傾向スコアマッチング分析（2018）に基づくうつ病と不安に対するインターネットとスマートフォン依存症の影響

Int J Environ Res公衆衛生。 2018 4月25; 15（5） pii：E859。 土井：10.3390 / ijerph15050859。

キムYJ1, チャン・HM2, イ・イ3, リー・D4, キムDJ5.

抽象

インターネット中毒（IA）およびスマートフォン中毒（SA）と精神的健康の問題との関連は広く研究されています。 社会人口学的変数を調整しながら、うつ病や不安に対するIAとSAの影響を調査しました。 この調査では、4854参加者は、社会人口統計項目、インターネット中毒の韓国尺度、スマートフォン中毒傾向尺度、および症状チェックリスト90項目改訂版のサブスケールを含む、横断的なWebベースの調査を完了しました。 参加者は、IA、SA、および通常使用（NU）グループに分類されました。 サンプリングバイアスを減らすために、遺伝的マッチングに基づく傾向スコアマッチング手法を適用しました。 IAグループは、うつ病のリスクの増加を示しました（相対リスク1.207; p <0.001）および不安（相対リスク1.264; p <0.001）NUと比較。 SAグループはまた、うつ病のリスクの増加を示しました（相対リスク1.337; p <0.001）および不安（相対リスク1.402; p <0.001）NCと比較。 これらの発見は、IAとSAの両方がうつ病と不安に有意な影響を及ぼしたことを示しています。 さらに、私たちの調査結果は、SAがIAよりも強いうつ病や不安との関係が強いことを示し、スマートフォンの過度の使用の予防と管理ポリシーの必要性を強調しました。

キーワード：  インターネット中毒; 不安; うつ病; 傾向スコア; スマートフォン中毒

PMID：29693641

DOI： 10.3390 / ijerph15050859

 

はじめに

日常生活でのインターネットとスマートフォンの使用と利便性の増加に伴い、蓄積された研究は、メンタルヘルスの分野での過剰なインターネットとスマートフォンの使用の悪影響を示しています[1].
韓国の人口におけるスマートフォンユーザーの割合は約85％で、世界最高です[2]。 ただし、過剰なスマートフォンの使用は、ストレスや異常な不安のリスク増加など、多くのメンタルヘルスの問題と強く関連しています[3,4]。 スマートフォン中毒（SA）は、インターネット中毒（IA）とともに中毒の新しい形態として出現し、近年、SAの臨床的特徴が注目されています[5]。 たとえば、スマートフォンの簡単な携帯性、リアルタイムのインターネットアクセス、直接通信機能など、デバイスの性質に関していくつかの違いがあります[6]。 IAとSAの類似点と相違点は、人口統計学的変数とメディア使用の動機づけの側面に関して報告されています[1,6].
環境の観点から、代替活動の欠如はIAに関連付けられています[7]。 さらに、独身であることは、ソーシャルネットワークとオンラインゲームの両方に強く関連していると報告されています[8]。 教育レベルと毎月の収入の側面については、SAの人々を対象とした最近の研究では、健康の側面に大きな違いがあり、低所得で教育の度合いが低い人々に有利であることがわかりました[9]。 この発見と一致して、系統的レビューは、学業成績とIAの重症度との有意な相関を報告した[10]。 年齢に関して、最近のレビューでは、問題のあるインターネットの使用は、思春期と新興の成人（19歳以上）の両方に最も関連していることがわかりました[10]、スマートフォン中毒は、新興成人（19歳以上）と比較して若い思春期に多く見られます[11]。 最近の研究では、男性と比較して、女性はスマートフォンの1日の使用時間と依存性スコアの平均が高い傾向があることが示されました[4]。 チョイ等。 （2015）は、男性の性別はIAに関連するリスク要因を持ち、女性の性別はSAに関連する[1]。 使用目的に関して、ソーシャルネットワーキングは、他の携帯電話関連の機能と比較して、スマートフォンへの高い依存度とより強く関連していることが示されました[11]。 IAを持つ個人において、アンダーソン等。 （2016）は、男性の性別がオンラインPCゲームと有意に関連していることを報告しました[10].
心理的側面に関しては、IAおよびSAとうつ病および不安との積極的な関連が広く報告されています[12,13]。 最近の研究では、インターネットやスマートフォンへの依存は、メディア自体ではなく、ユーザーの個々の認知感情的および行動プロファイルによって生じる可能性があることが示唆されています[14,15,16]。 最近の研究では、IAとSAの両方で共感と人生の満足の役割を観察しました[17]。 精神病理学に関して、いくつかの研究は、IA、うつ病、および不安の間の正の相関を報告しました[18,19,20]、最近の調査では、スマートフォンの使用と重症度、うつ病、不安との関係が報告されました[13]。 したがって、IA、SA、およびメンタルヘルスの問題の相互関係を正確に描写する必要があります。 さらに、IAとSAの重複と相違の両方を考えると[16]、それから生じる問題は、IAとSAが混同する人口統計的要因と社会経済的要因を調整した後のうつ病と不安のレベルの増加にどの程度関連しているのでしょうか？
メンタルヘルスの問題がインターネットやスマートフォンへの過度の依存の原因なのか結果なのかは不明のままです。 横断的研究では、重回帰分析を使用して、人々のメンタルヘルスの問題、IA、SAの関係を調査しています[21]。 ただし、ランダム化に欠ける観察研究では、選択バイアスに加えて、多数の共変量が存在する場合の過大評価や貧弱な標準誤差の可能性など、重回帰分析には限界があります[22]。 したがって、うつ病や不安などの特定の結果の単純な検査による依存症の影響の推定は、IAおよびSAに関連する人口統計学的および社会経済的要因の不均衡によって偏っています。 さらに、環境コンテキストやユーザーの心理プロファイルなど、うつや不安に対するIAとSAのインターネットユーザーとスマートフォンユーザーの特性に応じた差異効果を調査した研究はまだありません。 傾向スコアマッチング（PSM）は、観察研究における選択バイアスを減らすための一般的なアプローチになりました[23,24]。 この論文では、データの選択バイアスを減らすために、抑うつと不安に対するIAとSAの影響を調査するためにPSM分析を適用しました。 私たちの研究では、これらの社会人口学的変数とIAおよびSAとの関連を考慮して、交絡変数として性別、年齢、教育、婚status状態、および収入を選択しました[9,25].
この研究の主な目的は、傾向スコアマッチング分析を使用して、IA、SA、および気分の状態、つまりうつ病および不安の相互関係を調べることです。 第二に、うつ病と不安の影響がIAとSAの間でどのように異なるかを発見しようとします。

