(CĒLOŅSAKARĪBA) Saikne starp veselīgu, problemātisku un atkarīgu interneta lietošanu saistībā ar līdzīgām slimībām un ar sevi saistītām īpašībām (2018)

J Behav Addict. 2018 Feb 15: 1-13. doi: 10.1556 / 2006.7.2018.13.

Leménager T1, Hoffmann S1, Dieter J1, Reinhard I2, Mann K1, Kiefer F1.

https://doi.org/10.1556/2006.7.2018.13

Anotācija

fons

Atkarīgiem interneta lietotājiem ir lielāks blakusslimību līmenis, piemēram, uzmanības deficīta hiperaktivitātes traucējumi (ADHD), depresijas un trauksmes traucējumi. Turklāt ar pašizjūtu saistīto īpašību deficīts tika konstatēts atkarīgiem interneta spēlētājiem un sociālo tīklu lietotājiem. Šī pētījuma mērķis bija izpētīt saikni starp veselīgu, problemātisku un atkarīgu interneta lietošanu attiecībā uz blakusslimībām un ar pašnojautu saistītām īpašībām. Tika pārbaudīta arī saistība starp nesen attīstītajiem ADHD līdzīgiem simptomiem bez pamata diagnozes un atkarību izraisoša interneta lietošanas.

Metodes

n = 79 veselīgas kontroles, n = 35 problemātiska, un n = 93 atkarīgiem interneta lietotājiem tika novērtētas blakusslimības, sociālās un emocionālās kompetences, ķermeņa tēls, pašvērtējums un uztvertais stress. Papildus ADHD diagnozei tika novērtēti arī nesen attīstīti ADHD līdzīgi simptomi.

rezultāti

Atkarībā no lietotājiem, kuriem ir atkarīga atkarība no pacientiem, bija vairāk pašnodarbināto deficītu un biežāku saslimstību ar ADHD, depresiju un trauksmi. Atkarīgi un problemātiski lietotāji parādīja B klastera personības traucējumu izplatību un pazeminātu emocionālo intelektu raksturojošo pazīmju līmeni. Dalībnieki ar nesen attīstītiem ADHD līdzīgiem simptomiem bija augstāki dzīves laikā un pašreizējā interneta lietošanas smaguma pakāpe, salīdzinot ar tiem, kuriem nav ADHD simptomu. Atkarīgi pacienti ar nesen attīstītiem ADHD simptomiem parādīja augstāku interneta lietošanas smaguma pakāpi, salīdzinot ar tiem, kam nebija simptomu.

secinājumi

Mūsu rezultāti liecina, ka B klastera personības traucējumi un premorbid problēmas emocionālajā inteliģencē var radīt saikni starp problemātisku un atkarību izraisošu interneta lietošanu. Turklāt konstatējumi ir pirmā norāde, ka interneta lietošana ir atkarīga no ADHD līdzīgiem simptomiem. Tādēļ ADHD simptomi jānovērtē, ņemot vērā iespējamo atkarību no interneta lietošanas.

atslēgvārdi: interneta lietošana, blakusslimības, ADHD simptomi, paškoncepcija

Ievads

Sakarā ar paātrinātu digitalizāciju, jo īpaši attiecībā uz pārnēsājamām digitālajām ierīcēm, internets ir pieejams jebkurā vietā un jebkurā laikā. Tādēļ nav īpaši pārsteidzoši, ka interneta lietošana visā pasaulē pēdējo trīs desmitgažu laikā ir krasi palielinājusies (Interneta pasaules statistika). Vācijā veiktā aptauja liecina, ka 2015, 44.5 miljoni cilvēku izmantoja interneta dienas un 3.5 miljonus cilvēku (8.5%) vairāk nekā iepriekšējā gadā (Tippelt & Kupferschmitt, 2015). Neraugoties uz patīkamajiem interneta aspektiem, šķiet, ka pēdējo gadu laikā ir palielinājusies interneta atkarības izplatība.Mihara & Higuchi, 2017. gads; Rumpf et al., 2014).

Neskatoties uz to, ka "interneta spēļu traucējumi" ir iekļauti programmas piektajā izdevumā Diagnostikas un statistikas rokasgrāmatas psihisko traucējumu (DSM-5; American Psychiatric Association, 2013) kā “nosacījums, kas pamato vairāk klīnisko pētījumu un pieredzi, pirms to varētu uzskatīt par iekļaušanu galvenajā grāmatā kā formālu traucējumu,” joprojām tiek apspriests, vai citu interneta lietojumprogrammu, piemēram, sociālo tīklu un tiešsaistes iepirkšanās, atkarība ir var uzskatīt par pietiekami klīniski nozīmīgu, lai to varētu iekļaut diagnostikas klīniskajās klasifikācijās. Atšķirībā no DSM, ICD-11 Beta Draft (Pasaules Veselības organizācija, 2015) ierosina spēļu traucējumus (ti, “digitālās spēles” vai “videospēles”) definēt tieši ar terminu “traucējumi, kas saistīti ar vielu lietošanu vai atkarību izraisošu uzvedību”. Šis projekts arī ierosina klasificēt citu lietojumprogrammu (piemēram, atkarību izraisošu sociālo tīklu lietošanu) atkarību no interneta lietošanu sadaļā “citi norādītie traucējumi atkarības uzvedības dēļ”.

Atkarību izraisošs interneta lietojums ir saistīts ar psiholoģiskām un kognitīvām problēmām, piemēram, sliktu koncentrāciju, skolas un darba izpildes samazināšanos, kā arī miega traucējumiem un sociālo izstāšanos (Lemola, Perkinsons-Gloors, zīmols, Dewald-Kaufmann un Grob, 2015; Teilore, Pattara-Angkoon, Sirirat & Woods, 2017. gads; Upadhayay & Guragain, 2017. gads; Younes et al., 2016). Hikikomori sindroms (ti, sociālā atsaukšanās, sadarbošanās savās mājās un nepiedalīšanās sabiedrībā 6 mēnešus vai ilgāk) ir saistīta arī ar pieaugošu interneta patēriņu, taču joprojām nav skaidrs, vai hikikomori var uzskatīt par neatkarīgu traucējumu vai klīnisks simptoms, kas cieši saistīts ar citiem psihiskiem stāvokļiem (Stip, Thibault, Beauchamp-Chatel un Kisel, 2016. gads).

