È vantaggioso utilizzare la comunicazione Internet per sfuggire alla noia? La predisposizione alla noia interagisce con la bramosia indotta da cue e le aspettative di evitamento nello spiegare i sintomi del disturbo della comunicazione Internet (2018)

https://doi.org/10.1371/journal.pone.0195742

Astratto

L'uso di applicazioni di comunicazione online tra cui messaggistica (ad es. WhatsApp) o servizi di social networking (ad es. Facebook) sullo smartphone è diventato pratica quotidiana per miliardi di persone, ad esempio durante i tempi di attesa. Un numero crescente di individui mostra un controllo ridotto sul loro utilizzo di queste applicazioni, nonostante le conseguenze negative nella vita di tutti i giorni. Questo può essere definito come disturbo della comunicazione su Internet (ICD). L'attuale studio ha studiato l'effetto della predisposizione alla noia sui sintomi di un ICD. Ha inoltre esaminato il ruolo di mediazione dei meccanismi cognitivi e affettivi, vale a dire le aspettative per evitare i sentimenti negativi online e la brama indotta dai cue. I risultati di un modello di equazione strutturale (N = 148) illustrano che la predisposizione alla noia è un fattore di rischio per lo sviluppo e il mantenimento di un ICD in quanto ha avuto un significativo effetto diretto sui sintomi dell'ICD. Inoltre, la predisposizione alla noia predisse aspettative di evitamento, nonché bramosia indotta da indizi. Entrambi a loro volta hanno aumentato il rischio di sviluppare tendenze ICD. Inoltre, entrambe le variabili hanno mediato l'effetto della predisposizione alla noia sull'ICD e hanno interagito tra loro. In sintesi, i risultati dimostrano che le persone che hanno una maggiore suscettibilità a sperimentare la noia mostrano aspettative più elevate per evitare le emozioni negative online, che promuovono reazioni di brama più elevate quando si confrontano con segnali specifici (ad esempio un messaggio in arrivo) e potrebbero provocare tendenze ICD.

Citazione: Wegmann E, Ostendorf S, Brand M (2018) È vantaggioso utilizzare la comunicazione Internet per sfuggire alla noia? La predisposizione alla noia interagisce con la bramosia indotta da cue e le aspettative di evitamento nello spiegare i sintomi del disturbo della comunicazione su Internet. PLoS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Editor: Phil Reed, Swansea University, REGNO UNITO

Ricevuto: Novembre 22, 2017; Accettato: Marzo 28, 2018; Pubblicato il: 19 aprile 2018

Copyright: © 2018 Wegmann 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

Con il lancio dello smartphone più di dieci anni fa, il numero di persone che lo utilizzano nella vita di tutti i giorni è ancora in aumento. Si prevede che il numero di utenti di smartphone in tutto il mondo raggiungerà 2.32 miliardi in 2017 e si prevede che raggiunga 2.87 miliardi di utenti in 2020 [1]. Tra le altre, le applicazioni online più popolari utilizzate sullo smartphone sono le applicazioni di comunicazione online. Permettono agli utenti di avere un contatto diretto con gli altri, di rimanere in contatto con amici lontani e di condividere informazioni personali, immagini o video [2, 3]. Il termine 'applicazioni di comunicazione online' include applicazioni molto popolari come il servizio di messaggistica istantanea WhatsApp con più di 1.3 miliardi di utenti attivi ogni mese [4] o servizi di social networking come Facebook con 2 miliardi di utenti attivi mensilmente [5]. Oltre a molti vantaggi della comunicazione su Internet e dell'uso dello smartphone in generale, c'è una crescente quantità di persone che subiscono conseguenze negative a causa di un uso eccessivo e dispendioso di queste applicazioni [2, 6-8]. Soprattutto la disponibilità di diversi dispositivi mobili e l'accesso facile e permanente a tali applicazioni consentono alle persone di interagire e comunicare con gli altri durante il giorno, in qualsiasi momento, in qualsiasi luogo [9, 10]. Questo comportamento può portare a un uso patologico e compulsivo, che è paragonabile ad altre dipendenze comportamentali o disturbi dell'uso di sostanze come suggerito da vari studi e ricercatori [7, 8].

Correlati cognitivi e affettivi del disturbo della comunicazione Internet

Il crescente uso di Internet in tutto il mondo porta la ricerca a un numero sempre maggiore di studi incentrati sul disturbo dell'uso di Internet come tipo specifico di dipendenza comportamentale [2, 7, 11]. Inoltre, alcuni studi suggeriscono un tipo specifico di disturbo dell'uso di Internet, il disturbo della comunicazione Internet (ICD). L'ICD descrive l'uso avvincente delle applicazioni di comunicazione online [6-8, 12]. I sintomi di un ICD, che derivano dalle caratteristiche di un disturbo dell'uso di Internet, sono definiti come perdita di controllo, recidiva, sintomi di astinenza, preoccupazione, trascuratezza degli interessi, tolleranza e conseguenze negative nella vita sociale, professionale o personale [6, 7, 13, 14]. Davis [12] ha offerto il primo modello teorico che descrive i meccanismi di un uso patologico non specifico di Internet nonché di uno specifico disturbo dell'uso di Internet. Più recentemente, Brand, Young [7] ha introdotto un nuovo modello teorico, il modello Interaction of Person-Affect-Cognition-Execution (I-PACE), che riassume i potenziali meccanismi dello sviluppo e del mantenimento di specifici disturbi legati all'uso di Internet, come l'ICD. Il modello I-PACE illustra l'interazione tra le caratteristiche fondamentali della persona e le componenti affettive, cognitive ed esecutive. Suggerisce che le caratteristiche fondamentali di una persona come la personalità, le cognizioni sociali, i sintomi psicopatologici, i fattori biopsicologici e le predisposizioni specifiche influenzano la percezione soggettiva di una situazione. Questa percezione è formata da fattori quali lo scontro con spunti legati alla dipendenza, lo stress, i conflitti personali, l'umore anormale e le risposte affettive e cognitive individuali. Questi ultimi includono cue-reactivity, craving, bias attenzionale, o ulteriori pregiudizi cognitivi legati a Internet e stile di coping disfunzionale. Si presume che questi fattori affettivi e cognitivi individuali medino o modifichino l'effetto delle caratteristiche fondamentali di una persona sullo sviluppo e il mantenimento di uno specifico disturbo dell'uso di Internet. Brand, Young [7] illustrano che l'effetto delle risposte affettive e cognitive interagisce con fattori esecutivi, come il controllo inibitorio. La decisione di utilizzare una determinata applicazione per sperimentare gratificazione o compensazione può quindi portare a un uso eccessivo di tale applicazione, rafforzando in tal modo specifiche predisposizioni e fattori affettivi, cognitivi ed esecutivi simili a un circolo vizioso (per una descrizione più dettagliata del modello e una panoramica dettagliata degli studi empirici, vedi [7]).

Precedenti studi hanno già dimostrato che l'effetto dei sintomi psicopatologici, come la depressione e l'ansia sociale, e l'effetto degli aspetti della personalità, come la vulnerabilità allo stress, l'autostima e l'autoefficacia, sulle tendenze di un ICD sono mediati da specifiche cognizioni, come uno stile di coping disfunzionale e le aspettative sull'uso di Internet [8, 15]. Wegmann, Oberst [16] hanno dimostrato che soprattutto le aspettative di evasione, incluso il desiderio di fuggire dalla realtà, di distrarre dai problemi della vita reale o di evitare la solitudine, sono rilevanti per spiegare i sintomi dell'ICD. Brand, Laier [17] così come Trotzke, Starcke [18] ha dimostrato che le elevate aspettative nei confronti dell'uso di applicazioni specifiche come possibilità di provare piacere o di distrarsi dai problemi mediano rispettivamente la relazione tra aspetti personali e un disturbo generalizzato (non specifico) di Internet e un problema di shopping su Internet.

Oltre al concetto di aspettativa di utilizzo di Internet, Brand, Young [7] inoltre sostengono che la cue-reattività e il craving sembrano essere costrutti importanti nello sviluppo e nel mantenimento di un uso patologico di applicazioni specifiche. Questa ipotesi si basa su precedenti ricerche sui disturbi dell'uso di sostanze (vedi per esempio i risultati in [19] così come altre dipendenze comportamentali [20], che mostrano che i tossicodipendenti sono vulnerabili agli stimoli legati alla dipendenza che attivano aree di elaborazione della ricompensa nel cervello [21-25]. La brama descrive il desiderio o l'urgenza di assumere droghe o di mostrare un comportamento di dipendenza ripetutamente [26, 27]. Il concetto di cue-reactivity e craving è stato trasferito allo studio delle dipendenze comportamentali. Correlati comportamentali di cue-reattività e bramosia sono già stati osservati nel disordine dello shopping online [18], Disturbo della visione di pornografia su Internet [28, 29], Disturbo dei giochi su Internet [30, 31], Disturbo del gioco d'azzardo [32, 33] e ICD [34].

