Effekter vum Internet an Smartphone Sucht bei Depressioun an Angscht Op Basis vun der Analyse vum Impenséierungs Score 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.

mythologesch

D'Associatiounen vun der Internet Sucht (IA) an der Smartphone Sucht (SA) mat mentalen Gesondheetsprobleemer sinn allgemeng studéiert. Mir hunn d'Effekter vum IA a SA iwwer Depressionen a Angscht unterspuert andeems se fir sociodemografische Variabelen agefouert goufen. An dëser Studie hunn 4854 Bénévolen eng Quell geschniddene Web-baséiert Ëmfeld mat engem sozio-demographesche Saachen, der koreanescher Skala fir Internet Addiction, der Smartphone Addiction Prananess Skala, an de Skeletter vun der Symptom Checklist 90 Items-Reviséiert. D'Participanten waren an IA, SA, an normale Benotzung (NU) Gruppen klasséiert. Fir d'Probabiliséierungsvariablen ze reduzéieren, hu mer d'Methode Matching Matching based on genetics matching applizéiert. D'IA-Grupp huet e verstäerkten Risiko vun Depressiounen (relative Risiko 1.207; p <0.001) a Besuergnëss (relativ Risiko 1.264; p <0.001) am Verglach zu NUen. D'SA Grupp huet och e erhéicht Risiko vun Depressioun gewisen (relativen Risiko 1.337; p <0.001) a Besuergnëss (relativ Risiko 1.402; p <0.001) am Verglach zu NCen. Dës Befunde weisen datt béid, IA a SA, bedeitend Effekter op Depressioun a Besuergnëss ausgeübt hunn. Ausserdeem hunn eis Erkenntnisser gewisen datt SA eng méi staark Bezéiung mat Depressioun a Besuergnëss huet, méi staark wéi IA, a betount d'Notzung fir d'Präventiouns- a Gestiounspolitik vun der exzessiver Smartphone Notzung.

