Utilizzo problematico di Internet e funzione immunitaria (2015)

PLoS One. 2015 Aug 5; 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538.

Reed P1, Vile R1, Osborne LA2, Romano M3, Truzoli R3.

Astratto

L'uso problematico di internet è stato associato a una varietà di comorbidità psicologiche, ma il rapporto con la malattia fisica non ha ricevuto lo stesso grado di indagine. L'attuale studio ha esaminato i partecipanti 505 online e ha chiesto i loro livelli di utilizzo problematico di Internet (Internet Addiction Test), depressione e ansia (Ospedale Anxiety and Depression Scales), isolamento sociale (UCLA Loneliness Questionnaire), problemi di sonno (Pittsburgh Sleep Quality Index) e la loro salute attuale - Questionario generale sulla salute (GHQ-28) e il questionario sulle funzioni immunitarie. I risultati hanno dimostrato che circa il 30% del campione mostrava livelli lievi o peggiori di dipendenza da Internet, come misurato dallo IAT. Sebbene ci fossero differenze negli scopi per cui maschi e femmine usavano internet, non c'erano differenze in termini di livelli di utilizzo problematico tra i sessi. I problemi di internet erano fortemente legati a tutte le altre variabili psicologiche come depressione, ansia, isolamento sociale e problemi del sonno. La dipendenza da Internet era anche associata a una ridotta funzione immunitaria auto-riferita, ma non alla misura della salute generale (GHQ-28). Questa relazione tra l'uso problematico di internet e la ridotta funzione immunitaria è risultata indipendente dall'impatto delle comorbilità. Si suggerisce che la relazione negativa tra il livello di utilizzo problematico di internet e la funzione immunitaria possa essere mediata dai livelli di stress prodotti da tale uso di internet e dalla successiva attività nervosa simpatica, correlata a immunosoppressivi, come il cortisolo.

Citazione: Reed P, Vile R, Osborne LA, Romano M, Truzoli R (2015) Utilizzo Internet problematico e funzione immunitaria. PLoS ONE 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538

Editor: Antonio Verdejo-García, Università di Granada, SPAGNA

Ricevuto: Dicembre 3, 2014; Accettato: Luglio 10, 2015; Pubblicato il: 5 Agosto 2015

Copyright: © 2015 Reed 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: A causa dei requisiti etici posti al rilascio dei dati raccolti elettronicamente dal Comitato Etico del Dipartimento di Psicologia, non possiamo rendere disponibile il set di dati online, ma siamo molto felici di fornire questi dati a chiunque desideri vederli, contattando il Professor Phil Reed a [email protected].

finanziamento: Gli autori non hanno alcun sostegno o finanziamento da segnalare.

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

Introduzione

L'uso eccessivo o disadattivo di Internet (o l'uso problematico di internet) è stato suggerito da alcuni come un problema per alcuni gruppi di individui [1,2], e è stata suggerita la necessità di ulteriori studi riguardanti se un disturbo da dipendenza da Internet (IAD) sia un concetto utile [1,3]. Gli individui che segnalano problemi relativi al loro utilizzo di Internet notano una serie di sintomi associati, quali: gravi perturbazioni del loro lavoro e relazioni sociali [4,5,6] e influenze negative se separate da Internet [7]. Le stime della prevalenza dell'uso problematico di Internet nella popolazione generale variano tra 2% e 8% e vanno da 20% a campioni più giovani [3, 8-10], anche se queste cifre sono difficili da interpretare con precisione a causa delle diverse definizioni di "utilizzo problematico di Internet" o "dipendenza da Internet" che vengono impiegate.

Coloro che riferiscono un uso problematico di Internet segnalano anche un'ampia gamma di problemi psicologici e sociali associati [10-12]. Le comorbidità psicologiche rilevate in quegli individui che riportano un uso problematico di internet sono state riscontrate come: ansia [7,13,14], sindrome da deficit di attenzione e iperattività [15], disturbi dello spettro autistico [7,16], depressione [13-15, 17], disregolazione degli impulsi e ostilità [18-20] e schizofrenia [7,21]. Disturbo d'ansia sociale [18] e solitudine [22], sono anche molto comunemente associati a IAD. Inoltre, alti livelli di stress della vita [23] e isolamento sociale [22, 24-26] e una minore qualità della vita [24,27], sono citati da coloro che segnalano un uso problematico di Internet

Livelli problematici e tipi di utilizzo di Internet sono stati associati anche a cambiamenti neurologici [28,29]. Un numero crescente di ricerche suggerisce che l'uso problematico di internet, in comune con altre dipendenze comportamentali, è associato ad anomalie nel sistema dopaminergico [30,31] e con aumento dell'attività nervosa simpatica [32,33], che hanno anche dimostrato di essere in relazione tra loro [34].

In contrasto con la crescente letteratura riguardante i correlati psicologici e neurologici di IAD, ci sono stati pochi studi sull'impatto di un uso problematico di internet sulla salute fisica. È stata stabilita una relazione tra sonno disturbato e uso pesante di Internet [35,36], così come una relazione tra l'uso problematico di internet e una dieta povera [37] con conseguente problemi di peso, come l'obesità [38]. Alcune ricerche hanno trovato associazioni tra l'uso problematico di internet e la qualità della vita auto-riferita, un concetto correlato alla malattia, anche se va notato che ci sono pochissime dimostrazioni e ci sono discrepanze in questa letteratura [39,40]. Ad esempio, la qualità della vita correlata alla salute, misurata dall'SF-36, è stata trovata correlata con l'uso problematico di Internet, sebbene la qualità della vita non sia correlata con il tempo trascorso usando Internet [40]. Al contrario, quando la qualità della vita correlata alla salute è stata misurata dal questionario generale sulla salute (GHQ), è stato notato un piccolo rapporto con la IAD [9,39]. Le ragioni per i diversi modelli di risultati che utilizzano queste due misure della qualità della vita correlata alla salute non sono chiare, sebbene possano riflettere entrambe le differenze nella operazionalizzazione della nozione di uso problematico di Internet tra gli studi e il focus di SF-36 su qualità della vita sia fisica che psicologica correlata alla salute rispetto al focus principalmente psicologico del GHQ. Pertanto, la letteratura relativa alla qualità della vita correlata alla salute è attualmente difficile da interpretare.

La discussione di cui sopra implica che ulteriori ricerche in questo settore potenzialmente importante sono giustificate, dato il crescente uso di Internet [3], e la mancanza di prove chiare relative al suo impatto sul funzionamento della salute di per sé in contrasto con la qualità della vita correlata alla salute, così come i problemi che l'aumento dei livelli di malattia fisica associata può causare per i sistemi sanitari. Naturalmente, date le comorbidità mostrate da coloro che segnalano un uso problematico di Internet, qualsiasi relazione tra l'uso problematico di Internet e la malattia fisica può essere il prodotto di una qualsiasi di una serie di problemi. La trascuratezza del sé da parte di coloro che segnalano un uso problematico di internet in termini di una cattiva alimentazione e di cattivi schemi di sonno, può essere coinvolto in un aumento dei livelli di malattia fisica [37,40]. Certo, è stato dimostrato che il sonno povero predice alcuni aspetti della funzione immunitaria [41-43]. Inoltre, anche i problemi psicologici co-morbosi possono avere un ruolo. È stato notato che i problemi di salute mentale sono correlati al numero di raffreddori segnalati durante un anno [44]. Nello specifico, entrambe le depressioni [45-47] e problemi di ansia e stress [48], in particolare l'ansia sociale e la solitudine [49-51], prevedere la disfunzione immunitaria. Infine, l'attivazione del sistema simpatico, che si nota in quelli con un uso problematico di internet, è correlata con l'aumento dei livelli di adrenalina e di cortisolo e porta a una diminuzione della funzione immunitaria, specialmente in quelli con alti livelli di stress segnalato [52]. Qualsiasi indagine sulla relazione tra l'uso problematico di internet e la malattia fisica richiederà una valutazione dei contributi relativi di questi aspetti correlati del funzionamento.

Ovviamente, la salute fisica è un concetto molto ampio, ma la revisione sopra riportata suggerisce che l'uso problematico di Internet potrebbe avere un impatto specifico sulla funzione immunitaria, che non ha ricevuto studi diretti [53]. Se questo è il caso, allora malattie come il raffreddore comune [54], influenza [55], herpes labiale [56], polmonite [57], sepsi [58] e infezioni della pelle [59], potrebbe essere la chiave su cui concentrarsi quando si valuta l'impatto di un uso problematico di internet sui sintomi fisici. Come osservato in precedenza, le precedenti esplorazioni della relazione tra l'uso problematico di Internet e la malattia fisica hanno avuto la tendenza a concentrarsi sulle relazioni sulla qualità della vita correlate alla salute ottenute utilizzando strumenti come SF-36 e il GHQ. Sebbene queste misure siano affidabili, non si concentrano necessariamente su una serie specifica di malattie e non sono correlate alle malattie che gli individui con sistemi immunitari soppressi potrebbero essere inclini a manifestare. Nel determinare il grado in cui la funzione immunitaria può essere compromessa, il lavoro precedente ha esaminato le autovalutazioni dei sintomi tipicamente correlate a una scarsa funzione immunitaria [31,44]. L'autovalutazione è considerata un metodo forte in questo contesto, in quanto tali sintomi sono facili da discriminare, spesso non vengono segnalati agli operatori sanitari e quindi non si presentano nelle cartelle cliniche e sono spesso vissuti senza alcuna causa virale oggettivamente verificabile [54].

