Validazione di una versione malese della scala di dipendenza da smartphone tra studenti di medicina in Malesia (2015)

Astratto

Cifre

 

 

 

 

 

  

Citazione: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validazione di una versione malese della scala di dipendenza da smartphone tra gli studenti di medicina in Malesia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, Università di Ariel, ISRAELE

Ricevuto: Marzo 18, 2015; Accettato: Settembre 11, 2015; Pubblicato il: Ottobre 2, 2015

Copyright: © 2015 Ching 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 desiderano inoltre ringraziare il fondo di ricerca UPM (no: UPM / 700-2 / 1 / GP- IPM / 2014 / 9436500) per il supporto finanziario. L'URL è http://www.rmc.upm.edu.my/.

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

Introduzione

Questo è senza dubbio lo smartphone che ci ha fornito un'enorme comodità nella nostra vita quotidiana, poiché ha una capacità di calcolo e connettività più avanzata rispetto ai telefoni di base [1]. L'utilizzo dello smartphone ha una propria varietà di obiettivi e finalità. Una vasta gamma di studi ha riportato che lo smartphone ha numerosi vantaggi a scopi sociali e medici [2-5]. Sebbene lo smartphone sia diventato uno degli strumenti di comunicazione più popolari e importanti, il suo uso eccessivo è emerso come un problema sociale in tutto il mondo e ha creato una nuova preoccupazione per la salute mentale, in cui l'utente tende a sviluppare dipendenza da esso [6-8].

La dipendenza da smartphone è anche chiamata "dipendenza da cellulare", "uso eccessivo del telefono cellulare" o "uso eccessivo del telefono cellulare". Questi termini descrivono principalmente il fenomeno dell'uso problematico di telefoni cellulari [9, 10]. "La dipendenza da smartphone" è il termine tipicamente utilizzato in letteratura. Questa dipendenza è principalmente caratterizzata da preoccupazioni, impulsi o comportamenti eccessivi o mal controllati relativi all'uso degli smartphone, nella misura in cui gli individui trascurano altre aree della vita [11-13]. Gli studi riportano che l'uso eccessivo del telefono cellulare è stato associato a stress, disturbi del sonno, fumo e sintomi di depressione [14-16].

Dati recenti dalla Malesia hanno dimostrato che la penetrazione degli smartphone è aumentata da 47% in 2012 a 63% in 2013. In 2014, 10.13 milioni di malesi erano utenti di smartphone attivi, rispetto a 7.7 milioni di 2012 [17-20]. L'uso patologico dello smartphone è simile alla dipendenza da Internet. L'uso della dipendenza da internet diventa eccessivo tra i giovani e gli adulti di tutto il mondo [21]. L'eccessiva dipendenza da Internet porta a disturbi psichiatrici, bassa autostima, depressione e compromissione della performance accademica e occupazionale [22-25]. Studi locali hanno riportato che la prevalenza della dipendenza da Internet era 43% [26], e ci sono più di 4.2 milioni di utenti Facebook attivi in ​​Malesia; infatti, Facebook è il miglior sito di networking in questo paese. Dato che c'è stato un rapido aumento dell'uso di smartphone in Malesia, c'è un urgente bisogno di convalidare una scala per misurare la dipendenza da smartphone nella popolazione locale per determinare la sua prevalenza e identificare chi è a rischio di sviluppare la dipendenza da smartphone in modo che i responsabili politici in grado di pianificare un intervento adeguato nel prossimo futuro.

Come la struttura fattoriale preparata per il test di dipendenza da Internet [27], la Smartphone Addiction Scale (SAS) sviluppata da Min Kwon et al. è stata la prima scala per la dipendenza da smartphone utilizzata per la diagnosi [28]. Questa scala è composta da articoli 33 ed è stata segnalata come affidabile, con una buona consistenza interna (Alpha di Cronbach = 0.967), e la validità simultanea delle sei gamme di sottoscale da 0.32 a 0.61 [28].

Questo studio ha lo scopo di tradurre il SAS nella lingua malese e di studiare le proprietà psicometriche della versione malese della SAS (SAS-M) per facilitarne l'uso per ulteriori ricerche nel contesto locale.