Iepriekšējie interneta atkarības izskaidrojuma modeļi, piemēram, zīmola un kolēģu personības ietekmēšanas un izziņas (I-PACE) modelis liecina, ka galvenie faktori, kas izraisa interneta atkarības attīstību, liecina par psihopatoloģiskām īpašībām un disfunkcionālām personības īpašībām.Zīmols, Young, Laier, Wolfling un Potenza, 2016; Davis, 2001). Līdz ar to vairākos pētījumos par problemātisku un atkarību izraisošu interneta lietošanu ziņots par augstiem blakusslimību rādītājiem, piemēram, depresiju un trauksmes traucējumiem, kā arī uzmanības deficīta hiperaktivitātes traucējumiem (ADHD).Bozkurts, Koskūns, Ajadins, Adaks un Zoroglu, 2013. gads; Chen, Chen un Gau, 2015. gads; Seyrek, Cop, Sinir, Ugurlu un Senel, 2017. gads). Turklāt Zadra et al. (2016) ziņoja, ka interneta atkarīgie biežāk novēro personības traucējumus (29.6%). Jo īpaši pierobežas personības traucējumi parādīja lielāku izplatību interneta atkarīgajos, salīdzinot ar dalībniekiem bez interneta atkarības. Pētījumos par pusaudžu interneta atkarīgajiem bieži ziņots par ADHD simptomu rašanos. Seyrek et al. (2017) konstatēja būtiskas korelācijas starp interneta atkarību un uzmanības traucējumiem, kā arī hiperaktivitātes simptomiem pusaudžiem. Turklāt Weinstein, Yaacov, Manning, Danon un Weizman (2015) novēroja, ka bērni ar ADHD ieguva lielāku rezultātu, salīdzinot ar ADHD grupu. Tomēr vēl nav skaidrs, vai ir pretrunīgs jautājums par to, vai ADHD līdzīgi simptomi parādās kā negatīva pārmērīgas interneta lietošanas sekas. Pārmērīgu interneta lietošanu parasti papildina vairāku dažādu tiešsaistes uzdevumu vienlaicīga pārvaldība (digitālais multitasking; Crenshaw, 2008). Tas bieži palielina stresa līmeni, kas izraisa kognitīvo deficītu, kas ir salīdzināms ar ADHD konstatētajiem. Pētījuma rezultāti liecina, ka digitālā multitasking korelē ar izpildfunkciju (darba atmiņa un kontrolējošās kontroles apstrāde) deficītu, palielinātu uztverto stresu un depresijas, kā arī trauksmes simptomus (Keins, Leonards, Gabrieli un Fins, 2016. gads; Minear, Brasher, McCurdy, Lewis un Younggren, 2013. gads; Reinecke et al., 2017. gads; Unkafers, Tjē un Vāgners, 2016. gads). Pacienti ar interneta spēļu traucējumiem ziņoja par paaugstinātu ikdienas un hronisku stresa līmeni, salīdzinot ar kontrolēm (Kaess et al., 2017).

Īpaši jaunākiem cilvēkiem, kas aug ar digitalizāciju un tīklu veidošanu, pārmērīga interneta izmantošana šķiet noteicošais faktors viņu ikdienas darbībā. Tas varētu arī izskaidrot, kāpēc interneta atkarības izplatība ir visaugstākā pusaudža vecumā. Galvenais attīstības uzdevums šajā periodā ir personiskās identitātes veidošanās (saukta arī par pašnodarbību; Eriksons, 1968; Marcia, 1966). Šis process ietver fizisko izmaiņu pieņemšanu, vīriešu un sieviešu īpašību kultūras specifiskos stereotipus, kā arī sociālo un emocionālo kompetenču attīstību un pašefektivitāti ar veiktspēju saistītās funkcijās (Eriksons, 1968; Marcia, 1966). Iepriekšējie pētījumi norāda uz pašnovērtējuma deficītu atkarīgiem spēlētājiem, kā arī sociālo tīklu veidotājiem. Atkarīgi spēlētāji spēcīgāk noraida savu ķermeņa tēlu un uzrāda pašnovērtējuma, kā arī emocionālo kompetenču deficītu (ti, savu un citu emociju un emocionālo izpausmju atpazīšanu), salīdzinot ar regulāriem spēlētājiem, kuri nav atkarīgi, un veselīgu kontroli (Lemenager et al., 2016). Turklāt problemātiski sociālie tīkli bija saistīti ar problēmām, kas saistītas ar savu emociju atpazīšanu, kā arī emociju regulēšanas prasmēm (Hormes, Kearns un Timko, 2014. gads).

Cik mums ir zināms, pētījumi par saslimšanām un paškoncepciju interneta atkarībā novērtēja atšķirības starp atkarīgajiem lietotājiem un veselīgām kontrolēm, bet papildus neņēma vērā problemātisku lietošanu, kas, iespējams, atspoguļo pāreju no veselīgas un atkarīgas interneta lietošanas. Problēmu izraisošo interneta lietotāju grupas iekļaušana varētu palīdzēt noskaidrot, vai ir problemātiski un atkarīgi interneta lietotāji, vai arī problemātisku izmantošanu var uzskatīt par pārejas posmu starp veseliem un atkarīgiem cilvēkiem. Tādu raksturlielumu atrašana, kas saistīti ar problemātisku un atkarību izraisošu interneta lietošanu, palīdzētu noteikt potenciālos riska faktorus atkarīgas interneta lietošanas attīstībai un tādējādi ļautu labāk veikt preventīvus pasākumus.

Šā pētījuma mērķis bija izpētīt atkarības un problemātisko interneta lietotāju atšķirības un līdzības, kas saistītas ar līdzīgu saslimšanu un sevis koncepciju.

Pirmajā mēģinājumā, neņemot vērā ADHD diagnostiku, mēs arī pārbaudījām, vai nesen izstrādātie ADHD līdzīgi simptomi bez pamata ADHD diagnostikas varētu būt saistīti ar atkarību izraisošu interneta lietošanu.

MetodesNākamā sadaļa

Dalībnieki

Mēs pieņēmām darbā n = 79 veselīgas kontroles, n = 35 problemātiska, un n = 93 atkarīgi interneta lietotāji (XNUMX. Tabula) 1). Grupu piešķiršana problemātiskiem un atkarīgiem lietotājiem tika veikta, izmantojot dalībnieku rādītājus interneta un datoru spēļu atkarības novērtēšanas kontrolsarakstā (AICA; Velflings, Beitela un Müllers, 2012) un mērogā pieaugušo uzvedībai tiešsaistē [Skala zum Onlinesuchtverhalten bei Erwachsenen (OSVe-S; Velflings, Müllers un Beutels, 2010. gads)].

Tabula

Tabula 1. Parauga apraksts
 

Tabula 1. Parauga apraksts

 

Kopā (N = 207)

Veselīga kontrole (n = 79)

Problemātiski interneta lietotāji (n = 35)

Atkarīgi interneta lietotāji (n = 93)

Testa statistika

p vērtība

Post hoc: kontrole pret problemātisko

Post hoc: kontrole pret atkarību

Post hoc: atkarīgi pret problemātiku

 

p

p

p

Dzimums Vīrietis)128 (61.8)47 (59.5)20 (57.1)61 (65.6)1.066χ2 (CT). 589   
Vecums (SD)27.1 (8.5)27.4 (8.8)23.8 (3.0)28.0 (9.3)3.294F(ANOVA). 039. 036. 641. 012
Izglītība [gadi, (SD)]14.5 (2.5)15.0 (2.3)14.3 (2.6)14.2 (2.6)3.667χ2 (KW). 160   
AICA 30 dienas (SD)8.9 (6.7)3.4 (3.0)7.2 (2.9)14.2 (5.9)115.805χ2 (KW)<.001<.001<.001<.001
AICA kalpošanas laiks (SD)16.8 (8.7)9.2 (6.6)16.0 (6.0)23.5 (4.8)117.890χ2 (KW)<.001<.001<.001<.001
OSVe (SD)8.9 (5.3)3.4 (1.6)10.1 (2.0)13.2 (3.7)151.857χ2 (KW)<.001<.001<.001<.001

Piezīme. SD: standarta novirze; χ2 (CT): χ2 crosstab; χ2 (KW): χ2 Kruskal – Wallis tests; F(ANOVA): vienvirziena ANOVA; AICA: Interneta un datoru spēļu atkarības novērtēšana; OSVe: Skala zum Onlinesuchtverhalten bei Erwachsenen.

