Efek Internet lan Smartphone Ketagihan ing Depresi lan Kuatir Adhedhasar Skor Propensity Matching Analysis (2018)

Int J Environ Res Public Health. 2018 Apr 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Abstract

Asosiasi Internet kecanduan (IA) lan kecanduan smartphone (SA) karo masalah kesehatan mental wis ditliti sacara luas. Kita nyelidiki efek IA lan SA ing depresi lan kecemasan nalika nyetel kanggo variabel sociodemographic. Ing panliten iki, peserta 4854 ngrampungake survey web-cross-sectional kalebu item sosio-demografi, Scale Korea kanggo Internet kecanduan, Skor Kecanduan Proneness Smartphone, lan subscale saka Checklist Symptom 90 Items-Revised. Peserta diklasifikasekake dadi IA, SA, lan kelompok panggunaan normal (NU). Kanggo ngurangi bias sampling, kita nggunakake metode pencocokan skor propensity adhedhasar cocog genetika. Klompok IA nampilake resiko depresi (resiko relatif 1.207; p <0.001) lan kuatir (risiko relatif 1.264; p <0.001) dibandhingake karo NU. Klompok SA uga nuduhake peningkatan risiko depresi (risiko relatif 1.337; p <0.001) lan kuatir (risiko relatif 1.402; p <0.001) dibandhingake karo NC. Temuan kasebut nuduhake manawa kalorone, IA lan SA, ngasilake efek signifikan tumrap depresi lan kuatir. Kajaba iku, temuan kasebut nuduhake manawa SA duwe hubungan sing luwih kuat karo depresi lan kuatir, luwih kuwat tinimbang IA, lan negesake perlune pencegahan lan manajemen manajemen panggunaan smartphone sing gedhe banget.

KEYWORDS:  Internet kecanduan; kegelisahan; depresi; skor propensitas; kecanduan smartphone