Metodologia

Studio di progettazione e impostazione

Questo era uno studio trasversale di tutti gli studenti di medicina del primo e del secondo anno dell'Universit Putra Malaysia. Questi studenti sono stati contattati per uno studio di convalida da agosto 2014 a settembre 2014. Questa università si trova a Serdang, vicino alla capitale amministrativa della Malesia, Putrajaya. Abbiamo stimato che la dimensione del campione fosse almeno 165 in base al calcolo di cinque casi per articolo nel SAS (che ha un totale di articoli 33) [29]. Pertanto, una dimensione del campione di 228 in questo studio era adeguata.

Procedura.

Stage 1: L'autore ha ottenuto la versione inglese della SAS da Kwon et al. La traduzione dall'inglese al malese è stata eseguita in parallelo da due esperti linguistici bilingue e una traduzione posteriore è stata eseguita da un terzo esperto linguistico bilingue. Sono state discusse discrepanze tra la versione originale e la traduzione posteriore, e le modifiche sono state apportate di conseguenza. Una versione finale del SAS tradotto, che abbiamo chiamato una bozza di SAS-M, è stata generata da un gruppo di esperti composto da uno psichiatra, due medici senior e un medico di famiglia, tutti professionisti qualificati per l'uso di strumenti psicometrici e tutti i quali hanno avuto esperienza clinica con condizioni depressive.

Stage 2: La prima bozza del SAS-M è stata testata da un pilota di studenti di lingua malese nativi 20 per identificare eventuali difetti in questa versione. Sono state annotate e corrette tutte le parole che gli intervistati ritenevano inadatte o inappropriate in questa versione. La maggior parte degli studenti ha avuto difficoltà ad accettare l'oggetto 15: "Essere arrabbiato e risentito quando non ho uno smartphone". Questo articolo è stato rivisto e tradotto in "Sentirsi impaziente e inquieto quando non ho uno smartphone" in lingua malese. La versione definitiva del SAS-M è stata ulteriormente riveduta da due psichiatri consulenti con più di 10 anni di esperienza per valutare la validità del contenuto e per garantire un volto soddisfacente e una semantica soddisfacente, criteri e equivalenza concettuale.

Stage 3: Ogni studente ha fornito il consenso informato scritto dopo aver ricevuto una spiegazione completa della natura e della riservatezza dello studio, e gli studenti 228 hanno acconsentito a partecipare allo studio, con un tasso di non risposta di 9%. Dati socio-demografici (età, sesso, etnia e reddito familiare) sono stati ottenuti dagli studenti. Le informazioni sull'utilizzo degli smartphone degli studenti in base alla loro stima, come il numero di ore di utilizzo a settimana, il numero di anni come utente regolare di smartphone e l'età in cui hanno iniziato a utilizzare uno smartphone, sono state documentate. Agli studenti sono stati dati i seguenti questionari:

1. SAS e SAS-M (Tabella A in S1 Testo).
2. Versione malese del test di dipendenza da Internet.

Strumenti

Smartphone Addiction Scale [28].

La SAS è una bilancia di tipo Likert a punto 6 auto-completata con articoli 33. Ogni domanda ha una scala di risposta da 1 a 6 (1 = fortemente in disaccordo con 6 = fortemente d'accordo), che riflette la frequenza dei sintomi. L'intervistato fa circolare la dichiarazione che descrive più da vicino le caratteristiche di utilizzo dello smartphone. Il punteggio totale possibile sulle gamme SAS da 48 a 288. Più alto è il punteggio, maggiore è il grado di utilizzo patologico dello smartphone.

Test di dipendenza da Internet [26].

Il questionario IAT, sviluppato da Kimberly Young in 1998, è lo strumento più comunemente usato per diagnosticare la dipendenza da Internet. La versione malese è stata convalidata localmente, con una buona coerenza interna (alfa di Cronbach = 0.91) e affidabilità parallela (coefficiente di correlazione intraclasse (ICC) = 0.88, P <0.001). Si tratta di un questionario autocompilato composto da una scala di tipo Likert a 5 punti contenente 20 item, con un valore minimo di 20 punti e un massimo di 100 punti. Il punteggio di ogni domanda va da 1 a 5 (1 = mai a 5 = sempre), replicando il verificarsi dei sintomi. Gli studenti hanno scelto l'affermazione che meglio descriveva le caratteristiche del loro utilizzo di Internet. Più alto è il punteggio, maggiore è il grado di utilizzo patologico di Internet. Quando il punteggio sulla versione malese dello IAT è superiore a 43, l'individuo viene diagnosticato come a rischio di dipendenza da Internet [26].