Alla luce di queste considerazioni precedenti, l'attuale studio ha esplorato la relazione tra l'uso problematico di internet e due indicatori principali di salute (funzione immunitaria e stato di salute dichiarato), oltre a una serie di variabili relative alla salute (depressione, ansia, solitudine e problemi di sonno). Di particolare interesse è stata la relazione tra l'uso problematico di Internet e la salute fisica immuno-correlata, che non è stata precedentemente valutata in modo specifico. A questo proposito, uno scopo iniziale dello studio era di indagare se livelli più elevati di uso problematico di Internet sarebbero associati a una maggiore segnalazione di malattie immuno-correlate (oltre al potenziale impatto dei problemi di internet sulle altre variabili correlate alla salute misurate ). Inoltre, ci sono stati alcuni obiettivi secondari che non sono stati precedentemente esaminati nello studio, tra cui l'esplorazione della natura della relazione tra l'uso problematico di Internet e lo stato di salute dichiarato. Questo è stato esaminato al fine di determinare se questa variabile mostrava lo stesso rapporto con l'uso problematico di Internet come segnalazioni di sintomi immuno-correlati. Una serie di altri problemi potenzialmente associati per coloro che mostrano un uso problematico di Internet, che sono stati trovati anche per predire la cattiva funzione immunitaria, come ansia, depressione, solitudine e problemi del sonno, sono stati misurati nel tentativo di determinare la relazione tra l'uso problematico di internet e sintomi di salute fisica indipendenti da questi problemi di co-morbidità. Ciò dovrebbe consentire un primo passo nello stabilire la natura di qualsiasi relazione tra l'uso problematico di Internet e la riduzione della funzione immunitaria, nel caso in cui dovesse esistere un'associazione.

metodo

Dichiarazione etica

Approvazione etica per questa ricerca è stata ottenuta dal Dipartimento di Etica Comitato di Psicologia, Swansea University. I partecipanti hanno fornito il consenso informato a partecipare a questo studio firmando un modulo di consenso dopo aver letto il foglio informativo a loro disposizione, e il comitato etico ha approvato questa procedura di consenso.

Partecipanti

Cinquecentocinque partecipanti (265 femmine e 240 maschi) sono stati reclutati tramite link pubblicati su siti internet (siti di social network, blog e siti di microblogging e siti di gioco). Una strategia di reclutamento online è stata adottata in linea con le precedenti esplorazioni dell'impatto del problema dell'uso di Internet [60,61].

Tutti i partecipanti erano volontari e nessuno ha ricevuto alcuna forma di compenso per la propria partecipazione. I partecipanti avevano un'età media di 29.73 (+ 13.65, range 18–101) anni: <20 anni = 7.5%; 21-29 anni = 61.8%; 30-39 anni = 15.5%; 40-49 anni = 4.6%; 50-59 anni = 4.2%; 60+ anni = 5.9%. L'etnia dichiarata dai partecipanti era: 202 (40%) bianco; 50 (10%) gruppi etnici misti / multipli; 141 (28%) asiatici; 106 (21%) neri / africani / caraibici; e 6 (1%) Altro gruppo etnico. Lo stato civile del campione era: 305 (60%) celibe, 65 (13%) sposato o in unione civile; 105 (21%) in altre forme di relazione; e 30 (6%) divorziati o vedovi.

Tipico utilizzo di Internet da parte del partecipante

Ai partecipanti è stato chiesto di stimare il loro uso medio di internet chiedendo loro di stimare il numero di ore settimanali che avevano speso su internet negli ultimi mesi; questa misura è comunemente utilizzata negli studi sull'uso problematico di Internet [40,61]. Sebbene sia stato suggerito che sia un uso "non professionale" che si correla con diversi problemi associati all'uso pesante di Internet [40], si pensava che la distinzione professionale / non professionale potesse non applicarsi a tutti gli intervistati e che tali usi potrebbero essere anche difficili da discriminare per alcuni rispondenti. Inoltre, l'uso totale di Internet, di per sé, è stato anche trovato associato a problemi legati a Internet [40].

Il numero medio di ore per settimana di utilizzo di Internet segnalato era 39.57 (+ 28.06, intervallo = 1 a 135): 28.3% ha segnalato la spesa online tra 1 e 20 alla settimana online; 29.5% ha dichiarato di passare 21 a 40 ore a settimana online; 22.4% ha dichiarato di passare 41 a 60 ore a settimana online e 19.8% ha dichiarato di spendere oltre 61 ore a settimana su Internet. Il numero medio di ore settimanali speso online dalle femmine era 34.77 (± 26.84, intervallo = 1-135) e, per i maschi, questo era 44.88 (± 28.46, intervallo = 6-130). Un test di gruppo indipendente ha rivelato che questa differenza era statisticamente significativa, con un effetto moderatamente dimensionato, t(503) = 4.11, p <0.001, d = 0.366. C'era una relazione lineare significativa, ma debole, positiva tra l'età e il tempo trascorso online, F(1,503) = 6.74, p <0.05, R2 = 0.013, ma una relazione quadratica invertita-U più forte tra queste variabili, F(1,502) = 11.10, p <0.001, R2 = 0.042). Tuttavia, quando il campione era diviso in quelli che erano attualmente single (N = 331) e quelli in una qualche forma di relazione (N = 174), non c'era alcuna differenza statisticamente significativa nel tempo trascorso online t (503) = 1.48, p > .10, d = 0.146. Allo stesso modo, non ci sono state differenze statisticamente significative tra il tempo trascorso online tra i diversi gruppi etnici, F <1.

Ai partecipanti è stato anche chiesto quali tipi di utilizzo facevano di Internet e gli è stato chiesto di indicare se avevano visitato determinati tipi di siti internet durante gli ultimi mesi. Le risposte a questa domanda sono mostrate in Tabella 1, che mostra la percentuale dell'intero campione che ha visitato i siti web delle varie forme, insieme a percentuali di maschi e femmine e più giovani (meno di 29 anni) e più anziani (30 anni e oltre), i partecipanti visitano i siti. Inoltre, Tabella 1 visualizza i coefficienti Phi per questi dati (calcolati sul numero effettivo di partecipanti, piuttosto che sulle percentuali visualizzate in Tabella 1). I coefficienti Phi forniscono un indice del grado di associazione tra le variabili (e sono statisticamente significativi quando la statistica del chi quadrato corrispondente è significativa).

miniature
Tabella 1. Percentuale di siti web visitando campioni di varie forme, insieme a percentuali maschili e femminili, e più giovani e più anziani, i partecipanti visitano siti insieme a coefficienti Phi.

doi: 10.1371 / journal.pone.0134538.t001

Questi dati rivelano che i siti di social networking (ad esempio, Facebook, Twitter) e di shopping / banking sono i tipi di siti Internet più comunemente utilizzati. Il gioco d'azzardo (compresi i siti della lotteria), i giochi e i siti con contenuti di sesso / appuntamenti, sono stati usati moderatamente spesso, con piccoli numeri impegnati nei blog tradizionali (escluso Twitter) o nelle chat room. Ci sono state alcune differenze di genere nell'uso di Internet, con le donne che usano social media e siti di shopping più degli uomini, e maschi che usano giochi, siti di incontri sessuali e chat room più delle femmine. Più persone con 30 hanno usato siti di social networking e siti di ricerca, più spesso di quelli su 30. Tuttavia, quelli che hanno superato 30 hanno utilizzato siti di acquisti / bancari, nonché siti di notizie, blog tradizionali e chat room, più spesso di quelli con 30 anni.

Materiali

Internet Addiction Test (IAT)

Lo IAT [62] è una scala 20 che copre il grado in cui l'uso di Internet sconvolge la vita di tutti i giorni (ad es. lavoro, sonno, relazioni, ecc.). Ogni elemento viene valutato su una scala 1-4 e il punteggio complessivo varia da 20 a 100. La struttura fattoriale dello IAT è attualmente oggetto di dibattito [61,63], ma un punteggio limite di 40 o superiore per il punteggio totale dello IAT è considerato un livello di utilizzo problematico di Internet [7,62,64] L'affidabilità interna della bilancia è stata trovata tra .90 [64] e .93 [62].