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Pambuka

Kanthi nggunakake lan kenyamanan internet lan smartphone saben dinane, riset akumulasi nampilake efek negatif saka panggunaan internet lan smartphone sing gedhe banget ing dunyo kesehatan mental [1].
Tingkat pangguna smartphone ing populasi Korea Kidul kira-kira 85%, paling dhuwur ing donya [2]. Nanging, panggunaan smartphone gedhe banget digandhengake karo sawetara masalah kesehatan mental, kayata kaku lan résiko penyakit ora normal [3,4]. Kecanduan smartphone (SA) wis muncul minangka wangun anyar kecanduan bebarengan karo Internet ketagihan (IA), lan karakteristik klinis saka SA wis diwenehi perhatian ing taun anyar [5]. Contone, ana sawetara beda babagan sifat piranti kasebut, kayata portabilitas gampang, akses Internet nyata wektu lan fitur komunikasi langsung saka smartphone [6]. Katrangan lan beda antarane IA lan SA wis dilapurake babagan variabel demografi lan aspèk motivasi media nggunakake [1,6].
Saka aspek lingkungan, kekurangan alternatif kegiatan digandhengake karo IA [7]. Saliyane, sing siji wis kacarita kanthi kuat banget karo jaringan sosial lan game online [8]. Minangka kanggo tingkat pendidikan lan dimensi saben wulan, panalitian anyar ing wong SA nemokake beda sing signifikan ing dimensi kesehatan sing disenengi wong-wong sing duwe penghasilan sing luwih murah lan tingkat pendidikan sing luwih murah [9]. Konsisten karo temuan iki, review sistematis nglaporake korélasi sing signifikan antara prestasi akademik lan keruwetan IA [10]. Wiwit jaman, review anyar nemokake panggunaan Internet sing masalah sing paling cocog kanggo wong diwasa lan remaja (19 taun utawa lawas) [10], nalika kecanduan smartphone luwih umum ing bocah enom dibandhingake karo wong diwasa (19 taun utawa luwih) [11]. A panaliten anyar nuduhake yen wanita cenderung duwe rata-rata rata-rata wektu panggunaan saben dina lan skor ketergantungan kanggo Smartphone, dibandhingake karo wong [4]. Choi et al. (2015) nyatakake yen jantan lanang nduweni faktor risiko sing relevan kanggo IA, lan jender wadon kanggo SA [1]. Ngenani tujuan panggunaan, jejaring sosial nuduhake luwih kuwat banget karo katergantungan smartphone dhuwur, dibandhingake karo fungsi sing gegandhengan karo telpon seluler [11]. Ing individu kanthi IA, Anderson et al. (2016) nglapurake yen jender lanang secara signifikan digandhengake karo game PC online [10].
Kanthi ngurmati aspek psikologis, hubungan positif IA lan SA kanthi depresi lan kuatir wis dilapurake kanthi akeh [12,13]. Pasinaon anyar wis ngandhakake yen kecanduan internet lan smartphone bisa muncul dening profil pengguna kognitif-emosional lan tindak tanduk individu tinimbang medium dhewe [14,15,16]. A panelitian anyar nonton peran empati lan kepuasan urip ing loro IA lan SA [17]. Kanthi ngurmati psychopathology, sawetara studi nglaporake korelasi positif antarane IA, depresi, lan kuatir [18,19,20], nalika sinau anyar nglapurake hubungan antarane panggunaan smartphone lan keruwetan, depresi, lan kuatir [13]. Mulane, sesambungan antarane IA, SA, lan masalah kesehatan mental perlu ditrapake kanthi tepat. Kajaba iku, diwenehi loro tumpang tindih lan beda antarane IA lan SA [16], banjur pitakonan sing muncul yaiku babagan apa IA lan SA dihubungake karo peningkatan tingkat depresi lan kuatir sawise nyetel faktor demografi lan sosio-ekonomi sing mbebayani?
Tetep ora cetha manawa masalah kesehatan mental sing nyebabake utawa akibat saka ketergantungan banget ing internet lan smartphone. Panaliten lintas-bidang wis digunakake kanggo nganalisis analisa regresi kanggo neliti hubungan antarane masalah kesehatan mental, IA, lan SA ing wong [21]. Nanging, ing studi observasional, sing ora ana acak, analisis regresi ganda duwe watesan, kayata kamungkinan overestimation lan kesalahan standar sing kurang nalika akeh kovariat sing ana, saliyane bias pilihan [22]. Mangkono, ngira efek saka kecanduan kanthi nganalisa asil tartamtu, kayata depresi lan kuatir, bakal bias kanthi ora seimbang karo faktor demografi lan sosial ekonomi sing ana hubungane karo IA lan SA. Kajaba iku, ora ana panalitene durung nyelidiki efek diferensial miturut karakteristik Internet lan smartphone, kayata konteks lingkungan lan profil psikologis pangguna, IA lan SA ing depresi lan kegirangan. Pencocokan skor propensity (PSM) wis dadi pendekatan populer kanggo ngurangi bias pemilihan ing studi observasional [23,24]. Ing makalah iki, kita nganakake analisis PSM kanggo neliti efek IA lan SA babagan depresi lan kegirangan, kanggo ngurangi bias pemilihan ing data kita. Kita milih jinis, umur, pendidikan, status perkawinan, lan pendapatan minangka variabel mbingungake, mengaruhi asosiasi variabel sosiodemografi kasebut karo IA lan SA ing studi kita [9,25].
Tujuan utama panaliten iki yaiku kanggo nliti hubungan antarane IA, SA, lan status swasana ati, yaiku depresi lan kuatir, nggunakake analisis pencocokan skor propensitas. Kapindho, kita kepengin nemokake carane efek depresi lan kuatir beda antarane IA lan SA.

 

 

2. Bahan lan Metode

 

 

2.1. Peserta Study

Data kasebut kalebu tanggapan babagan diagnosis self-diagnosis anonim online saka wong dewasa Korea 5003 (umur 19-49 taun), sing dianakaké dening Universitas Katolik Korea, Seoul; lan St. Mary's Hospital ing Desember 2014 [26]. Panalitiyan iki dianakake miturut Deklarasi Helsinki. Dewan panitia lembaga Universitas Katolik Korea, Seoul; lan St. Mary's Hospital nyetujoni studi iki. Kabeh peserta informed babagan sinau lan menehi persetujuan informed sing ditulis. Peserta survey ditampa dening panel perusahaan riset lan kuesioner laporan diri diterbitake liwat Internet tanpa ganti rugi. Mung responden 149, sing ora nggunakake Smartphone, dikalahaké. Pungkasan, kita nganalisa data peserta 4854. Ing sampel final, umur digolongake dadi telung kategori: Ngisor 30 (33.19%), 30-39 (43.94%), lan 40-49 (22.87%). Ana 2573 lanang (53.01%) lan 2281 wadon (46.99%). Variabel demografi tambahan sing dianggep peserta yaiku pendidikan, status perkawinan, lan penghasilan.