Analisi statistica

Tutte le analisi sono state condotte utilizzando il pacchetto statistico per la versione 21.0 delle scienze sociali (SPSS, Chicago, IL, USA). Le statistiche descrittive sono state calcolate per le caratteristiche di base dei partecipanti. L'alfa di Cronbach è stata utilizzata per valutare la consistenza interna del SAS-M e la normalità dei dati è stata valutata utilizzando l'analisi di Kolmogorov-Smirnov. L'omogeneità degli elementi della scala è stata analizzata in base ai coefficienti di correlazione tra gli elementi e i punteggi totali se un elemento è stato eliminato. La validità del costrutto è stata studiata mediante analisi fattoriale esplorativa e promax obliquo con normalizzazione Kaiser. Il caricamento del fattore> 0.30 è stato utilizzato per determinare gli elementi per ciascun fattore. In base alla regola di Guttman-Kaiser, i fattori con autovalore maggiore di 1 vengono mantenuti [30, 31]. L'ICC è stato utilizzato per esaminare l'affidabilità parallela tra SAS-M e la versione inglese del SAS e l'affidabilità test-retest del SAS-M. La correlazione di Pearson è stata utilizzata per esaminare la validità concomitante tra SAS-M e la versione malese dello IAT. Il punteggio ottimale SAS-M per i casi a rischio è stato determinato dai punti coordinati quando il punteggio per la versione malese dello IAT era superiore a 43 [26], a quel punto la sensibilità e la specificità erano ottimali nelle analisi delle caratteristiche operative del ricevitore (ROC). L'area sotto la curva (AUC) è stata determinata per la curva ROC.

Definizione

L'utente normale è definito come chi usa lo smartphone almeno 6 o più volte nei mesi 6 [32]

Approvazione etica

L'approvazione etica per questo studio è stata ottenuta dal Comitato Etico dell'Universita Putra Malaysia (FPSK-EXP14 P091).

Risultati

Un totale di studenti 228 sono stati reclutati in questo studio. Tabella 1 mostra le caratteristiche cliniche della popolazione studiata. Complessivamente, l'età media era di circa 22 anni ± 1.1. Più della metà degli studenti era di sesso femminile (56.6%) e la maggioranza era di etnia malese (52.4%). Le ore medie di utilizzo dello smartphone a settimana erano le ore 36.5. In media, gli studenti hanno iniziato a utilizzare uno smartphone all'età di 19 anni e il numero medio di anni di utilizzo regolare degli smartphone era di 2.4 anni.

  

 

Scaricare  

• PPT

  PowerPoint

• PNG

  ingrandisci (81KB)

• TIFF

  immagine originale (461KB)

Tabella 1. Caratteristiche della popolazione in studio (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Struttura del fattore e coerenza interna del SAS-M

Il test di sfericità di Bartlett era significativo (p <0.01) e la misura Kaiser-Meyer-Olkin dell'adeguatezza del campionamento per SAS-M era 0.92, indicando che la scala era meritoria [33], che a sua volta indicava che l'analisi fattoriale era appropriata. Sei fattori sono stati estratti (autovalore> 1.00) tramite l'approccio dell'analisi fattoriale esplorativa e la rotazione obliqua del promax con normalizzazione Kaiser, che rappresentava il 65.3% della varianza totale. Questo risultato era coerente con l'originale SAS [28].