 

 

2。 材料および方法

 

 

2.1。 研究参加者

データは、ソウルカトリック大学が実施した、5003韓国人成人（19〜49歳）のオンライン匿名自己診断調査回答から構成されました。 12月の聖マリア病院2014 [26]。 この研究は、ヘルシンキ宣言に従って実施されました。 韓国カトリック大学ソウルの施設内審査委員会。 セントメアリー病院はこの研究を承認しました。 すべての参加者に研究について通知し、書面によるインフォームドコンセントを提供しました。 調査参加者は、調査会社のパネルによって募集され、自己報告アンケートは、補償なしでインターネットを通じて管理されました。 スマートフォンを使用しなかった149の回答者のみが除外されました。 最後に、4854参加者のデータを分析しました。 最後のサンプルでは、​​年齢は30未満（33.19％）、30–39（43.94％）、および40–49（22.87％）の3つのカテゴリに分類されました。 2573の男性（53.01％）と2281の女性（46.99％）がありました。 考慮された参加者の追加の人口統計学的変数は、教育、婚status状況、および収入でした。

 

 

2.2 対策

 

 

2.2.1。 インターネット依存症の測定

インターネット中毒の韓国語スケール（Kスケール）は、IAを評価するために韓国で開発され、韓国の人口で内部一貫性の高い信頼性で検証されています[27]。 Kスケールのクロンバッハのアルファ係数は0.91 [28]。 7つのサブスケールと40項目があり、日常生活の妨害、現実の妨害、自動中毒思考、仮想対人関係、逸脱行動、離脱、耐性を測定します。 このリッカートタイプスケールは、1（まったくではない）から4（常に）に設定されています。 このスケールを使用した以前のレポートによると、参加者は3つのグループに分類されました：正常、潜在的なリスク、および高リスク[29]。 高リスクグループは、日常生活障害、自動中毒思考、寛容因子、または少なくとも合計70で、70以上の標準化されたスコアを持つと定義されました。 潜在的なリスクグループは、日常生活障害、自動嗜癖思考、寛容要因、または少なくとも合計62の63以上のスコアとして定義されました。 通常の使用グループには、これらの数値以下のスコアが含まれていました。 この研究では、IAグループは潜在的なリスクとハイリスクのグループで構成されていました。

 

 