 

 

2.2. Ngukur

 

 

2.2.1. Pengukuran Internet Kecanduan

Skala Korea kanggo Internet kecanduan (K-skala) dikembangake ing Korea kanggo netepake IA lan wis divalidasi ing populasi Korea kanthi dhuwur kehandalan konsistensi internal [27]. Koefisien alpha Cronbach kanggo K-Scale yaiku 0.91 [28]. Wis pitung subscales lan 40 item, ngukur gangguan urip saben dina, gangguan uji coba realita, pikiran kecanduan otomatis, hubungan interpersonal virtual, prilaku, mundur, lan toleransi. Ukuran tipe Likert iki wis disetel saka 1 (ora kabeh) kanggo 4 (tansah). Miturut laporan sadurunge nggunakake skala iki, para peserta diurutake dadi telung klompok: normal, risiko potensial, lan risiko dhuwur [29]. Klompok risiko dhuwur ditetepake minangka skor standar 70 utawa luwih dhuwur, ing gangguan urip saben dinane, pikirane gawe ketagihan otomatis, faktor toleransi, utawa setidaknya 70. Klompok risiko potensial ditemtokake minangka skor 62 utawa sing luwih dhuwur ing gangguan urip saben dinane, pikirane gawe ketagihan otomatis, faktor toleransi, utawa setidaknya 63. Klompok panggunaan normal sing ana ing sangisoré angka kasebut. Ing panliten iki, kelompok IA diwangun saka risiko potensial lan kelompok risiko dhuwur.

 

 

2.2.2. Pengukuran Kecanduan Smartphone

Proneness Scale (K-SAS) Smartphone Addiction wis divalidasi lan akeh digunakake kanggo layar kanggo SA [30]. Iku kasusun saka item 15 sing diandharake ing skala tipe Likert tipe papat kesusuaan saka 1 (ora kabeh) kanggo 4 (tansah). Pitakonan ditemokake telung faktor: gangguan urip saben dina, pikirane gawe ketagihan otomatis, lan toleransi. Koefisien alpha Cronbach kanggo K-SAS yaiku 0.880 [5].
Adhedhasar laporan sadurunge nggunakake skala iki, kita nggunakake skor kanggo ngelasake peserta dadi telung klompok: Normal, potensial risiko, lan risiko dhuwur [30]. Klompok risiko dhuwur ditetepake minangka skor 44 utawa luwih akeh, utawa duwe subscore 15 utawa liyane ing gangguan urip saben dina bebarengan karo subscores 13 utawa liyane, ing loro pikiran lan toleransi otomatis gawe ketagihan. Klompok risiko potensial kasebut dianggep duwe 41 utawa luwih ing skor total, utawa 15 utawa liyane ing faktor gangguan urip saben dina. Klompok panggunaan normal sing ana ing sangisoré angka kasebut [30]. Ing panliten iki, klompok ketagihan smartphone diwangun saka kelompok risiko dhuwur lan potensial.

 

 

2.2.3. Pengukuran Masalah Kesehatan Mental: Depresi lan Kuatir

SCL-90-R minangka kuesioner multidimensi sing dikembangake kanggo nylidhiki fitur psikologis lan psikopatologi 9 subscales: Somatisasi, obsesif-kompulsif, kepekaan interpersonal, depresi, kegelisahan, permusuhan, kegelisahan fobia, ide paranoid, lan psychoticism [31]. SCL-90 ngemot item 90 sing dirating ing skala 5-point of distress saka 0 (none) kanggo 4 (ekstrim). Reliabilitas tes SCL-90-R ing basa Korea yaiku 0.76 kanggo depresi lan 0.77 kanggo kegelisahan. Konsistensi internal yaiku 0.89 kanggo depresi lan 0.86 kanggo kegelisahan [31]. Depresi lan kuatir wis kacarita minangka gejala psikiatri sing paling disenengi déning IA lan SA [12,13]. Dimensi spesifik kanggo kapentingan ing layar iki kalebu subclass SCL-90-R kanggo Depresi lan Kuatir.

 

 

2.3. Analisis data

 

 

2.3.1. Definisi statistik

Ayo Zi

 

dadi indikator kecanduan binar kanggo subyek; iku, Zi=1 yen subyek sing ketagihan (IA utawa SA), lan Zi=0 digunakake. Hasil potensial saka masalah mental (depresi utawa kuatir) ditetepake minangka Yi(Zi. Elinga yen mung salah siji saka asil potensial diamati ing wektu sing padha kanggo saben subyek, supaya langsung saka komputasi Yi(1)-Yi punika mokal. Tinimbang efek individu, parameter kapentingan utama minangka efek kecanduan sing dikarepake marang populasi kecanduan