Il SAS-M ha mostrato una buona coerenza interna; Il coefficiente alfa di Cronbach per la scala totale era 0.94 ei rispettivi coefficienti per i sei fattori erano 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. I sei fattori corrispondenti alle sottoscale SAS venivano definiti "relazione orientata al cyberspazio", "disturbo della vita quotidiana", "primato", "uso eccessivo", "anticipazione positiva" e "ritiro" (Tabella 2). Tutti gli articoli avevano correlazioni totali di articoli corretti superiori a 0.9. La cancellazione di uno qualsiasi degli elementi non ha aumentato la coerenza interna del punteggio totale (Tabella 3). L'affidabilità parallela tra SAS-M e SAS era elevata, come dimostrato da un ICC di 0.95 (95% Intervallo di confidenza = 0.937-0.962). L'affidabilità test-retest di SAS-M dopo un intervallo di 1-settimana era alta, con un ICC di 0.85 (95% Intervallo di confidenza = 0.808-0.866).

  

 

Scaricare  

• PPT

  PowerPoint

• PNG

  ingrandisci (365KB)

• TIFF

  immagine originale (756KB)

Tabella 2. Analisi fattoriale della versione SAS-Malese.

 

doi: 10.1371 / journal.pone.0139337.t002

  

 

Scaricare  

• PPT

  PowerPoint

• PNG

  ingrandisci (594KB)

• TIFF

  immagine originale (977KB)

Tabella 3. Corretto: correlazioni totali e alfa di Cronbach se l'articolo è stato cancellato per SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Validità concorrente del SAS-M: correlazioni tra le Sottoscrizioni del SAS-M e la versione malese dello IAT

I risultati dell'analisi di correlazione di Pearson che è stata condotta tra le sottoscale della SAS-M e la versione malese dello IAT sono mostrate in Tabella 4. I risultati mostrano che tutte le sottoscale di SAS-M, ad eccezione di "anticipazione positiva", erano significativamente correlate alla versione malese dello IAT.

  

 

Scaricare  

• PPT

  PowerPoint

• PNG

  ingrandisci (238KB)

• TIFF

  immagine originale (407KB)

Tabella 4. Validità concorrente di SAS-M (correlazione di Pearson): Sottoscrizioni della SAS-M e della versione malese dello IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

L'AUC per la curva ROC era 0.801 (95% CI = 0.746 a 0.855). Il punteggio ottimale per l'identificazione dei casi a rischio era maggiore di 98, con una sensibilità di 71.43%, una specificità di 71.03%, un valore predittivo positivo (PPV) di 64.10% e un valore predittivo negativo (NPV) di 77.44 %. La prevalenza di un caso a rischio nello sviluppo della dipendenza da smartphone in questo studio era 46.9%, basato su un punteggio di 98.

Discussione

Questo studio ha esaminato la coerenza interna, la dimensionalità e la validità concomitante e costruttiva del SAS-M. I risultati dello studio indicano che SAS-M è uno strumento affidabile e valido per valutare la dipendenza da smartphone nella popolazione di lingua malese.

In questo studio, il SAS-M ha mostrato una buona coerenza interna; Il coefficiente alfa di Cronbach per la scala totale era 0.94 ei rispettivi coefficienti per i sei fattori erano 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. L'affidabilità parallela di SAS-M e l'affidabilità test-retest dopo un intervallo 1-settimana sono risultate buone, con ICC di 0.95 e 0.85, rispettivamente, che sono persino migliori di quelle della versione originale del SAS [28]. Ad oggi, questo è il primo studio nel suo genere relativo alla dipendenza da smartphone, e mostra che il SAS-M è buono come la versione inglese.

Tuttavia, i sei componenti dominanti che spiegavano gran parte della variabilità del SAS-M erano simili a quelli del SAS originale. Nel presente studio, i componenti consistevano in "relazione orientata al ciberspazio", "disturbo della vita quotidiana", "primato", "uso eccessivo", "anticipazione positiva" e "ritiro". I componenti del SAS originale erano "disturbo della vita quotidiana", "anticipazione positiva", "ritiro", "relazione orientata al cyberspazio", "uso eccessivo" e "tolleranza". Non tutti i fattori acquisiti in questa analisi fattoriale sono stati confrontati con i fattori ottenuti nel SAS originale. È più probabile che questo rifletta le differenze tra campioni malesi e coreani. Il significato del SAS originale era stato modificato durante il processo di traduzione.