Sebbene gli studi enfatizzino il ruolo importante di queste componenti affettive (cue-reattività e desiderio) e cognitive (aspettative legate ad Internet) nello sviluppo e nel mantenimento di un disturbo specifico di uso di Internet, l'interazione di questi fattori, che viene postulata nell'Io -Pace modello, rimane poco chiaro. L'attuale studio si basa su alcuni dei principali presupposti del modello I-PACE, in particolare gli effetti di mediazione dei meccanismi affettivi e cognitivi sulla relazione tra le caratteristiche fondamentali della persona ei sintomi di un ICD. Lo scopo di questo studio è quello di indagare l'effetto delle caratteristiche fondamentali della persona su ICD mediato da pregiudizi cognitivi correlati a Internet (ad esempio, aspettativa di utilizzo di Internet) e pregiudizi affettivi (ad es. Brama indotta da indizi). Basato su Wegmann, Oberst [16], ipotizziamo che l'effetto dell'aspettativa di evitare emozioni negative utilizzando le applicazioni di comunicazione online sia mediato dalla bramosia indotta da cue, come descritto nel modello di Brand, Young [7]. Come secondo obiettivo dello studio, ci concentriamo sull'indagine sul ruolo della suscettibilità alla noia nell'ICD. Pertanto, vorremmo comprendere meglio la relazione tra le caratteristiche fondamentali della persona ei sintomi di un disturbo specifico di Internet, che non è stato ancora studiato nel contesto dell'ICD.

Tendenza alla noia come predittore di un ICD

La concettualizzazione della noia è determinata da diversi fattori situazionali e individuali [35]. La stessa noia potrebbe essere descritta come uno stato mentale negativo o conflitto interiore tra un'esperienza attesa e percepita [36, 37]. Brissett e Snow [38] definito noia come uno stato di "sotto-stimolazione, sotto-eccitazione, e la mancanza di coinvolgimento psicologico associato con insoddisfazione, e le persone cercano di affrontare la noia cercando ulteriore stimolazione" [39]. Questo stato è anche associato a sentimenti spiacevoli, che le persone cercano di sfuggire [40, 41]. La semplice inclinazione alla noia è definita come tratto di noia. Il costrutto della propensione alla noia è spesso "operazionalizzato come la suscettibilità di un individuo a sperimentare la noia" [35]. Inoltre, la predisposizione alla noia include la difficoltà dell'individuo di attirare l'attenzione su uno stimolo, di essere consapevole di questo deficit di attenzione e di provare a ridurre l'esperienza della noia come stato [35, 42].

Diversi studi sottolineano la rilevanza clinica della predisposizione alla noia illustrando che la noia (propensione) è legata al consumo di alcol [43], l'uso di sostanze psicoattive [44], indici di depressione e ansia [35] e problemi di salute in generale [45]. Zhou e Leung [46] ha dimostrato che la noia del tempo libero è legata a comportamenti rischiosi come la delinquenza, l'attività di sensazioni estreme e l'abuso di droghe [36, 46, 47]. Come possibile spiegazione per il rapporto tra la predisposizione alla noia e l'uso di sostanze, (ad esempio bere alcolici), Biolcati, Passini [48] ha indagato potenziali effetti di mediazione delle aspettative nei confronti del consumo di alcol. I risultati hanno dimostrato che l'effetto della predisposizione alla noia sul comportamento binge-drinking è mediato dall'aspettativa di sfuggire alla noia, di sfuggire ai problemi e di far fronte ai sentimenti negativi [48]. Inoltre, la ricerca empirica su diverse dipendenze comportamentali o comportamenti patologici spiega la rilevanza della noia per un comportamento rischioso. Ad esempio, Blaszczynski, McConaghy [49] ha mostrato che gli individui con disturbo del gioco d'azzardo hanno ottenuto punteggi più alti in misure di noia rispetto ai non giocatori. Il gioco d'azzardo sembra essere una possibilità per loro di evitare o ridurre stati o stati d'animo negativi. Questo è coerente con i risultati riportati da Fortune e Goodie [50] illustrando che il gioco d'azzardo patologico è associato alla suscettibilità alla noia, che è una sottoscala del Sensation Seeking Scale Form V di Zuckerman, Eysenck [51].

Come descritto in precedenza, l'utilizzo degli smartphone nella vita di tutti i giorni deriva da un accesso facile e permanente che consente comunicazioni e intrattenimento continui [2, 52]. Noi ipotizziamo che la possibilità di avere una stimolazione duratura porti a un uso eccessivo e dispendioso dello smartphone e delle applicazioni di comunicazione online. Allo stesso modo, evitare i sentimenti di noia sembra essere la motivazione principale per usare Internet [53]. Lin, Lin [37] hanno dimostrato che la predisposizione alla noia e un elevato coinvolgimento in Internet aumentano la probabilità di un disturbo dell'uso di Internet. Gli autori sottolineano che Internet sembra essere una possibilità per cercare eccitazione e piacere, che innalza il livello di un uso patologico. Ciò è coerente con la ricerca precedente che enfatizza la relazione tra un disturbo dell'uso di Internet e una maggiore predisposizione alla noia [54-56]. Zhou e Leung [46] ha specificato questa relazione e ha dimostrato che la noia è un predittore di un uso patologico dei siti di social networking e del comportamento patologico del gioco nei servizi di social networking. Elhai, Vasquez [42] ha dimostrato che una maggiore predisposizione alla noia media l'effetto della depressione e dell'ansia sul comportamento problematico degli smartphone. Nel complesso, ipotizziamo che la noia come tratto di noia sia un fattore di rischio personale per lo sviluppo di un ICD.

Riassunto degli obiettivi dello studio

Lo studio attuale mira a contribuire a una migliore comprensione dei meccanismi affettivi e cognitivi sottostanti ai sintomi di un ICD. Le nostre ipotesi sono basate su studi precedenti, che riportavano l'effetto della tendenza alla noia su comportamenti a rischio come l'abuso di sostanze [57], fattori di rischio per la salute [46], gioco d'azzardo patologico [50] o disturbo dell'uso di Internet [37, 54]. Partiamo dal presupposto che le persone che hanno una maggiore suscettibilità a sperimentare la noia e che usano ripetutamente lo smartphone come strategia di coping maladattativa hanno maggiori probabilità di sviluppare un uso patologico delle applicazioni di comunicazione online. Coerente con il modello I-PACE di Brand, Young [7], ipotizziamo che l'effetto della predisposizione alla noia sia mediato da specifiche cognizioni. Inoltre, basato sullo studio di Biolcati, Passini [48] assumiamo anche che, in particolare, le persone che hanno una maggiore predisposizione alla noia e le aspettative di evitare emozioni negative utilizzando le applicazioni di comunicazione online provano conseguenze più negative a causa dell'uso di tali applicazioni. Come ulteriore obiettivo, indaghiamo sugli effetti delle risposte affettive e cognitive. Il modello I-PACE suggerisce che l'effetto delle aspettative di evitamento sui sintomi di ICD è mediato da esperienze di craving più elevate. Nel complesso, l'effetto di mediazione della brama indotta da cue potrebbe anche essere rilevante per l'effetto di mediazione delle aspettative di evitamento tra la tendenza alla noia e l'ICD. Fig 1 riassume le ipotesi in un modello di equazione strutturale.

Fig 1. Modello ipotizzato.

Il modello ipotizzato per analizzare gli effetti diretti e indiretti suggeriti comprese le variabili latenti dell'ICD.

https://doi.org/10.1371/journal.pone.0195742.g001

Metodi

Partecipanti e procedura

Centoquarantotto partecipanti di età compresa tra 18 e 60 anni (M = 25.61, SD = 8.94) ha preso parte allo studio in corso. Di questi, 91 erano femmine e 57 erano maschi. Tutti i partecipanti erano utenti di applicazioni di comunicazione online, da due a 19 anni di utilizzo (M = 8.09, SD = 3.09). L'applicazione di comunicazione online WhatsApp è stata l'applicazione più utilizzata (97.97% di tutti i partecipanti), seguita da Facebook (78.38% di tutti i partecipanti), Facebook Messenger (62.84% di tutti i partecipanti) e Instagram (53.38% di tutti i partecipanti) . Altre applicazioni di comunicazione online come Twitter, iMessage, Snapchat o Skype sono state utilizzate meno del 50% di tutti i partecipanti. I partecipanti trascorrono in media 125.41 minuti (SD = 156.49) al giorno utilizzando WhatsApp, seguito da Instagram (M = 57.97, SD = 78.76), Snapchat (M = 53.71, SD = 65.40) e Facebook (M = 55.48, SD = 84.74). Tutte le altre applicazioni sono state utilizzate in media meno di 30 minuti al giorno.