KEYWORDS:  Internet Sucht; Angscht; Depressioun; Neie Score; Smartphone Sucht

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Aféierung

Mat der zousätzlech Verwäertung an Étude vum Internet an Smartphones am Alldag hunn d'akkumuléiert Fuerschung d'negativ Auswierkunge vun der exzessiver Internet- an Smartphone benotze fir am Räich vu mentaler Gesondheet [1].
De Benotzer vun der Smartphone an der südkoreanescher Bevëlkerung ass ongeféier 85%, déi héchste weltwäit [2]. Allerdéngs ass d'exzessive Smartphone benotze mat enger Rei vu mentaler Gesondheetsproblemer, och Stress an e erhéicht Risiko vun ongewéinlecher Angscht [3,4]. Smartphone Sucht (SA) huet als nei Form vu Sucht mat der Internet Addictions (IA) opgetrueden, an de klineschen Charakteristike vun der SA hu sech an de leschte Joren opgeholl [5]. Zum Beispill, e puer Ënnerscheeder bezunn op d'Natur vun den Apparater, wéi zum Beispill d'einfache Portabilitéit, Echtzeit-Internetzugang an direkten Kommunikatiounsmerkmale vun Smartphones [6]. Ähnlechkeeten an Ënnerscheeder tëscht IA a SA ginn mat der demographescher Variablen an de motivationalen Aspekter vum Medien benotzt [1,6].
Vum ëmweltleche Aspekt ass e Mangel an alternativ Aktivitéiten mat IA [7]. Zousätzlech gouf et Single gemellt mat staarkem Zesummenhang mat engem sozialen Netzwierk an online Gaming [8]. Wat d'Bildungsniveau an d'monatlecht Akommes ugeet, hunn eng rezent Studie an Persounen mat der SA signifikante Differenzen an der Gesondheetsdimension fir déi Leit, déi e manner Akommes haten an e méi nidderegen Ausbildungsgrad [9]. Duerch dës Erklärung bestëmmen eng systematesch Iwwerpréiung eng bedeitend Korrelatioun vun der akademescher Leeschtung an der Schwieregkeet vun IA [10]. Wat Äer Alter ass, ass eng nei Iwwerpréifung fonnt ginn, datt eng problematësch Internet-Informatioun am wichtegsten fir adolescent an eréischt Erwuessener (19 Joer a méi al) [10], während Smartphone Sucht ass méi spéit bei de jéngste Jugendlecher am Verglach mat erneiern Erwuessener (19 Joer a méi al) [11]. Eng rezent Studie huet gefrot datt Frae tendéieren e méi héigen duerchschnëtze vun deegleche Gebrauchszeen an Abhängie Scores fir Smartphones, vergläicht mat Männer [4]. Choi et al. (2015) mellt dat männlecht Geschlecht e relevante Risikofaktor fir IA, an d'weiblech Geschlecht fir SA [1]. Wat den Zweck benotzt ass, hunn d'sozial Netzwierker méi staark mat engem héigen Smartphone Ofhängegkeet verwandt, verglach mat anere mobilen Telefonfunktiounen [11]. An Leit mat IA, Anderson et al. (2016) bericht dass männlecht Geschlecht staark mat Online PC Gaming ass [10].
Wat d'psychologesch Aspekter ugeet, sinn déi positiv Associatiounen vun IA an SA mat Depressioun an Angscht vill gemellt [12,13]. Déi rezent Studien hunn virgeschloen datt Sucht op Internet an Smartphones duerch individuell kognitiv emotional a Verhalensprofil vum Benotzer als an de Medien selwer entstoen [14,15,16]. Eng nei Studie observéiert d'Roll vun der Empathie an der Liewenszoulall an der IA an der SA [17]. Wat d'Psychopathologie ugeet, bericht etlech Studien eng positiv Korrelatioun tëscht IA, Depressioun an Angscht [18,19,20], während eng rezent Studie eng Bezéiung tëscht Smartphone an Hardiness, Depressioun an Angscht [13]. Dofir muss d'Bezéiung tëschent IA, SA a mentaler Gesondheetskritik genau präziséiert ginn. Ausserdeem, souwuel déi Iwwerlappung a Differenz tëschent IA an SA [16], dann ass d'Fro déi ass a wéi engem Mooss IA an SA mat der Vergréisserung vun der Depressioun an der Angscht verknäppt ginn, nodeems se de verfaassende demographesch a socio-ekonomesch Faktor ugepasst hunn?
Et bleiwt ongewëss, ob mentaler Gesondheet Probleemer Ursaachen oder Konsequenzen vu exzessiver Ofhale vu Internet an Smartphones sinn. De Querschnittsstudium huet méi Regressiounsanalysen beschäftegt fir d'Bezéiungen tëschent mentaler Gesondheetskrankheeten, IA a SA an de Leit z'ënnersichen [21]. Awer Observatiounstudien, déi keng Zufalliséierung fehlt, sinn méi Regressiounsanalyse limitéiert wéi d'Méiglechkeet vun der Äerschestimatioun an e schlechten Standardfehler, wann e puer Kovariater sinn dobäi, zousätzlech zu der Auswiel vu virgesinn [22]. Dofir ass d'Schätzung vun den Effekter vun der Sucht einfach duerch d'Untersuewung vun engem bestëmmte Resultat, wéi Depressioun a Angscht, duerch den Ungleichgewicht vun dem demographeschen a sozio-ekonomischen Faktor ass, deen mam IA a SA ass. Ausserdeem hunn nach keng Studien nach d'Differentialeffekter gemat d'Charakteristiken vun Internet an Smartphone Useren unzefroen, dorënner ökologesch Kontexten an psychescher Profiler vun der IA an der SA op Depressioun an Angscht. D'Préparence Score (PSM) ass e populär Approche geworden fir d'Auswiel vu Viraussetzung an Observatiounsstudien ze reduzéieren [23,24]. An dësem Beräich applizéiert mir PSM-Analyse fir d'Auswierkunge vun IA an SA op Depressioun an Angscht z'erfollegen, fir d'Auswielend Viraussiicht an eis Daten ze reduzéieren. Mir wäerte Sex, Alter, Erzéiung, e Familljeministère a Einkommen als eng verännerlech Variabel halen, wann Dir d'Associatioun vun dësen soziodemografesche Variablen mat IA an SA an eiser Studie [9,25].
D'Haaptziel vun dëser Etude ass d'Interrelatioun tëschent IA, SA a Stëmmtsstatus ze iwwerpréiwen, dat ass d'Depressioun an Angscht, mat der Analyse vum Prospensniveau. Zweetens, mir beméien eis ze entdecken wéi d'Auswierkunge vun Depressioun an Angscht tëscht IA a SA ënnerscheeden.

 

 

2. Material a Methoden

 

 

2.1. Studente Participanten

D'Daten besteet aus der Online-anonyme Selbstdiagnosesystem vun den 5003 Kriichesch Erwuessener (vu 19-49 Joer), vun der Kathoulescher Universitéit Korea, Seoul; a St. Mary's Hospital am Dezember 2014 [26]. D'Etude koum no der Deklaratioun vu Helsinki. D'institutionnelle Bréifboarden vun der Kathoulescher Universitéit Korea, Seoul; an St. Mary's Hospital huet dës Studie gemaach. All Participanten ginn iwwer d'Studie informéiert a schreiwe schrëftlech informéiert Zoustëmmung. D'Ëmfro vun den Ëmfroën goufen vun engem Panel vun enger Fuerschungsunioun agefouert an an der Selbstberechtegung Frae gouf iwwer Internet verginn ouni eng Entschiedegung. Nëmmen 149 Interviewten, déi net Smartphones benotzen, goufen ausgeschloss. Endlech analyséiere mir d'Daten vun den 4854 Participanten. An der definitiver Probe sinn d'Alters dräi Kategorien klasséiert: Ënner 30 (33.19%), 30-39 (43.94%), an 40-49 (22.87%). Et waren 2573 Männer (53.01%) an 2281 Weibchen (46.99%). Déi zousätzlech demographesch Variablen vun deene Bedenken, déi deelgeholl goufen, waren d'Erzéiung, de Familljeministère an d'Akommes.