Scala dell'ansia e della depressione dell'ospedale (HADS)

The HADS [65] è una misura ampiamente utilizzata di ansia e depressione. Originariamente progettato per essere utilizzato da pazienti ambulatoriali di medicina generale, è stato utilizzato per campioni non medici [66,67]. Contiene oggetti 14 (7 per l'ansia e 7 per la depressione) che si riferiscono all'ultima settimana. Ci sono domande 7 ciascuna per ansia e depressione, ogni domanda è valutata da 0 a 3 a seconda della gravità del sintomo; il punteggio massimo è 21 per ciascuna delle scale. Gli intervistati possono essere classificati in quattro categorie: 0-7 normale; 8-10 mild; 11-14 moderato; e 15-21 grave. L'affidabilità e la validità dei test-test sono entrambi forti [65], e l'affidabilità interna è .82 per la scala dell'ansia, e .77 per la scala della depressione, per una popolazione non clinica [67].

UCLA Scala di solitudine

The UCLA Loneliness Scale [68] consiste in istruzioni 20 progettate per valutare la solitudine. I partecipanti rispondono a ciascuna domanda usando una scala 4 ("Mi sento spesso in questo modo", "A volte mi sento così", "Raramente mi sento così", e "Non mi sento mai così"), e ogni oggetto è segnato da 0 a 3, dando al punteggio totale un intervallo da 0 a 60. Un punteggio più alto indica una maggiore gravità della solitudine. Un punto limite per i problemi di solitudine è solitamente dato a una deviazione standard sopra la media per il campione. La bilancia ha un'elevata affidabilità, con una coerenza interna di .92 e un'affidabilità test-retest di .73 [69].

Indice di qualità del sonno a Pittsburgh (PSQI)

Questo PSQI [70] consiste in domande principali di 10, alcune con sottosezioni, in cui al partecipante è richiesto di inserire dati sulle loro abitudini di sonno. Il questionario fornisce un punteggio compreso tra 0 e 21, dove un punteggio elevato riflette un sonno peggiore e un punteggio maggiore di 5 riflette un povero dormiente [70]. È stato riscontrato che il PSQI ha un'elevata "affidabilità test-retest" e una buona validità quando viene utilizzato per il test [70].

Questionario sulla salute generale (GHQ-28)

GHQ-28 [71] misura una serie di problemi psichiatrici e di salute ed è suddivisa in sottogruppi 4: sintomi somatici, ansia e insonnia, disfunzione sociale e depressione grave. Ogni sotto scala contiene oggetti 7, tutti richiedono una risposta su una scala di tipo Likert a punto 4: Affatto, Non più del solito, Piuttosto più del solito, Molto più del solito, segnando 0 su 3, rispettivamente. L'affidabilità interna delle scale è superiore a .90. Per il presente studio, è stata analizzata solo la scala dei sintomi somatici, che ha chiesto ai partecipanti di valutare il grado in cui si sono sentiti: in buona salute generale, bisognosi di un tonico, di mal di testa, mal di testa, senso di oppressione o pressione in testa e incantesimi caldi o freddi.

Questionario sulle funzioni immunitarie (IFQ)

Gli IFQconsists di articoli 15 che valutano la frequenza di vari sintomi associati a una scarsa funzione immunitaria. In base alla loro frequenza nella popolazione generale e alla relazione diretta con le immunodeficienze, sono state selezionate le seguenti condizioni come base per gli elementi del questionario: raffreddore [54], influenza [55], herpes labiale [56], polmonite [57], sepsi [58] e infezioni della pelle [59]. In seguito all'analisi dei principali sintomi di queste condizioni, i questionari 19 sono stati inclusi nel questionario come segni di funzionamento indebolito del sistema immunitario: mal di gola, mal di testa, influenza, naso che cola, tosse, herpes labiale, bolle, febbre leggera, verruche / verruche , polmonite, bronchite, sinusite, febbre alta improvvisa, infezione all'orecchio, diarrea, meningite, infezione agli occhi, sepsi e lunghe ferite di guarigione. Sono stati valutati su una scala di tipo Likert 5 point (Mai, Una o due volte, Occasionalmente, Regolarmente, Frequentemente, con punteggi da 0 a 4 rispettivamente). Il punteggio totale varia da 0 a 79, con un punteggio alto che riflette una funzione immunitaria peggiore. L'IFQ è stato precedentemente utilizzato per studiare l'impatto di eventi di vita stressanti sulla salute auto-riferita, come la valutazione dell'impatto di avere un bambino con ASD. Nel lavoro precedente [72], il punteggio IFQ è stato trovato correlato positivamente (r =. 578, p <.001) con il numero di visite a un medico di medicina generale, esiste una correlazione positiva significativa tra IFQ e un punteggio GHQ totale (r =. 410, p <.01), nonché una correlazione significativa tra IFQ e sotto-scala dei sintomi somatici del GHQ (r =. 493, p <.01).

Procedura

Tutti i partecipanti hanno risposto ai link pubblicati su siti Internet mirati a raggiungere un'ampia varietà di individui, compresi siti di social network (ad esempio, Facebook, Twitter), pagine di blog / forum (ad esempio, Mashable), siti di giochi (ad esempio, Eurogamer.com), e siti Web di assistenza per la dipendenza da Internet. Questi link hanno dato ai partecipanti una breve introduzione allo studio, in cui si diceva che la ricerca riguardava il rapporto tra l'uso di internet e vari problemi di personalità e salute. Se erano interessati a partecipare, sono stati istruiti a seguire un link online al questionario. Questo link ha portato i partecipanti a una pagina web contenente ulteriori informazioni sullo studio: ancora una volta delineando che lo scopo dello studio era legato all'uso di internet e vari problemi di personalità e salute, e che ha anche delineato i tipi di questionari a cui avrebbero risposto. La pagina delle informazioni forniva inoltre dettagli sul loro diritto di recedere dallo studio in qualsiasi momento e le misure prese per garantire la loro privacy. Le informazioni sono state seguite da una dichiarazione di consenso, in cui si chiedeva ai partecipanti di fare clic per iniziare il questionario se erano disposti a fornire il consenso e se avevano più di 18. I partecipanti sono stati quindi presentati con i questionari.

Non c'era un limite di tempo per le risposte da dare, e ai partecipanti è stata data l'opzione di salvare il proprio sondaggio e tornare ad esso in un secondo momento, se necessario. Una volta completati tutti i questionari, che hanno portato i partecipanti a circa 30 min, i partecipanti sono stati indirizzati a una pagina di debriefing, che li ha ringraziati per il loro contributo, ha approfondito gli obiettivi e lo scopo dello studio e fornito i dettagli di contatto per ricercatore e un servizio di consulenza, se sentivano di aver bisogno di sostegno, in seguito a questioni sollevate nell'ambito dell'indagine. Il collegamento dello studio rimase aperto per tre mesi (nel periodo primaverile), e fu quindi chiuso.

Analisi dei dati

Inizialmente, le potenziali differenze nei punteggi di dipendenza da Internet tra i partecipanti con caratteristiche diverse (ad esempio, sesso, età, ecc.) Sono state analizzate utilizzando i t-test. I partecipanti sono stati quindi suddivisi in gruppi problematici di Internet di livello inferiore e superiore utilizzando una divisione al punto limite per problemi lievi o peggiori di Internet basati sullo IAT (es. 40) e l'associazione tra punteggi problematici di utilizzo di Internet e genere, depressione , ecc., è stato esplorato usando test chi-quadrato. La relazione tra il punteggio della funzione immunitaria e ciascuna delle variabili predittive è stata esplorata utilizzando correlazioni semi-parziali (per escludere parzialmente l'impatto degli altri predittori) e una regressione graduale è stata anche utilizzata per identificare l'impatto dei punteggi dei problemi di Internet sulla funzione immunitaria oltre l'impatto delle altre variabili predittive. Le stesse analisi sono state condotte anche per il punteggio di salute self-report (GHQ). Infine, i gruppi sono stati suddivisi in alta e bassa funzione immunitaria e alto e basso stato di salute (GHQ) autodenunciato, e questi gruppi sono stati confrontati in termini di punteggi di dipendenza da internet mediante analisi della covarianza, utilizzando gli altri predittori come covariate. Laddove sono stati effettuati confronti multipli, sono stati adottati criteri di rigetto più severi per i test di significatività e le dimensioni dell'effetto sono state calcolate per tutto il periodo.

Risultati

Il punteggio medio per i problemi di Internet (IAT) per il campione era 37.25 (± 16.18, intervallo = 0-96). Il punteggio IAT medio per le femmine era 36.26 (± 15.36, range = 0-69), e questo punteggio per i maschi era 38.35 (± 17.00, range = 9-96). Un t-test di gruppi indipendenti non ha rivelato differenze statisticamente significative tra questi punteggi, t <1, d = 0.006. Le correlazioni di Pearson hanno rivelato una relazione statisticamente significativa e di dimensioni contenute tra il tempo trascorso online e il punteggio IAT, r(503) = .485, p <.001, R2 = .235, ma non vi era alcuna relazione significativa tra l'età dei partecipanti e il loro punteggio IAT, r(503) = -.025, p > .50, R2 = .0006.