Abbiamo reclutato il campione presso l'Università di Duisburg-Essen (Germania) tramite mailing list, social network online e raccomandazioni sul passaparola. Lo studio è stato condotto in un laboratorio, in un contesto individuale. In primo luogo, i partecipanti sono stati informati per iscritto sulla procedura e hanno dato il consenso scritto. Abbiamo chiesto loro di passare il loro smartphone alla modalità di volo e di tenerlo in tasca durante la partecipazione. Successivamente, i partecipanti hanno risposto a questionari online e hanno eseguito un paradigma di cue-reattività nonché ulteriori paradigmi sperimentali che non sono rilevanti per il manoscritto attuale. Successivamente, i partecipanti hanno risposto ad ulteriori questionari online, come la Bilancia di ponderazione della noia, la Scala delle aspettative per l'uso di Internet o il test per la dipendenza da Internet, che verrà spiegato di seguito. Nel complesso, lo studio è durato circa un'ora. Gli studenti hanno ottenuto punti di credito per la loro partecipazione. Il comitato etico dell'Università di Duisburg-Essen ha approvato lo studio.

Strumenti

Versione modificata del breve test di dipendenza da Internet per il disordine della comunicazione Internet (s-IAT-ICD).

Le tendenze di un ICD sono state misurate con la versione breve di Internet Addiction Test (s-IAT) di Pawlikowski, Altstötter-Gleich [58]. Per questo studio abbiamo utilizzato la versione modificata per ICD (s-IAT-ICD) [15]. La scala valuta i reclami soggettivi nella vita di tutti i giorni a causa dell'uso di applicazioni di comunicazione online. All'inizio viene data una definizione di applicazioni di comunicazione online. Le istruzioni sottolineano che il termine applicazioni di comunicazione online include l'attivo (ad esempio, la scrittura di nuovi post) e il passivo (ad esempio, la navigazione e la lettura di nuovi post) l'uso di siti di social networking e blog come Facebook, Twitter e Instagram , così come messaggistica istantanea come WhatsApp.

I partecipanti devono valutare dodici elementi su una scala Likert a cinque punti (da 1 = "mai" a 5 = "molto spesso"). È stato calcolato un punteggio totale compreso tra 60 e 30. I punteggi> 37 indicano un uso problematico delle applicazioni di comunicazione online, mentre i punteggi> 1 indicano un uso patologico delle applicazioni di comunicazione online. Il questionario si compone di due fattori (sei item ciascuno): perdita di controllo / gestione del tempo (s-IAT-ICD 849: α = .2) e problemi sociali / craving (s-IAT-ICD 708: α = .842). La consistenza interna complessiva era α = XNUMX. Entrambi i fattori rappresentano la dimensione latente dell'ICD nel modello dell'equazione strutturale.

Cue-reattività e bramosia.

Per studiare la cue-reattività e il desiderio, è stato applicato un paradigma di cue-reattività costituito da dodici immagini relative alle applicazioni di comunicazione online [34, 59]. I segnali visivi mostravano diversi smartphone che mostravano una conversazione attraverso diverse applicazioni di comunicazione online. Gli stimoli sono stati pretestati e descritti in un precedente studio di Wegmann, Stodt [34]. Nello studio corrente i partecipanti hanno valutato ciascuna immagine riguardante l'eccitazione, la valenza e l'urgenza di utilizzare lo smartphone su una scala Likert a cinque punti (da 1 = "nessun risveglio / valenza / urgenza" a 5 = "alto risveglio / valenza / urgenza" ). Presentazione^® (Versione 16.5, www.neurobs.com) è stato utilizzato per la presentazione di cue e valutazioni.

Inoltre, abbiamo utilizzato il questionario del desiderio di alcol [60] modificato per l'uso con smartphone per valutare il craving [34]. Il questionario è stato presentato prima e dopo il paradigma di cue-reattività per misurare il craving di base (desiderio di base DAQ-ICD) così come i potenziali cambiamenti di craving dopo l'esposizione alla cue (post-desiderio DAQ-ICD). Pertanto, i partecipanti dovevano valutare gli articoli 14 (ad esempio, "Usare lo smartphone sarebbe soddisfacente in questo momento") su una scala Likert a sette punti (da 0 = "disaccordo completo" a 6 = "accordo completo"). Dopo aver invertito un articolo, abbiamo calcolato il punteggio medio [59]. Le consistenze interne erano α = .851 per il desiderio di base DAQ-ICD e α = .919 per il post-desiderio DAQ-ICD. Nelle seguenti analisi, il post-desiderio di DAQ-ICD e le valutazioni del paradigma di reattività di cue sono stati usati per rappresentare la dimensione latente della brama indotta da cue nel modello di equazione strutturale.

Versione modificata di Internet Expectancies Scale per la comunicazione online (IUES).

The Internet-Use Expectancies Scale (IUES) [17] modificato per la comunicazione online è stato utilizzato per valutare le aspettative dei partecipanti riguardo all'uso di applicazioni di comunicazione online [16]. Il questionario contiene due fattori (sei item ciascuno): rinforzo positivo (ad es. "Uso le applicazioni di comunicazione online per provare piacere"; IUES positivo: α = .838) ed aspettative di evasione (ad es. "Uso le applicazioni di comunicazione online per distrarmi dai problemi "; evitare IUES α = .732). I partecipanti dovevano classificare ciascun elemento su una scala Likert a sei punti (da 1 = "completamente in disaccordo" a 6 = "totalmente d'accordo"). Sulla base di precedenti ricerche e ipotesi teoriche, solo la variabile delle aspettative di evasione era pertinente per le seguenti analisi.

Short Boreom Proneness Scale (BPS).

The Short Boredom Proneness Scale (BPS) di Struk, Carriere [61] è stato utilizzato per valutare la predisposizione alla noia dei tratti. La scala è composta da otto elementi (ad es. "Ci vuole più stimolo per farmi andare avanti rispetto alla maggior parte delle persone"), che doveva essere valutato su una scala Likert a sette punti (da 1 = "completamente in disaccordo" a 7 = "totalmente d'accordo “). È stato calcolato un valore medio complessivo. La consistenza interna era α = .866.

analisi statistiche

Le analisi statistiche sono state eseguite utilizzando SPSS 25.0 per Windows (IBM SPSS Statistics, rilasciato 2017). Abbiamo calcolato le correlazioni di Pearson per testare le relazioni bivariate tra due variabili. Le correlazioni sono state interpretate in modo più dettagliato utilizzando le dimensioni dell'effetto. Basato su Cohen [62], Coefficiente di correlazione di Pearson r ≥ .01 indica un piccolo, r ≥ .03 un mezzo, e r ≥ .05 un grande effetto. Le analisi del modello di equazione strutturale (SEM) sono state calcolate utilizzando Mplus 6 [63]. Per valutare l'adattamento del modello del SEM, abbiamo utilizzato il residuo quadratico medio standardizzato (SRMR; valori <.08 indicano un buon adattamento con i dati), errore quadratico medio radice di approssimazione (RMSEA; valori <.08 indicano un buon e <.10 un adattamento accettabile con i dati) e indici di adattamento comparativo (CFI e TLI; valori> .90 indicano un accettabile e> .95 indicano un buon adattamento con i dati) [64, 65]. Abbiamo anche usato il χ²-Test per verificare se i dati derivano dal modello definito. Come ulteriore passo per ridurre gli errori di misurazione per il SEM, abbiamo utilizzato il metodo di parceling degli articoli per le variabili rappresentate come variabili manifest. Questo metodo consente di costruire le dimensioni latenti per queste variabili nel SEM [66, 67]. Pertanto, abbiamo verificato le interrelazioni tra gli elementi di ciascuna scala e quindi abbiamo creato due fattori per le dimensioni latenti di IUES e BPS.

Risultati

Valori descrittivi e statistiche multivariate

I valori medi e le deviazioni standard di tutti i questionari, nonché le valutazioni del paradigma di cue-reattività possono essere trovati in Tabella 1. Le variabili costruite della parcellizzazione dell'articolo sono incluse come valori aggiuntivi. Tabella 2 mostra le correlazioni bivariate tra queste variabili. Sulla base dei punteggi di cut-off di Pawlikowski, Altstötter-Gleich [58], I partecipanti a 23 hanno mostrato un problema e sette partecipanti hanno mostrato un uso patologico delle applicazioni di comunicazione online, che è associato a disturbi soggettivi nella vita di tutti i giorni a causa dell'uso di queste applicazioni e descrive i sintomi di un ICD.