τ=E(Yi(1)-Yi(0)|
 
Nanging, perkiraan τ

isih duwe masalah amarga E(Yi(0)|Zi ora bisa dianggep langsung. Mesthi, ing percobaan sacara acak, E(Yi(0)|Zi wis wareg, mangkono τ bisa diprediksi. Nanging, ing sawijining observasi sinau, estimasi naif saka τ bisa bias amarga E(Yi(0)|Zi. Kanggo nyetel pilihan bias iki, kita nganggep kita bisa mirsani kovariates Xi sing ora kena pengaruh karo kecanduan, lan kanggo kovariat Xi, kasil potensial Yi(1), Yi sing bebas saka indikator kecanduan Zi. Salajengipun, yen kasil potensial bebas saka katerangan kecanduan ing kovariat Xi, padha uga merdika saka kondisi kecanduan ing skor kecenderungan P(Xi)= P(Zi=1|Xi[19]. Pengira PSM kanggo τ dadi

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Ngira Skor Propensitas

Skor kebencian wis diitung kanthi nggunakake regression logistic, model sing dipigunakaké kanggo prédhiksi kemungkinan sing kecanduan ana 

logP(Zi=1|Xi)

 

 

 
Ing koran iki, minangka kovariat kanggo Xi

 

 

, kita nganggep limang covariates: jinis (1 = lanang lan 2 = wadon), umur (1 = 20-29, 2 = 30-39, lan 3 = 40-49), pendidikan (1 = sekolah menengah, 2 = sekolah, lan 3 = universitas utawa ndhuwur), status perkawinan (1 = tunggal, 2 = cohabitation, 3 = nikah, 4 = pegatan, lan 5 = bereaved), lan income (1 = low, 2 = mid-low, 3 = tengah, 4 = pertengahan dhuwur, lan 5 = dhuwur). Ing Bagean 1, covariates iki bisa uga ngasilake asil (depresi utawa kuatir) lan kecanduan bebarengan. Mangkono, kanggo saben subyek, kita ngira skor kecenderungan; yaiku, probabilitas sing kondisional minangka ketagihan diwenehi covariates diamati [32].

 

 

2.3.3. Metode Pencocokan Adhedhasar Skor Propensitas Prediksi

Sawise skor kecenderungan ditaksir, pencocokan bisa digunakake kanggo ngira efek perawatan sawise nyetel beda antarane rong kelompok [33]. Tujuan cocog yaiku kanggo ngasilake sampel sing cocog sing nyatakake distribusi pasien sinau lan cocog karo kovariat saka kelompok kontrol sing diamati. Cara nyetel iki ngidini kita ngontrol variabel mbungkus. Ing panliten iki, kita nggunakake rong cara sing cocog, sing cocog karo optimal lan genetik [34].

 

 

2.3.4. Perkiraan Risiko Relatif Ketergantungan ing Masalah Kesehatan Mental sawise Pencocokan Pencocokan Skor

Sawise pencocokan skor cocog kanthi nggunakake covariates diamati (umur, jender, pernikahan, income, lan pendidikan), kita duwe dhetèsi sing luwih seimbang. Kanggo model masalah kesehatan mental (depresi utawa kuatir), kita nggunakake model linear umum (GLMs) kanggo sampel sing cocok. Amarga skor kesehatan mental sing positif lan prasaja, distribusi gamma kanthi link log wis dipasang. Ayo Yi

 

dadi asil kapentingan (skor depresi utawa kuatir) kanthi tegese μi, kita bisa nggunakake framework Gamma GLM kanthi covariates Xi:

 

logμi=γT
 
 
Liwat modeling, kita kira eγ

 

 

minangka risiko relatif (minangka beda prabawa beda antarane klompok) IA lan SA kanggo saben kovariat.

 

 

3. Hasil

Saliyane peserta 4854, 126 (2.60%) kalebu ing grup IA lan 652 (13.43%) kalebu ing grup SA. Tabel 1 nuduhake statistik deskriptif depresi lan skor kecemasan. Nilai rata-rata depresi lan kuatir saka klompok IA lan SA luwih gedhe tinimbang klompok panggunaan normal (NU).
Tabel 1. Statistik Deskriptif Depresi lan skor Anxiety.
Tabel

 

 

3.1. Cocog Quality of the Probability Skor Matching Method

Sanajan kita mung ngandharake sawetara kovariat ing kuesioner saka panliten iki, liwat skor propensitas, kita nemokake yen prosedur sing cocog cukup kanggo nimbang distribusi saben kovariat, Tabel 2 lan Tabel 3. Kita nganalisa jarak ing distribusi marginal saka Xi

 

 

 