 

 

2.2. Mesuren

 

 

2.2.1. Mesure vun Internet Sucht

D'koreanesch Skala fir Internet Addiction (K-Skala) gouf a Korea entwéckelt fir IA beurteelen a gouf an der koreanescher Bevëlkerung mat enger grousser Zuverlässegkeet vun interner Konsequenz validéiert [27]. De Cronbachs α-Koeffizient fir d'K-Skala war 0.91 [28]. Et huet siwen Skelett a 40 Elementer, Messe all Dag Stéierunge, Sturung vun Realitéit Tests, automatesch addictive Gedanken, virtuelle Relatiounen tëscht Bezéiungen, wechsleche Verhalen, Récktrëtt a Toleranz. Dës Likert-Skala gouf vun 1 (guer net) gesat fir 4 (ëmmer). Laut dem alen Bericht mat dëser Skala goufen d'Participanten an dräi Gruppen klasséiert: normal, potenziell Risiko an héichgefährlech [29]. Déi héich Risikoengrupp ass definéiert als eng standardiséierter Partitur vun 70 oder méi, am Alldeel vun der Stierfhëllef, automatesch Suchtfärken, Toleranzfaktoren oder zumindest 70. Déi potenziell Risikogruppe war definéiert als Punkte vu 62 oder méi héijen am Alldag vun der Stierwegkeet, automatesch süchteg Gedanken, Toleranzfaktoren oder am Moment 63. Déi normale Benotzungsgrupp huet dës Scoren ënnert dës Zuelen entlooss. An dëser Etude sinn IA-Gruppen aus dem potenziellen Risiko an héichgefährdeten Gruppen gefouert.

 

 

2.2.2. Mesure vun Smartphone Sucht

D'Smartphone Suchtprévisuell Skala (K-SAS) ass validéiert a weit am Bildschirm fir SA [30]. Et besteet aus 15 Elementer, déi an enger Véier-Punkt-Likert-Typ Skala vu Distanz vu 1 (net ganz) bis 4 (ëmmer) bewert ginn. Déi Froen iwwerpréift dräi Faktoren: dagdeeglech Liewen Stéierunge, automatesch süchteg Gedanken an Toleranz. De Cronbach's Alpha-Koeffizient fir de K-SAS war 0.880 [5].
Baséierend op engem fréiere Rapport benotzt dës Skala déi benotzt fir d'Participanten an dräi Gruppen klasséiert: Normal, Potential Risiko an High-risk [30]. Déi héich Risikoengrupp ass definéiert wéi en Partitur vun 44 oder méi am ganzen oder mat enger Skalier vun 15 oder méi an der alldeeglecher Liewensstéierung zesummen mat Subscores vu 13 oder méi, an automatesch Suchtfelen an Toleranz. Déi potenziell Risikogruppe war definéiert als 41 oder méi am totale Score, oder 15 oder méi am alldeegleche Liewen Stéierungsfaktor. Déi normale Benotzungsgrupp enthale dës Scores ënnert dës Zuelen [30]. An dëser Studie sinn d'Smartphone Suchtgruppe vu geféierleche Risikogruppen.

 

 

2.2.3. Mesure vun de mentalen Gesondheetsprobleem: Depressioun an Angscht

De SCL-90-R ass e multidimensionnelle Fraefeier entwéckelt fir eng Rei psychologesch a psychopathologesch Features vu 9 Subscales ze schécken: Somatization, Obsessive-Compulsive, interpersonelle Sensibilitéit, Depressioun, Angscht, Feindseligkeit, Phobie Angscht, paranoid Idee an Psychotizismus [31]. De SCL-90 enthält 90 Elementer, déi an enger 5 Punkt Skala vu Distanz vu 0 (none) bis 4 (extrem) bewert ginn. D'Test-Retest Zouverlässegkeet vum SCL-90-R an der Koreescher Sprooch war 0.76 fir Depressioun an 0.77 fir Angscht. D'intern Konsequenz war 0.89 fir Depressioun a 0.86 fir Angscht [31]. Depressioun an Angscht goufen berichtend déi psychiatresch Symptomer déi am stärsten mat IA an SA ass [12,13]. Déi spezifesch Dimensiounen vum Interesse fir d'Bildschirm an dëser Studie beinhalt de SCL-90-R Subscales fir Depressioun an Angscht.

 

 

2.3. Datenanalyse

 

 

2.3.1. Statistesch Definitioun

Loosst Zi

 

eng binär Suchtindikator fir eitt Thema; dat ass, Zi=1 wann dat eent Thema ass Sucht (IA oder SA), a Zi=0 soss net. De potentielle Resultat vun engem mentale Problem (Depressioun oder Angschtzéit) gëtt definéiert Yi(Zi. Bedenkt datt nëmmen ee vun de potenziellen Resultater zur selwechter Zäit fir all Thema observéiert ass, also d'direkte Berechnung vu Yi(1)- DéiYi ass net méiglech. Anstatt den individuellen Effekt, ass den primäre Parameter vun der Interesse vun der erwuessene Suchtfaktioun op der Sucht Populatioun