Le proporzioni del campione che cadono sopra il punto limite per un utilizzo problematico moderato o peggiore di Internet (cioè, un punteggio IAT di 40 o superiore [62]) sono mostrati in Fig 1 per l'intero campione, insieme a questi dati per donne e uomini, separatamente. Del campione, i partecipanti 192 (103 female, 89 male) sono caduti al di sopra del cut-off per problemi di internet. Non c'era alcuna differenza statisticamente significativa tra la probabilità di un punteggio di utilizzo di Internet problematico tra i sessi, chi quadrato =. 17, p > .60, Phi = .018. Le correlazioni punto-biseria non hanno rivelato alcuna relazione tra età e caduta al di sopra del punto limite, rpb(503) = -.002, p > .30, Rpb2 = .102, sebbene esistesse una relazione statisticamente significativa e di dimensioni contenute tra le ore trascorse online e al di sopra del punto limite per i problemi di dipendenza da Internet, r(503) = .320, p <.001, Rpb2 = .102.

miniature
Fig 1. Percentuale di partecipanti sopra e sotto il punto limite per un utilizzo problematico moderato o peggiore di Internet (cioè un punteggio IAT di 40 o superiore), insieme a questi dati per donne e uomini, separatamente.

doi: 10.1371 / journal.pone.0134538.g001

Il pannello superiore di Tabella 2 mostra le medie campionarie e le deviazioni standard per i problemi di internet (IAT), le ore trascorse online, la depressione (HADS), l'ansia (HADS), la solitudine (UCLA) ei problemi del sonno (PSQI). Questi mezzi sono sostanzialmente in linea con quelli osservati in precedenti indagini su tali campioni [7]. Mostra anche la percentuale di individui che cadono sopra il punto limite per quelle scale, che, a parte i problemi di sonno, erano come previsto per un campione del genere. Tabella 2 mostra anche la percentuale del campione con IAD che cade al di sopra del cut-off per quelle altre scale psicologiche. Le percentuali di quelli con IAD che mostrano anche una comorbilità sono superiori a quelle del campione nel suo insieme. Per indagare ulteriormente su queste relazioni, una serie di test chi-quadrato 2 × 2 (co-morbilità presente o assente rispetto a problemi di Internet presenti o assenti) è stata condotta per ciascuna variabile e ha rivelato che tutte le co-morbidità erano significativamente associate alla presenza di un problema di Internet: depressionechi-quadrato(1) = 30.56, p <.001, Phi = .246; ansia-chi-square(1) = 38.98, p <.001, Phi = .278; la solitudine-chi-square(1) = 15.31, p <.001, Phi = .174; e dormi-chi-square(1) = 9.38, p <.01, Phi = .136. Le correlazioni di Pearson tra tutte le variabili, e con entrambi i problemi di salute somatica (GHQ) e i sintomi immunitari sono anche mostrati in Tabella 2e queste analisi hanno rivelato relazioni statisticamente significative tra tutte le variabili.

miniature
Tabella 2. Mezzi (deviazioni standard) per problemi Internet (IAT), ore trascorse online, depressione (HADS), ansia (HADS), solitudine (UCLA) e problemi del sonno (PSQI), insieme alla percentuale di individui che cadono sopra il punto limite per quelle scale e la percentuale di persone con IAD che cadono sopra il limite per quelle scale.

 

Vengono anche mostrate le correlazioni di Pearson tra tutte le variabili e con problemi di salute somatici (GHQ) e sintomi.

doi: 10.1371 / journal.pone.0134538.t002

Il punteggio medio del campione per i sintomi somatici (GHQ-S) era 7.28 (± 3.87; range = 0-19), e la media per il questionario sui sintomi immunitario era 15.20 (± 9.43; range = 0-37). Queste scale avevano una correlazione di r = 0.345, p <.001, R2 = .119, l'uno con l'altro. Il punteggio di GHQ (S) era fortemente correlato a depressione, ansia e problemi del sonno e, in misura minore, con le altre variabili. La scala dei sintomi immuno-correlati era fortemente correlata all'ansia, al sonno e ai problemi di internet, e in misura minore con le altre variabili.

Dato che entrambe le variabili di malattia (GHQ-S e IFQ) erano correlate con tutte le altre variabili e che l'IAT era correlato a tutte le altre variabili, al fine di esplorare se i problemi di Internet (ovvero il punteggio IAT) hanno contribuito a questi punteggi di malattia, sono state condotte due regressioni multiple stepwise separate, una per predire il punteggio GHQ-S e una per predire il punteggio IFQ. In entrambi i casi, depressione, ansia, solitudine, sonno e ore trascorse online, sono stati inseriti nel modello di regressione nel primo passo. Tutte queste variabili più il punteggio del problema Internet (IAT) sono state quindi inserite nel modello nel secondo passaggio e il grado in cui è stata migliorata l'entità della varianza è stato calcolato con l'aggiunta del punteggio IAT.

I pannelli inferiori di Tabella 2 mostra i risultati per queste analisi. L'ispezione dei dati dal pannello in basso a destra per il punteggio GHQ-S mostra che entrambe le fasi della regressione erano statisticamente significative, con la riduzione dell'errore prodotto dall'aggiunta dello IAT sul gradino 2 producendo anche un miglioramento statisticamente significativo nella previsione del punteggio GHQ-S. Va notato che il miglioramento della previsione del GHQ-S prodotto dall'aggiunta dello IAT non era molto ampio. Lo stesso modello di dati è stato anche trovato dall'analisi condotta per predire il punteggio dei sintomi immuno-correlati (IFQ). Tuttavia, l'aggiunta dello IAT nel passaggio 2 ha prodotto un miglioramento molto più grande nell'accuratezza predittiva per i punteggi relativi al sistema immunitario (IFQ), rispetto a quanto riscontrato per i punteggi dei sintomi somatici (GHQ-S).

Per esplorare ulteriormente la natura delle relazioni tra le variabili, le correlazioni semi-parziali tra i singoli predittori (cioè depressione, ansia, sonno, solitudine, ore online e problemi di internet) e i due punteggi dei sintomi (GHQ-S e IFQ) sono stati calcolati separatamente. Le correlazioni semi-parziali sono state condotte tra ciascuna variabile predittore e le due variabili correlate alla malattia utilizzando tutte le altre variabili predittive come co-variate. Ciò consente di osservare la relazione unica tra due variabili in assenza di effetti di mediazione di altre variabili, e questi valori possono essere visti in Fig 2 per le due variabili correlate alla malattia. Questi dati mostrano un modello simile di relazione tra predittori e sintomi sia per il GHQ-S che per l'IFQ; in quanto, depressione, ansia e problemi del sonno, tutti avevano relazioni statisticamente significative con entrambi i risultati quando l'impatto delle altre variabili era controllato. Tuttavia, mentre i problemi di internet (IAT) predissero in modo significativo i sintomi del sistema immunitario (IFQ), questo non era statisticamente correlato al punteggio di GHQ (S).

miniature
Fig 2. Correlazioni semi-parziali tra depressione (HADS), ansia (HADS), sonno (PSQI), solitudine (UCLA), ore online e problemi Internet (IAT), e i due punteggi sintomatologici (GHQ (S) e IFQ).

doi: 10.1371 / journal.pone.0134538.g002

Per esplorare ulteriormente la relazione tra problemi relativi a Internet (punteggi IAT) e problemi di salute sia generali-somatici (GHQ-S) che immuno-correlati (IFQ), il campione è stato suddiviso in quelli con punteggio inferiore e superiore al limite di 40 per problemi relativi a Internet moderati o peggiori sullo IAT [62]. Questo ha creato due gruppi: un gruppo senza problemi di internet (N = 313; significa IAT = 26.89 + 7.89; range = 0-39), e un gruppo con problemi di internet (N = 313; significa IAT = 54.14 ± 11.23; range = 40-96). Fig 3 mostra il punteggio medio della salute generale-somatica (GHQ-S) (pannello di sinistra) e il punteggio medio della salute immune-correlata (IFQ). L'ispezione dei dati per il GHQ-S rivela poca differenza tra i gruppi IAT basso e alto in termini di punteggi GHQ-S. Questi dati sono stati analizzati utilizzando un'analisi della covarianza, con gruppo Internet come fattore tra soggetti e depressione, ansia, problemi del sonno, solitudine e ore online come covariate. Questa analisi non ha rilevato differenze statisticamente significative tra i gruppi di problemi di Internet in termini di punteggi GHQ-S, F <1, Eta parziale2 = .001. Al contrario, il pannello di destra di Fig 3 mostra che l'elevato gruppo di problemi di Internet ha avuto più problemi di salute legati al sistema immunitario rispetto al gruppo di problemi senza internet, F(1,498) = 27.79, p <.001, Eta parziale2 = .046.

miniature
Fig 3. Punteggio medio di salute generale-somatica (GHQ (S)) (pannello di sinistra) e punteggio medio di salute immune (IFQ) per i due gruppi IAT (problemi sempre più bassi).

