.chb.2014.12.006 CrossRef
 Pontes, H. M. e Griffiths, M. D. (2015b). Il ruolo dell'età, l'età dell'inizio dell'accesso a Internet e il tempo trascorso online nell'eziologia della dipendenza da Internet. Journal of Behavioral Addictions, 4 (Suppl. 1), 30–31. doi:https://doi.org/10.1556/JBA.4.2015.Suppl.1
 Pontes, H. M. e Griffiths, M. D. (2016). Convalida portoghese dell'Internet Gaming Disorder Scale - Short-Form. Cyberpsicologia, comportamento e reti sociali, 19 (4), 288-293. doi:https://doi.org/10.1089/cyber.2015.0605 CrossRef, Medline
 Pontes, H. M., Király, O., Demetrovics, Z. e Griffiths, M. D. (2014). La concettualizzazione e la misurazione del disturbo da gioco su Internet del DSM-5: lo sviluppo del test IGD-20. PLoS One, 9 (10), e110137. doi:https://doi.org/10.1371/journal.pone.0110137 CrossRef, Medline
 Pontes, H. M., Macur, M. e Griffiths, M. D. (2016). Disturbo da gioco su Internet tra gli alunni della scuola primaria slovena: risultati di un campione di adolescenti rappresentativo a livello nazionale Journal of Behavioral Addictions, 5 (2), 304–310. doi:https://doi.org/10.1556/2006.5.2016.042 Link
 Primack, B. A., Shensa, A., Escobar-Viera, C. G., Barrett, E. L., Sidani, J. E., Colditz, J. B., & James, A. E. (2017). Uso di più piattaforme di social media e sintomi di depressione e ansia: uno studio rappresentativo a livello nazionale tra i giovani adulti statunitensi. Computer nel comportamento umano, 69, 1–9. doi:https://doi.org/10.1016/j.chb.2016.11.013 CrossRef
 Przybylski, A. (2017). Risposta maliziosa nella ricerca sul disordine dei giochi su Internet. PeerJ, 4, e2401. doi:https://doi.org/10.7717/peerj.2401 CrossRef
 Rehbein, F., Staudt, A., Hanslmaier, M. e Kliem, S. (2016). Videogiochi riprodotti nella popolazione adulta generale della Germania: il tempo di gioco più elevato dei maschi può essere spiegato da preferenze di genere specifiche di genere? Computer nel comportamento umano, 55 (parte B), 729-735. doi:https://doi.org/10.1016/j.chb.2015.10.016 CrossRef
 Rikkers, W., Lawrence, D., Hafekost, J. e Zubrick, S. R. (2016). Uso di Internet e giochi elettronici da parte di bambini e adolescenti con problemi emotivi e comportamentali in Australia - Risultati del secondo Child and Adolescent Survey of Mental Health and Wellbeing. BMC Public Health, 16 (1), 399. doi:https://doi.org/10.1186/s12889-016-3058-1 CrossRef, Medline
 Salem, AAMS, Almenaye, N. S., & Andreassen, C. S. (2016). Una valutazione psicometrica della Bergen Facebook Addiction Scale (BFAS) degli studenti universitari. Giornale internazionale di psicologia e scienze comportamentali, 6, 199–205. doi:https://doi.org/10.5923/j.ijpbs.20160605.01
 Sampasa-Kanyinga, H. e Lewis, R. F. (2015). L'uso frequente dei siti di social networking è associato a uno scarso funzionamento psicologico tra bambini e adolescenti. Cyberpsicologia, comportamento e reti sociali, 18 (7), 380–385. doi:https://doi.org/10.1089/cyber.2015.0055 CrossRef, Medline