Atkarīgo paraugu veidoja apakšgrupas n = 32 spēlētāji, n = 24 sociālo tīklu lietotāji, un n = 37 citu lietojumprogrammu lietotāji (informācijas platformas: n = 1; pornogrāfiskas vietnes: n = 4; azartspēļu vietnes: n = 9; iepirkšanās vietnes: n = 2; straumēšana: n = 13; un citas formas: n = 8). Atkarīgo interneta spēlētāju grupa plaši spēlēja daudzspēlētāju tiešsaistes lomu spēles (piemēram, World of Warcraft vai League of Legends) vai tiešsaistes pirmās personas šāvēja spēles (piemēram, Counterstrike, Battlefield vai Call of Duty). Visas šīs spēles ietvēra komunikācijas funkcijas. Sociālo tīklu lietotāji aktīvi darbojās interneta lietojumprogrammās, piemēram, tiešsaistes tērzēšanā, forumos vai sociālajās kopienās (piemēram, Facebook).

Problemātisko lietotāju grupa sastāvēja no n = 9 spēlētāji, n = 15 sociālo tīklu veidotāji, un n = 11 citu lietojumprogrammu lietotāji (informācijas platformas: n = 3; iepirkšanās vietnes: n = 1; straumēšana: n = 4; un citas formas: n = 3).

Veselīga kontroles grupa (n = 79) iekļauti n = 35 dalībnieki, kuri regulāri izmantoja sociālo tīklu vietnes, n = 6 dalībnieki, kuri dažreiz spēlēja tiešsaistes spēles, un n = 38 dalībnieki, kuri izmantoja “citas lietojumprogrammas”, piemēram, informācijas platformas (n = 15), iepirkšanās vietnes (n = 2), azartspēļu vietnes (n = 1), straumēšana (n = 15) vai citas formas (n = 5). Visi dalībnieki tika pieņemti darbā, izmantojot tiešsaistes atkarības centra uzvedības un atkarības medicīnas katedru Manheimas centrālajā garīgās veselības institūtā. pārskats vai ar reklāmu palīdzību.

A χ2 tests atklāja būtiskas atšķirības starp dzimumiem grupās starp veselīgām kontrolierīcēm un problemātiskiem interneta lietotājiem attiecībā uz galvenajām lietojumprogrammām internetā (Fišera precīzs tests veselīgās kontrolēs: p = .008; problemātiskiem lietotājiem: p = .035; un atkarīgiem lietotājiem: p = .069). Sievietes ar veselīgu vai problemātisku interneta lietošanu parādīja augstāku sociālo tīklu biežumu, un vīrieši biežāk izmantoja citas lietojumprogrammas.

Intervijas un anketas

Dalībnieku interneta atkarības esamību un smagumu noteica, izmantojot AICA kontrolsarakstu (Wölfling et al., 2012), kā arī OSVe (Wölfling et al., 2010). AICA ir izveidota diagnostiska klīniskā intervija, kuras mērķis ir novērtēt dalībnieku datora un / vai interneta atkarības smagumu. Tas tiek darīts, reģistrējot datoru vai interneta lietošanu iepriekšējās 30 dienās (AICA_30), kā arī to dzīves laikā (AICA_lifetime). AICA kontrolsarakstam ir augsta uzticamība, kā to pierāda Cronbachs α = .90. Pamatojoties uz Kaiser-Guttman kritēriju un skrieta testa pārbaudi, galvenās sastāvdaļas analīze atklāja vienu faktoru, kas izskaidro 67.5% dispersiju, ko var interpretēt kā “atkarīgu interneta lietošanu” (Wölfling et al., 2012). OSVe ir pašpārskata anketa, ko izmanto arī pieaugušo pārbaudei par interneta atkarības esamību un smagumu. Dalībnieki, kuru rezultāts AICA_13 bija ≥30 vai OSVe, bija ≥13.5, tika piešķirti atkarīgo grupai. Ņemot vērā, ka AICA_30 identificē tikai atkarību no datora un / vai interneta lietošanas, problemātiskas lietošanas noteikšanai mēs izmantojām OSVe rādītājus. Pēc Wölfling et al. (2010), mēs klasificējām dalībniekus ar OSVe rādītājiem no 7 līdz 13 kā problemātiskus lietotājus. Attiecīgi kontroles grupai tika piešķirti dalībnieki, kuru vērtējums bija <7. OSVe parādīja iekšējo konsekvenci (Kronbaha α) α = 89 (Wölfling et al., 2012). Galvenās sastāvdaļas analīze atklāja vienu faktoru, kas izskaidro 43.9% dispersiju, ko var interpretēt kā “atkarīgu interneta lietošanu” (Müllers, Glāzers, Brēlers, Vēlflings un Beitels, 2014. gads).

I un II ass dzīves un pašreizējās komorbiditātes tika novērtētas, pamatojoties uz strukturēto klīnisko interviju DSM-IV (SCID I un II; Vitens, Zaudigs un Fidrihs, 1997. gads). Pašreizējie depresijas simptomi tika novērtēti ar Bekas depresijas inventarizāciju (BDI; Beks, Vords, Mendelsons, Moks un Ērbjū, 1961. gads). ADHD izpētei, nestandarta intervija (saskaņā ar DSM-IV kritērijiem) un Brown uzmanības deficīta traucējumi (ADD) pieaugušajiem (Brūns, 1996) lietoja klīniski pieredzējuši psihologi. Saskaņā ar DSM-IV (American Psychiatric Association, 2000), ADHD intervijā tiek novērtēti pašreizējie kognitīvie deficīti skolā vai darbā (kā arī skolas dienās pirms 7 gadu vecuma), hiperaktivitātes simptomi, ar dzimšanu saistītas komplikācijas, vispārējas garastāvokļa svārstības, miega problēmas, vielu nepareiza lietošana ADHD simptomu mazināšanai un ADHD ģimenes anamnēze. Divi klīniskie psihologi veica intervijas, un iepriekš klīniskais eksperts tos apmācīja, lai koncentrētos uz konkrētiem simptomiem. 40 vienumu pieaugušo brūnā ADD skala pieaugušajiem palīdz novērtēt plašu faktisko simptomu klāstu, kas atspoguļo ar ADHD saistītus izpildfunkcijas traucējumus, kas notikuši pēdējo 6 mēnešu laikā, tostarp (a) darba organizēšana, prioritāšu noteikšana un aktivizēšana; b) uzmanības koncentrēšana, noturēšana un uzmanības novirzīšana uz uzdevumiem; c) modrības, intensīvas piepūles un apstrādes ātruma regulēšana; d) neapmierinātības pārvaldīšana un emociju modulēšana, kā arī e) darba atmiņas izmantošana un piekļuve atsaukšanai (Mērfijs un Adlers, 2004. gads). Pacienti novērtēja šos simptomus 4 punktu Likerta skalā (“nekad”, “reizi nedēļā”, “divas reizes nedēļā” un “katru dienu”). Harisons ziņoja, ka lielu ADHD iespējamību atspoguļos robežvērtība> 55, kas tika piemērota arī šim pētījumam. Pašreizējā ADHD diagnoze tika noteikta, kad dalībnieks izpildīja intervijas kritērijus un Brown ADD skalas (Harrison, 2004). Brown ADD skalas iekšējai konsistencei (Cronbach's α) α = .96 pieaugušajiem (Brūns, 1996). Dzīves ilguma ADHD kritēriji ietvēra ADHD diagnozi, ko agrāk sniedza medicīnas eksperts. Dalībnieki, kas ieguva virs 55 robežvērtību Brown ADD skalā, bet intervijā netika izpildīti pašreizējās vai dzīves ilguma ADHD diagnozes nosacījumi, tika klasificēti zem „nesen izstrādātajiem ADHD simptomiem”.