 

Pannello di sinistra = punteggi somatici relativi GHQ (S); pannello di destra = punteggi relativi al sistema immunitario (IFQ).

doi: 10.1371 / journal.pone.0134538.g003

Discussione

L'attuale studio ha esplorato la relazione tra i punteggi dei test di dipendenza da Internet e i punteggi sanitari, concentrandosi sull'autovalutazione della funzione del sistema immunitario e sullo stato generale di salute. Si riteneva che questa fosse un'area importante da indagare poiché non erano stati presentati dati precedenti sull'impatto di un uso problematico di Internet sul funzionamento immunitario; inoltre, precedenti relazioni riguardanti il ​​rapporto tra l'uso problematico di internet e la qualità della vita correlata alla salute erano state discrepanti l'una con l'altra [9,39,40]. Si pensava che queste ultime discrepanze potessero essere correlate alla natura delle misure utilizzate per valutare lo stato di salute, con più scale di rapporto sanitario orientate psicologicamente, come il GHQ, essendo meno legate al problema di utilizzo di Internet rispetto alle misure più direttamente correlate funzionamento immunitario.

Sebbene sia stata adottata una strategia di reclutamento online, l'attuale campione aveva caratteristiche simili a molti altri che sono stati precedentemente impiegati nello studio dell'uso di Internet. Il campione era giovane (sotto 30 anni), ma aveva una vasta fascia di età. La durata media del tempo trascorso su Internet era di circa 5-6 ore al giorno, che è in linea con diverse stime attuali [40,61]. Va notato che questo valore non distingue tra uso professionale e personale, ed è stato suggerito che questo è un aspetto importante in termini di problemi di Internet [40]. Tuttavia, non è chiaro se una tale distinzione sia affatto facile da fare per i partecipanti. I tipi di attività svolte su Internet dagli attuali partecipanti erano simili a quelli riportati in studi precedenti [61]. Ci sono state differenze di genere nell'uso di Internet. Le femmine tendevano ad usare i social media e i siti di shopping più degli uomini, ma i maschi tendevano ad usare giochi, siti di incontri sessuali e chat room, più delle femmine. Naturalmente, questo si basa su dati di auto-report, e le differenze, sebbene statisticamente affidabili, erano piccole per alcuni di questi confronti. I livelli di utilizzo problematico di Internet nel campione corrente, intorno al 30% del campione visualizzato sintomi lievi o peggiori di dipendenza da Internet, sono sostanzialmente in linea con le indagini precedenti [7].

Un risultato chiave dello studio corrente è stato che l'uso problematico di Internet segnalato da sé era correlato a una peggiore funzione immunitaria auto-riferita, come indicizzata dal numero di sintomi immuno-correlati. Questo è confermato dai risultati di uno studio che ha esaminato la qualità della vita auto-riferita riferita alla salute misurata dal SF-36 e dall'uso problematico di Internet [40]. Tuttavia, sebbene la funzione immunitaria e la salute auto-riferita fossero correlate l'una con l'altra, l'uso problematico di internet non prevedeva sintomi di salute auto-riportati, come misurato dalla scala somatica del GHQ. Quest'ultima scoperta è in linea con diversi studi precedenti che non sono riusciti a trovare una relazione tra i punteggi IAT e i punteggi GHQ [9,39]. L'attuale riscontro positivo, in termini di rapporto tra punteggi IAT e funzionalità immunitaria compromessa, può riflettere che misurare i sintomi immuno-correlati più direttamente, come è stato fatto nel presente studio, valuta questo aspetto della salute meglio del GHQ più orientato psicologicamente scala.

Nonostante le difficoltà nella misurazione della funzione immunitaria che sono state discusse in precedenza (vedi anche sotto), la rilevanza clinica dei risultati potrebbe essere inserita nel contesto dati i limiti metodologici dello studio. Lo studio è correlazionale, il che significa che la causalità non dovrebbe essere automaticamente dedotta da tale associazione. È possibile che quelli con livelli più elevati di malattia tendono a utilizzare Internet più spesso di quelli che sono più in forma. Tuttavia, data l'ubiquità dell'uso di Internet e l'associazione tra i giovani e l'utilizzo di Internet, ciò sembra improbabile, sebbene rimanga una possibilità che richiederà una ricerca longitudinale per valutare. In alternativa, potrebbe essere che qualche terzo fattore predice sia l'utilizzo di Internet che la cattiva salute. Tuttavia, si dovrebbe anche notare che la relazione tra l'uso problematico di internet e il funzionamento immunitario auto-segnalato è stato trovato in grado di contenere oltre l'impatto di una serie di altre aree di funzionamento (depressione, ansia, solitudine) associate a Internet problematico uso [10-12] e che sono, di per sé, associati a una ridotta funzione immunitaria [45,46,48,49]. Ciò rende poco chiaro quale potrebbe essere il terzo fattore di mediazione.

Se l'uso problematico di internet prevedesse una peggiore funzione immunitaria, la domanda chiara per i medici riguarderebbe i meccanismi. Una possibilità è che gli alti livelli di uso problematico di internet siano stati notati per aumentare l'attivazione del sistema nervoso simpatico [32,33]. Una tale attività simpatica elevata porta ad aumenti nei livelli di nor-epinefrone e / o cortisone (cortisolo), che, alla fine, portano a una diminuzione della funzione immunitaria [52]. Pertanto, questa rotta potrebbe benissimo essere alla base della relazione tra l'uso problematico di Internet e la ridotta funzione immunitaria, ma richiederà ulteriori indagini. Quest'ultima proposta ha una certa rilevanza per la concettualizzazione e l'esplorazione future delle caratteristiche cliniche dell'uso problematico di internet.

La relazione tra i punteggi IAT e la funzione immunitaria riflette il fatto che l'uso generale di internet per alcune persone è considerato, da soli, come un problema, tuttavia, ciò che stanno usando Internet sarà diverso tra questi individui. Ad esempio, l'attuale studio ha rilevato differenze di genere negli usi che le persone hanno per Internet, e può essere che usi particolari siano correlati alla riduzione della funzione immunitaria in modo diverso tra i sessi. Ulteriori approfondimenti sul tipo di utilizzo di internet, come l'esatta natura dell'uso e il tempo trascorso online per uso professionale e personale, possono gettare luce sulla relazione tra l'uso di internet e la riduzione della funzione immunitaria.

Come sempre, ci sono alcune limitazioni allo studio corrente che devono essere notate. L'attuale campione è stato reclutato online e questo potrebbe aver influenzato il tipo di individuo che ha partecipato allo studio. Tuttavia, va detto che la gamma di individui nel campione era piuttosto ampia in termini di età e le loro altre caratteristiche, e il campione sembrava essere in linea con quelli utilizzati negli studi precedenti. Va notato che lo studio attuale non ha distinto tra uso professionale e personale di Internet, che può essere importante esaminare. Ad esempio, il livello di compulsione e di urgenza di utilizzare Internet potrebbe avere un impatto sui livelli di stress in misura maggiore rispetto alle ore che devono essere spesi su Internet per il lavoro. Cioè, potrebbe essere fatta una distinzione tra coloro che lavorano duramente e sono stressati per questo motivo, e le persone che hanno un problema con internet e sono stressati e malati a causa di questo problema.

In termini di potenziali predittori alternativi della ridotta funzione immunitaria riscontrata negli utenti con problemi elevati, il lavoro futuro potrebbe prendere in considerazione il ruolo di dipendenze multiple che potrebbero aver influito sul gruppo di utenti Internet problematici. Le informazioni riguardanti la dipendenza farmacologica e non farmacologica non sono state raccolte nella presente relazione, e ciò potrebbe comportare problemi con Internet e influire sulla funzione immunitaria. Allo stesso modo, i recenti eventi stressanti della vita potrebbero aver influito sul comportamento di dipendenza e sulla funzione del sistema immunitario, così come le condizioni sociali dei partecipanti. Entrambi questi aspetti potrebbero essere esaminati da ulteriori ricerche.

Il ricorso all'autovalutazione per la funzione immunitaria può essere successivamente rafforzato dall'uso dell'analisi delle cellule del sangue, che aggiungerebbe il supporto alle attuali conclusioni. Tuttavia, come notato sopra, non esiste una relazione perfetta tra la fisiologia della funzione immunitaria e l'esperienza dei sintomi [54], e l'auto-segnalazione di raffreddori e influenze è considerata una valida misura della funzione immunitaria in questo senso [31,44]. Sicuramente, è stato scoperto che le auto-segnalazioni di sintomi di malattia - in particolare per quanto riguarda le infezioni delle vie respiratorie superiori (ad es., Raffreddori e influenza), come usate nel presente studio, correla bene con le letture oggettive di immunoglobina [73].