Tabella 1. Valori medi, deviazioni standard e intervallo dei punteggi di s-IAT-ICD e delle scale applicate.

https://doi.org/10.1371/journal.pone.0195742.t001

Scaricare

• PPT

PowerPoint

• PNG

ingrandisci

• TIFF

immagine originale

Tabella 2. Correlazioni bivariate tra i punteggi dello I-IAT-ICD e le scale applicate.

https://doi.org/10.1371/journal.pone.0195742.t002

Il modello di equazione strutturale

Il modello ipotetico dell'equazione strutturale, a livello latente, ha mostrato un eccellente adattamento con i dati (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). Il χ²-Test ha anche mostrato una buona misura (χ² = 22.25, p =. 074, χ²/ df = 1.59). Tutte le dimensioni latenti definite erano ben rappresentate dalle variabili manifest utilizzate. Nella prima fase, i risultati indicano che la tendenza alla noia (β = .384, SE =. 096, p ≤ .001), craving indotto dal cue (β = .414, SE =. 102, p ≤ .001), e aspettative di evitamento (β = .255, SE =. 109, p = .011) erano significativi predittori di tendenze ICD. La predisposizione alla noia ha avuto anche un effetto diretto sulla brama indotta dal cue (β = .411, SE =. 100, p ≤ .001) e aspettativa di fuga (β = .567, SE =. 084, p ≤ .001). Inoltre, l'aspettativa di evitare era un predittore significativo di craving indotto dal cue (β = .361, SE =. 107, p = .001). L'effetto della predisposizione alla noia sui sintomi di un ICD è stato mediato dal craving indotto dal cue (β = .170, SE =. 058, p = .003) e dalle aspettative di evasione (β = .145, SE =. 063, p = .021). L'effetto delle aspettative di evasione sulle tendenze ICD è stato anche mediato dal craving indotto dal cue (β = .149, SE =. 059, p = .011). Inoltre, la relazione tra la predisposizione alla noia e i sintomi di un ICD è stata mediata da aspettative di evitamento e, in aggiunta, da craving indotto da cue (aspettativa di evitare la propensione alla noia, induzione da indecisione indotta da cue, β = .085, SE =. 037, p = .021); tuttavia questa mediazione aveva solo un piccolo effetto. Nel complesso, il modello analizzato ha significativamente spiegato 81.60% della varianza dei sintomi dell'ICD. Fig 2 mostra il modello con i load factor, i p-ponder ei coefficienti.

Scaricare

• PPT

PowerPoint

• PNG

ingrandisci

• TIFF

immagine originale

Fig 2. Risultati del modello di equazione strutturale.

Risultati del modello di equazione strutturale con ICD come variabile dipendente compresi i load factor sulle variabili latenti descritte e i p-pesi associati, p-valori e residui.

https://doi.org/10.1371/journal.pone.0195742.g002

Analisi aggiuntive

Il modello descritto in precedenza era basato su considerazioni teoriche e ulteriori prove empiriche come i modelli di equazioni strutturali di Wegmann, Stodt [15] e Wegmann e Brand [8]. Tuttavia, volevamo successivamente controllare il modello per altri possibili fattori di influenza al fine di comprendere meglio i meccanismi sottostanti di un ICD. Il primo problema che abbiamo affrontato è stata la stretta associazione tra la tendenza alla noia e la depressione e l'ansia [35, 68, 69]. Uno studio in corso di Elhai, Vasquez [42] illustra che la relazione tra sintomi psicopatologici e uso problematico di smartphone è mediata da una maggiore predisposizione alla noia. Abbiamo valutato i sintomi psicopatologici come la depressione (M = 0.53, SD = 0.53), sensibilità interpersonale (M = 0.72, SD = 0.64) e ansia (M = 0.55, SD = 0.49) utilizzando il breve questionario di inventario sintetico di Derogatis [70]. Poiché le variabili che rendono operativi i sintomi psicopatologici sono significativamente correlate con le altre variabili del modello attuale (tutte r's ≤ .448, tutto p's ≤ .024), abbiamo incluso i sintomi psicopatologici (cioè depressione, sensibilità interpersonale e ansia) come un'ulteriore dimensione latente nel modello. Basato sul modello di mediazione di Elhai, Vasquez [42] abbiamo verificato se l'effetto della predisposizione alla noia si basa sulla costruzione di sintomi psicopatologici o se la predisposizione alla noia descrive un proprio incremento statistico come è stato sottolineato negli studi precedenti [35, 42, 68].

Come illustrato in Fig 3, i risultati indicano che i sintomi psicopatologici svolgono un ruolo cruciale nello sviluppo e nel mantenimento di un ICD, in linea con la precedente ricerca [8, 15, 42]. Tuttavia, la rilevanza della predisposizione alla noia come importante predittore di sintomi di un ICD non è significativamente diminuita dopo aver incluso i sintomi psicopatologici nel modello di equazione strutturale. Ciò sottolinea che la tendenza alla noia e i sintomi psicopatologici sono correlati ma costrutti indipendenti i cui effetti sulle tendenze di un ICD sono mediati da componenti cognitivi e affettivi. I risultati del modello di equazione strutturale addizionale, inclusi i load factor sulle variabili latenti descritte e i p-ponderati di accompagnamento, p-valori e residui sono riepilogati in Fig 3.

Fig 3. Risultati del modello addizionale di equazioni strutturali.

Risultati del modello di equazione strutturale con sintomi psicopatologici come ulteriore variabile predittore inclusi i load factor sulle variabili latenti descritte e i p-pesi associati, p-valori e residui (Abbreviazioni: PP = sintomi psicopatologici, BP = inclinazione alla noia, AE = aspettativa di evitamento, CRAV = craving indotto da indizi, ICD = Disturbo di comunicazione Internet).

https://doi.org/10.1371/journal.pone.0195742.g003

Abbiamo anche considerato l'età e il genere come potenziali variabili che possono influenzare la struttura del modello attuale. Pertanto, abbiamo prima calcolato le correlazioni tra l'età e tutte le altre variabili. I risultati indicano piccole correlazioni (tutte r's ≤ -.376). Queste correlazioni illustrano un modello familiare che i partecipanti più giovani hanno problemi più soggettivi nella vita di tutti i giorni a causa dell'uso eccessivo delle applicazioni di comunicazione online. Come ulteriore passo, abbiamo controllato i nostri dati per le differenze di genere utilizzando il confronto t-test per campioni indipendenti. I risultati hanno mostrato che non vi era alcuna differenza significativa tra partecipanti maschi e femmine (p ≥ .319). Il modello di equazione strutturale con analisi addizionale per genere è stato calcolato utilizzando l'analisi strutturale media come metodo di procedere [71]. Gli indici di adattamento del modello di equazione strutturale indicano un buon adattamento con i dati (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Per entrambi i partecipanti di sesso maschile e femminile abbiamo trovato modelli di risultati simili. Le partecipanti femminili hanno mostrato effetti di mediazione simili a quelli illustrati nel modello di equazione strutturale ipotizzato. Per i maschi, non abbiamo riscontrato alcun effetto diretto dalle aspettative di evasione alle tendenze di un ICD (β = .153, SE =. 133, p = .249), nessun effetto di mediazione delle aspettative di evitamento sulla relazione tra la tendenza alla noia e l'ICD (β = .029, SE =. 030, p = .327), e nessun effetto di mediazione della brama sulla relazione tra la noia e i sintomi di un ICD (β = .073, SE =. 065, p = .262). A causa delle piccole dimensioni del campione, specialmente per quanto riguarda il campione maschile, i risultati devono essere discussi con cautela e devono essere controllati in ulteriori studi.

Discussione

Nel presente studio, abbiamo testato la validità di un modello teorico ipotizzando interazioni tra la noia e le componenti affettive e cognitive per spiegare i sintomi dell'ICD. Il modello di equazione strutturale, a livello di latenza, ha fornito un eccellente adattamento con i dati utilizzando il metodo di parcellizzazione degli articoli per ridurre gli errori di misurazione. Complessivamente, la predisposizione alla noia e gli effetti di mediazione delle componenti cognitive e affettive, vale a dire le aspettative di evitamento e la brama indotta dai cue, hanno spiegato 81.60% della varianza nei sintomi dell'ICD. I risultati mostrano che la predisposizione alla noia ha un effetto diretto sullo sviluppo e il mantenimento di un ICD. Era un importante fattore predittivo delle aspettative di evitare le emozioni negative e di fuggire dalla realtà così come dalla brama indotta dai cue. Queste componenti affettive e cognitive hanno mediato l'effetto della predisposizione alla noia sull'ICD. I risultati enfatizzano ulteriormente l'interazione dei mediatori citati, poiché l'effetto delle aspettative di evitamento sui sintomi di ICD è stato parzialmente mediato dalla brama indotta da cue. Inoltre, la mediazione delle aspettative di evitamento sulla relazione tra la tendenza alla noia e i sintomi ICD è stata mediata dalla brama indotta dal cue.