τ=E(Yi(1)- DéiYi(0)|
 
D'Schätzung vu τ

ëmmer nach e Problem E(Yi(0)|Zi kann net direkt geschat ginn. Natiirlech, an randomiséierter Experimenter, E(Yi(0)|Zi ass zefridden, also τ kann einfach geschat ginn. An enger Observatiounsstudie ass awer déi naiv Schätzung vu τ kann virgestallt ginn well E(Yi(0)|Zi. Fir dës Auswiel viraus anzebezéien ass, datt mir d'Kovariaten observéieren Xi déi net vu Sucht betrëfft, a fir eng bestëmmten Kovariaten Xi, déi potenziell Resultater Yi(1), Yi Conditionnel sinn onofhängeg vu Suchtindikater Zi. Ausserdeem, wann potentiel Resultater onofhängeg vun der Sucht bedingungslos op Kovariaten sinn Xi, si sinn och onofhängeg vun der Sucht bedingungsgerooss an der Prospekter Punkt P(Xi)= P(Zi=1|Xi[19]. De PSM Schätzung fir τ Ginn

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Schätzung vun der Propensity Score

D'Propensitéitsche fir duerch d'logistesch Regressioun berechent, e Modell deen fir d'Wahrscheinlechkeet virsiichteg ass datt eng Sucht erfollegt gëtt 

aloggenP(Zi=1|Xi)

 

 

 
An dësem Pabeier, wéi d'Kovariater fir Xi

 

 

, fënnef kategoresch Kovariaten: Sex (1 = männlech a 2 = Weibchen), Alter (1 = 20-29, 2 = 30-39, 3 = 40-49), Bildung (1 = Mëtteschoul, 2 = héich Schoul, an 3 = Universitéit oder eegestänneg), e Familljeministère (1 = Single, 2 = Zesummeliewen, 3 = bestuet, 4 = getrennt a 5 = Privileg) an Akommes (1 = Low, 2 = Mëttelstéck, 3 = Mëtt, 4 = Mëttelméisseg, a 5 = héich). In Section 1, kënnen dës Kovariater gleichzeitig d'Resultater (Depressioun oder Angschtzwong) a Suchtungen beaflossen. Also fir all Thema hu mir d'Prospérance gemaach; Dat heescht, d'bedingend Wahrscheinlechkeet, datt se de observéierte Kovariater [32].

 

 

2.3.3. Matching Methods Baséierend op den Estiméiert Propensity Score

Wann d'Prévisitéitse Scores geschéien, kann de Matching ka benotzt ginn fir den Behandlungsmechanismus ze schätzen, nodeems se d'Differenzen tëschent deenen zwou Gruppen ugepasst [33]. D'Zil vum Matching ass fir eng entspriechend Probe déi produzéiert d'Verdeelung vun engem Patientendot an der Matière mat de Kovariaten vun de Kontrollbefehl beobachtet. Dës Anpassenmethod kann eis déi verwiessele Variablen kontrolléieren. An dëser Etude hu mir zwou wäit verbreet matzemaachen, déi optimal a genetesch passend [34].

 

 

2.3.4. Estimatioun vun de relativen Risiken vun der Ongerechtegkeet op mental Gesondheetsproblemer no Propensitéit Score Matching

Nodeem d'Propensitéitstudie entspriechend mat de beobachtete Kovariaten (Alter, Geschlecht, Hochzäit, Akommes a Bildung) hu mir e méi sympathesche Dataset. Fir d'mental Gesondheetsproblemer (Depressioun oder Angschtzort) ze modelléieren, applizéiere mir generaliséiert Linearmodelle (GLM) op déi matdeegend Probe. Well d'mental Gesondheetssécherheet Positiv a Propaganda ass, ass d'Gamma-Verdeelung mat Log-Link equipéiert. Loosst Iech Yi

 

E Resultat vum Interessi (e Punkt vun Depressioun oder Angschtzwong) mat mëttlerem μi, kënne mir de Gamma GLM Kader mat Kovariaten benotzen Xi:

 

aloggenμi=γT
 
 
Duerch Modellatioun hu mir geschat eγ

 

 

wéi déi relative Risiken (als erwuessene bedeitend Differenz tëscht Gruppen) vun IA a SA fir all Kovariater.

 

 

3. Resultater

Zousätzlech zu den 4854 - Participanten, 126 (2.60%) goufen an der IA Group an 652 (13.43%) agefouert ginn an der SA Grupp. Table 1 weist d'beschreiwende Statistiken iwwer d'Depressioun an d'Angschtzëmmer. Déi mëttel Notze vun Depressioun an Angscht vun IA an SA Gruppen sinn méi grouss wéi déi vun der normaler Benotzung (NU) Grupp.
Table 1. Beschreiwend Statistiken iwwer Depressiounen an Angschtzéien.
Dësch

 

 

3.1. Passende Qualitéit vun der Propensitéit Score Matching Method

Obwuel mir nëmmen e puer vun de Kovariaten an de Frae vun dëser Studie hunn, iwwer d'Nopeschstäerkt konnten mer feststellen datt d'passende Prozedur genuch wier fir d'Verdeelung vun all covariate, Table 2 an Table 3. Mir hunn d'Distanzen an de marginalen Verdeelungen vun Xi

 

 

 