2.2.2。 スマートフォン依存症の測定

Smartphone Addiction Proneness Scale（K-SAS）は検証され、SAのスクリーニングに広く使用されています[30]。 これは、15（まったくではない）から1（常に）までの4段階のリッカートタイプの遭難スケールで評価された4アイテムで構成されています。 質問は、3つの要因を検討しました：日常生活障害、自動中毒思考、および耐性。 K-SASのクロンバッハのアルファ係数は0.880 [5].
このスケールを使用した以前のレポートに基づいて、スコアを使用して参加者を3つのグループに分類しました：正常、潜在的リスク、および高リスク[30]。 ハイリスクグループは、自動中毒性の思考と寛容の両方で、合計で44以上のスコアを持つか、日常生活障害で15以上のサブスコアと13以上のサブスコアを持つと定義されました。 潜在的なリスクグループは、合計スコアに41以上、または日常生活障害要因に15以上があると定義されました。 通常の使用グループには、これらの数値以下のスコアが含まれていました[30]。 この研究では、スマートフォン中毒グループは、リスクの高い潜在的なリスクグループで構成されていました。

 

 

2.2.3。 メンタルヘルスの問題の測定：うつ病と不安

SCL-90-Rは、9サブスケールのさまざまな心理的および精神病理学的特徴を選別するために開発された多次元アンケートです。身体化、強迫、強迫、対人過敏、うつ病、不安、敵意、恐怖恐怖、妄想的思考、精神病[31]。 SCL-90には、90（なし）から5（極端）までの0ポイントの遭難スケールで評価された4アイテムが含まれています。 韓国語のSCL-90-Rのテストと再テストの信頼性は、うつ病の場合は0.76、不安の場合は0.77でした。 内部の一貫性は、うつ病の場合は0.89、不安の場合は0.86でした[31]。 うつ病および不安は、IAおよびSAに最も強く関連する精神症状であると報告されています[12,13]。 この研究でスクリーニングする対象となる特定の次元には、うつ病と不安のSCL-90-Rサブスケールが含まれていました。

 

 

2.3 データ分析

 

 

2.3.1。 統計的定義

しましょう Zi

 

i番目のサブジェクトのバイナリ中毒インジケータである。 あれは、 Zi=1 i番目の被験者が中毒（IAまたはSA）である場合、および Zi=0 さもないと。 精神的な問題（うつ病または不安）の潜在的な結果は次のように定義されます Yi(Zi。 各サブジェクトで同時に観察される可能性のある結果は1つだけなので、 Yi(1) - Yi 不可能です。 個々の効果の代わりに、関心のある主なパラメーターは、中毒人口に対する予想中毒効果です

τ=E(Yi(1) - Yi(0)|
 
ただし、 τ

まだ問題がある E(Yi(0)|Zi 直接推定することはできません。 もちろん、ランダム化された実験では、 E(Yi(0)|Zi 満足しているので、 τ 簡単に推定できます。 ただし、観察研究では、 τ バイアスをかけることができるのは E(Yi(0)|Zi。 この選択バイアスを調整するために、共変量を観察できると仮定します Xi 中毒の影響を受けず、特定の共変量について Xi, 潜在的な結果 Yi(1), Yi 中毒インジケータから条件付きで独立している Zi. さらに、潜在的な結果が共変量を条件とする依存症から独立している場合 Xi、それらは傾向スコアの条件付き依存症にも依存しません P(Xi)= P(Zi=1|Xi[19]。 のPSM推定器 τ になる

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2。 傾向スコアの推定

傾向スコアは、ロジスティック回帰を使用して計算されます。ロジスティック回帰は、依存症が発生する確率を予測するために使用されるモデルです 

ログP(Zi=1|Xi)

 

 

 
この論文では、共変量として Xi

 

 

、5つのカテゴリー共変量を検討します：性別（1 =男性、2 =女性）、年齢（1 = 20–29、2 = 30–39、3 = 40–49）、教育（1 =中学校、2 =高学校、および3 =大学以上）、配偶者の有無（1 =独身、2 =同居、3 =結婚、4 =離婚、5 =遺族）、収入（1 =低、2 =中低、3 =中間、4 =中高、および5 =高）。 に セクション1、これらの共変量は、結果（うつ病または不安）と中毒に同時に影響する可能性があります。 したがって、各被験者について、傾向スコアを推定しました。 つまり、観測された共変量を与えられて中毒になる条件付き確率[32].

 

 

2.3.3。 推定傾向スコアに基づくマッチング方法

傾向スコアが推定されると、2つのグループ間の差異に調整した後、マッチングを使用して治療効果を推定できます[33]。 一致の目標は、研究の患者の分布のバランスを取り、観察された対照群の共変量と一致する一致サンプルを作成することです。 この調整方法により、交絡変数を制御できます。 この研究では、広く使用されている2つのマッチング手法、最適マッチングと遺伝的マッチング[34].