Infine, va riconosciuto che, sebbene l'attuale studio abbia mostrato relazioni tra l'uso problematico di internet ei sintomi immuno-correlati, ci sono due avvertenze per trarre conclusioni causali da questa associazione che dovrebbe essere menzionata. In primo luogo, poiché lo studio non era di natura longitudinale, allora l'inferenza causale non dovrebbe essere considerata come dimostrata. In secondo luogo, dal momento che molte delle variabili predittive erano correlate tra loro, allora questo potrebbe aver prodotto un grado di co-linearità nelle analisi di regressione rendendo l'interpretazione difficile. Sebbene si debba notare che l'uso di correlazioni semi-parziali, in qualche misura, migliora questa difficoltà.

In sintesi, il rapporto attuale ha stabilito un collegamento tra l'uso problematico di Internet e la segnalazione di un numero maggiore di sintomi associati a una ridotta funzione del sistema immunitario. Questa relazione era indipendente dal numero di ore trascorse online e anche dall'impatto di eventuali sintomi di co-morbidità di utilizzo problematico di Internet, come depressione, isolamento e ansia. È stato suggerito che l'impatto negativo della funzione immunitaria possa essere mediato da stress accentuato, e anche dall'aumentata attività nervosa simpatica che a volte viene mostrata dai tossicodipendenti di Internet.

Contributi degli autori

Concepito e progettato gli esperimenti: PR RV LAO MR RT. Eseguiti gli esperimenti: RV. Analizzati i dati: RV PR. Reagenti / materiali / strumenti di analisi forniti: LAO. Ha scritto il documento: PR LAO MR RT.