Lai novērtētu sevis koncepcijas aspektus, mēs izmantojām Rosenbergas skalu (Rosenberg, 1965; pētot pašvērtējumu), Body Image anketu (BIQ-20; Klements un Lēve, 1996. gads), kā arī emocionālās kompetences anketu (ECQ; Rindermann, 2009). Rozenberga skala ir 10 vienības aptauja par pozitīvām un negatīvām sajūtām par sevi, mērot 4 punkta Likert skalā. Tiek ziņots, ka vienību iekšējā konsekvence ir Cronbach's α = .88 (Grinbergers, Čens, Dmitrijeva un Farugija, 2003. gads).

BIQ-20, kas satur 20 vienumus, identificē ķermeņa attēla traucējumus, izmērot „ķermeņa attēla noraidīšanu” un “svarīgu ķermeņa attēlu”. Svaru faktora struktūras savstarpējā validācija atklāja augstu stabilitāti vienā klīniskajā un divos neklīniskajos paraugu populācijās (Klements un Lēve, 1996. gads). ECQ novērtē dalībnieku spējas (a) atpazīt un izprast savas emocijas; (b) citu cilvēku emociju atpazīšana un izpratne (spēja uztvert un saprast citu emocijas, pamatojoties uz viņu uzvedību, runāto komunikāciju, sejas izteiksmi un žestiem atkarībā no situācijas); (c) savu emociju regulēšana un kontrole; un d) emocionālā izteiksme (spēja un vēlēšanās izteikt savas jūtas). Svaru iekšējās konsistences svārstījās starp α = 0.89 un 0.93 (Rindermann, 2009).

Sociālā trauksme un sociālā kompetence tika mērīta, izmantojot anketu sociālajai trauksmei un sociālās kompetences trūkumiem (SASKO; Kolbeck & Maß, 2009. gads). Tā mērķis ir novērtēt bailes no runāt citu priekšā vai būt sociālā uzmanības centrā („skaļums”), sociāli noraidītam („noraidījumam”) un sociālajai mijiedarbībai („mijiedarbība”), kā arī sociālās uztveres deficīts („informācija”) un vientulības jūtas („vientulība”). Apakšlasu iekšējās konsistences svārstījās no α = .76 un .87 veseliem paraugiem un starp α = .80 un .89 klīniskajiem paraugiem (Kolbeck & Maß, 2009. gads). Turklāt faktora derīgums tika apstiprināts ar apstiprinošu faktoru analīzi (Kolbeck & Maß, 2009. gads). Turklāt uztveramā stresa skala (PSS); Koens, Kamarks un Mermelšteins, 1983) tika izmantots, lai izpētītu dalībnieku uztveri par stresu. PSS iekšējā konsekvence (Cronbach α) ir α = .78 (Koens un citi, 1983).

Statistiskās analīzes

Datu analīze tika veikta, izmantojot SPSS Statistics 23 (Statistikas pakete sociālajām zinātnēm, SPSS Inc., Čikāga, IL, ASV). Χ Novērtēja atšķirības starp atkarības un problemātiskiem interneta lietotājiem, kā arī veselīgu kontroli2 testus un Fisher precīzus testus, ja nepieciešams. Turklāt analīzes par pašnodarbinātām īpašībām starp atkarīgajiem interneta lietotājiem, problemātiskiem interneta lietotājiem un veselīgām kontrolēm ietvēra dispersijas analīzes (ANOVAs), kam sekoja post hoc analīzes, izmantojot Scheffé testus. Tika pielietotas lineārās regresijas analīzes, lai novērtētu saistību starp mainīgo lielumiem un interneta lietošanas pašreizējā vai mūža simptomu smagumu.

Atbilstība starp diviem ADHD testiem (intervija un Brown ADD skala) tika novērtēta ar krustojumu tabulām un Cohen kappa statistiku. Mēs arī pielietojām χ2 testi, lai novērtētu pozitīvo testu rezultātu izplatību starp grupām starp grupām („jā” / „nē”) “nesen izstrādātajiem ADHD simptomiem”, kā arī pašreizējās un dzīves ilguma ADHD diagnozes. Turklāt, lai novērtētu, vai dalībniekiem ar ADHD diagnozi vai nesen attīstītiem ADHD simptomiem ir augstāks pašreizējā vai dzīves ilguma simptomu smagums internetā, salīdzinot ar tiem, kas neatbilst ADHD nosacījumiem, mēs izmantojām divus paraugus t- pārbauda kopējo paraugu, kā arī veselīgu kontroli, atkarīgus un problemātiskus interneta lietotājus.

ētika

Studiju procedūras tika veiktas saskaņā ar Helsinku deklarāciju. Pētījumu apstiprināja Mannheimas ētikas komiteja, Bādene Virtemberga (pieteikuma numurs: 2013-528N-MA). Pirms piedalīšanās pētījumā visi dalībnieki tika informēti par pētījuma mērķi un piekrita pēc šīs informācijas saņemšanas.

rezultāti

Dzīves ilgums un pašreizējās blakusparādības

Dati atklāja, ka 62.4% (45.2%) no atkarīgās grupas, 31.4% (20.0%) no problemātiskās grupas un 22.8% (13.9%) veseliem kontroles rādītājiem parādīja dzīves cikla I vai II ass diagnozi. Atkarībā no mūsu vēlmēm atkarīgie interneta lietotāji biežāk, salīdzinot ar veselīgu kontroli, parādīja depresijas un trauksmes traucējumus, kā arī ADHD (skatīt attēlus). 1 un 2 kā arī tabulas 2 un 3). Atkarībā no problemātiskajiem lietotājiem tika novērota augstāka mūža un pašreizējās ADHD un depresijas traucējumu izplatība. Turklāt interneta atkarīgie un problemātiskie lietotāji B klastera personības traucējumus ievērojami biežāk parādīja nekā veselīgas kontroles, taču šīs atšķirības starp grupām nav atspoguļotas katrā atsevišķā B klastera personības traucējumā (attēls 3).