I risultati supportano l'ipotesi che la relazione tra la suscettibilità all'esperienza della noia come parte delle caratteristiche fondamentali della persona e l'esperienza delle conseguenze negative dovute a un uso eccessivo delle applicazioni di comunicazione online sia mediata da risposte affettive e cognitive a stimoli esterni legati al contesto , come segnali visivi che mostrano conversazioni attraverso diverse applicazioni di comunicazione online. I risultati attuali estendono i risultati di precedenti studi, che hanno già dimostrato che i sintomi psicopatologici (come la depressione o l'ansia sociale) e gli aspetti della personalità (come la vulnerabilità allo stress o l'autostima) hanno un effetto sui sintomi dell'ICD, che è mediato da specifiche cognizioni (come uno stile di coping disfunzionale o l'aspettativa di uso di Internet) [8, 15]. I risultati sono coerenti con il modello teorico I-PACE proposto da Brand, Young [7]. L'elemento centrale del modello I-PACE è l'effetto delle caratteristiche fondamentali della persona nella percezione soggettiva di una situazione, ad esempio quando si deve confrontarsi con stimoli legati alla dipendenza, conflitti personali o stress. La percezione soggettivamente colorata degli elementi situazionali porta a risposte affettive e cognitive individuali come la cue-reactivity e il craving, che è descritto come il desiderio di usare una certa applicazione e di ridurre gli stati affettivi negativi [20, 24]. I risultati dello studio attuale supportano questa ipotesi mostrando che i partecipanti che hanno una maggiore suscettibilità a sperimentare la noia (come una delle caratteristiche fondamentali di una persona) o di non essere in grado di regolare l'attenzione verso gli stimoli [35], hanno un rischio più elevato di utilizzare eccessivamente le applicazioni di comunicazione online. I risultati sono anche valorizzati dallo studio di Elhai, Vasquez [42] così come dalla nostra analisi aggiuntiva, che sottolinea che i sintomi psicopatologici come la depressione, la sensibilità interpersonale e l'ansia potrebbero portare ad una maggiore suscettibilità della noia e ad un rischio più elevato di un uso patologico delle applicazioni di comunicazione online. Questo comportamento è rafforzato quando gli individui si confrontano con stimoli specifici (legati alla comunicazione con smartphone) e sperimentano il desiderio di utilizzare lo smartphone o un'applicazione di comunicazione specifica. Sembra essere un'abitudine automatica utilizzare lo smartphone dopo aver visto un'icona o aver ascoltato il suono di un messaggio in arrivo [34]. Gli utenti delle applicazioni di comunicazione online potrebbero aver sviluppato tale abitudine per cercare di far fronte a sentimenti spiacevoli come la noia e quindi di sfuggire alla sottostimolazione sperimentata [20, 36].

L'effetto di mediazione delle aspettative di elusione sulla relazione tra la tendenza alla noia e i sintomi ICD supporta questa ipotesi. Simile alla brama indotta da indizi, i risultati dimostrano che la suscettibilità all'esperienza della noia porta a aspettative di evitare le emozioni negative online e di distrarsi dai problemi usando lo smartphone o le applicazioni di comunicazione online. Questo è in linea con Biolcati, Passini [48] dimostrando che la relazione tra la propensione alla noia e il comportamento di abbuffata è mediata dalle aspettative di sfuggire alla sottostimolazione e alla realtà. Gli autori ritengono che specialmente gli adolescenti, che sono più inclini a sperimentare la noia nel loro tempo libero, si aspettino di sfuggire alle emozioni negative bevendo alcol, il che rafforza il rischio di comportamenti da abbuffate [48]. Il comportamento rischioso sembra essere una sorta di meccanismo di adattamento disadattivo, in cui le persone cercano di trovare strategie per ridurre la propensione a vivere la noia [35, 39, 40]. I risultati di Biolcati, Passini [48], Biolcati, Mancini [39] e Harris [40illustrare le principali ipotesi del modello I-PACE, come l'ipotesi che gli individui cercano di sfuggire alle emozioni negative o di gestire l'umore anormale, specialmente quando si trovano di fronte a stimoli legati alla dipendenza, che potrebbero portare alla decisione di utilizzare una determinata applicazione. Dal momento che Zhou e Leung [46] ha già descritto l'associazione della propensione alla noia con il gioco in ambienti di social networking, i risultati attuali specificano questa relazione. L'esperienza di gratificazione o la stimolazione in una situazione di sottoeccitazione potrebbe essere descritta come un fattore importante che aumenta il rischio di utilizzare alcune applicazioni online a causa della speranza di ridurre ripetutamente stati affettivi negativi in ​​situazioni simili. Questo è in linea con i risultati di uno studio di neuroimaging di Montag, Markowetz [72] che ha mostrato gli aspetti gratificanti dell'uso di Facebook tramite smartphone e dell'attivazione più elevata dello striato ventrale quando gli individui trascorrono del tempo sui servizi di social networking.

Il secondo obiettivo dello studio era di indagare l'interazione delle risposte affettive e cognitive agli stimoli esterni. Precedenti studi hanno già esaminato la rilevanza della cue-reattività e del desiderio [34] così come le aspettative sull'uso di Internet [8, 15] e in particolare le aspettative di elusione [16] per lo sviluppo e la manutenzione di un ICD. L'importanza di questi due costrutti era già stata dimostrata per specifici disturbi legati all'uso di Internet, come il disordine da acquisti su Internet o gli acquisti patologici [18, 59], Disturbo della visione di pornografia su Internet [29], Disturbo dei giochi su Internet [30, 73, 74], o disturbo generalizzato (non specifico) relativo all'uso di Internet [17]. Per quanto a nostra conoscenza, non è stato condotto alcuno studio che indagasse l'interazione tra il craving indotto dal cue e le aspettative di utilizzo di Internet come ipotizzato nel modello I-PACE [7]. Gli autori del modello I-PACE presumono che le aspettative sull'uso di Internet predicono la brama indotta dal cue, che ha un effetto sui sintomi di un disturbo specifico di Internet. Pertanto, abbiamo ipotizzato che il craving indotto dal cue agisca da mediatore tra le aspettative di utilizzo di Internet (principalmente aspettative di evasione) e i sintomi di ICD. L'ipotesi è supportata dai risultati attuali. I risultati indicano che le componenti affettive e cognitive interagiscono tra loro, il che enfatizza i meccanismi chiave del modello teorico. Gli individui con specifiche cognizioni legate a Internet (ad esempio, aspettativa di distrazione dai problemi, di fuga dalla realtà, o di evitare la solitudine) sembrano essere vulnerabili agli indizi legati alla dipendenza e sembrano sperimentare reazioni di craving più elevate. Per quanto riguarda i meccanismi di rinforzo proposti nel modello I-PACE, si presume che gli individui decidano di utilizzare le loro applicazioni "di prima scelta" per distrarre da questo stato negativo e sperimentare gratificazione o compensazione. Ciò aumenta il rischio di perdere il controllo sull'uso di Internet [7]. I risultati sono un primo segno che evidenzia l'interazione tra le risposte affettive e cognitive agli stimoli esterni e interni. Dal momento che ci sono ulteriori componenti come pregiudizi di attenzione e associazioni implicite, nonché la rilevanza del controllo inibitorio e delle funzioni esecutive [7], le associazioni tra questi fattori devono essere esaminate in maggiore dettaglio. In tal modo, gli studi futuri dovrebbero concentrarsi sull'ICD, ma anche su altri disturbi specifici legati all'uso di Internet.

Prospettive e implicazioni

L'uso degli smartphone e delle applicazioni di comunicazione online nella vita di tutti i giorni sembra non essere problematico in generale. Per la maggior parte delle persone è abitudine usare lo smartphone mentre si aspetta un'altra persona o il treno, ad esempio. Turel e Bechara [75] illustra la rilevanza dell'impulsività come fattore di rischio di un ICD. Nel complesso, le applicazioni di comunicazione online sembrano essere un ottimo esempio per la relazione tra la predisposizione alla noia e un uso patologico. Si può presumere che l'esperienza di gratificazione e compensazione utilizzando queste applicazioni sia un meccanismo chiave per il processo di sviluppo di un ICD. Sebbene i risultati siano coerenti con le ipotesi teoriche del modello I-PACE di Brand, Young [7], lo sviluppo del comportamento coinvolgente della comunicazione online e dei sintomi ICD, nonché il ruolo della predisposizione alla noia e componenti affettivi e ulteriori cognitivi dovrebbero essere studiati in studi longitudinali. Pertanto, sono necessarie ulteriori ricerche, specialmente riguardo a meccanismi di rinforzo specifici.

Considerando questo, oltre alla suscettibilità all'esperienza della noia, la ricerca dovrebbe anche concentrarsi sulla situazione soggettivamente percepita. Ben-Yehuda, Greenberg [76] ha già affrontato la rilevanza della noia di stato come un potenziale fattore di rischio per lo sviluppo di una dipendenza da smartphone, che deve essere esaminato in ulteriori ricerche. Ciò include l'esperienza di sottostimolazione e sottoeccitazione come stato dipendente dal contesto [38, 57]. Si può presumere che la noia effettivamente percepita sia un'ulteriore spiegazione rilevante per cui gli individui sviluppano l'abitudine automatica di utilizzare lo smartphone in una situazione di sottostimolazione. Ciò potrebbe essere rafforzato dalla gratificazione e compensazione e quindi aumentare la probabilità di utilizzare nuovamente lo smartphone in una situazione simile. Fino ad ora, ulteriori studi dovrebbero tenere a mente che fattori situazionali come l'umore reale, i conflitti personali, la noia effettiva vissuta o lo stress percepito potrebbero influenzare i componenti cognitivi e affettivi e la decisione di utilizzare una determinata applicazione [7, 77].