 

 

2.3.4。 傾向スコアマッチング後のメンタルヘルス問題に対する依存症の相対リスクの推定

観測された共変量（年齢、性別、結婚、収入、および教育）を使用した傾向スコアマッチングの後、よりバランスの取れたデータセットが得られます。 メンタルヘルスの問題（うつ病または不安）をモデル化するために、一致したサンプルに一般化線形モデル（GLM）を適用しました。 メンタルヘルススコアは正でバイアスがかけられているため、ログリンク付きのガンマ分布が適合します。 させて Yi

 

平均で関心の結果（うつ病または不安のスコア）である μi、共変量でガンマGLMフレームワークを使用できます Xi:

 

ログμi=γT
 
 
モデリングを通じて、 eγ

 

 

各共変量のIAとSAの相対リスク（グループ間の予想平均差として）。

 

 

3。 結果

4854参加者に加えて、126（2.60％）はIAグループに含まれ、652（13.43％）はSAグループに含まれていました。 テーブル1 うつ病と不安スコアの記述統計を示しています。 IAおよびSAグループのうつ病および不安の平均スコアは、通常使用（NU）グループのスコアよりも大きい。
表1。 うつ病および不安スコアの記述統計。
表

 

 

3.1。 傾向スコア照合方法の照合品質

この調査のアンケートでは、傾向スコアを介して少数の共変量のみを条件付けしていますが、マッチング手順は各共変量の分布のバランスをとるのに十分であることがわかりました。 テーブル2 および テーブル3。 の周辺分布の距離を評価しました Xi

 

 

 

。 各共変量について、バイアスを計算しました。 つまり、中毒サンプルと通常サンプルのサンプル平均の差。 傾向スコアマッチングを適用する前に、バイアスは無視されませんでした。 ただし、傾向スコアのマッチング後、中毒および通常のサブサンプルは、すべての共変量について非常に類似した周辺分布を示しました。
表2。 遺伝的および最適なマッチングを使用して、元のサンプルと傾向スコアが一致したサンプルの、IAグループと通常の使用グループの間のベースライン特性の平均割合の比較。
表
表3。 遺伝的最適マッチングを使用して、元のサンプルと傾向スコアが一致したサンプルの、SAグループと正常グループ間のベースライン特性の平均割合の比較。
表

 

 

3.2。 うつ病や不安に対するインターネット中毒の影響

傾向スコアマッチングを使用して得られたうつ病および不安に対するIAの影響は、 テーブル4。 遺伝子マッチングにより、3846のサンプルが選択されました。 IAは、うつ病（相対リスク1.207、95％信頼区間1.128–1.292、およびp <0.001）および不安（相対リスク1.264、95％信頼区間1.173–1.362、およびp <0.001）のより大きなリスクに関連していました。 信頼区間には1が含まれていないため、これらすべての相対リスク比は重要です。最適なマッチングにより、252個のサンプルが選択されました。 IAは、大恐慌（相対リスク1.243、95％信頼区間1.145–1.348、およびp <0.001）および不安（相対リスク1.308、95％信頼区間1.192–1.435、およびp <0.001）に関連していました。 遺伝的マッチングと同様に、うつ病と不安神経症の両方の相対リスク比は1よりも大幅に大きくなっています。
表4。 傾向スコアマッチングに基づく、うつ病および不安に対するインターネットおよびスマートフォン中毒の影響。
表

 

 

3.3。 うつ病と不安に対するスマートフォン中毒の影響

傾向スコアマッチングを使用したうつ病および不安に対するSAの効果は、 テーブル4。 遺伝子マッチングを通じて、4516のサンプルが選択されました。 SAは、うつ病（相対リスク1.337、95％信頼区間1.296–1.378、およびp <0.001）および不安（相対リスク1.402、95％信頼区間1.355–1.450、およびp <0.001）のより大きなリスクに関連していました。 最適なマッチングにより、1304サンプルが選択されました。 SAは、うつ病（相対リスク1.386、95％信頼区間1.334–1.440、およびp <0.001）および不安（相対リスク1.440、95％信頼区間1.380–1.503、およびp <0.001）のより大きなリスクに関連していました。 これらすべての相対リスク比は重要です。

 

 

3.4。 うつ病や不安に対するインターネットとスマートフォン中毒の影響の違い

うつ病と不安の相対的なリスク比は、遺伝的マッチングと最適マッチングの両方から、IAの場合よりSAのほうが10％高かった。 これは、SAはうつ病や不安のリスクがIAよりも大きいことを意味します。 これらの信頼区間には1が含まれていないため、SAは精神障害を引き起こす可能性が34–44％高いと言えます。

 

 