. Kanggo saben kovariat, kita ngitung bias; yaiku, beda ing rata-rata sampel saka conto kecanduan lan normal. Sadurunge nggunakake skor skor propensity, bias ora digathekake. Nanging, sawise pencocokan skor kecocokan, kecanduan lan subsitusi normal padha karo distribusi marginal sing padha banget kanggo kabeh kovarian.
Tabel 2. Perbandingan persentase rata-rata karakteristik dhasar antara IA lan kelompok panggunaan normal, ing sampel asli lan skor propensitas sing cocog karo sampel, kanthi nggunakake pencocokan genetik lan optimal.
Tabel
Tabel 3. Perbandingan persentase rata-rata karakteristik rata-rata antarane SA lan kelompok-kelompok normal, ing sampel asli lan skor propensitas dicocogake sampel, nggunakake cocog genetik lan optimal.
Tabel

 

 

3.2. Efek Internet Kecanduan ing Depresi lan Kuatir

Efek IA ing depresi lan kuatir sing diduweni nggunakake pencocokan skor propensity kacarita ing Tabel 4. Liwat pencocokan genetik, 3846 sampel dipilih. IA ana hubungane karo risiko depresi sing luwih gedhe (risiko relatif 1.207, interval kapercayan 95% 1.128-1.292, lan p <0.001) lan kuatir (risiko relatif 1.264, interval kapercayan 95% 1.173-1.362, lan p <0.001). Kabeh rasio risiko relatif iki signifikan amarga interval kapercayan ora ngemot 1. Liwat cocog optimal, 252 sampel dipilih. IA ana gandhengane karo depresi sing luwih gedhe (risiko relatif 1.243, interval kapercayan 95% 1.145-1.348, lan p <0.001) lan kuatir (risiko relatif 1.308, interval kapercayan 95% 1.192-1.435, lan p <0.001). Mirip karo pencocokan genetik, rasio risiko relatif ing kalorone, depresi lan kuatir, luwih gedhe tinimbang 1.
Tabel 4. Efek kecanduan internet lan smartphone ing depresi lan kuatir, adhedhasar pencocokan skor propensitas.
Tabel

 

 

3.3. Efek saka Kecanduan Smartphone ing Depresi lan Kuatir

Efek saka SA ing depresi lan kuatir nggunakake cocog skor cocog dilapurake ing Tabel 4. Liwat pencocokan genetik, 4516 sampel dipilih. SA ana hubungane karo risiko depresi sing luwih gedhe (risiko relatif 1.337, interval kapercayan 95% 1.296-1.378, lan p <0.001) lan kuatir (risiko relatif 1.402, interval kapercayan 95% 1.355-1.450, lan p <0.001). Liwat pencocokan optimal, 1304 conto dipilih. SA ana hubungane karo risiko depresi sing luwih gedhe (risiko relatif 1.386, interval kapercayan 95% 1.334-1.440, lan p <0.001) lan kuatir (risiko relatif 1.440, interval kapercayan 95% 1.380-1.503, lan p <0.001). Kabeh rasio risiko relatif iki signifikan.

 

 

3.4. Perbedaan ing Efek Internet lan Smartphone Kecanduan ing Depresi lan Kuatir

Rasio resiko relatif kanggo depresi lan kuatir, saka pasangan genetik lan optimal, yaiku 10% sing luwih dhuwur kanggo SA tinimbang kanggo IA. Iki tegese SA duweni risiko luwih gedhe kanggo depresi lan kuatir saka IA. Interval kapercayan kasebut ora ngemot 1, supaya kita bisa ngucap yen SA iku 34-44% luwih mungkin nyebabake kelainan mental.

 

 