Dato che sempre più individui subiscono conseguenze negative nella vita quotidiana, come conflitti con familiari e amici o problemi legati al lavoro derivanti da un uso incontrollato di Internet e delle sue applicazioni specifiche, vi è una crescente necessità di adeguati e guidati interventi. Nel contesto dei disturbi legati all'uso di Internet e delle sue forme specifiche, come l'ICD, si presume che il successo della prevenzione e dell'intervento dipenda principalmente dall'adeguatezza di affrontare i fattori rilevanti. Considerando che le caratteristiche personali possono essere potenzialmente difficili da modificare, gli interventi dovrebbero concentrarsi sulla moderazione e sulla mediazione degli aspetti per evitare un uso eccessivo di determinate applicazioni Internet [7]. In questo studio, le aspettative di evitare sentimenti negativi online e le reazioni di craving indotte da cue sono state enfatizzate per svolgere un ruolo di mediazione nello sviluppo e nel mantenimento di un ICD. Attingere a specifiche aspettative sull'uso di Internet per cambiare le cognizioni non-conduttive potrebbe essere un primo passo verso un uso funzionale di Internet. Le persone che hanno difficoltà a sopportare la noia o che hanno una maggiore suscettibilità a sperimentare la noia dovrebbero essere addestrate a rendersi conto che Internet o l'uso dello smartphone non è l'unico modo per affrontare situazioni quotidiane che comportano sottostimolazione o anche sentimenti spiacevoli. Questo aspetto è particolarmente importante perché avere l'aspettativa che le applicazioni di comunicazione online possano favorire la fuga dai problemi della vita reale può quindi promuovere e intensificare le reazioni bramose come dimostrato dai risultati attuali, specialmente quando si verificano stimoli specifici. Nella vita quotidiana tali stimoli nella vita quotidiana possono essere ad esempio vedere altre persone che usano lo smartphone o notare un messaggio in arrivo. Questo, infatti, può rendere ancora più difficile per le persone resistere dal desiderio di utilizzare determinate applicazioni. Complessivamente, gli individui possono quindi sviluppare un controllo ridotto sul loro uso di Internet con conseguenze negative. Inoltre, le tendenze di approccio verso le applicazioni di comunicazione online dovute alla bramosia sperimentata dovrebbero essere diminuite sistematicamente attraverso programmi di formazione che consentono alle persone di imparare come evitare reazioni non regolate a stimoli specifici [7]. L'efficacia dei metodi di allenamento comuni richiede ulteriori indagini, specialmente per un ICD.

Infine, dobbiamo menzionare alcune limitazioni. Lo studio è stato condotto con un campione di convenienza, che non è né rappresentativo per l'intera popolazione né per i pazienti in cerca di trattamento con disturbo di uso di Internet. Sulla base dei risultati attuali, sembra che valga la pena indagare sull'interazione della predisposizione alla noia, sulla brama e sull'uso di aspettative in altri campioni, come gli adolescenti e i pazienti in cerca di trattamento. Un'ulteriore limitazione è che ci siamo concentrati solo su ICD. Dato che altre applicazioni Internet possono essere utilizzate anche per sfuggire alla noia o ai sentimenti negativi, lo studio dovrebbe essere ripetuto con campioni che hanno altri usi prioritari, come giochi su Internet, acquisti su Internet o uso di pornografia su Internet.

Conclusione

L'attuale studio ha lo scopo di indagare ipotesi teoriche riguardanti lo sviluppo e il mantenimento di un ICD. Sulla base del modello I-PACE, l'attenzione è stata posta sugli effetti di mediazione delle componenti cognitive e affettive, ovvero sulle aspettative di evasione e sulla brama indotta dai cue, sulla relazione tra le caratteristiche fondamentali della persona ei sintomi della ICD. Questo studio ha esaminato l'effetto della predisposizione alla noia come una variabile di tratto che probabilmente predice i sintomi di ICD. I risultati attuali mostrano che la predisposizione alla noia potrebbe svolgere un ruolo importante nell'ICD. Gli individui che hanno una maggiore suscettibilità a sperimentare la noia mostrano maggiori aspettative per evitare sentimenti negativi utilizzando le applicazioni di comunicazione online, che a loro volta aumentano le conseguenze negative nella vita quotidiana. Inoltre, avere aspettative di evasione è associato a una maggiore esperienza di brama. Ciò potrebbe essere dovuto a una vulnerabilità potenzialmente più elevata ai segnali relativi alla comunicazione su Internet, che rende quindi ancora più difficile non utilizzare le applicazioni di comunicazione online. Con questi risultati, i meccanismi sottostanti di un ICD entrano in uno shaper relief. I tentativi di intervento che mirano a prevenire un uso eccessivo e non regolamentato di Internet e delle sue applicazioni specifiche possono potenzialmente essere ottimizzati considerando il concetto di propensione alla noia e la sua interazione con la cue-reattività, la bramosia e le aspettative.

Informazioni di supporto

S1 File.sav

FicoShare

Scaricare

Dataset_PoNE-D-17-41307R2.sav.

Questo file è il set di dati dello studio corrente e contiene tutte le variabili e le informazioni per le analisi condotte.

(SAV)

File S1. Dataset_PoNE-D-17-41307R2.sav.

Questo file è il set di dati dello studio corrente e contiene tutte le variabili e le informazioni per le analisi condotte.

https://doi.org/10.1371/journal.pone.0195742.s001

(SAV)