4。 討論

私たちの調査結果は、傾向スコアマッチングを使用して交絡因子を制御した後でも、IAとSAの両方がうつ病と不安に大きな影響を与えることです。 疫学研究では、IAでうつ病の有病率が高いと推定されています[35,36]。 多数の横断研究により、IAまたはSAの患者は通常のユーザーよりも高いレベルのうつ病および不安を示したことが報告されています[13,37]。 現在の研究では、私たちの結果はうつ病や不安の開発におけるIAとSAの役割を示しています。 現在の調査結果にはいくつかの可能な説明があります。 まず、インターネットやスマートフォンを常習的に使用すると、家族の葛藤、オフライン関係の欠如、サイバースペースでの承認の必要性の高まりなど、うつ病や不安に関連する対人関係の問題が増加する可能性があります。 第二に、離脱症状は物質乱用障害に匹敵するIAおよびSAの精神病理学的パターンとして提案されている[5]。 PCやスマートフォンにアクセスできない場合、IAまたはSAの人は不安になり、そのような否定的な感情を逃れるためにインターネットやスマートフォンを使用したいと思うかもしれません[38]。 別の考えられる説明は、アルコールやニコチンなどの他の中毒性の物質とは異なり、インターネットやスマートフォンは、デバイスへの自由で柔軟なアクセスのために、日常生活での過度の使用についてほとんど見当がつかない可能性があることです[3]、問題のある行動の兆候としてではなく、迷惑として彼らの過剰な使用を体験させる[39]。 別の興味深い発見は、SAがうつ病と不安に対してIAより強い効果を発揮したことです。 これは、IAとSAがメンタルヘルスの問題に異なる影響を及ぼしていると推測することにつながります。 この発見にはいくつかの説明があります。 まず、メディアの特性を考慮すると、無線ネットワークへのアクセス性が高く、頻繁に通知される24 hがあるため、デバイスの習慣を形成する性質により、過剰なスマートフォンの使用が容易になります[39]。 第二に、環境要因に関して、この発見は、PCからスマートフォンへの日常生活の平均の現在の根本的な変化を反映するかもしれません。 人々は複雑な仕事にPCインターネットを使用し、スマートフォンで他の毎日のタスクを実行する可能性があり、労働生産性の低下とストレスの増加につながります[40]。 最後に、SAを持つ個人はスマートフォンを使用して、オンラインソーシャルネットワークとの関係とつながりを維持することができます[41]、スマートフォンの使用が増加するきっかけになりながら、見逃しの恐れや接続の喪失の恐れにつながります[42].
この研究には、データ制限の横断的性質や、インターネットとスマートフォン中毒、うつ病、不安の間の因果推論の解釈など、調査結果を母集団全体に一般化するためのいくつかの制限があります。 傾向マッチングには制限と要件もあります。 主な制限は、傾向スコアは、観察された交絡因子によってのみ制御できることです[43]。 観察されない交絡因子の可能性が残っている可能性があり、一般化のための研究結果を制限しています。 さらに、この研究で観察された交絡因子はすべてカテゴリ変数として収集されたため、PSMモデルを構築する際に情報の損失が生じる可能性があります。 したがって、調査結果は慎重に解釈する必要があります。 しかし、マッチングの堅牢な結果を得るために、2つのマッチング方法、遺伝的マッチングと最適マッチングを検討しました。 特に、遺伝的マッチングは遺伝的検索アルゴリズムを使用しているため、そのプロセスは情報の損失が少ない良好なマッチングソリューションを見つけることができます[44]。 最後に、うつ病および不安症状の評価は、SCL-90-Rを使用した自己報告による心理的症状測定によって実施されました。 メンタルヘルスの問題をより正確かつ一貫して評価する。 臨床医による構造化されたインタビューは、さらなる研究で実施されるべきです。

 

 

結論

この研究では、IAとSAがどのようにメンタルヘルスの問題、うつ病、不安に影響するかを調査しました。 私たちの知る限り、これは断面データから傾向マッチングスコア法を使用してIA、SAと精神病理学の間の関連を推定し、IAとSAの間の精神病理学における差異効果を調査する最初の研究です。 結論として、私たちの調査結果は、IAとSAの両方がうつ病と不安のリスクを高めることを明らかにしています。 さらに、SAはIAと比較してうつ病および不安との強い関係を示した。
これらの調査結果の意味するところは、問題のあるスマートフォンの使用を伴う個人はメンタルヘルスの問題について綿密に監視されるべきであり、SAの前臨床レベルを目的とする予防および管理ポリシーを確立する必要性を強調することです。 さらに前向き研究では、IA、SA、およびメンタルヘルスの問題間の関係の因果的方向を調査し、IAおよびSAの識別要因を特定する必要があります。