Skaitlis 1. Dzīves laika diagnostiku un atšķirības starp atkarīgiem un problemātiskiem interneta lietotājiem, kā arī veselīgu kontroli (diagnoze%, χ2 un Fišera precīzie testi; *p ≤ 05, **p ≤ .01). To klasifikācijā tika diferencēti arī afektīvie un trauksmes traucējumi

Skaitlis 2. Pašreizējo diagnozes īpatsvars un atšķirības starp atkarīgiem un problemātiskiem interneta lietotājiem, kā arī veselīgu kontroli (diagnoze%, χ2 un Fišera precīzie testi; *p ≤ 05, **p ≤ .01). To klasifikācijā tika diferencēti arī afektīvie un trauksmes traucējumi

Tabula

Tabula 2. Diagnozes izplatības rādītāju atšķirības starp atkarīgiem un problemātiskiem lietotājiem, kā arī veselīgas kontroles
 

Tabula 2. Diagnozes izplatības rādītāju atšķirības starp atkarīgiem un problemātiskiem lietotājiem, kā arī veselīgas kontroles

 

Kopā (N = 207)

Atkarīgs (n = 93)

Problēma (n = 35)

Veselīga kontrole (n = 79)

p

ADHD (LT)5.113.800<.001f**
ADHD (C)6.111.500<.001f**
Afektīvs traucējums (LT)21.735.517.17.6<.001c**
Afektīvs traucējums (C)5.310.801.3. 008f*
Depresijas traucējumi (LT)20.834.417.15.3<.001c**
Depresijas traucējumi (C)4.39.700. 003f*
Trauksmes traucējumi (LT)14.521.58.68.9. 035c
Trauksmes traucējumi (C)9.216.15.72.5. 005f*
Ģeneralizēta trauksme (LT)3.95.603.8. 452
Ģeneralizēta trauksme (C)2.54.401.3. 655
PTSD (LT)1.53.300. 073
PTSD (C)1.02.200. 032
Īpaša fobija (LT)3.44.45.71.3. 559
Īpaša fobija (C)3.04.45.70. 050
Sociālā fobija (LT)3.46.501.3. 105f
Sociālā fobija (C)2.95.401.3. 185f
Obsesīvi-kompulsīvi traucējumi (LT)2.45.400. 075f
Obsesīvi-kompulsīvi traucējumi (C)2.45.400. 075f
Ēšanas traucējumi (LT)2.94.32.91.3. 556f
Ēšanas traucējumi (C)1.43.200. 292f
Vielas lietošanas traucējumi bez nikotīna (LT)12.618.311.46.3. 060f
Vielas lietošanas traucējumi bez nikotīna (C)3.94.35.72.5. 635f
Vielas lietošanas traucējumi ar nikotīnu (LT)20.325.817.115.2. 198c
Vielas lietošanas traucējumi ar nikotīnu (C)14.018.38.611.4. 306f
A klase1.93.201.3. 663f
B kopa4.87.58.60. 013f*
C klase7.29.75.15.7. 525f

Piezīmes. Likmes%. f: Fišera precīzs tests; c: χ2 pārbaude; LT: kalpošanas laiks; C: pašreizējā korekcija ar Bonferroni – Holm, lai salīdzinātu dzīves un pašreizējās diagnozes, kā arī personības traucējumus. ADHD: uzmanības deficīta hiperaktivitātes traucējumi; PTSD: posttraumatisks stresa traucējums.

*p ≤ 05 un **p ≤ 01 pēc Bonferroni – Holma korekcijas vairākiem salīdzinājumiem.

Tabula

Tabula 3. Diagnozes izplatības rādītāju atšķirību post hoc salīdzinājumi starp atkarīgiem un problemātiskiem lietotājiem, kā arī veselīgu kontroli
 

Tabula 3. Diagnozes izplatības rādītāju atšķirību post hoc salīdzinājumi starp atkarīgiem un problemātiskiem lietotājiem, kā arī veselīgu kontroli

 

Veselīgas kontroles pret atkarīgiem lietotājiem

Veselīga kontrole pret problemātiskiem lietotājiem

Atkarīgi pret problemātiskiem lietotājiem

 

p

p

p

ADHD (LT)<.001f**-. 014f*
ADHD (C). 001f**-. 029f*
Afektīvs traucējums (LT)<.001c**. 117f. 033c*
Afektīvs traucējums (C). 010c. 693f. 036f*
Depresijas traucējumi (LT)<.001c**. 076f. 043c*
Depresijas traucējumi (C). 003f**-. 050f*
Trauksmes traucējumi (C). 002c**. 360f. 100f
B kopa. 012f*. 027f*. 549f

Piezīmes. f: Fišera precīzs tests; c: χ2 pārbaude; LT: kalpošanas laiks; C: strāva; ADHD: uzmanības deficīta hiperaktivitātes traucējumi.

Skaitlis 3. Personības traucējumu proporcija saskaņā ar DSM-IV un atšķirības starp atkarīgiem un problemātiskiem interneta lietotājiem, kā arī veselīgu kontroli (diagnoze%, χ2- un Fišera precīzie testi; *p ≤ 05, **p ≤ .01)

Abu ADHD instrumentu atbilstība

Novērtējot atbilstību starp diviem pielietotajiem instrumentiem (ti, Brown ADD skalu un interviju), atklājumi atklāja 63.21% atbilstību atkarīgo grupā (Kappa = 0.21, p = 012) un 82.1% kopējā izlasē (Kappa = 0.28; p <.001).

skaitlis 4 demonstrē to dalībnieku pozitīvo rezultātu procentuālo daļu, kas gūti ADHD gadījumā divos piemērotos instrumentos (intervijā un Brown ADD skalā), kā arī nesen izveidoto ADHD simptomu kategorijās, pašreizējā un dzīves ilguma ADHD diagnozē.

Skaitlis 4. ADHD procentuālais daudzums diviem dažādiem pasākumiem: Intervija un Brown ADD. Nesen izstrādātie ADHD simptomi bez diagnozes, dzīves ilguma un pašreizējās diagnozes izriet no abu instrumentu pārklāšanās

A χ2 tests atklāja būtiskas atšķirības starp grupām starp veseliem kontrolieriem, atkarīgiem un problemātiskiem interneta lietotājiem ADHD intervijā (Fišera precīzs tests: p <.001). Pāru salīdzinājumi parādīja, ka atkarīgi lietotāji intervijā ADHD kritērijus izpildīja ievērojami biežāk nekā veselīgas kontroles (Fišera precīzais tests: p <.001), bet nav salīdzināts ar problemātiskiem lietotājiem (Fišera precīzais tests: p = .232). Būtiskas atšķirības starp grupām tika novērotas arī Brown ADD skalā (Fišera precīzais tests: p <.001). Pāru salīdzinājumi atklāja ievērojami augstāku ADHD biežumu atkarīgiem lietotājiem, izmantojot Brown ADD skalu, salīdzinot ar veselīgu kontroli (p <.001) un problemātiskie lietotāji (Fišera precīzais tests: p <.001). Turklāt mainīgo “nesen attīstīto ADHD simptomu” (jā / nē) salīdzinājumi starp grupām bija nozīmīgi (Fišera precīzais tests: p <.001): atkarīgi interneta lietotāji nesen atklāja attīstītos simptomus ievērojami biežāk nekā veselīgas kontroles (Fišera precīzais tests: p <.001) un problemātiskie lietotāji (Fišera precīzais tests; p <.001).

