PLoS One. 2016 Aug 17; 11 (8): e0159788. doi: 10.1371 / journal.pone.0159788.
Kim Y1, Jeong JE2, Cho H2, Jung DJ2, Kwak M2, Rho MJ3, Yu H1, Kim DJ2, Choi IY3.
Astratto
Lo scopo di questo studio era di identificare i predittori associati al fattore di personalità della predisposizione alla dipendenza da smartphone (SAP). I partecipanti erano uomini 2,573 e donne 2,281 (n = 4,854) di età 20-49 anni (Media ± SD: 33.47 ± 7.52); i partecipanti hanno compilato i seguenti questionari: la scala dell'adulto per la dipendenza da smartphone coreana (K-SAPS) per gli adulti, il questionario sul sistema di inibizione comportamentale / sistema di attivazione comportamentale (BIS / BAS), il Dickman Dysfunctional Impulsivity Instrument (DDII) e il breve autocontrollo Scala (BSCS). Inoltre, i partecipanti hanno riportato le loro informazioni demografiche e il modello di utilizzo dello smartphone (ore di utilizzo medie nei giorni feriali o nei fine settimana e uso principale). Abbiamo analizzato i dati in tre passaggi: (1) identificando i predittori con regressione logistica, (2) derivando relazioni causali tra SAP e i predittori utilizzando una rete di credenze bayesiane (BN) e (3) calcolando i punti di interruzione ottimali per l'identificato predittori che utilizzano l'indice di Youden.
I predittori identificati di SAP erano i seguenti: sesso (femmina), ore di utilizzo medio nel fine settimana e punteggi su BAS-Drive, BAS-Reward Responsiveness, DDII e BSCS. Il sesso femminile e i punteggi su BAS-Drive e BSCS hanno aumentato direttamente il SAP. BAS-Reward Responsiveness e DDII hanno indirettamente aumentato SAP. Abbiamo scoperto che SAP è stato definito con la massima sensibilità come segue: ore di utilizzo medio del fine settimana> 4.45, BAS-Drive> 10.0, reattività BAS-Reward> 13.8, DDII> 4.5 e BSCS> 37.4. Questo studio solleva la possibilità che i fattori di personalità contribuiscano a SAP. Inoltre, abbiamo calcolato i punti limite per i predittori chiave. Questi risultati possono aiutare i medici a effettuare lo screening per SAP utilizzando punti di cut-off e favorire la comprensione dei fattori di rischio SA.
PMID: 27533112
DOI: 10.1371 / journal.pone.0159788
;