 

 

著者寄稿

D.-JKとDLは、実験を考案して設計しました。 HMJはデータを分析しました。 Y.-JKが論文を書きました。 YLはデータ収集を監督しました。 すべての著者が原稿の開発に貢献し、批判的に改訂し、最終原稿を承認しました。

 

 

謝辞

この作品は、韓国国立研究財団の助成金（助成金番号2014M3C7A1062894、2014M3C7A1062896）によってサポートされていました。

 

 

利害の対立

著者らは、利害の対立を宣言していない。

 

 

参考文献

  1. チェ、S.-W .; キム、D.-J .; チェ、J.-S .; アン、H .; チェ、E.-J .; 歌、W.-Y .; キム、S。 ユン、H。スマートフォン中毒とインターネット中毒に関連するリスクと保護要因の比較。 J.行動。 常習者。 2015、4、308〜314。 [Google Scholarの] [CrossRefは] [PubMedの]
  2. 2016インターネットの過剰依存に関する調査。 科学、ICT、および未来計画省：ソウル、韓国、2017。
  3. リー、Y.-K .; Chang、C.-T .; Lin、Y .; チェン、Z.-H。 スマートフォン使用の暗黒面：心理的特性、強迫行動、テクノストレス。 計算。 ハム。 行動。 2014、31、373〜383。 [Google Scholarの] [CrossRefは]
  4. リー、KE; キム、S.-H .; ハ、T.-Y .; ユ、Y.-M .; ハン、J.-J .; Jung、J.-H .; チャン、J.-Y。 韓国のスマートフォン使用への依存と不安との関連。 公衆衛生担当者 2016、131、411〜419。 [Google Scholarの] [CrossRefは] [PubMedの]
  5. キム、D。 チョン、Y。 リー、J。 キム、M。 リー、Y。 カン、E .; Keum、C .; Nam、J.成人向けのスマートフォン中毒傾向傾向尺度の開発：自己報告。 韓国のJ.クーンズ。 2012、13、629〜644。 [Google Scholarの]
  6. クォン、M .; リー、J.-Y .; 勝った、W.-Y .; Park、J.-W .; ミン、J.-A .; ハーン、C。 区、X。 チェ、J.-H .; キム・D・J スマートフォン中毒スケール（SAS）の開発と検証。 PLoS ONE 2013、ＸＮＵＭＸ、ｅＸＮＵＭＸ。 [Google Scholarの] [CrossRefは] [PubMedの]
  7. Kuss、DJ。 グリフィス、MD。 ； Ｋａｒｉｌａ、Ｌ。 Billieux、J。インターネット中毒：過去10年間の疫学研究の系統的レビュー。 Curr。 薬局 デス。 2014、20、4026〜4052。 [Google Scholarの] [CrossRefは] [PubMedの]
  8. アンドレアセン、CS; ビリュー、J .; グリフィス、MD; Kuss、DJ; Demetrovics、Z .; マッゾーニ、E .; Pallesen、S.ソーシャルメディアとビデオゲームの常習的使用と精神障害の症状との関係：大規模な横断的研究。 サイコ。 常習者。 行動。 2016、ＸＮＵＭＸ、ＸＮＵＭＸ。 [Google Scholarの] [CrossRefは] [PubMedの]
  9. アルジョマー、SS; クダ、MFA; Albursan、IS; バキエット、SF; Abduljabbar、ASいくつかの変数を考慮した大学生のスマートフォン中毒。 計算。 ハム。 行動。 2016、61、155〜164。 [Google Scholarの] [CrossRefは]
  10. アンダーソン、EL; スティーン、E .; Stavropoulos、V.インターネットの使用と問題のあるインターネットの使用：青年期および新興成人期における長期的な研究動向の体系的なレビュー。 Int。 J.アドレスク。 若さ 2017、22、430〜454。 [Google Scholarの] [CrossRefは]
  11. ハウグ、S .; カストロ、RP; クォン、M .; フィラー、A .; コワッチ、T .; Schaub、MPスマートフォンの使用とスイスの若者の間のスマートフォン中毒。 J.行動。 常習者。 2015、4、299〜307。 [Google Scholarの] [CrossRefは] [PubMedの]
  12. Ko、C.-H .; 円、J.-Y .; 円、C.-F .; チェン、C.-S .; チェン、C.-C。 インターネット中毒と精神障害との関連：文献のレビュー。 ユーロ。 精神医学 2012、27、1〜8。 [Google Scholarの] [CrossRefは] [PubMedの]
  13. デミルチ、K。 Akgönül、M .; Akpinar、A.大学生のスマートフォンの使用重症度と睡眠の質、うつ病、不安の関係。 J.行動。 常習者。 2015、4、85〜92。 [Google Scholarの] [CrossRefは] [PubMedの]