 Sarda, E., Bègue, L., Bry, C., & Gentile, D. (2016). Disordine e benessere del gioco su Internet: una convalida di scala. Cyberpsicologia, comportamento e reti sociali, 19 (11), 674–679. doi:https://doi.org/10.1089/cyber.2016.0286 CrossRef, Medline
 Saunders, JB, Hao, W., Long, J., King, DL, Mann, K., Fauth-Bühler, M., Rumpf, H.-J., Bowden-Jones, H., Rahimi-Movaghar, A ., Chung, T., Chan, E., Bahar, N., Achab, S., Lee, HK, Potenza, M., Petry, N., Spritzer, D., Ambekar, A., Derevensky, J. , Griffiths, MD, Pontes, HM, Kuss, D., Higuchi, S., Mihara, S., Assangangkornchai, S., Sharma, M., Kashef, AE, Ip, P., Farrell, M., Scafato, E., Carragher, N. e Poznyak, V. (2017). Disturbo da gioco: è delineato come condizione importante per la diagnosi, la gestione e la prevenzione. Journal of Behavioral Addictions, 6 (3), 271–279. doi:https://doi.org/10.1556/2006.6.2017.039 Link
 Scharkow, M., Festl, R. e Quandt, T. (2014). Modelli longitudinali di utilizzo problematico dei giochi per computer tra adolescenti e adulti - Uno studio panel di 2 anni. Dipendenza, 109 (11), 1910-1917. doi:https://doi.org/10.1111/add.12662 CrossRef, Medline
 Shaffer, H. J., LaPlante, D.A., LaBrie, R. A., Kidman, R. C., Donato, A. N., & Stanton, M. V. (2004). Verso un modello di sindrome della dipendenza: espressioni multiple, eziologia comune. Harvard Review of Psychiatry, 12 (6), 367–374. doi:https://doi.org/10.1080/10673220490905705 CrossRef, Medline
 Silva, H. R. S., Areco, K. C. N., Bandiera-Paiva, P., Galvão, P. V. M., Garcia, A. N. M., & Silveira, D. X. (2015). Equivalenza semantica e affidabilità da versão em português da Bergen Facebook Addiction Scale [Equivalenza semantica e affidabilità della versione portoghese della Bergen Facebook Addiction Scale]. Jornal Brasileiro de Psiquiatria, 64 (1), 17-23. doi:https://doi.org/10.1590/0047-2085000000052 CrossRef
 Sioni, S. R., Burleson, M. H. e Bekerian, D. A. (2017). Disturbo da gioco su Internet: fobia sociale e identificazione con il proprio sé virtuale. Computer nel comportamento umano, 71, 11-15. doi:https://doi.org/10.1016/j.chb.2017.01.044 CrossRef
 Snodgrass, J. G., Lacy, M. G., Dengah II, H. J. F., Eisenhauer, S., Batchelder, G., & Cookson, R. J. (2014). Una vacanza dalla tua mente: il gioco online problematico è una risposta allo stress. Computer nel comportamento umano, 38, 248-260. doi:https://doi.org/10.1016/j.chb.2014.06.004 CrossRef
 Starcevic, V. e Aboujaoude, E. (2016). Dipendenza da Internet: rivalutazione di un concetto sempre più inadeguato. Spettri CNS, 22 (1), 7-13. doi:https://doi.org/10.1017/S1092852915000863 CrossRef, Medline
 Stroud, M. J. e Whitbourne, S. K. (2015). Videogiochi casual come strumenti di formazione per i processi attenzionali nella vita di tutti i giorni. Cyberpsicologia, comportamento e reti sociali, 18 (11), 654–660. doi:https://doi.org/10.1089/cyber.2015.0316 CrossRef, Medline
 Stubblefield, S., Datto, G., Phan, T.-LT, Werk, LN, Stackpole, K., Siegel, R., Stratbucker, W., Tucker, JM, Christison, AL, Hossain, J., & Gentile, DA (2017). Videogiochi problematici tra i bambini iscritti a programmi di controllo del peso terziario. Cyberpsicologia, comportamento e reti sociali, 20 (2), 109–116. doi:https://doi.org/10.1089/cyber.2016.0386 CrossRef, Medline