Riferimenti

1. 1. Statista. Numero di utenti di smartphone in tutto il mondo da 2014 a 2020 (in miliardi) 2017 [citato 2017 22 / 11 / 2017].
2. 2. Kuss DJ, Griffiths MD. Social networking online e dipendenza: una revisione della letteratura psicologica. International Journal of Enviromental Research e Public Health. 2011; 8: 3528-52. PMID: 22016701
   • Vai all’Articolo
   • PubMed / NCBI
   • Google Scholar
3. 3. Amichai-Hamburger Y, Vinitzky G. Uso e personalità della rete sociale. Computer nel comportamento umano. 2010; 26 (6): 1289-95.
4. Vai all’Articolo
5. Google Scholar
6. 4. Statista. Numero di utenti WhatsApp attivi mensilmente in tutto il mondo da aprile 2013 a luglio 2017 (in milioni) 2017 [citato 2017 22 / 11 / 2017].
7. 5. Statista. Numero di utenti Facebook attivi mensilmente in tutto il mondo a partire dal 3rd trimestre 2017 (in milioni) 2017 [citato 2017 22 / 11 / 2017].
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. Google Scholar
22. Vai all’Articolo
23. PubMed / NCBI
24. Google Scholar
25. Vai all’Articolo
26. Google Scholar
27. Vai all’Articolo
28. PubMed / NCBI
29. Google Scholar
30. Vai all’Articolo
31. Google Scholar
32. Vai all’Articolo
33. PubMed / NCBI
34. Google Scholar
35. Vai all’Articolo
36. PubMed / NCBI
37. Google Scholar
38. Vai all’Articolo
39. Google Scholar
40. Vai all’Articolo
41. PubMed / NCBI
42. Google Scholar
43. Vai all’Articolo
44. PubMed / NCBI
45. Google Scholar
46. Vai all’Articolo
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. Google Scholar
59. Vai all’Articolo
60. PubMed / NCBI
61. Google Scholar
62. Vai all’Articolo
63. PubMed / NCBI
64. Google Scholar
65. Vai all’Articolo
66. PubMed / NCBI
67. Google Scholar
68. Vai all’Articolo
69. PubMed / NCBI
70. Google Scholar
71. Vai all’Articolo
72. PubMed / NCBI
73. Google Scholar
74. Vai all’Articolo
75. PubMed / NCBI
76. Google Scholar
77. Vai all’Articolo
78. PubMed / NCBI
79. Google Scholar
80. Vai all’Articolo
81. PubMed / NCBI
82. Google Scholar
83. Vai all’Articolo
84. PubMed / NCBI
85. Google Scholar
86. Vai all’Articolo
87. Google Scholar
88. Vai all’Articolo
89. Google Scholar
90. Vai all’Articolo
91. Google Scholar
92. Vai all’Articolo
93. PubMed / NCBI
94. Google Scholar
95. Vai all’Articolo
96. Google Scholar
97. Vai all’Articolo
98. PubMed / NCBI
99. Google Scholar
100. Vai all’Articolo
101. Google Scholar
102. Vai all’Articolo
103. Google Scholar
104. Vai all’Articolo
105. Google Scholar
106. Vai all’Articolo
107. PubMed / NCBI
108. Google Scholar
109. Vai all’Articolo
110. Google Scholar
111. Vai all’Articolo
112. PubMed / NCBI
113. Google Scholar
114. Vai all’Articolo
115. Google Scholar
116. Vai all’Articolo
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. Google Scholar
138. Vai all’Articolo
139. Google Scholar
140. Vai all’Articolo
141. Google Scholar
142. Vai all’Articolo
143. PubMed / NCBI
144. Google Scholar
145. Vai all’Articolo
146. Google Scholar
147. Vai all’Articolo
148. PubMed / NCBI
149. Google Scholar
150. Vai all’Articolo
151. Google Scholar
152. Vai all’Articolo
153. PubMed / NCBI
154. Google Scholar
155. 6. Young KS, Pistner M, O'Mara J, Buchanan J. Disordini informatici: la preoccupazione per la salute mentale per il nuovo millennio. Cyberpsicologia e comportamento. 1999; 2: 475–9. pmid: 19178220
156. 7. Brand M, Young KS, Laier C, Wölfling K, Potenza MN. Integrazione di considerazioni psicologiche e neurobiologiche riguardanti lo sviluppo e il mantenimento di specifici disturbi di utilizzo di Internet: un modello Interaction of Person-Affect-Cognition-Execution (I-PACE). Neuroscienze e recensioni bio-comportamentali. 2016; 71: 252-66. PMID: 27590829
157. 8. Wegmann E, Brand M. Disturbo della comunicazione su Internet: è una questione di aspetti sociali, di coping e di aspettative di utilizzo di Internet. Frontiere in psicologia. 2016; 7 (1747): 1-14. PMID: 27891107
158. Vai all’Articolo
159. Google Scholar
160. Vai all’Articolo
161. PubMed / NCBI
162. Google Scholar
163. Vai all’Articolo
164. Google Scholar
165. Vai all’Articolo
166. PubMed / NCBI
167. Google Scholar
168. Vai all’Articolo
169. Google Scholar
170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Canzone WY, Kim S, et al. Confronto tra fattori di rischio e fattori protettivi associati alla dipendenza da smartphone e dipendenza da Internet. Journal of Behavioral Addictions. 2015; 4 (4): 308-14. PMID: 26690626
171. Vai all’Articolo
172. PubMed / NCBI
173. Google Scholar
174. Vai all’Articolo
175. PubMed / NCBI
176. Google Scholar
177. Vai all’Articolo
178. PubMed / NCBI
179. Google Scholar
180. Vai all’Articolo
181. PubMed / NCBI
182. Google Scholar
183. Vai all’Articolo
184. Google Scholar
185. Vai all’Articolo
186. Google Scholar
187. Vai all’Articolo
188. PubMed / NCBI
189. Google Scholar
190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B, et al. Utilizzo degli smartphone nel secolo 21st: chi è attivo su WhatsApp? Note di ricerca BMC. 2015; 8: 1-6.
191. 11. Brand M, Young KS, Laier C. Controllo prefrontale e dipendenza da Internet: un modello teorico e una revisione dei risultati neuropsicologici e neuroimaging. Frontiere in neuroscienza umana. 2014; 8 (375): 1-36. PMID: 24904393
192. 12. Davis RA. Un modello cognitivo-comportamentale di uso patologico di Internet. Computer nel comportamento umano. 2001; 17: 187-95.
193. 13. Spada MM. Una panoramica sull'uso problematico di Internet. Comportamenti avvincenti. 2014; 39: Epub in anticipo rispetto alla stampa. 3-6. PMID: 24126206
194. 14. Billieux J, Maurage P, Lopez-Fernandez O, Kuss DJ, Griffiths MD. L'uso disordinato del telefono cellulare può essere considerato una dipendenza comportamentale? Un aggiornamento sulle prove attuali e un modello completo per la ricerca futura. Rapporti sulle dipendenze attuali. 2015; 2 (2): 156-62.
195. 15. Wegmann E, Stodt B, Brand M. L'uso accattivante dei siti di social networking può essere spiegato dall'interazione tra le aspettative di utilizzo di Internet, l'alfabetizzazione Internet e i sintomi psicopatologici. Journal of Behavioral Addictions. 2015; 4 (3): 155-62. PMID: 26551905
196. 16. Wegmann E, Oberst U, Stodt B, Marchio M. La paura specifica della fuga online e le aspettative di utilizzo di Internet contribuiscono ai sintomi del disturbo della comunicazione Internet. Rapporti comportamentali avvincenti. 2017; 5: 33-42. PMID: 29450225
197. 17. Brand M, Laier C, Young KS. Dipendenza da Internet: stili di coping, aspettative e implicazioni sul trattamento. Frontiere in psicologia. 2014; 5: 1-14.
198. 18. Trotzke P, Starcke K, Müller A, Brand M. Acquisto patologico online come forma specifica di dipendenza da Internet: un'indagine sperimentale basata su modelli. PIÙ UNO. 2015; 10 (10): e0140296. PMID: 26465593
199. 19. Sayette MA. Il ruolo della brama nei disturbi da uso di sostanze: questioni teoriche e metodologiche. Revisione annuale della psicologia clinica. 2016; 12: 407-33. PMID: 26565121.
200. 20. Hormes JM. Il significato clinico della brama attraverso i comportamenti di dipendenza: una revisione. Rapporti sulle dipendenze attuali. 2017; 4 (2): 132-41.
201. 21. Bechara A. Processo decisionale, controllo degli impulsi e perdita della forza di volontà per resistere alle droghe: una prospettiva neurocognitiva. Neuroscienze naturali. 2005; 8: 1458-63. PMID: 16251988
202. 22. Carter BL, Tiffany ST. Meta-analisi della cue-reattività nella ricerca di dipendenza. Dipendenza. 1999; 94: 327-40. PMID: 10605857
203. 23. Skinner MD, Aubin HJ. Il posto di Craving nella dipendenza teorie: contributi dei principali modelli. Neuroscienze e recensioni bio-comportamentali. 2010; 34: 606-23. PMID: 19961872
204. 24. Drummond DC. Teorie della voglia di droga, antica e moderna. Dipendenza (Abingdon, Inghilterra). 2001; 96: 33-46.
205. 25. Schiebener J, Laier C, Brand M. Bloccati con la pornografia? L'abuso o l'abbandono dei segnali del cybersesso in una situazione multitasking è correlato ai sintomi della dipendenza da cybersesso. Journal of Behavioral Addictions. 2015; 4 (1): 14-21. PMID: 25786495
206. 26. Niu GF, Sun XJ, Subrahmanyam K, Kong FC, Tian Y, Zhou ZK. Brama indotta da indizi per Internet tra i dipendenti da Internet. Comportamenti avvincenti. 2016; 62: 1-5. PMID: 27305097
207. 27. Tiffany ST, Wray JM. Il significato clinico del desiderio di droga. Annali dell'Accademia delle scienze di New York. 2012; 1248: 1-17. PMID: 22172057
208. 28. Snagowski J, Brand M. I sintomi della dipendenza da cybersesso possono essere collegati sia all'avvicinarsi che all'eliminazione di stimoli pornografici: Risultati di un campione analogico di utenti regolari di cybersesso. Frontiere in psicologia. 2015; 6: 653. PMID: 26052292
209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, Marchio M. Dipendenza da Cybersex: l'eccitazione sessuale sperimentata quando si guarda la pornografia e non i contatti sessuali nella vita reale fa la differenza. Journal of Behavioral Addictions. 2013; 2: 100-7. PMID: 26165929
210. 30. Thalemann R, Wölfling K, Grüsser SM. Reattività specifica di cue su indizi relativi ai giochi per computer nei giocatori eccessivi. Neuroscienze comportamentali. 2007; 121: 614-8. PMID: 17592953
211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et al. Attivazione dello striato ventrale e dorsale durante la reattività della cue nel disturbo del gioco su Internet. Biologia delle dipendenze. 2017; 3 (2): 791-801. PMID: 26732520.