La maggior parte dei componenti riportati nello studio corrente è la stessa, ad eccezione del "primato" del componente, che è diverso dal "tolleranza" del componente nel SAS originale. Le possibili ragioni potrebbero essere la popolazione di studio più giovane (21.7 ± 1.1 anni con una fascia di età da 20 a 27) rispetto alla popolazione coreana (26.1 ± 6.0 con fasce d'età da 18 a 53). Lo sfondo della nostra popolazione di studio era omogeneo in quanto tutti i soggetti erano studenti di medicina rispetto alla vasta gamma di livelli di occupazione e di istruzione nello studio originale SAS. La diversa interpretazione potrebbe essere complicata dall'eterogeneità degli sfondi e dall'educazione della popolazione studiata.

In questo studio, tutte le sottoscale del SAS-M, ad eccezione di "anticipazione positiva", erano significativamente correlate alla versione malese dello IAT. Questo può essere l'unico sottoscale che non è correlato bene con lo IAT perché lo IAT misura principalmente l'uso negativo di Internet, quindi non ci sono articoli che chiedono previsioni positive. Tuttavia, questo aspetto non riduce la validità concorrente perché le altre sottoscale 5 sono fortemente correlate.

La prevalenza di casi a rischio che potrebbero essere identificati come dipendenza da smartphone utilizzando questa scala era 46.9%. Ci sono diverse possibili spiegazioni per questo risultato. L'alta prevalenza della dipendenza da smartphone è prevista in quanto uno studio locale ha dimostrato che il 85% dei malesi possiede i propri telefoni cellulari [18]. Gli smartphone sono l'opzione preferita perché i malesi tendono a seguire le tendenze nella comunità [20]. Inoltre, lo smartphone offre messaggistica istantanea gratuita attraverso alcune piattaforme, ad esempio, WhatsApp e WeChat, che arricchiscono la vita degli utenti. L'intrattenimento è un'altra possibile spiegazione dell'elevata prevalenza della dipendenza da smartphone, perché con questi telefoni gli studenti di medicina possono ascoltare musica, guardare film e giocare per alleviare lo stress [34]. Pertanto, potrebbero tendere a trascorrere più tempo con il loro smartphone alla fine della giornata e alla fine diventare utenti patologici.

Tuttavia, una delle preoccupazioni nel nostro studio sarebbe il punteggio ottimale SAS-M per i casi a rischio determinato dai punti coordinati quando il punteggio per la versione malese dello IAT era superiore a 43. Questo non è un cut-off ormai consolidato per IAT. Allo stesso modo non esiste un criterio diagnostico stabilito di dipendenza da internet o smartphone secondo il DSM V nello spettro del disturbo da dipendenza [21, 25]. Pertanto, il punto di cut-off proposto dal nostro studio era probabilmente troppo basso, portando ad un tasso molto elevato di dipendenza da smartphone. A destra la diagnosi di dipendenza da internet dovrebbe essere basata su tre criteri come descritto da Ko, et al, 2012 [25].

SAS-M funziona più come uno screening o una scala per la valutazione della gravità della dipendenza da smartphone rispetto a uno strumento diagnostico. Fare una diagnosi corretta della dipendenza da smartphone sarà una questione importante per la ricerca futura. Abbiamo proposto che in futuro la diagnosi di dipendenza da smartphone includa più criteri costituiti dai criteri A, B e C. Il criterio A contiene sei sintomi caratteristici della dipendenza da smartphone come la relazione con il cyberspazio, i disturbi della vita quotidiana, il primato, l'uso eccessivo, l'anticipazione positiva e ritiro. Il criterio B deve includere il deterioramento funzionale secondario all'uso dello smartphone. Il criterio C dovrebbe escludere altri disturbi psichiatrici come il disturbo bipolare o altri disturbi impulsivi. I soggetti che soddisfano tutti i criteri A, B e C saranno considerati solo come dipendenti da smartphone.

Forza e limiti

I risultati di questo studio dovrebbero essere interpretati nel contesto dei limiti dello studio: in primo luogo, non esiste un criterio diagnostico stabilito per la dipendenza da Internet o da smartphone secondo il DSM V nello spettro del disturbo da dipendenza [21, 25]. Tuttavia, in considerazione degli studi limitati sulla dipendenza da smartphone in ambito locale, i risultati di questo studio possono ancora fornire alcuni spunti al team di professionisti sanitari. In secondo luogo, nonostante la dimensione del campione fosse adeguata ma non è stata randomizzata. Il genere e la razza non erano equamente distribuiti. Inoltre, questo studio è stato condotto in un unico centro, quindi la popolazione campione era omogenea e potrebbe non riflettere la popolazione generale della Malesia.