Riferimenti

  1. 1. Block JJ. Problemi per DSM-V: dipendenza da internet. Am J Psychiatry 2008; 165: 306-7. doi: 10.1176 / appi.ajp.2007.07101556. PMID: 18316427
  2. 2. Young KS. Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. CyberPsychology & Behaviour 1998; 1 (3): 237–244. doi: 10.1089 / cpb.1998.1.237
  3. Vai all’Articolo
  4. PubMed / NCBI
  5. Google Scholar
  6. Vai all’Articolo
  7. PubMed / NCBI
  8. Google Scholar
  9. Vai all’Articolo
  10. PubMed / NCBI
  11. Google Scholar
  12. Vai all’Articolo
  13. PubMed / NCBI
  14. Google Scholar
  15. Vai all’Articolo
  16. PubMed / NCBI
  17. Google Scholar
  18. Vai all’Articolo
  19. PubMed / NCBI
  20. Google Scholar
  21. Vai all’Articolo
  22. PubMed / NCBI
  23. Google Scholar
  24. Vai all’Articolo
  25. PubMed / NCBI
  26. Google Scholar
  27. Vai all’Articolo
  28. PubMed / NCBI
  29. Google Scholar
  30. Vai all’Articolo
  31. PubMed / NCBI
  32. Google Scholar
  33. Vai all’Articolo
  34. PubMed / NCBI
  35. Google Scholar
  36. Vai all’Articolo
  37. PubMed / NCBI
  38. Google Scholar
  39. Vai all’Articolo
  40. PubMed / NCBI
  41. Google Scholar
  42. Vai all’Articolo
  43. PubMed / NCBI
  44. Google Scholar
  45. Vai all’Articolo
  46. PubMed / NCBI
  47. Google Scholar
  48. Vai all’Articolo
  49. PubMed / NCBI
  50. Google Scholar
  51. Vai all’Articolo
  52. PubMed / NCBI
  53. Google Scholar
  54. Vai all’Articolo
  55. PubMed / NCBI
  56. Google Scholar
  57. Vai all’Articolo
  58. PubMed / NCBI
  59. Google Scholar
  60. Vai all’Articolo
  61. PubMed / NCBI
  62. Google Scholar
  63. Vai all’Articolo
  64. PubMed / NCBI
  65. Google Scholar
  66. Vai all’Articolo
  67. PubMed / NCBI
  68. Google Scholar
  69. Vai all’Articolo
  70. PubMed / NCBI
  71. Google Scholar
  72. Vai all’Articolo
  73. PubMed / NCBI
  74. Google Scholar
  75. Vai all’Articolo
  76. PubMed / NCBI
  77. Google Scholar
  78. Vai all’Articolo
  79. PubMed / NCBI
  80. Google Scholar
  81. Vai all’Articolo
  82. PubMed / NCBI
  83. Google Scholar
  84. Vai all’Articolo
  85. PubMed / NCBI
  86. Google Scholar
  87. Vai all’Articolo
  88. PubMed / NCBI
  89. Google Scholar
  90. Vai all’Articolo
  91. PubMed / NCBI
  92. Google Scholar
  93. Vai all’Articolo
  94. PubMed / NCBI
  95. Google Scholar
  96. Vai all’Articolo
  97. PubMed / NCBI
  98. Google Scholar
  99. Vai all’Articolo
  100. PubMed / NCBI
  101. Google Scholar
  102. Vai all’Articolo
  103. PubMed / NCBI
  104. Google Scholar
  105. Vai all’Articolo
  106. PubMed / NCBI
  107. Google Scholar
  108. Vai all’Articolo
  109. PubMed / NCBI
  110. Google Scholar
  111. Vai all’Articolo
  112. PubMed / NCBI
  113. Google Scholar
  114. Vai all’Articolo
  115. PubMed / NCBI
  116. Google Scholar
  117. Vai all’Articolo
  118. PubMed / NCBI
  119. Google Scholar
  120. Vai all’Articolo
  121. PubMed / NCBI
  122. Google Scholar
  123. Vai all’Articolo
  124. PubMed / NCBI
  125. Google Scholar
  126. Vai all’Articolo
  127. PubMed / NCBI
  128. Google Scholar
  129. Vai all’Articolo
  130. PubMed / NCBI
  131. Google Scholar
  132. Vai all’Articolo
  133. PubMed / NCBI
  134. Google Scholar
  135. Vai all’Articolo
  136. PubMed / NCBI
  137. Google Scholar
  138. Vai all’Articolo
  139. PubMed / NCBI
  140. Google Scholar
  141. Vai all’Articolo
  142. PubMed / NCBI
  143. Google Scholar
  144. Vai all’Articolo
  145. PubMed / NCBI
  146. Google Scholar
  147. Vai all’Articolo
  148. PubMed / NCBI
  149. Google Scholar
  150. Vai all’Articolo
  151. PubMed / NCBI
  152. Google Scholar
  153. Vai all’Articolo
  154. PubMed / NCBI
  155. Google Scholar
  156. Vai all’Articolo
  157. PubMed / NCBI
  158. Google Scholar
  159. Vai all’Articolo
  160. PubMed / NCBI
  161. Google Scholar
  162. Vai all’Articolo
  163. PubMed / NCBI
  164. Google Scholar
  165. Vai all’Articolo
  166. PubMed / NCBI
  167. Google Scholar
  168. Vai all’Articolo
  169. PubMed / NCBI
  170. Google Scholar
  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. 3. Christakis DA. Dipendenza da Internet: un'epidemia del 21st secolo ?. Medicina BMC 2010; 8 (1): 61. doi: 10.1186 / 1741-7015-8-61
  184. Vai all’Articolo
  185. PubMed / NCBI
  186. Google Scholar
  187. Vai all’Articolo
  188. PubMed / NCBI
  189. Google Scholar
  190. 4. Caplan SE, alta AC. Interazione sociale online, benessere psicosociale e uso problematico di Internet. Dipendenza da Internet: un manuale e guida alla valutazione e al trattamento 201; 35-53. doi: 10.1002 / 9781118013991.ch3
  191. Vai all’Articolo
  192. PubMed / NCBI
  193. Google Scholar
  194. Vai all’Articolo
  195. PubMed / NCBI
  196. Google Scholar
  197. Vai all’Articolo
  198. PubMed / NCBI
  199. Google Scholar
  200. Vai all’Articolo
  201. PubMed / NCBI
  202. Google Scholar
  203. Vai all’Articolo
  204. PubMed / NCBI
  205. Google Scholar
  206. Vai all’Articolo
  207. PubMed / NCBI
  208. Google Scholar
  209. Vai all’Articolo
  210. PubMed / NCBI
  211. Google Scholar
  212. Vai all’Articolo
  213. PubMed / NCBI
  214. Google Scholar
  215. 5. Shaw M, Black DW. Dipendenza da Internet. Droghe del CNS 2008; 22: 353-65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  216. 6. Griffiths M. Tempo di dipendenza da Internet da prendere sul serio? Ricerca e teoria sulle dipendenze 2000; 8: 413–418. doi: 10.3109 / 16066350009005587
  217. 7. Romano M, Osborne LA, Truzoli R, Reed P. L'impatto psicologico differenziale dell'esposizione a Internet sui dipendenti da Internet. PLOS ONE 2013; 8 (2): e55162. doi: 10.1371 / journal.pone.0055162. PMID: 23408958
  218. 8. Kuss DJ, Griffiths MD, Binder JF. Dipendenza da Internet negli studenti: prevalenza e fattori di rischio. Computer nel comportamento umano 2013; 29 (3): 959-966. doi: 10.1016 / j.chb.2012.12.024
  219. 9. Niemz K, Griffiths M, Banyard P. Prevalenza dell'uso patologico di Internet tra gli studenti universitari e correlazioni con l'autostima, il questionario sulla salute generale (GHQ) e la disinibizione. CyberPsychology & Behaviour 2005; 8 (6): 562–570. doi: 10.1089 / cpb.2005.8.562
  220. 10. Weinstein A, Lejoyeux M. dipendenza da Internet o uso eccessivo di internet. L'American Journal of Drug and Alcohol Abuse 2010; 36 (5): 277-283. doi: 10.3109 / 00952990.2010.491880. PMID: 20545603
  221. 11. Bernardi S, Pallanti S. Dipendenza da Internet: uno studio clinico descrittivo incentrato su comorbidità e sintomi dissociativi. Psichiatria completa 2009; 50 (6): 510-516. doi: 10.1016 / j.comppsych.2008.11.011. PMID: 19840588
  222. 12. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC. L'associazione tra dipendenza da Internet e disturbo psichiatrico: una revisione della letteratura. Psichiatria europea 2012; 27 (1): 1-8. doi: 10.1016 / j.eurpsy.2010.04.011. PMID: 22153731
  223. 13. Akin A, Iskender M. dipendenza da Internet e depressione, ansia e stress. Rivista online internazionale di Scienze della formazione 2011; 3 (1): 138-148.
  224. 14. Yen CF, Chou WJ, Liu TL, Yang P, Hu. L'associazione dei sintomi della dipendenza da Internet con ansia, depressione e autostima tra gli adolescenti con disordine da deficit di attenzione / iperattività. Psichiatria completa 2014. doi: 10.1016 / j.comppsych.2014.05.025
  225. 15. Gundogar A, Bakim B, Ozer OA, Karamustafalioglu. P-32: l'associazione tra dipendenza da Internet, depressione e ADHD tra gli studenti delle scuole superiori. Psichiatria europea 201; 27: 1. doi: 10.1016 / s0924-9338 (12) 74199-8
  226. 16. Romano M, Truzoli R, Osborne LA, Reed P. La relazione tra quoziente autistico, ansia e dipendenza da internet. Ricerca sui disturbi dello spettro autistico 2014; 11: 1521-1526. doi: 10.1016 / j.rasd.2014.08.002
  227. 17. Young KS, Rogers RC. Il rapporto tra depressione e dipendenza da Internet. CyberPsychology & Behaviour 1998; 1 (1): 25–28. doi: 10.1089 / cpb.1998.1.25
  228. 18. Ko CH, Liu TL, Wang PW, Chen CS, Yen CF, Yen JY. L'esacerbazione della depressione, dell'ostilità e dell'ansia sociale nel corso della dipendenza da Internet tra gli adolescenti: uno studio prospettico. Psichiatria completa 2014. doi: 10.1016 / j.comppsych.2014.05.003
  229. 19. Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS. Impulsività nella dipendenza da internet: un confronto con il gioco d'azzardo patologico. Cyberpsychology, Behaviour e Social Networking 2012; 15 (7): 373-377. doi: 10.1089 / cyber.2012.0063
  230. 20. Yen JY, Yen CF, Wu HY, Huang CJ, Ko CH. Ostilità nel mondo reale e online: l'effetto della dipendenza da Internet, della depressione e dell'attività online. Cyberpsychology, Behaviour e Social Networking 2011; 14 (11): 649-655. doi: 10.1089 / cyber.2010.0393
  231. 21. Heim C. Computer molto pesante e utilizzo di Internet come fattore di rischio per la schizofrenia nei giovani maschi intelligenti. Journal of Psychiatry in Australia e Nuova Zelanda 2012; 46 (8): 791-792. doi: 10.1177 / 0004867412442407. PMID: 22403394
  232. 22. Caplan SE. Preferenza per l'interazione sociale online: una teoria sull'uso problematico di Internet e sul benessere psicosociale. Comunicazione Ricerca 2003; 30: 625-648. doi: 10.1177 / 0093650203257842
  233. 23. Yan W, Li Y, Sui N. La relazione tra i recenti eventi di vita stressanti, i tratti della personalità, il funzionamento familiare percepito e la dipendenza da Internet tra gli studenti universitari. Stress and Health 2014; 30 (1): 3-11. doi: 10.1002 / smi.2490. PMID: 23616371
  234. 24. Bozoglan B, Demirer V, Sahin I. Solitudine, autostima e soddisfazione di vita come predittori della dipendenza da Internet: uno studio trasversale tra studenti universitari turchi. Rivista scandinava di psicologia 2013; 54 (4): 313-319. doi: 10.1111 / sjop.12049. PMID: 23577670
  235. 25. Nalwa K, Anand AP. Dipendenza da Internet negli studenti: motivo di preoccupazione. CyberPsychology & Behaviour 2003; 6 (6): 653–656. doi: 10.1089 / 109493103322725441
  236. 26. Sanders CE, Field TM, Diego M, Kaplan M. Il rapporto tra l'uso di Internet per la depressione e l'isolamento sociale tra gli adolescenti. Adolescenza 2000; 35 (138): 237-242. PMID: 11019768