212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY, et al. L'effetto dell'esposizione ripetuta a segnali di gioco virtuali sull'impulso di scommettere. Comportamenti avvincenti. 2015; 41: 61-4. PMID: 25306387
213. 33. Fernie BA, Caselli G, Giustina L, Donato G, Marcotriggiani A, Spada MM. Il desiderio di pensare come un predittore del gioco d'azzardo. Comportamenti avvincenti. 2014; 39: 793-6. PMID: 24531634
214. 34. Wegmann E, Stodt B, Brand M. Brama indotta da cue nel disturbo della comunicazione in Internet utilizzando segnali visivi e uditivi in ​​un paradigma di reattività cue. Ricerca e teoria sulle dipendenze. 2017: Epub prima della stampa.
215. 35. LePera N. Relazioni tra la predisposizione alla noia, la presenza mentale, l'ansia, la depressione e l'uso di sostanze. Il bollettino di psicologia della New School. 2011; 8 (2): 15-23.
216. 36. Iso-Ahola SE, Weissinger E. Percezioni della noia nel tempo libero: concettualizzazione, affidabilità e validità della scala della noia del tempo libero. Journal of Leisure Research. 1990; 22 (1): 1-17.
217. 37. Lin CH, Lin SL, Wu CP. Gli effetti del controllo parentale e della noia del tempo libero sulla dipendenza da Internet degli adolescenti. Adolescenza. 2009; 44 (176): 993-1004. Epub 2009 / 01 / 01. PMID: 20432612.
218. 38. Brissett D, Snow RP. La noia: dove il futuro non lo è. Interazione simbolica. 1993; 16 (3): 237-56.
219. 39. Biolcati R, Mancini G, Trombini E. Precipitò alla noia e comportamenti a rischio durante il tempo libero degli adolescenti. Rapporti psicologici. 2017: 1-21. Epub 2017 / 08 / 05. PMID: 28776483.
220. 40. Harris MB. Correlazioni e caratteristiche della noia e della noia. Journal of Applied Social Psychology. 2000; 30 (3): 576-98.
221. 41. Mikulas WL, Vodanovich SJ. L'essenza della noia. Il record psicologico. 1993; 43 (1): 3-12.
222. 42. Elhai JD, Vasquez JK, Lustgarten SD, Levine JC, Hall BJ. La prontezza alla noia media le relazioni tra l'uso problematico degli smartphone con la depressione e la gravità dell'ansia. Revisione del computer di scienze sociali. 2017: 1-14.
223. 43. Wiesner M, Windle M, Freeman A. Stress da lavoro, uso di sostanze e depressione tra i giovani lavoratori adulti: un esame del modello di effetto principale e moderatore. Giornale di psicologia della salute professionale. 2005; 10 (2): 83-96. PMID: 15826220.
224. 44. Anshel MH. Un'indagine sugli atleti d'élite sulle cause percepite dell'uso di droghe vietate nello sport. Journal of Sport Behavior. 1991; 14 (4): 283-310.
225. 45. Thackray RI. Lo stress della noia e della monotonia: una considerazione delle prove. Medicina psicosomatica 1981; 43 (2): 165-76. PMID: 7267937.
226. 46. Zhou SX, Leung L. Gratificazione, solitudine, noia del tempo libero e autostima come predittori della dipendenza dal gioco SNS e del modello di utilizzo tra studenti universitari cinesi. International Journal of Cyber ​​Behavior, Psicologia e Apprendimento. 2012; 2 (4): 34-48.
227. 47. Caldwell LL, Smith EA. Comportamenti di salute del tempo libero giovani alienati. Loisir et Société / Society and Leisure. 1995; 18 (1): 143-56.
228. 48. Biolcati R, Passini S, Mancini G. "Non sopporto la noia". Binge che beve aspettative nell'adolescenza. Rapporti comportamentali avvincenti. 2016; 3 (Supplemento C): 70-6. PMID: 29532002
229. 49. Blaszczynski A, McConaghy N, Frankova A. Tendenza alla noia nel gioco d'azzardo patologico. Rapporti psicologici. 1990; 67 (1): 35-42. Epub 1990 / 08 / 01. PMID: 2236416.
230. 50. Fortune EE, Goodie AS. La relazione tra gioco d'azzardo patologico e ricerca di sensazioni: il ruolo dei punteggi sottoscala. Journal of gambling studies. 2010; 26 (3): 331-46. PMID: 19943092.
231. 51. Zuckerman M, Eysenck S, Eysenck HJ. Sensazione alla ricerca in Inghilterra e in America: confronti interculturali, di età e di sesso. Rivista di consulenza e psicologia clinica. 1978; 46 (1): 139-49. Epub 1978 / 02 / 01. PMID: 627648.
232. 52. Neubaum G, Krämer NC. I miei amici proprio accanto a me: un'indagine di laboratorio sui predittori e le conseguenze di sperimentare la vicinanza sociale sui siti di social networking. CyberPsychology, Behavior e Social Networking. 2015; 18 (8): 443-9. PMID: 26252929
233. 53. Lin CH, Yu SF. Uso di Internet degli adolescenti a Taiwan: esplorazione delle differenze di genere. Adolescenza. 2008; 43 (170): 317-31. PMID: 18689104.
234. 54. Rahmani S, Lavasani MG. La relazione tra dipendenza da Internet con ricerca di sensazioni e personalità. Procedia-Scienze sociali e comportamentali. 2011; 30 (Supplemento C): 272-7.
235. 55. Chaney MP, Chang CY. Un trio di turmoi per uomini sessualmente dipendenti da Internet che fanno sesso con uomini: propensione alla noia, connessione sociale e dissociazione. Dipendenza sessuale e compulsività. 2005; 12 (1): 3–18.
236. 56. Velezmoro R, Lacefield K, Roberti JW. Lo stress percepito, la ricerca di sensazioni e l'abuso di Internet da parte degli studenti universitari. Computer nel comportamento umano. 2010; 26 (6): 1526-30.
237. 57. Weybright EH, Caldwell LL, Ram N, Smith EA, Wegner L. Boredom incline o nulla da fare? Distinguere tra la noia dello stato e la noia del tratto e la sua associazione con l'uso di sostanze negli adolescenti del Sud Africa. Scienze del tempo libero 2015; 37 (4): 311-31. PMID: 26085700.
238. 58. Pawlikowski M, Altstötter-Gleich C, Brand M. Validazione e proprietà psicometriche di una versione breve di Young's Internet Addiction Test. Computer nel comportamento umano. 2013; 29: 1212-23.
239. 59. Trotzke P, Starcke K, Pedersen A, brama indotta dal marchio M. Cue negli acquisti patologici: evidenza empirica e implicazioni cliniche. Medicina psicosomatica 2014; 76 (9): 694-700. PMID: 25393125.
240. 60. Love A, James D, Willner P. Un confronto tra due questionari di alcolismo. Dipendenza (Abingdon, Inghilterra). 1998; 93 (7): 1091-102.
241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Una scala di prontezza a breve noia. Valutazione. 2015; 24 (3): 346-59. PMID: 26467085.
242. 62. Cohen J. Analisi del potere statistico per le scienze comportamentali. 2 ed. Hillsdale, NJ: Erlbaum; 1988.
243. 63. Muthén L, Muthén B. MPlus. Los Angeles: Muthén e Muthén; 2011.
244. 64. Hu L, Bentler PM. Valutazione del modello in forma. In: Hoyle RH, editore. Problemi e applicazioni dei concetti di modellazione delle equazioni strutturali. Londra: Sage Publications, Inc; 1995. p. 76-99.
245. 65. Hu L, Bentler PM. Criteri di taglio per gli indici di adattamento nell'analisi della struttura di covarianza: criteri convenzionali rispetto a nuove alternative. Structural Equation Modeling: un giornale multidisciplinare. 1999; 6: 1-55.
246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, Von Davier M. Perché i pacchi oggetto non sono (quasi) mai appropriati: due torti non fanno una precisa speculazione mimetica con i pacchi degli articoli nei modelli CFA. Metodi psicologici 2013; 18 (3): 257-84. PMID: 23834417.
247. 67. Little TD, Cunningham WA, Shahar G, Widaman KF. Pacchi o non pacchi: esplorando la questione, ponderando i meriti. Structural Equation Modeling: un giornale multidisciplinare. 2002; 9 (2): 151-73.
248. 68. Sommers J, Vodanovich SJ. Tendenza alla noia: la sua relazione con i sintomi psicologici e di salute fisica. Journal of clinical psychology. 2000; 56 (1): 149-55. Epub 2000 / 02 / 08. PMID: 10661377.
249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Le proprietà psicometriche della scala di predizione della noia: un esame della sua validità. Studi psicologici. 1997; 42 (2-3): 85-97.
250. 70. Derogatis LR. Breve inventario BSI Sintomo: manuale di amministrazione, calcolo del punteggio e procedure. 1993. Epub Third Edit.
251. 71. Dimitrov DM. Confronto di gruppi su variabili latenti: un approccio di modellazione di equazioni strutturali. Lavoro (lettura, messa). 2006; 26 (4): 429-36. Epub 2006 / 06 / 22. PMID: 16788262.
252. 72. Montag C, Markowetz A, Blaszkiewicz K, Andone I, Lachmann B, Sariyska R, et al. Utilizzo di Facebook su smartphone e volume di materia grigia del nucleo accumbens. Ricerca sul cervello comportamentale. 2017; 329: 221-8. PMID: 28442353.
253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. Correlazioni cerebrali di brama per giochi online sotto l'esposizione di cue in soggetti con dipendenza da Internet e in soggetti rimessi. Biologia delle dipendenze. 2013; 18: 559-69. PMID: 22026537
254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Le attivazioni cerebrali sia per l'impulso indotto dai cue che per il desiderio di fumare tra i soggetti sono comorbili con la dipendenza da gioco su Internet e la dipendenza dalla nicotina. Journal of Psychiatric Research. 2013; 47 (4): 486-93. PMID: 23245948
255. 75. Turel O, Bechara A. Effetti dell'impulsività motoria e della qualità del sonno su comportamenti scorretti, interpersonalmente devianti e svantaggiosi sui siti di social network online. Personalità e differenze individuali. 2017; 108: 91-7.
256. 76. Ben-Yehuda L, Greenberg L, Weinstein A. Dipendenza da Internet utilizzando le relazioni dello smartphone tra la dipendenza da Internet, la frequenza di utilizzo dello smartphone e lo sguardo mentale di studenti e studentesse. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
257. 77. Tavolacci MP, Ladner J, Grigioni S, Richard L, Villet H, Dechelotte P. Prevalenza e associazione dello stress percepito, uso di sostanze e dipendenze comportamentali: uno studio trasversale tra studenti universitari in Francia, 2009-2011. Salute pubblica BMC. 2013; 13: 724. PMID: 23919651.