Turklāt mēs novērojām, ka atkarīgā grupa parādīja ievērojami augstāku ADHD biežumu Brown ADD skalā salīdzinājumā ar interviju (Fišera precīzs tests: p = .016).

Lai novērtētu atšķirības pašreizējā un dzīves ilguma interneta lietošanas smaguma pakāpes (AICA-30 un AICA dzīves laikā) starp grupām ar un bez ADHD (atvasināts no katra attēla kritērija 4), mēs izmantojām divus paraugus t- pārbauda kopējo paraugu. Katrā stāvoklī mēs novērojām, ka dalībnieki ar pozitīvu ADHD dzīves laikā un pašreizējā interneta lietošanas smaguma pakāpe bija ievērojami augstāki nekā tiem, kuriem testa rezultāti bija negatīvi (tabula 4).

Tabula

Tabula 4. Pašreizējās un dzīves ilguma interneta lietošanas smaguma atšķirības (AICA) starp dalībniekiem, kas novērtē pozitīvu un negatīvu ADHD, dažādiem kritērijiem visā izlasē
 

Tabula 4. Pašreizējās un dzīves ilguma interneta lietošanas smaguma atšķirības (AICA) starp dalībniekiem, kas novērtē pozitīvu un negatīvu ADHD, dažādiem kritērijiem visā izlasē

 

Interneta lietošanas simptomu smagums

Pozitīvs ADHD vidējam (SD)

Negatīvs ADHD vidējam (SD)

t statistika

p

ADHD intervijastrāva12.20 (7.91)8.68 (6.53)-1.970.050 *
 Mūžs23.00 (8.01)16.12 (8.31)-3.088.002 **
Brūns ADDstrāva15.13 (5.77)7.34 (5.95)-7.425<.001 **
 Mūžs24.00 (5.35)14.80 (8.10)-6.807<.001 **
Nesen izveidojušies ADHD simptomistrāva15.11 (5.29)6.00 (7.42)-6.260<.001 **
 Mūžs24.33 (4.29)14.77 (8.05)-6.025<.001 **
Pašreizējā ADHDstrāva15.10 (7.85)8.59 (6.48)-3.063.003 **
 Mūžs24.50 (7.58)16.24 (8.32)-3.068.002 **
Ilgstoša ADHDstrāva14.83 (7.21)8.54 (6.49)-3.236.001 **
Mūžs24.50 (6.86)16.16 (8.32)-3.397.001 **

Piezīme. SD: standarta novirze, ko koriģējusi Bonferroni – Holm, lai veiktu vairākus salīdzinājumus. ADHD: uzmanības deficīta hiperaktivitātes traucējumi; AICA: Interneta un datoru spēļu atkarības novērtējums.

*p ≤ .05. **p ≤ .01.

Divi paraugi t-testi katrā grupā (atkarīgie un problemātiskie lietotāji, kā arī veselīgas kontroles) atklāja tikai atkarīgos dalībniekus ar nesen attīstītiem simptomiem (n = 27) lai parādītu lielāku interneta lietošanas smaguma pakāpi mūža laikā (t = −2.549, p = .013), salīdzinot ar tiem, kuriem nav simptomu (n = 46).

Ar pašu atkarīgu un problemātisku interneta lietotāju raksturīgās īpašības, kā arī veselīgas kontroles

galdi 5 un 6 pierādīt atšķirības starp kontrolēm, problemātiskām un atkarīgām interneta lietotājiem pašpamatotām īpašībām. ANOVAs atklāja nozīmīgas galvenās sekas uz visiem svariem (tabula Nr. \ T 5).

Tabula

Tabula 5. Atšķirīgu lietotāju, problemātisku lietotāju un veselīgu kontroles grupu atšķirības starp grupām
 

Tabula 5. Atšķirīgu lietotāju, problemātisku lietotāju un veselīgu kontroles grupu atšķirības starp grupām

 

Kopā (N = 207)

Atkarīgs (n = 93)

Problēma (n = 35)

Veselīga kontrole (n = 79)

F

p

PSS uztvertais stress16.35 (6.74)20.01 (6.21)15.06 (5.13)12.67 (5.72)34.437<.001 **
BDI8.43 (7.63)12.96 (8.36)6.51 (4.89)4.06 (4.02)42.256<.001 **
Rozenberga pašcieņu21.80 (6.25)18.89 (6.74)22.66 (5.36)24.85 (4.14)24.285<.001 **
SASKO runā9.98 (7.19)13.90 (7.71)8.17 (5.38)6.22 (4.46)33.825<.001 **
SASKO sociālais noraidījums9.33 (6.43)12.76 (7.08)7.86 (3.67)5.99 (4.24)32.247<.001 **
SASKO mijiedarbība6.98 (5.38)10.15 (5.67)5.51 (3.59)3.94 (3.28)41.819<.001 **
SASKO informācija7.03 (4.26)8.97 (4.39)6.26 (3.45)5.11 (3.41)21.729<.001 **
SASKO vientulība2.98 (3.26)4.49 (3.58)2.66 (2.72)1.37 (2.07)24.239<.001 **
ECQ-EE55.17 (10.46)50.79 (10.29)54.40 (10.83)60.61 (7.75)22.827<.001 **
ECQ-EO65.06 (10.96)62.99 (11.86)65.29 (11.12)67.37 (9.35)3.481.034 *
ECQ-RE47.47 (8.87)43.50 (9.05)49.51 (8.26)51.19 (6.87)20.293<.001 **
ECQ-EX53.87 (13.71)49.61 (13.83)52.34 (17.79)59.52 (10.97)12.670<.001 **
BIQ atteikšanās no ķermeņa attēla22.59 (8.45)26.41 (9.57)21.72 (6.47)18.53 (5.32)22.664<.001 **
BIQ svarīgs ķermeņa attēls33.73 (6.97)31.27 (7.59)34.72 (5.31)36.17 (5.87)12.075<.001 **

Piezīmes. Vidējā (standarta novirze), SASKO: sociālā trauksme un sociālās kompetences trūkumi; ECQ: emocionālās kompetences anketa; ECQ-EE: savu emociju atpazīšana un izpratne; ECQ-EA: citu emociju atpazīšana un izpratne; ECQ-RE: pašu emociju regulēšana un kontrole; ECQ-EX: emocionālā izteiksme; BDI: Beck depresijas inventarizācija; PSS: uztveramā stresa skala; BIQ: ķermeņa attēla anketa; F: ANOVA F statistika.