Nonostante questa limitazione, i risultati del presente studio hanno dimostrato che SAS-M può essere utilizzato per la valutazione della dipendenza da smartphone tra i giovani adulti della Malesia istruiti.

Conclusione

Questo studio ha sviluppato la prima scala di dipendenza da smartphone tra gli studenti di medicina. Questo studio fornisce anche la prova che SAS-M è uno strumento valido e affidabile, auto-amministrato, per lo screening per coloro che sono a rischio di dipendenza da smartphone.

informazioni di supporto

Contributi degli autori

Concepito e progettato gli esperimenti: SMC AY FKH. Eseguiti gli esperimenti: VR SMSL WAWS YLF. Analizzati i dati: SMC AY. Reagenti / materiali / strumenti di analisi forniti: SMC AY. Ha scritto la carta: SMC AY VR.

Riferimenti

1. 1. Rashvand HF, Hsiao KF (2015) Applicazioni intelligenti per smartphone: una breve recensione. Sistemi multimediali 21 (1): 103-119 doi: 10.1007 / s00530-013-0335-z
   • Vai all’Articolo
   • PubMed / NCBI
   • Google Scholar
2. 2. Mosa AS, Yoo I, Sheets L (2012) Una revisione sistematica delle applicazioni sanitarie per smartphone. BMC Informatica medica e processo decisionale 12: 67. doi: 10.1186 / 1472-6947-12-67. PMID: 22781312
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. 3. Lane N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: un'applicazione per smartphone per monitorare, modellare e promuovere il benessere. 5th Conferenza internazionale su Pervasive Computing Technologies for Healthcare, Dublino.
88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Salute e il telefono cellulare. American Journal of Preventive Medicine 35: 177-181. doi: 10.1016 / j.amepre.2008.05.001. PMID: 18550322
89. 5. Derbyshire E, Dancey D (2013) Applicazioni mediche per smartphone per la salute delle donne: quali sono le prove e il feedback? International Journal of Telemedicine and Applications Articolo ID 782074, 10. doi: 10.1155 / 2013/782074
90. 6. Emad AS, Haddad E (2015) L'influenza degli smart phone sulla salute e il comportamento umani: le percezioni dei giordani. International Journal of Computer Networks and Applications 2 (2): 52-56.
91. 7. Sarwar M, Soomro TR (2013) Impatto degli smartphone sulla società. Rivista europea di ricerca scientifica 98 (2): 216-226.
92. 8. Acharya JP, Acharya I, Waghrey D (2013) Uno studio su alcuni degli effetti comuni sulla salute dei telefoni cellulari tra gli studenti universitari. Journal of Community Medicine & Health Education 3:21. Doi: 10.5958 / j.2319-5886.2.3.068
93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Sviluppo e convalida dell'inventario delle dipendenze da smartphone (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. PMID: 24896252
94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) L'impulsività si riferisce alla dipendenza percepita e all'uso effettivo del telefono cellulare? Psicologia cognitiva applicata 21: 527-537. doi: 10.1002 / acp.1289
95. 11. Park N, Lee H (2012) Implicazioni sociali dell'uso dello smartphone: uso dello smartphone da parte degli studenti universitari coreani e benessere psicologico. Cyberpsicologia, comportamento e social network 15: 491–497. doi: 10.1089 / cyber.2011.0580
96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Sintomi di uso problematico del telefono cellulare, compromissione funzionale e sua associazione con la depressione tra gli adolescenti nel sud di Taiwan. Journal of Adolescence 32: 863-873. doi: 10.1016 / j.adolescence.2008.10.006. PMID: 19027941
97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Internet problematico e uso di telefoni cellulari e sintomi clinici negli studenti universitari: il ruolo dell'intelligenza emotiva. Computer nel comportamento umano 25: 1182-1187. doi: 10.1016 / j.chb.2009.03.001
98. 14. Thomee S, Harenstam A, Hagberg M (2011) Uso del telefono cellulare e stress, disturbi del sonno e sintomi di depressione tra i giovani adulti - uno studio prospettico di coorte. BMC Public Health 11: 66. doi: 10.1186 / 1471-2458-11-66. PMID: 21281471