. Fir all kovariate ware mir d'Viraussiicht berechent; Dat heescht, de Differenz vun der Duerchschnëttsduerchtemperatur vun de Sidderen an normale Proben. Virun der Applikatioun vum Propriétéit entspriechend, sinn d'Biisen net ignoréiert. Allerdéngs huet d'Sucht an d'normale Ënnerproblemer nom Matching Match Matching eng ganz ähnlech marginal Verdeelung fir all Kovariaten.
Table 2. Verglach mat dem mëttlere Prozentsaz vun den Baseline-Charakteristiken tëscht IA an normalen Gebrauchsgruppen, an der ursprénglecher Probe an der Préparency Score, mat der genetescher a optimaler Matching.
Dësch
Table 3. Verglach mat dem mëttlere Prozentsaz vun den Baseline-Charakteristiken tëscht SA an normale Gruppen, an der ursprénglecher Probe an der Préparency Score, mat der genetescher a optimaler Matching.
Dësch

 

 

3.2. Effeten vun der Internet Sucht op Depressioun an Angscht

D'Auswierkunge vun IA op Depressioun an Angscht, déi duerch Verwenden vum Match Match Matching gewonnen hunn, ginn gemellt Table 4. Duerch genetesch Matching goufen 3846 Proben ausgewielt. D'IA war bezunn op e méi grousst Risiko vun Depressioun (relativen Risiko 1.207, 95% Vertrauensintervall 1.128-1.292, a p <0.001) a Besuergnëss (relativ Risiko 1.264, 95% Vertrauensintervall 1.173-1.362, a p <0.001). All dës relativ Risiko Verhältnisser si bedeitend well d'Vertrauensintervall net den 1. Duerch optimale Matching enthale goufen 252 Proben ausgewielt. D'IA war bezunn op eng méi grouss Depressioun (relativen Risiko 1.243, 95% Vertrauensintervall 1.145-1.348, a p <0.001) a Besuergnëss (relativ Risiko 1.308, 95% Vertrauensintervall 1.192-1.435, a p <0.001). Ähnlech wéi de genetesche Matching sinn déi relativ Risikoverhältnisser op béiden, Depressioun a Besuergnëss, däitlech méi grouss wéi 1.
Table 4. Effekter vum Internet an Smartphone Sucht op Depressioun an Angscht, baséiert op Ofschnëtts Score.
Dësch

 

 

3.3. Effekter vun der Smartphone Sucht bei Depressioun an Angscht

D'Effekter vun der SA op Depressioun an Angscht, mat der Propensitéit mat de passende Score ze beruffen Table 4. Duerch genetesch Matching goufen 4516 Proben ausgewielt. D'SA war bezunn op e méi grousse Risiko vun Depressioun (relativen Risiko 1.337, 95% Vertrauensintervall 1.296-1.378, a p <0.001) a Besuergnëss (relativ Risiko 1.402, 95% Vertrauensintervall 1.355-1.450, a p <0.001). Duerch optimale Matching goufen 1304 Proben ausgewielt. D'SA war bezunn op e méi grousst Risiko vun Depressioun (relativen Risiko 1.386, 95% Vertrauensintervall 1.334-1.440, a p <0.001) a Besuergnëss (relativ Risiko 1.440, 95% Vertrauensintervall 1.380-1.503, a p <0.001). All dës relativ Risiko Verhältnisser si bedeitend.

 

 

3.4. Ënnerscheeder op Effekten vum Internet an Smartphone Sucht op Depressioun an Angscht

D'relative Risikofrenzen fir Depression an Angscht, aus der genetescher a optimaler Matching, waren 10% méi héich fir SA wéi fir IA. Dëst bedeit datt den SA méi grouss Risiko fir Depressionen an Angscht huet wéi IA. Déi Vertraulechintervalle enthalen net den 1, also kënne mir soen datt SA 34-44% méi wahrscheinlech ass e mentalen Stéierungen z'erreechen.

 

 