*p ≤ 05 un **p ≤ 01 pēc Bonferroni – Holma korekcijas vairākiem salīdzinājumiem.

Tabula

Tabula 6. Post hoc pāru salīdzinājumi (Scheffé) starp atkarīgiem lietotājiem, problemātiskiem lietotājiem un veselīgu kontroli
 

Tabula 6. Post hoc pāru salīdzinājumi (Scheffé) starp atkarīgiem lietotājiem, problemātiskiem lietotājiem un veselīgu kontroli

 

Veselīgas kontroles pret atkarīgiem lietotājiem

Veselīga kontrole pret problemātiskiem lietotājiem

Atkarīgi pret problemātiskiem lietotājiem

 

Līdzekļu atšķirības

p

Līdzekļu atšķirības

p

Līdzekļu atšķirības

p

PSS-7.37<.001-2.39. 1374.99<.001
BDI-8.89<.001-2.45. 1756.44<.001
Rozenberga pašcieņu5.96<.0012.19. 163-3.77. 004
SASKO runā-7.80<.001-1.96. 3055.84<.001
SASKO sociālais noraidījums-6.84<.001-1.87. 2644.97<.001
SASKO mijiedarbība-6.28<.001-1.58. 2344.71<.001
SASKO informācija-3.90<.001-1.14. 352-2.75. 002
SASKO vientulība-3.17<.001-1.29. 0981.88. 006
ECQ-EE9.89<.0016.21. 006-3.69. 152
ECQ-EO4.37. 0352.08. 641-2.29. 572
ECQ-RE7.85<.0011.68. 599-6.17. 001
ECQ-EX9.95<.0017.18. 027-2.77. 565
BIQ atteikšanās no ķermeņa attēla-7.99<.001-3.18. 1274.80. 008
BIQ svarīgs ķermeņa attēls4.99<.0011.45. 558-3.54. 028

Piezīmes. SASKO: Sociālās trauksmes un sociālās kompetences trūkums; ECQ: emocionālās kompetences anketa; ECQ-EE: savu emociju atpazīšana un izpratne; ECQ-EA: citu emociju atpazīšana un izpratne; ECQ-RE: pašu emociju regulēšana un kontrole; ECQ-EX: emocionālā izteiksme; BDI: Beck depresijas inventarizācija; PSS: uztveramā stresa skala; BIQ: ķermeņa attēla anketa.

Atkarīgi interneta lietotāji, salīdzinot ar veselīgu kontroli, uzrādīja ievērojami sliktāku ķermeņa tēlu, augstāku sociālo trauksmi (SASKO), samazinātu sociālo kompetenci (visas SASKO skalas), paaugstinātu uztverto stresu (PSS), kā arī emocionālo kompetenci (ECQ). Turklāt viņiem bija zemāka pašapziņa (Rosenberg) un parādījās paaugstināts uztveramais stress (PSS), kā arī depresijas simptomi (BDI; tabula). 6). Atkarībā no problemātiskajiem lietotājiem arī atkarīgi lietotāji parādīja, ka ievērojami palielinājušās vērtības attiecībā uz lielāko daļu ar sevi saistītu īpašību (izņemot savas un citu emociju atpazīšanu, kā arī spēju izteikt savas emocijas citiem).

Mēs arī novērojām, ka interneta atkarīgie un problemātiskie lietotāji būtiski atšķiras no veselīgām kontrolēm attiecībā uz emocionālās kompetences skalām „savu emociju atzīšana” (ECQ-EE) un „emocionālo ekspresiju” (ECQ-EX; tabula 6). Lineārās regresijas analīzes atklāja, ka šie divi mainīgie lielumi izskaidroja 11% (R2 = .111; p <.001) pašreizējās interneta lietošanas smaguma pakāpes (AICA_30) un 22% (R2 = .217; p <.001) mūža interneta lietošanas smaguma pakāpe (AICA dzīves ilgums).

diskusija

Šā pētījuma vispārējais mērķis bija izpētīt atšķirības, kas saistītas ar veseliem kontrolieriem, atkarīgajiem un problemātiskajiem interneta lietotājiem, lai izskaidrotu problemātiskās izmantošanas lomu pārejā no veselīgas uz atkarīgu interneta lietošanu.

Komorbiditātes atkarīgiem un problemātiskiem interneta lietotājiem, kā arī veselīgas kontroles

Rezultāti liecināja, ka interneta atkarīgajiem ir augstāks ADHD, depresijas un pašreizējās trauksmes, kā arī B klastera personības traucējumu biežums, salīdzinot ar veseliem kontroles līdzekļiem. Turklāt atkarības grupā tika novēroti arī augstāki ADHD un depresijas traucējumi, salīdzinot ar problemātiskajiem lietotājiem. Šie rezultāti atbilst iepriekšējiem interneta atkarības paskaidrojošajiem modeļiem, kas atkarīgi no interneta lietošanas uzņemas spēcīgu psihopatoloģiju.Brand et al., 2016; Davis, 2001). Savā I-PACE modelī Brand et al. (2016) īpaši attiecas uz depresiju un (sociālo) trauksmi, kā arī uz ADHD kā trim galvenajām psihopatoloģiskajām iezīmēm, kas saistītas ar interneta atkarību. Visi šie garīgie traucējumi ir cieši saistīti ar intensīvām negatīvām emocijām, piemēram, nemiers, depresija un dusmas. Šis aspekts tiek ņemts vērā arī interneta spēļu traucējumu aprakstā DSM-5, kur interneta spēles tiek izmantotas, lai rastu atbrīvojumu no negatīva noskaņojuma stāvokļa.

Problemātiskās lietošanas stadijā tikai B klastera personības traucējumu rašanās bija ievērojami lielāka, salīdzinot ar veselīgu kontroles grupu, un neatšķīrās no atkarības lietošanas. Literatūrā ir aprakstīti B klastera personības traucējumi, kas saistīti ar dramatiskāku, emocionālu, neparastu un impulsīvu uzvedību (American Psychiatric Association, 2013) bieži pavada depresijas epizodes. Tie bija saistīti arī ar hroniskas depresijas remisijas varbūtību (Agosti, 2014). Šie atklājumi norāda, ka B grupas personības traucējumi varētu būt problemātiskas un atkarīgas interneta lietošanas korelāts. Zadra u.c. (2016) novēroja B klastera robežu personības traucējumu izplatības pieaugumu interneta narkomānos. Mēs neatradām starpgrupu atšķirības konkrētā B klastera personības traucējumā, iespējams, sakarā ar mazo gadījumu skaitu (nPierobežas = 5; nnarsistisks = 4; nhistrionisks = 0; nantisociāls = 1 visā izlasē). Būtu interesanti salīdzināt specifisku personības traucējumu izplatību atkarīgiem un problemātiskiem lietotājiem, izmantojot lielākus izlases lielumus turpmākajos pētījumos. Nepieciešami arī turpmāki replikācijas pētījumi, lai apstiprinātu mūsu secinājumus.