4. Diskusi

Temuan kasebut yaiku yen IA lan SA ngetrapake efek signifikan marang depresi lan kuatir, sanajan sawise ngontrol wong-wong sing nggunakke nggunakake cocog skor kecocokan. Pasinaon epidemiologis ngira-ngira prevalensi depresi sing luwih dhuwur ing IA [35,36]. Sawetara studi cross-sectional wis nglapurake yen individu karo IA utawa SA nampilake tingkat depresi lan kuatir luwih dhuwur tinimbang pangguna normal [13,37]. Ing panliten saiki, asil kita nuduhake peran IA lan SA ing ngembangake depresi lan kuatir. Ana sawetara penjelasan kanggo penemuan saiki. Kaping pisanan, panggunaan internet lan smartphone bisa nambah masalah interpersonal, sing gegandhèngan karo depresi lan kuatir, kayata konflik kulawarga, lack of off-line relationships, lan perlu kanggo persetujuan ing dunia maya. Kapindho, gejala mundur kasebut diusulake minangka pola psikopatologis ing IA lan SA, sing sebanding karo nada gangguan penyalahgunaan [5]. Nalika padha ora nduweni akses menyang PC utawa smartphone, individu karo IA utawa SA bisa dadi penasaran, lan banjur kepéngin nggunakake Internet utawa smartphone supaya bisa ngilangi raos negatif kasebut [38]. Panjelasan liyane bisa uga ora beda karo zat adiktif liyane, kayata alkohol lan nikotin, pangguna internet lan smartphone luwih mirip ngenani penggunaan sing gedhe banget ing urip saben dina amarga akses gratis lan fleksibel menyang perangkat [3], nggawe dheweke ngalami penggunaan sing gedhe banget minangka gangguan nanging ora minangka tandha prilaku sing masalah [39]. Temuan liyane sing menarik yaiku yen SA nduwe pengaruh kuat ing depresi lan kuatir saka IA. Iki ndadaki kita supaya bisa ngira yen IA lan SA duwe pengaruh sing beda ing masalah kesehatan mental. Ana sawetara penjelasan kanggo nemokake iki. Kawitan, considering karakteristik media, luwih gampang panggunaan smartphone sing gedhe banget berkembang liwat sifat-sifat piranti, amarga aksesibilitas sing luwih dhuwur marang jaringan nirkabel lan 24 h saka kabar sing kerep banget [39]. Kapindho, bab faktor lingkungan, temuan iki bisa nggambarake owah-owahan radikal saben dina rata-rata saben dina saka PC menyang Smartphone. Wong bisa nggunakake internet PC kanggo gawe rumit lan nggarap tugas saben dina karo smartphone, anjog ing produktivitas tenaga kerja lan tingkat stres sing luwih dhuwur [40]. Pungkasan, individu karo SA bisa nggunakake Smartphone kanggo njaga sesambetan lan rasa disambungan karo jaringan sosial online [41], mimpin kanggo wedi ilang lan ketaman kekurangan sambungan, nalika ngupaya nggunakake smartphone sing luwih dhuwur [42].
Panliten iki nduweni sawetara watesan kanggo nerbitake temuan menyang kabeh populasi, kayata sifat lintas-watesan data watesan lan interpretasi kasalahan panyebab antarane Internet lan smartphone kecanduan, depresi, lan kegirangan. Pencocokan propensitas uga nduweni watesan lan syarat. Watesan utama yaiku yen skor kecenderungan mung bisa dikendhaleni dening para pengembang [43]. Kamungkinan pambantah sing ora ditemtokake bisa tetep, matesi nemokake panliten kanggo generalisasi. Salajengipun, amargi panaliten ingkang dipunginakaken wonten ing panaliten punika dipunkempalaken minangka variabel kategorinipun, mboten wonten informasi babagan nalika mbangun model PSM. Mulane, temonan kita kudu ditafsirake kanthi ati-ati. Nanging, kanggo nggayuh asil sing cocog, cocog rong cara sing cocog, pencocokan genetik, lan pencocokan optimal. Utamane, cocog genetik nggunakake algoritma panelusuran genetik, supaya proses bisa nemokake solusi sing cocog sing apik kanthi kurang informasi [44]. Pamungkas, gejala depresi lan gejala kuatir dilakokaké kanthi menehi laporan gejala gejala psikologis kanthi nggunakake SCL-90-R. Kanggo ngevaluasi masalah kesehatan mental luwih akurat lan terus-terusan. Wawancara terstruktur dening dokter kudu dilakoni ing studi luwih lanjut.

 

 

5. Kesimpulan

Ing panliten iki, kita nyinaoni carane IA lan SA mangaruhi masalah kesehatan mental, depresi lan kuatir. Kanggo pangerten sing paling apik, iki sinau pisanan kanggo ngetungake hubungan antara IA, SA lan psychopathology nggunakake metode skor pencocokan kecocokan saka data lintas bagean, lan kanggo nliti efek diferensial ing psikopatologi antarane IA lan SA. Ing kesimpulan, panemon kita nuduhake yen IA lan SA nambah risiko depresi lan kuatir. Kajaba iku, SA nunjukake hubungan sing kuwat karo depresi lan kuatir dibandhingake IA.
Sawijining implikasi saka panemuan iki yaiku yen individu sing nggunakake smartphone nggunakake masalah kudu diawasi kanthi teliti kanggo masalah kesehatan mental, nyoroti perlu kanggo nyetel kebijakan pencegahan lan manajemen sing dituju ing tingkat pra-klinis SA. Pasinaon sing luwih maju mesthine kudu neliti pituduh sing ana hubungane antara IA, SA, lan masalah kesehatan mental lan kudu ngenali faktor discriminative IA lan SA.

 

 

Kontribusi panganggo

D.-JK lan DL ngandhut lan ngrancang eksperimen; HMJ nganalisis data; Y.-JK nyerat koran kasebut. YL ngawasi koleksi data. Kabeh penulis nyumbang kanggo pangembangan manuskrip, ngrubah kanthi kritis, lan nyetujui manuskrip pungkasan.