4. Diskussioun

Eis Entdeckungen sinn datt d'IA an d'SA effektive Auswierkungen op Depressioun an Angscht maachen, och wa se d'Contrôleuren anhand vun der Attitude Score matgedeelt hunn. Epidemiologesch Studien hunn eng héijer Prävalenz vun Depressioun an IA geschat [35,36]. Eng Rei vu Querschnëttstudien hunn gemengt, datt Leit mat IA oder SA méi héich Niveauen an Depressiounen an Angscht hunn wéi normal Useren [13,37]. An der aktueller Studie weisen eis Resultater d'Rollen vun der IA an der SA bei der Entwécklung vun Depressioun an Angscht. Et gi verschidde Erklärungen fir d'aktuell Erkenntnisser. Virun allem, wéi sücht benotzt d'Internet an d'Smartphones kënnen interpersonal Problemer erofzéien, wat d'Depressioun an d'Angscht ubelaangt, wéi Familjenkonflikter, Mangel un Off-Line Bezéiungen, e verstäerkte Bedürfnisser fir d'Zustimmung an der Cyberspace. Zweetens, d'Entziehlungssymptome ginn als psychopathologesch Muster an IA an SA proposéiert, vergläichbar mat Stierfhëllefstoffer [5]. Wann se keen Zougang zu engem PC oder Smartphone hunn, kënnen d'Leit mat der IA oder SA Angscht ginn, an da wënschen Dir d'Internet oder e Smartphone fir sou negative negativ Geheimnisse ze flüchten [38]. Eng aner méiglecht Erklärung ass datt am Géigesaz zu anere Suchtfäegkeeten, wéi Alkohol a Nikotin, Internet an Smartphones iwwer Nutzer ka kleng Insight iwwer hir exzessiv Benotzung am Alldag hunn wéinst engem gratis a flexiblen Zougank zu den Apparaten [3], fir datt se hir iwwerschreidend Benotzung wéi eustrengst, an net als Zeeche vu Problematik bewäerten [39]. Eng aner interessant Tatsaach ass datt d'SA méi staark Effekter op Depressioun an Angscht huet wéi IA. Dëst féiert eis ze spekuléieren datt IA an SA verschidden Einflëss op d'mental Gesondheetsproblemer hunn. Et kéint verschidde méiglechen Erklärungen fir dës Feststellung fannen. Als éischt, wann Dir de Medienmerkmalt berücksichtegt, ass et méi einfach fir den exzessive Smartphone benotze sech duerch gewunntformende Natur vum Apparat, wéinst senger méi héicht Zougänglechkeet fir de Funk Netz an 24 h vun häufleche Benotzungen [39]. Zweetens, wat d'Ëmweltfacetten ugeet, kann dës Erklärung den aktuellen radikalen Changement vum alldeegleche Liewensbedingunge vu PCen op Smartphones reflektéieren. D'Leit kënnen den PC Internet fir komplizéierter Aarbecht benotzen an déi aner deeglech Aufgaben mat Smartphones ausführen, wat zu enger Verloscht vun der Produktivitéit vun der Aarbecht an e méi héicht Stress produzéiert [40]. Endlech kënne Leit mat SA benotzt Smartphones fir Bezéiungen an e Geescht vu Verbindungen mat dem Online Sozial Netz benotzen [41], wat zu der Angscht vun der Vermësster an der Angscht virum Verléieren vun der Verbindung, während e méi héije Smartphone benotzt [42].
Dës Etude huet e puer Begrenzung fir d'Entdeckunge fir déi ganz Bevëlkerung ze generaliséieren, wéi d'Querschnittsartikel vun den Datenlimits an d'Interpretatioun vum kosiale Infernung tëscht dem Internet an Smartphone Sucht, Depressioun an Angscht. De Matching-Matching huet och Begrenzungen an Ufuerderungen. Déi grouss Beschränkung ass datt d'Prospérance Noten nëmme vu kontrolléiertem Confounderen kontrolléieren [43]. D'Méiglechkeet vun onbestëmmten Confounderen kéint bleiwen, déi d'Studie fir d'Generaliséierung limitéieren. Ausserdeem, well all Observatoirë vun dëser Etude als kategoresch Variablen gesammelt ginn, kann et Informatiounsverloscht ginn beim Bau vum PSM-Modell. Dofir ass eis Erkenntnis mat Vorsicht ze verstoen. Allerdings, fir déi robust Resultater vun de passenden, hu mir zwou passende Methoden, genetesch passend an optimal Matching. Besonnesch benotzt d'genetesch Matchung e genetesch Sich Algorithmus, fir datt säi Prozess eng gutt passende Léisung mat manner Verloschter vun Informatioun fannen kann [44]. De Schwaarze vun der Depressioun an Angscht Symptom ass nom Resultat vum psychologeschen Psychophysiestudio mat der SCL-90-R. Fir d'mental Gesondheetsproblemer méi genee a konsequent ze evaluéieren. E strukturéiert Interview vum Dokter soll an weider Studien gemaach ginn.

 

 

5. Conclusiounen

An dëser Uni studéiert mir, wéi IA an SA mental Gesondheetsproblemer, Depressioun an Angscht maachen. Fir déi bescht aus eisem Wëssen ass et déi éischt Studie fir d'Associatioun tëscht IA, SA a Psychopathologie mat der Approch-Matching-Score-Methode aus de Querschnittsdaten unzegoen, an den Differential Effekt an der Psychopathologie tëscht IA an SA ze ermëttelen. Schlussendlech sinn eis Entdeckungen kloer datt d'IA an d'SA d'Risiko vun Depressioun an Angscht erhéijen. Ausserdeem huet d'SA eng méi staark Bezéiung mat Depressioun a Angstzuel wéi IA fonnt.
Eng Auswierkung vun dësen Erkenntnisser ass datt Leit mat enger problematescher Smartphone benotze fir d'mental Gesondheetsproblemer opgewuess sinn, déi d'Notzung vun der Notzung vun der Preventioun an de Gestiounspolitik un der Viraussiicht vun der Prä-Klinik. Weider prospektiv Studien sollen d'kausale Richtungen vun de Bezéiungen tëschent IA, SA a psychesche Gesondheetsproblemer unzefroen a sollten d'diskriminative Faktoren vun IA a SA identifizéieren.

 

 

Autor Contributeuren

D.-JK a DL agefouert an d'Experimenter entwéckelt; HMJ analyséiert d'Donnéeën; Y.-JK schreift de Pabeier. YL huet d'Datebank gesammelt. All Auteuren hunn zu der Entwécklung vum Manuskript bäigedroen, hunn se kritesch iwwerpréift an d'endgülteg Handschrëft gemaach.