  14. ブランド、M .; ヤング、KS; Laier、C .; ウォルフリング、K .; ミネソタ州ポテンザ特定のインターネット利用障害の発生と維持に関する心理学的および神経生物学的考慮事項の統合：人物-影響-認知-実行（I-PACE）モデルの相互作用。 神経科学。 生物行動 牧師 2016、71、252〜266。 [Google Scholarの] [CrossRefは] [PubMedの]
  15. キム、Y.-J .; キム、D.-J .; Choi、J.インターネット依存症の認知調節不全とその神経生物学的相関。 前面。 Biosci（エリート編） 2017、9、307〜320。 [Google Scholarの]
  16. ラフマン、B .; デューク、É.; サリスカ、R .; Montag、C.スマートフォンやインターネットに夢中になっているのは誰ですか？ サイコ。 ポップ。 メディアカルト。 2017。 [Google Scholarの] [CrossRefは]
  17. ラフマン、B .; シンダーマン、C .; サリスカ、RY; 羅、R。 メルチャーズ、MC; Becker、B .; クーパー、AJ; Montag、C.インターネットとスマートフォンの使用障害における共感と人生の満足の役割。 前面。 サイコ。 2018、ＸＮＵＭＸ、ＸＮＵＭＸ。 [Google Scholarの] [CrossRefは] [PubMedの]
  18. バンジャニン、N .; バンジャニン、N .; Dimitrijevic、I .; Pantic、I.インターネットの使用とうつ病の関係：生理的な気分の変動、ソーシャルネットワーキング、およびオンライン中毒行動に焦点を当てます。 計算。 ハム。 行動。 2015、43、308〜312。 [Google Scholarの] [CrossRefは]
  19. Akin、A .; Iskender、M。インターネット中毒とうつ病、不安とストレス。 Int。 オンラインJ. Educ。 科学 2011、3、138〜148。 [Google Scholarの]
  20. Ostovar、S .; アラヤール、N .; Aminpoor、H .; モアフィアン、F .; また、MBM; グリフィス、MDインターネット依存症とそのイランの青年と若い成人の間の心理社会的リスク（うつ病、不安、ストレス、孤独）：横断研究における構造方程式モデル。 Int。 J.メント。 健康中毒。 2016、14、257〜267。 [Google Scholarの] [CrossRefは]
  21. チャン、LM; Wong、WS香港の中国人青年の不況に対する不眠症とインターネット中毒の影響：探索的断面分析。 J.スリープレゾ。 2011、20、311〜317。 [Google Scholarの] [CrossRefは] [PubMedの]
  22. セペダ、MS; ボストン、R。 Farrar、JT; Strom、BLイベント数が少なく、複数の交絡因子がある場合のロジスティック回帰と傾向スコアの比較。 あ。 J.エピデミオール。 2003、158、280〜287。 [Google Scholarの] [CrossRefは] [PubMedの]
  23. オースティン、PC 1996と2003の間の医学文献における傾向スコアマッチングの重要な評価。 統計 中 2008、27、2037〜2049。 [Google Scholarの] [CrossRefは] [PubMedの]
  24. オースティン、PC; Grootendorst、P .; アンダーソン、GMさまざまな傾向スコアモデルが、処理対象と未処理対象の間で測定された変数のバランスを取る能力の比較：モンテカルロ研究。 統計 中 2007、26、734〜753。 [Google Scholarの] [CrossRefは] [PubMedの]
  25. ミューラー、KW; Glaesmer、H .; ブレーラー、E .; Woelfling、K .; Beutel、ME一般人口におけるインターネット中毒の有病率：ドイツの人口ベースの調査の結果。 行動。 Inf。 技術。 2014、33、757〜766。 [Google Scholarの] [CrossRefは]
  26. ロー、MJ; リー、H。 リー、T.-H .; チョー、H。 Jung、D .; キム、D.-J .; チェ、IYインターネットゲーミング障害の危険因子：心理的要因とインターネットゲーミングの特徴。 Int。 J.エンビロン。 解像度 公衆衛生 2018、ＸＮＵＭＸ、ＸＮＵＭＸ。 [Google Scholarの] [CrossRefは] [PubMedの]
  27. 国立情報サービス局。 成人のためのインターネット中毒傾向傾向の研究; 国立情報サービス局：ソウル、韓国、2005。 [Google Scholarの]