 Sussman, S., Arpawong, T.E, Sun, P., Tsai, J., Rohrbach, L. A., & Spruijt-Metz, D. (2014). Prevalenza e co-occorrenza di comportamenti di dipendenza tra ex giovani delle scuole superiori alternative. Journal of Behavioral Addictions, 3 (1), 33-40. doi:https://doi.org/10.1556/JBA.3.2014.005 Link
 Tang, J.-H., Chen, M.-C., Yang, C.-Y., Chung, T.-Y., & Lee, Y.-A. (2016). Tratti della personalità, relazioni interpersonali, supporto sociale online e dipendenza da Facebook. Telematica e informatica, 33 (1), 102–108. doi:https://doi.org/10.1016/j.tele.2015.06.003 CrossRef
 Thorens, G., Achab, S., Billieux, J., Khazaal, Y., Khan, R., Pivin, E., Gupta, V. e Zullino, D. (2014). Caratteristiche e risposta al trattamento degli utenti Internet problematici autoidentificati in un ambulatorio per la dipendenza comportamentale. Journal of Behavioral Addictions, 3 (1), 78-81. doi:https://doi.org/10.1556/JBA.3.2014.008 Link
 Turel, O. e Serenko, A. (2012). I vantaggi e i pericoli del divertimento con i siti di social networking. European Journal of Information Systems, 21 (5), 512-528. doi:https://doi.org/10.1057/ejis.2012.1 CrossRef
 Van Rooij, A. J., Schoenmakers, T. M., Vermulst, A. A., Van den Eijnden, R. e Van de Mheen, D. (2011). Dipendenza da videogiochi online: identificazione di giocatori adolescenti dipendenti. Dipendenza, 106 (1), 205–212. doi:https://doi.org/10.1111/j.1360-0443.2010.03104.x CrossRef, Medline
 Organizzazione mondiale della Sanità. (2016). Draft Beta ICD-11: disturbo del gioco. Recuperato da https://icd.who.int/dev11/l-m/en#/http%3a%2f%2fid.who.int%2ficd%2fentity%2f1448597234
 Wu, A. M. S., Cheung, V. I., Ku, L., & Hung, E. P. W. (2013). Fattori di rischio psicologico della dipendenza dai siti di social networking tra gli utenti di smartphone cinesi. Journal of Behavioral Addictions, 2 (3), 160-166. doi:https://doi.org/10.1556/JBA.2.2013.006 Link
 Xanidis, N. e Brignell, C. M. (2016). L'associazione tra utilizzo dei siti di social network, qualità del sonno e funzione cognitiva durante il giorno. Computer nel comportamento umano, 55 (parte A), 121–126. doi:https://doi.org/10.1016/j.chb.2015.09.004 CrossRef
 Yee, N. (2006). Motivazioni per giocare nei giochi online. CyberPsychology & Behaviour, 9 (6), 772-775. doi:https://doi.org/10.1089/cpb.2006.9.772 CrossRef, Medline
 Yu, C., Li, X. e Zhang, W. (2015). Previsione dell'uso problematico del gioco online da parte degli adolescenti dal supporto dell'autonomia degli insegnanti, dalla soddisfazione dei bisogni psicologici di base e dall'impegno scolastico: uno studio longitudinale di 2 anni. Cyberpsicologia, comportamento e reti sociali, 18 (4), 228-233. doi:https://doi.org/10.1089/cyber.2014.0385 CrossRef, Medline
 Zhang, C., Brook, J. S., Leukefeld, C. G. e Brook, D. W. (2016). Fattori psicosociali longitudinali legati ai sintomi della dipendenza da Internet tra gli adulti all'inizio della mezza età. Comportamenti che creano dipendenza, 62, 65–72. doi:https://doi.org/10.1016/j.addbeh.2016.06.019 CrossRef, Medline