 

 

Acknowledgments

Karya iki didhukung dening gréja saka Yayasan Riset Nasional Korea (Grant No. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Konflik Kepentingan

Para penulis nyatakake ora ana konflik kepentingan.

 

 

Cathetan Suku

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Perbandingan faktor risiko lan protèktif sing adhedhasar kecanduan smartphone lan kecanduan Internet. J. Behav. Addict. 2015, 4, 308-314. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  2. 2016 the Survey on Overdependence Internet; Kementerian Urusan, ICT lan Perencanaan Masa Depan: Seoul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Sisi gelap panggunaan smartphone: Sifat psikologis, prilaku kompulsif lan teknostress. Ngomong. Hum. Behav. 2014, 31, 373-383. [Sunting]Google Kabeh Topik] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Dependensi nggunakake smartphone lan asosiasi karo keganggu ing Korea. Rep. 2016, 131, 411-419. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  5. Kim, D .;; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Perkembangan skala proneness kecanduan smartphone kanggo wong dewasa: Self-report. J. J. Couns. 2012, 13, 629-644. [Sunting]Google Kabeh Topik]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Pengembangan lan validasi saka ukuran kecanduan smartphone (SAS). PLOS ONE 2013, 8, e56936. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet kecanduan: Tinjauan sistematis babagan riset epidemiologis kanggo dasawarsa pungkasan. Curr. Pharm. Des. 2014, 20, 4026-4052. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. Hubungan antarane panggunaan media sosial lan game lan gejala kelainan psikiatri sing nyenengake: Sinau lintas-sectional. Psychol. Addict. Behav. 2016, 30, 252. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, US kecanduan Smartphone ing kalangan mahasiswa ing cahya saka sawetara variabel. Ngomong. Hum. Behav. 2016, 61, 155-164. [Sunting]Google Kabeh Topik] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Panggunaan internet lan Masalah Internet Gunakake: Tinjauan sistematis babagan tren riset longitudinal ing remaja lan dewasa. Int. J. Adolesc. Pemuda 2017, 22, 430-454. [Sunting]Google Kabeh Topik] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP Smartphone nggunakake lan smartphone kecanduan antarane wong enom ing Swiss. J. Behav. Addict. 2015, 4, 299-307. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. Asosiasi antara kecanduan internet lan gangguan psikiatri: Tinjauan literatur. Eur. Psychiatry 2012, 27, 1-8. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Hubungan smartphone nggunakake tingkat keruwetan, kualitas depresi, lan kegelisahan ing mahasiswa. J. Behav. Addict. 2015, 4, 85-92. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Integrasi pertimbangan psikologis lan neurobiologis babagan perkembangan lan pangopènan gangguan Internet khusus: Interaksi Pribadi-Affect-Cognition-Execution (I-PACE). Neurosci. Biobehav. Rev. 2016, 71, 252-266. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Dysregulation kognitif kecanduan internet lan hubungan neurobiologisipun. Ngarep. Biosci (Elite ed.) 2017, 9, 307-320. [Sunting]Google Kabeh Topik]
  16. Lachmann, B .; Adipati, É .; Sariyska, R .; Montag, C. Sapa sing Ketagihan ing Smartphone lan / utawa Internet? Psychol. Pop. Media Kultus. 2017. [Sunting]Google Kabeh Topik] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. Peran Empathy lan Kepuasan Hidup ing Internet lan Ponsel Pangguna Gangguan. Ngarep. Psychol. 2018, 9, 398. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Hubungan antara nggunakake internet lan depresi: Fokus ing osilasi psikologi fisiologis, jaringan sosial lan perilaku adiktif online. Ngomong. Hum. Behav. 2015, 43, 308-312. [Sunting]Google Kabeh Topik] [CrossRef]
  19. Akin, A .; Iskender, M. Internet kecanduan lan depresi, keprigelan lan stres. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Sunting]Google Kabeh Topik]
  20. Dhewe, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Nor, MBM; Griffiths, MD Ketergantungan Internet lan riset psychosocial (depresi, kegelisahan, stres lan kesepian) ing kalangan remaja Iran lan wong diwasa: A model persamaan struktural ing studi cross-sectional. Int. J. Ment. Gendheng Kesehatan. 2016, 14, 257-267. [Sunting]Google Kabeh Topik] [CrossRef]