  28. Kim、D.インターネット中毒傾向尺度の追跡調査; 韓国デジタルチャンスおよびプロモーション代理店：ソウル、韓国、2008。 オンラインで利用可能： http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 （8からアクセス可能）2008。
  29. キム、D.-I .; Chung、Y.-J .; リー、E.-A .; キム、D.-M .; チョー、Y.-M。 インターネット中毒傾向傾向スケール-ショートフォーム（KSスケール）の開発。 韓国のJ.クーンズ。 2008、9、1703〜1722。 [Google Scholarの]
  30. 国立情報サービス局。 若者と成人向けの韓国のスマートフォン依存度尺度の開発。 国立情報サービス局：ソウル、韓国、2011; pp。85–86。 [Google Scholarの]
  31. キム、KI。 JWキム 韓国における症状チェックリスト-90-Rの標準化研究III。 メン 健康解像度 1984、2、278〜311。 [Google Scholarの]
  32. ヘックマン、J。 スミス、J。社会実験のケースの評価。 J.イーコン。 見通し。 1995、9、85〜110。 [Google Scholarの] [CrossRefは]
  33. カリエンド、M .; Kopeinig、S.傾向スコアマッチングの実装に関する実用的なガイダンス。 J.イーコン。 Surv。 2008、22、31〜72。 [Google Scholarの] [CrossRefは]
  34. Sekhon、JS; ダイアモンド、A。因果効果の推定のための遺伝子マッチング、未発表原稿。 7月2005、米国フロリダ州タラハシーの政治方法論の年次会議で発表。 [Google Scholarの]
  35. Ghassemzadeh、L .; シャラライ、M .; モラディ、A。イランの高校におけるインターネット依存症の有病率とインターネット中毒者と非中毒者の比較。 サイバーサイコ。 行動。 2008、11、731〜733。 [Google Scholarの] [CrossRefは] [PubMedの]
  36. 円、J.-Y .; Ko、C.-H .; 円、C.-F .; ウー、H.-Y .; ヤン・M・J インターネット中毒の併存する精神医学的症状：注意欠陥および多動性障害（ADHD）、うつ病、社会恐怖症、および敵意。 J.アドレスク。 健康 2007、41、93〜98。 [Google Scholarの] [CrossRefは] [PubMedの]
  37. トニオーニ、F .; Mazza、M .; Autullo、G .; Cappelluti、R .; Catalano、V .; マラーノ、G .; フィウマナ、V .; モスケッティ、C .; アリモンティ、F .; ルシアーニ、M。インターネット依存症は、病的ギャンブルとは異なる精神病理学的状態ですか？ J.アディクト。 行動。 2014、39、1052〜1056。 [Google Scholarの] [CrossRefは] [PubMedの]
  38. Kuss、DJ; グリフィス、MDオンラインソーシャルネットワーキングと依存症—心理学文献のレビュー。 Int。 J.エンビロン。 解像度 公衆衛生 2011、8、3528〜3552。 [Google Scholarの] [CrossRefは] [PubMedの]
  39. Oulasvirta、A .; Rattenbury、T .; Ma、L .; ライタ、E。習慣は、スマートフォンの使用をより普及させます。 皆さん。 ユビキタス計算。 2012、16、105〜114。 [Google Scholarの] [CrossRefは]
  40. デューク、É.; Montag、C.スマートフォン中毒、毎日の中断、自己申告による生産性。 常習者。 行動。 担当者 2017、6、90〜95。 [Google Scholarの] [CrossRefは] [PubMedの]
  41. Kuss、DJ; グリフィス、MDソーシャルネットワーキングサイトと依存症：10の教訓。 Int。 J.エンビロン。 解像度 公衆衛生 2017、ＸＮＵＭＸ、ＸＮＵＭＸ。 [Google Scholarの] [CrossRefは] [PubMedの]
  42. Oberst、U .; ウェグマン、E .; Stodt、B .; ブランド、M .; チャマロ、A。青少年における重いソーシャルネットワーキングからの負の結果：逃すことへの恐怖の媒介的役割。 J.アドレスク。 2017、55、51〜60。 [Google Scholarの] [CrossRefは] [PubMedの]
  43. ジョフィー、MM; ローゼンバウム、PR招待コメント：傾向スコア。 あ。 J.エピデミオール。 1999、150、327〜333。 [Google Scholarの] [CrossRefは] [PubMedの]
  44. ダイヤモンド、A .; Sekon、J.因果効果を推定するための遺伝的マッチング：観察研究のバランスをとる新しい方法。 牧師 統計 2013、95、932〜945。 [Google Scholarの] [CrossRefは]