 

 

Arbeschterlidder

Dës Aarbechter goufen duerch en Ënnerstell vun der National Research Foundation vun Korea ënnerstëtzt (Grant Nr. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Conflicts of Interest

D'Auteuren deklaréieren net e Konflikt vun Interesse.

 

 

Referenze

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E. -J .; Song, W.-Y .; Kim, S.; Youn, H. Verglach vu Risiko- a Schutzfaktoren ass mat der Smartphone Sucht an Internet Sucht ugeet. J. Behav. Addict. 2015, 4, 308-314. [Google Léier] [CrossRef] [PubMed]
  2. 2016 der Survey op Internet Iwwerdeelung; Minister fir Wëssenschaft, IKT a Zukunft Planning: Seoul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Däischter Säit vum Smartphone Benotzung: Psychologesch Charakter, Compulsive Verhalen an Technostréit. Comput. Hum. Behav. 2014, 31, 373-383. [Google Léier] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Dependenz op Smartphone benotzt a seng Associatioun mat Angscht an Korea. Public Health Rep. 2016, 131, 411-419. [Google Léier] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Entwécklung vu Smartphone Suchtproblem Skala fir Erwuessener: Self-Report. Koreanesche J. Couns. 2012, 13, 629-644. [Google Léier]
  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. Entwécklung a Validatioun vun enger Smartphone Sucht Skala (SAS). PLoS ONE 2013, 8, e56936. [Google Léier] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet Sucht: Eng systematesch Iwwerpréiwe vun epidemiologescher Fuerschung fir déi lescht Dekade. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Léier] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. D'Bezéiung tëscht süchteg Benotzung vu sozialen Medien a Videospiele a Symptomer vun psychiatresche Stéierungen: Eng grouss Ausgruewensstudie. Psychol. Addict. Behav. 2016, 30, 252. [Google Léier] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bachiet, SF; Abduljabbar, AS Smartphone Sucht tëscht Héichschoulstudenten am Lichte vu ville Variablen. Comput. Hum. Behav. 2016, 61, 155-164. [Google Léier] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Den Internetzougang an d'problematesch Internetnutzung: Eng systematesch Iwwerpréiwung vun de Längstwëssenschaftstheorien an der Jugend an der Nuechtalter. Int. J. Adolesc. Jugend 2017, 22, 430-454. [Google Léier] [CrossRef]
  11. Haug, S.; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP Smartphone benotzt a Smartphone Sucht bei de Jonken an der Schwäiz. J. Behav. Addict. 2015, 4, 299-307. [Google Léier] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. D'Associatioun tëscht Internet Sucht a psychiatresche Stéierungen: En Review vun der Literatur. EUR. Psychiatrie 2012, 27, 1-8. [Google Léier] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. D'Bezéiung vum Smartphone benotzt Schwéierkraaft mat Schlofqualitéit, Depressioun an Angscht an Universitéitsstudenten. J. Behav. Addict. 2015, 4, 85-92. [Google Léier] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS Laier, C .; Wölfling, K .; Potenza, MN Integratioun vun psychologeschen an neurobiologeschen Aspekter betreffend d'Entwécklung an d'Instandhaltung vun spezifesche Strukturen am Internet benotzt: Eng Interaktioun vu Personnagen-Affekt-Kognitions-Execution (I-PACE) Modell. Neurosci. Biobehav. Rev. 2016, 71, 252-266. [Google Léier] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. D'kognitiv Dysregulatioun vun Internet Sucht a seng neurobiologesch korrekt. Front. Biosci (Elite Ed.) 2017, 9, 307-320. [Google Léier]
  16. Lachmann, B .; Herzog, É .; Sariyska, R .; Méindeg, C. Wéi ass mat der Smartphone an / oder am Internet? Psychol. Pop. Media Cult. 2017. [Google Léier] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. D'Roll vun Empathie a Léif Satisfaction am Internet an Smartphone Zwecker benotzt. Front. Psychol. 2018, 9, 398. [Google Léier] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, ech .; Pantic, I. Bezéiung tëscht Internet an Depressioun: Focus op physiologesch Stëmmungsoszillatiounen, sozialen Netzwierk an Online-Suchtiv Verhalen. Comput. Hum. Behav. 2015, 43, 308-312. [Google Léier] [CrossRef]
  19. Akin, A .; Iskender, M. Internet Sucht an Depressioun, Angst an Stress. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Google Léier]
  20. Ostovar, S.; Allahyar, N .; Aminpoor, H .; Moafian, F .; Och, MBM; Griffiths, MD Internet Sucht a seng psychosozial Risiken (Depressioun, Angscht, Stress an Erléisung) ënner iraneschen Jugendlechen a jonk Erwuessener: A structural equation model in enger Querschnittsstudie. Int. J. Ment. Addict. 2016, 14, 257-267. [Google Léier] [CrossRef]