  21. Cheung, LM; Wong, WS Efek saka insomnia lan kecanduan internet ing depresi ing Cina Tiongkok Hongkong: Analisis cross-sectional exploratory. J. Sleep Res. 2011, 20, 311-317. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Perbandingan logistik regresi versus skor propensity nalika nomer acara kurang lan ana sawetara confounders. Am. J. Epidemiol. 2003, 158, 280-287. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  23. Austin, PC A kaweruh kritis saka skor propensity-skor ing literatur medis antarane 1996 lan 2003. Stat. Med. 2008, 27, 2037-2049. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM: A comparison kemampuan kemampuan model skor propensity kanggo nyelehake variabel sing diukur antarane subyek dirawat lan ora ditangani: A Monte Carlo sinau. Stat. Med. 2007, 26, 734-753. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Keterbatasan kecanduan internet ing populasi umum: Asil saka survey populasi Jerman. Behav. Inf. Technol. 2014, 33, 757-766. [Sunting]Google Kabeh Topik] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .;; Kim, D.-J .; Choi, IY Factor Risk kanggo Internet Gaming Disorder: Faktor Psikologis lan Ciri Gaming Internet. Int. J. Lingkungan. Res. Kesehatan Masyarakat 2018, 15, 40. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  27. Badan Informasi Informasi Nasional. A Study of Internet Kecanduan Skala Proneness kanggo Dewasa; Badan Informasi Informasi Nasional: Seoul, Korea, 2005. [Sunting]Google Kabeh Topik]
  28. Kim, D. The Follow up Study of Internet Addiction Skala Proneness; Korea Agency for Digital Opportunity and Promotion: Seoul, Korea, 2008; Sedhiya online: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (diakses ing 8 May 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Perkembangan internet kecanduan proneness ukuran singkat-ukuran (KS skala). J. J. Couns. 2008, 9, 1703-1722. [Sunting]Google Kabeh Topik]
  30. Badan Informasi Informasi Nasional. Perkembangan Smartphone Ketergantungan Korea Proness Scale for Youth and Adults; Badan Informasi Informasi Nasional: Seoul, Korea, 2011; pp. 85-86. [Sunting]Google Kabeh Topik]
  31. Kim, KI .; Kim, JW. Studi standarisasi daftar daftar gejala-90-R ing Korea III. Ment. Resik Kesehatan 1984, 2, 278-311. [Sunting]Google Kabeh Topik]
  32. Heckman, J .; Smith, J. Menilai Kasus kanggo Eksperimen Sosial. J. Econ. Perspect. 1995, 9, 85-110. [Sunting]Google Kabeh Topik] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Sawetara pedoman praktis kanggo implementasi pencocian skor kecenderungan. J. Econ. Surv. 2008, 22, 31-72. [Sunting]Google Kabeh Topik] [CrossRef]
  34. Sekhon, JS; Diamond, A. Matching Genetic kanggo ngira efek sebab, manuskrip sing ora diterbitake. Presented ing Rapat Tahunan Metodologi Politik, Tallahassee, FL, USA, Juli 2005. [Sunting]Google Kabeh Topik]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Katemtuan kecanduan internet lan perbandingan pecandu Internet lan non-pecandu ing sekolah tinggi Iran. Cyberpsychol. Behav. 2008, 11, 731-733. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. Gejala psikiatri komorbiditas Internet kecanduan: Kelainan panyakit defisit lan hiperaktif (ADHD), depresi, fobia sosial, lan permusuhan. J. Adolesc. Kesehatan 2007, 41, 93-98. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Punika kecanduan Internet minangka kondisi psikopatologis ingkang benten saking gambling patologi? J. Addict. Behav. 2014, 39, 1052-1056. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Jaringan sosial lan kecanduan online-A review literatur psikologis. Int. J. Lingkungan. Res. Kesehatan Masyarakat 2011, 8, 3528-3552. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Habits nggawe smartphone nggunakake luwih nyebar. Pers. Ubiquitous Comput. 2012, 16, 105-114. [Sunting]Google Kabeh Topik] [CrossRef]
  40. Adipati, É .; Montag, C. kecanduan Smartphone, gangguan saben dina lan produktivitas sing kacarita kanthi otomatis. Addict. Behav. Rep. 2017, 6, 90-95. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Situs jejaring sosial lan kecanduan: Sepuluh pelajaran sinau. Int. J. Lingkungan. Res. Kesehatan Masyarakat 2017, 14, 311. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Akibat negatif saka jejaring sosial sing abot ing remaja: Peran mediating saka rasa takut ilang. J. Adolesc. 2017, 55, 51-60. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Diundhuh katrangan: Skor kecathet. Am. J. Epidemiol. 1999, 150, 327-333. [Sunting]Google Kabeh Topik] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Sing cocog karo genetis kanggo ngira efek sing nyebabake: A metode anyar kanggo menehi imbangan ing studi observasional. Rev. Econ. Stat. 2013, 95, 932-945. [Sunting]Google Kabeh Topik] [CrossRef]