99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Relazioni di personalità e stile di vita con dipendenza da telefono cellulare tra gli studenti infermieri. Comportamento sociale e personalità: una rivista internazionale 37 (2): 231-238. doi: 10.2224 / sbp.2009.37.2.231
100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Dipendenza da telefono cellulare e stile di vita legato alla salute degli studenti universitari. Comportamento sociale e personalità 34 (10): 1277-1284. doi: 10.2224 / sbp.2006.34.10.1277
101. 17. Commissione per comunicazioni e multimedia della Malesia (2012) Indagine sugli utenti del telefono a mano 2011. A disposizione: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
102. 18. Commissione per comunicazioni e multimedia della Malesia (2014) Indagine sugli utenti del telefono a mano 2012. A disposizione: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
103. 19. ecommercemilo (2014). A disposizione: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Uno studio della tendenza dello smartphone e del suo comportamento di utilizzo in Malesia. International Journal of New Computer Architectures e le loro applicazioni 2: 274-285.
105. 21. Weinstein A, Lejoyeux M (2010) dipendenza da Internet o uso eccessivo di internet. L'American Journal of Drug and Alcohol Abuse 36: 277-283. doi: 10.3109 / 00952990.2010.491880. PMID: 20545603
106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Uso problematico di Internet e del cellulare: correlazioni psicologiche, comportamentali e di salute. Ricerca e teoria sulle dipendenze 15: 309–320. doi: 10.1080 / 16066350701350247
107. 23. Niemz K, Griffiths M, Banyard P (2005) Prevalenza dell'uso patologico di Internet tra gli studenti universitari e correlazioni con l'autostima, il General Health Questionnaire (GHQ) e la disinibizione. CyberPsychology & Behaviour 8: 562-570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
108. 24. Young KS, Rogers RC (1998) La relazione tra depressione e dipendenza da Internet. CyberPsicologia e comportamento 1: 25-28. doi: 10.1089 / cpb.1998.1.25
109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) L'associazione tra dipendenza da Internet e disturbo psichiatrico: una revisione della letteratura. Psichiatria europea 27: 1-8. doi: 10.1016 / j.eurpsy.2010.04.011. PMID: 22153731
110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Validità della versione malese di Internet Addiction Test: uno studio su un gruppo di studenti di medicina in Malesia. Asia-Pacific Journal of Public Health 27: 2210-2219. doi: 10.1177 / 1010539512447808
111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Convalida francese del test di dipendenza da Internet. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
112. 28. Kwon M, Lee JY, WY WY, Park JW, Min JA, Hahn C, et al. (2013) Sviluppo e validazione di una scala di dipendenza da smartphone (SAS). PloS one 8: e56936. doi: 10.1371 / journal.pone.0056936. PMID: 23468893
113. 29. Analisi del fattore Gorsuch RL (1983). 2nd ed. Hillsdale, New Jersey: Erlbaum.
114. 30. Kaiser HF (1960) L'applicazione dei calcolatori elettronici all'analisi fattoriale. Misure educative e psicologiche 20: 141-151 doi: 10.1177 / 001316446002000116
115. 31. Guttman L (1954) Alcune condizioni necessarie per l'analisi fattoriale comune. Psychometrika 19: 149-161. doi: 10.1007 / bf02289162
116. 32. Ybama ML (2004) Collegamenti tra sintomatologia depressiva e molestie di Internet tra i giovani utenti regolari. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
117. 33. Kaiser HF (1974) Un indice di semplicità fattoriale. Psychometrika 39: 31-36. doi: 10.1007 / bf02291575
118. 34. Elias H, Ping WS, Abdullah MC (2011) Lo stress e il rendimento scolastico tra gli studenti universitari in Universiti Putra Malaysia. Procedia-Scienze sociali e comportamentali 29: 646-655. doi: 10.1016 / j.sbspro.2011.11.288