  21. Cheung, LM; Wong, WS D'Effekter vun der Insomnia an der Internet Sucht op Depressiounen an Hong Kong Chinesen: Ee Explorative Querschnittsanalyse. J. Sleep Res. 2011, 20, 311-317. [Google Léier] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Verglach mat logistesche Regressioun géint d'Oppositiounsnotitéit wann d'Zuel vun den Ereegunge niddereg ass an et sinn verschidde Konfounderen. Am. J. Epidemiol. 2003, 158, 280-287. [Google Léier] [CrossRef] [PubMed]
  23. Austin, PC Een kritesch Appraisal vun der Attentat-Score mat der medizinescher Literatur tëscht 1996 an 2003. Stat. Med. 2008, 27, 2037-2049. [Google Léier] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Een Verglach vun der Fäegkeet vu verschiddene Proprietär Score Modellen fir d'Verännerlech Variablen tëschent behandelt an onbehandelte Sujeten z'entdecken: Eng Monte Carlo Studie. Stat. Med. 2007, 26, 734-753. [Google Léier] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Prävalenz vun Internet Sucht an der Allgemeng Populatioun: Resultater vun enger däitscher Bevëlkerungsresultat. Behav. Inf. Technol. 2014, 33, 757-766. [Google Léier] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Risikofaktoren fir Internet Gaming Stierf: Psychologesch Faktore an Internet Spillcharakteristiken. Int. J. Environ. Res. Ëffentlech Gesondheet 2018, 15, 40. [Google Léier] [CrossRef] [PubMed]
  27. Nationalen Informatiounsbüroen. Eng Studie vun der Internet Addiction Pronomess Skala fir Erwuessener; D'National Informatiounsagentur: Seoul, Korea, 2005. [Google Léier]
  28. Kim, D. D'Verfollegung vun der Internet Addiction Pronyess Scale; Korea Agence fir Digital Opportunity an Promotioun: Seoul, Korea, 2008; Verfügbar online: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (Zougéint op 8 Mee 2008).
  29. Kim, D. -I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Entwécklung vun der Internet Sucht nett méi Skala a Kuerze Form (KS-Skala). Koreanesche J. Couns. 2008, 9, 1703-1722. [Google Léier]
  30. Nationalen Informatiounsbüroen. Entwécklung vun der koreanescher Smartphone Sucht Proness Skala fir Jugend an Erwuessener; D'National Informatiounsagentur: Seoul, Korea, 2011; pp. 85-86. [Google Léier]
  31. Kim, KI .; Kim, JW. D'Standardizaiounstudie vun der Symptom Checkliste-90-R an Korea III. Ment. Res. 1984, 2, 278-311. [Google Léier]
  32. Heckman, J .; Smith, J. D'Evaluatioun vum Case for Social Experiments. J. Econ. Perspect. 1995, 9, 85-110. [Google Léier] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Eng praktesch Betreiung fir d'Implementatioun vun der Ofschnëttspartitur entspriechend. J. Econ. Surv. 2008, 22, 31-72. [Google Léier] [CrossRef]
  34. Sekhon, JS; Diamant, A. Genetesch Matching fir Schiedlech Effekter ze schätzen, net verëffentlecht Manuskript. Présidéiert op der jährlecher Versammlung vun der Politescher Methodologie, Tallahassee, FL, USA, Juli 2005. [Google Léier]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Prävalenz vun Internet Sucht a Verglach vu Internet Ondiktisten an Ondénger an iraneschen Highschool. Cyberpsychol. Behav. 2008, 11, 731-733. [Google Léier] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. D'kommerziell psychiär Krankheet vun Internet Sucht: Iwwerwaachungs Defizit an Hyperaktivitéit Stierfsystem (ADHD), Depressioun, Sozial Phobia a Feindilitéit. J. Adolesc. Gesondheet 2007, 41, 93-98. [Google Léier] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V.; Marano, G .; Fiumana, V.; Moschetti, C .; Alimonti, F .; Luciani, M. Ass d'Internet Sucht eng psychopathologesch Zoustëmmung ënnert päbesche Gläichgewiicht? J. Addict. Behav. 2014, 39, 1052-1056. [Google Léier] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online sozial Netzwierker a Sucht - Eng Iwwerpréiwung vun der psychologescher Literatur. Int. J. Environ. Res. Ëffentlech Gesondheet 2011, 8, 3528-3552. [Google Léier] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Habits maachen de Smartphone méi wäitaus. Pers. Ubiquitous Comput. 2012, 16, 105-114. [Google Léier] [CrossRef]
  40. Herzog, É .; Montag, C. Smartphone Sucht, all Dag Ënnerbriechungen a selbstverständlech Produktivitéit. Addict. Behav. Rep. 2017, 6, 90-95. [Google Léier] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Soziale Netzwierker a Sucht: Zéng Lektioune geléiert. Int. J. Environ. Res. Ëffentlech Gesondheet 2017, 14, 311. [Google Léier] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Negativ Konsequenzen vu schwiereg sozialen Netzwierker an Jugendlechen: D'Vermëttele vun der Angscht ze vermeiden. J. Adolesc. 2017, 55, 51-60. [Google Léier] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Invitéiert kommentéiert: Propensitéit. Am. J. Epidemiol. 1999, 150, 327-333. [Google Léier] [CrossRef] [PubMed]
  44. Diamant, A .; Sekon, J. Genetesch passend fir Schätzung vun Kausaleneffekten: Eng nei Methode fir Balance zu Observatiounsstudien ze maachen. Rev. Econ. Stat. 2013, 95, 932-945. [Google Léier] [CrossRef]