  237. 27. Tonioni F, D'Alessandris L, Lai C, Martinelli D, Corvino S, Vasale M,… Bria P. Dipendenza da Internet: ore passate online, comportamenti e sintomi psicologici. Psichiatria Ospedaliera Generale 2012; 34 (1): 80-87. doi: 10.1016 / j.genhosppsych.2011.09.013. pmid: 22036735
  238. 28. Yuan K, Qin W, Wang G, Zeng F, Zhao L, Yang X, et al. Anomalie della microstruttura negli adolescenti con disturbo da dipendenza da internet. PloS ONE 2011; 6 (6): e20708. doi: 10.1371 / journal.pone.0020708. PMID: 21677775
  239. 29. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. Anomalie della sostanza grigia nella dipendenza da Internet: uno studio di morfometria basato su voxel. European Journal of Radiology 2011; 79 (1): 92-95. doi: 10.1016 / j.ejrad.2009.10.025. PMID: 19926237
  240. 30. Hou H, Jia S, Hu S, Fan R, Sun W, Sun T, et al. Riduttori di dopamina striatali ridotti in soggetti con disturbo da dipendenza da Internet. BioMed Research International 2012; 2012. doi: 10.1155 / 2012 / 854524
  241. 31. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, Kim SE. Recettori D2 della dopamina striato ridotto nelle persone con dipendenza da Internet. Neuroreport 2011; 22 (8): 407-411. doi: 10.1097 / WNR.0b013e328346e16e. PMID: 21499141
  242. 32. Lu DW, Wang JW, Huang ACW. Differenziazione del livello di rischio di dipendenza da Internet in base a risposte nervose autonomiche: l'ipotesi di dipendenza da Internet dell'attività autonoma. Cyberpsychology, Behaviour e Social Networking 2010; 13 (4): 371-378. doi: 10.1089 / cyber.2009.0254
  243. 33. Lin PC, Kuo SY, Lee PH, Sheen TC, Chen SR. Effetti della dipendenza da Internet sulla variabilità della frequenza cardiaca nei bambini in età scolare. Il Journal of Cardiovascular Nursing 2013. doi: 10.1097 / jcn.0b013e3182a477d5
  244. 34. Zheng H, Liu X, Patel K K. Un ruolo per la dopamina nella risposta simpatica mediata nei ratti con diabete di tipo 2 indotto da streptozotocina e una dieta ricca di grassi. Il giornale FASEB 2011; 25: 1028-11.
  245. 35. Bélanger RE, Akre C, Berchtold A, Michaud PA. Un'associazione a forma di U tra l'intensità dell'uso di Internet e la salute degli adolescenti. Pediatria 2014; 127: e330-e335. doi: 10.1542 / peds.2010-1235
  246. 36. Lam LT. Dipendenza da gioco su Internet, uso problematico di Internet e problemi del sonno: una revisione sistematica. Current Psychiatry Reports 2014; 16 (4): 1-9. doi: 10.1007 / s11920-014-0444-1
  247. 37. Kim Y, Park JY, Kim SB, Jung IK, Lim YS, Kim JH. Gli effetti della dipendenza da Internet sullo stile di vita e il comportamento alimentare degli adolescenti coreani. Nutrition Research and Practice 2010; 4 (1): 51-57. doi: 10.4162 / nrp.2010.4.1.51. PMID: 20198209
  248. 38. Li M, Deng Y, Ren Y, Guo S, He X. Obesità degli studenti delle scuole medie di Xiangtan e il suo rapporto con la dipendenza da Internet. Obesità 2014; 22 (2): 482-487. doi: 10.1002 / oby.20595. PMID: 23929670
  249. 39. Jenaro C, Flores N, Gomez-Vela M, Gonzalez-Gil F, Caballo C. Internet problematico e uso del telefono cellulare: correlati psicologici, comportamentali e sanitari. Ricerca e teoria delle dipendenze 2007; 15: 309-320. doi: 10.1080 / 16066350701350247
  250. 40. Kelley KJ, Gruber EM. Utilizzo problematico di Internet e salute fisica. Journal of Behavioral Addictions 2013; 2 (2): 108-112. doi: 10.1556 / JBA.1.2012.016. PMID: 26165930
  251. 41. Besedovsky L, Lange T, Born J. Sonno e funzione immunitaria. Pflügers Archiv-European Journal of Physiology 2012; 463 (1): 121-137. doi: 10.1007 / s00424-011-1044-0. PMID: 22071480
  252. 42. Cheung LM, Wong WS. Gli effetti dell'insonnia e della dipendenza da Internet sulla depressione negli adolescenti cinesi di Hong Kong: un'analisi esplorativa trasversale. Sleep Research 2011; 20: 311-317. doi: 10.1111 / j.1365-2869.2010.00883.x
  253. 43. Irwin M. Effetti del sonno e della perdita di sonno su immunità e citochine. Cervello, comportamento e immunità 2002; 16 (5): 503-512. doi: 10.1016 / s0889-1591 (02) 00003-x
  254. 44. Adam Y, Meinlschmidt G, Lieb R. Associazioni tra disturbi mentali e il comune raffreddore negli adulti: uno studio cross-section basato sulla popolazione. Journal of Psychosomatic Research 2013; 74 (1): 69-73. doi: 10.1016 / j.jpsychores.2012.08.013. PMID: 23272991
  255. 45. Irwin M, Patterson T, Smith TL, Caldwell C, Brown SA, Gillin JC, et al. Riduzione della funzione immunitaria nello stress della vita e depressione. Psichiatria biologica 1990; 27 (1): 22-30. pmid: 2297549 doi: 10.1016 / 0006-3223 (90) 90016-u
  256. 46. Kiecolt-Glaser JK, Glaser R. Depressione e funzione immunitaria: percorsi centrali verso la morbilità e la mortalità. Journal of Psychosomatic Research 2002; 53 (4): 873-876. pmid: 12377296 doi: 10.1016 / s0022-3999 (02) 00309-4
  257. 47. Kim HC, Park SG, Leem JH, Jung DY, Hwang SH. Sintomi depressivi come fattore di rischio per il raffreddore comune tra i dipendenti: uno studio di follow-up di 4-mese. Journal of Psychosomatic Research 2011; 71 (3): 194-196. doi: 10.1016 / j.jpsychores.2011.01.014. PMID: 21843756
  258. 48. Dickerson SS, Kemeny ME. Fattori stressanti acuti e risposte al cortisolo: un'integrazione teorica e una sintesi della ricerca di laboratorio. Bollettino psicologico 2004; 130 (3): 355. pmid: 15122924 doi: 10.1037 / 0033-2909.130.3.355
  259. 49. Cacioppo JT, Hawkley LC. Isolamento sociale e salute, con particolare attenzione ai meccanismi sottostanti. Prospettive in Biologia e Medicina 2003; 46 (3): S39-S52. pmid: 14563073 doi: 10.1353 / pbm.2003.0049
  260. 50. Cohen S. Relazioni sociali e salute. Psicologo americano 2004; 59 (8): 676. pmid: 15554821 doi: 10.1037 / 0003-066x.59.8.676
  261. 51. Jaremka LM, Fagundes CP, Glaser R, Bennett JM, Malarkey WB, Kiecolt-Glaser JK. La solitudine predice il dolore, la depressione e l'affaticamento: Capire il ruolo della disregolazione immunitaria. Psiconeuroendocrinologia 2013; 38 (8): 1310-1317. doi: 10.1016 / j.psyneuen.2012.11.016. PMID: 23273678
  262. 52. McClelland DC, Floor E, Davidson RJ, Saron C. Stress motivato alla potenza, attivazione simpatica, funzione immunitaria e malattia. Journal of Human Stress 1980; 6 (2): 11-19. pmid: 7391555 doi: 10.1080 / 0097840x.1980.9934531
  263. 53. Cao H, Sun Y, Wan Y, Hao J, Tao F. BMC Salute pubblica 2011; 11: 802. doi: 10.1186 / 1471-2458-11-802. PMID: 21995654
  264. 54. Heikkinen T, Järvinen A. Il raffreddore comune. Lancet 2003; 361: 51-59. pmid: 12517470 doi: 10.1016 / s0140-6736 (03) 12162-9
  265. 55. CHI. Revisione della stagione dell'influenza invernale 2012-2013, nell'emisfero settentrionale. Record epidemiologico settimanale dell'Organizzazione mondiale della sanità 2013; 88: 225-232. Recuperato da http://www.who.int/wer/2013/wer8822.pdf
  266. 56. Grout P, ​​Barber V E. herpes labiale - un sondaggio epidemiologico. Ufficiale del Royal College of General Practitioners 1976; 26: 428-434. PMID: 957310
  267. 57. Glaser R, Sheridan J, Malarkey WB, MacCallum RC, Kiecolt-Glaser J K. Lo stress cronico modula la risposta immunitaria a un vaccino pneumococcico da polmonite. Medicina psicosomatica 2000; 62: 804-807. pmid: 11139000 doi: 10.1097 / 00006842-200011000-00010
  268. 58. Hass HS, Schauenstein K. Immunità, ormoni e cervello. Allergia 2001; 56: 470-77 pmid: 11421890 doi: 10.1034 / j.1398-9995.2001.056006470.x
  269. 59. Aberg KM, Radeck KA, Choi EH, Kim DK, Demerjian M, Hupe M e altri Lo stress psicologico sottoregola l'espressione del peptide antimicrobico epidermico e aumenta la gravità delle infezioni cutanee nei topi. Il Journal of Clinical Investigation 2007; 117: 3339-3349. pmid: 17975669 doi: 10.1172 / jci31726
  270. 60. Ng BD, Wiemer-Hastings P. Dipendenza da Internet e giochi online. CyberPsychology & Behaviour 2005; 8 (2): 110–113. doi: 10.1089 / cpb.2005.8.110
  271. 61. Widyanto L, McMurran M. Le proprietà psicometriche del test della dipendenza da Internet. Cyberpsicologia e comportamento 2004; 7: 443–450. doi: 10.1089 / cpb.2004.7.443
  272. 62. Giovane KS. Internet Addiction Test (IAT) 2009.
  273. 63. Chang MK, Man Law SP. Struttura dei fattori per il test di dipendenza da Internet di Young: uno studio di conferma. Computer nel comportamento umano 2008; 24: 2597-2619. doi: 10.1016 / j.chb.2008.03.001
  274. 64. Hardie E, Tee MY. Eccessivo uso di internet: il ruolo della personalità, della solitudine e delle reti di supporto sociale nella dipendenza da Internet. Australian Journal of Emerging Technologies and Society 2007; 5: 34-47.
  275. 65. Snaith RP, Zigmond AS. HADS: scala dell'ansia e della depressione dell'ospedale 1994. Windsor: NFER Nelson.
  276. 66. Andrew B, Wilding J M. La relazione tra depressione e ansia per lo stress della vita e il successo negli studenti. British Journal of Psychology 2004; 95 (4): 509-521. doi: 10.1348 / 0007126042369802
  277. 67. Crawford JR, Henry JD, Crombie C, Taylor EP. Dati normativi per l'HADS da un grande campione non clinico. British Journal of Clinical Psychology 2001; 40 (4): 429-434. doi: 10.1348 / 014466501163904
  278. 68. Russell DW. UCLA Loneliness Scale (versione 3): affidabilità, validità e struttura dei fattori. Journal of Personality Assessment 1996; 66 (1): 20-40. pmid: 8576833 doi: 10.1207 / s15327752jpa6601_2
  279. 69. Jobe LE, Williams White S. Solitudine, relazioni sociali e un più ampio fenotipo dell'autismo negli studenti universitari. Personalità e differenze individuali 2007; 42 (8): 1479-1489. doi: 10.1016 / j.paid.2006.10.021
  280. 70. Buysse DJ, Reynolds CF, Monaco TH, Berman SR, Kupfer DJ. The Pittsburgh Sleep Quality Index (PSQI): un nuovo strumento per la ricerca e la pratica psichiatrica. Ricerca sulla psichiatria 1989; 28 (2): 193-213. doi: 10.1016 / 0165-1781 (89) 90047-4
  281. 71. Goldberg DP, Hillier V F. Una versione ridimensionata del questionario generale sulla salute. Medicina psicologica 1979; 9: 139-145. pmid: 424481 doi: 10.1017 / s0033291700021644
  282. 72. Reed P. e Senunaite K. Impatto di un bambino con ASD sulla funzione immunitaria auto-riferita dei genitori. In corso di revisione.
  283. 73. McClelland DC, Alexander C, Marks E. Il bisogno di potere, stress, funzione immunitaria e malattia tra i prigionieri maschi. Journal of Annormal Psychology 1982; 91 (1): 61. pmid: 7056944 doi: 10.1037 / 0021-843x.91.1.61