ADHD komorbiditāte un ADHD līdzīgi simptomi interneta atkarīgajiem

Attiecībā uz ADHD diagnozēm šajā pētījumā pašreizējā un dzīves ilguma izplatība interneta atkarīgo grupā (13.8% un 11.5%) bija ievērojami augstāka, salīdzinot ar problemātiskiem interneta lietotājiem un veselīgu kontroli. Metaanalīze novērtēja ADHD vispārējo izplatību aptuveni 2.5% (Saimons, Czobors, Bálints, Mészáros un Bitter, 2009). Lielākā daļa pētījumu par ADHD un interneta atkarību tika veikti pusaudžiem, nevis jauniem pieaugušajiem (Seyrek et al., 2017. gads; Tateno et al., 2016). Ir tikai viens pētījums, kurā ziņots par 5.5% ADHD izplatību pieaugušajiem „problemātiskiem” interneta lietotājiem (Kima un citi, 2016. gads). Tomēr izlasē bija iekļauti arī atkarīgi lietotāji, un tādēļ konstatējumi var nebūt salīdzināmi ar pētījuma rezultātiem.

Kā zināms, tas bija pirmais pētījums, kurā tika mēģināts iekļaut arī ADHD diagnozes noteikšanu nesen atkarīgajiem ADHD simptomiem interneta atkarīgajiem. Dalībniekiem ar ADHD, kā arī tiem, kuriem bija tikai nesen attīstīti ADHD simptomi, bija ievērojami augstāks dzīves ilgums un pašreizējais interneta lietošanas smagums salīdzinājumā ar tiem, kuri neatbilst šiem nosacījumiem. Turklāt atkarīgi dalībnieki ar nesen attīstītiem ADHD simptomiem (30% atkarības grupā) parādīja paaugstinātu dzīves ilgumu internetā, salīdzinot ar tiem atkarīgajiem, kuriem nebija ADHD simptomu. Mūsu rezultāti liecina, ka nesen attīstītie ADHD simptomi (neizpildot ADHD diagnostikas kritērijus) ir saistīti ar interneta atkarību. Tas var novest pie pirmās norādes par to, ka pārmērīgs interneta lietojums ietekmē kognitīvo deficītu, kas ir līdzīgs tiem, kas konstatēti ADHD. Nie, Zhang, Chen un Li nesenais pētījums (2016) ziņoja, ka pusaudžu interneta atkarīgie ar un bez ADHD, kā arī dalībnieki ar ADHD parādīja salīdzināmus deficīta traucējumus kontroles un darba atmiņas funkcijās.

Šķiet, ka šo pieņēmumu atbalsta arī daži pētījumi, kuros ziņots par samazinātu pelēkās vielas blīvumu priekšējā cingulārajā garozā atkarību izraisošos interneta lietotājos, kā arī ADHD pacientiem (Frodl & Skokauskas, 2012; Moreno-Alcazar et al., 2016; Wang et al., 2015; Yuan et al., 2011). Tomēr, lai apstiprinātu mūsu pieņēmumus, ir nepieciešami turpmāki pētījumi, kas novērtē saikni starp pārmērīgas interneta lietošanas sākumu un ADHD interneta atkarīgajiem. Turklāt, lai noskaidrotu cēloņsakarību, jāpiemēro ilgstoši pētījumi. Ja mūsu konstatējumi tiek apstiprināti turpmākajos pētījumos, tam būs klīniska nozīme ADHD diagnostikas procesā. Ir iespējams, ka ārstiem būs jāveic detalizēts novērtējums par iespējamo atkarību izraisošo interneta lietošanu pacientiem ar aizdomām par ADHD.

Paškoncepcijas raksturojumu salīdzinājums starp atkarību, problemātisku un veselīgu interneta lietošanu

Attiecībā uz atšķirībām starp pašnodarbinātības raksturlielumiem starp grupām, rezultāti atklāja atkarīgos interneta lietotājus, lai parādītu būtiskus trūkumus visos „paškoncepcijas” līmeņos, salīdzinot ar veselīgām kontrolēm. Kā minēts iepriekš, attīstības teorijas postulē pusaudžu vecumu par posmu, kurā pašnodarbības veidošanās ir galvenais attīstības uzdevums. Indivīdam ir jāizpēta un jāizvēlas atbilstošas ​​un atbilstošas ​​lomas, vērtības un mērķi no dažādām dzīves jomām, piemēram, dzimumu lomas, profesijas, relāciju izvēles utt.Eriksons, 1968; Marcia, 1966). Ja tas neizdodas, tas izraisa identitātes izplatīšanos, kā arī sabiedrības lomu un palielina garīgo traucējumu, piemēram, personības, depresijas vai atkarības traucējumu, risku. Bez atbilstošas ​​ārstēšanas šie traucējumi parasti saglabājas pieaugušo vecumā (Eriksons, 1968; Marcia, 1966). Sakarā ar sociālās mijiedarbības iespējām un vienlaicīgo anonimitāti, internets nodrošina vilinošu iespēju kompensēt negatīvās jūtas un sevis trūkuma trūkumus. Attiecīgi mūsu secinājumi par palielinātu pašnovērtējuma deficītu jauniem pieaugušajiem interneta atkarīgajiem liecina, ka pusaudža gados nepareizi adaptēta pārvarēšana ar noteiktiem attīstības uzdevumiem varētu veicināt interneta atkarības veidošanos. Atkārtota pieredze šo deficītu kompensēšanai, izmantojot internetu, piemēram, atrodot virtuālus draugus vai gūstot panākumus spēlē (Brand et al., 2016; Davis, 2001; Tavolači et al., 2013) varētu paaugstināt atkarības risku. Turklāt reālu starppersonu un ar darbu saistītu pozitīvu pieredzes trūkums var palielināt paškoncepcijas deficītu un psihiatrisko traucējumu attīstību. Pēdējais aspekts varētu izskaidrot depresijas, trauksmes un B klastera personības traucējumu augsto novērojumu atkarīgajiem lietotājiem.

Neskatoties uz ievērojamām atšķirībām starp problemātisko un atkarīgo interneta lietošanu attiecībā uz lielāko daļu no novērtētajiem mainīgajiem lielumiem, visi līdzekļi, kas aprēķināti problemātiskās grupas raksturlielumiem, bija starp atkarīgo lietotāju un veselīgās kontroles grupas rādītājiem, norādot uz saikni starp abiem pārmērīgiem Interneta izmantošana aprakstošā veidā.

Tomēr mēs arī novērojām līdzību starp problemātiskiem un atkarīgiem lietotājiem. Abas grupas sevi vērtēja kā mazāk spējīgas atpazīt, saprast un izteikt savas emocijas, salīdzinot ar veselīgām kontrolēm. Savā emocionālās inteliģences modelī Mayer un Salovey norādīja uz emociju uztveri, izmantošanu, sapratni un pārvaldību, kas galvenokārt notiek saistībā ar attiecībām, lai būtu galvenā savstarpēji saistītā emocionālās inteliģences spēja (Mayer & Salovey, 1993. gads; Meijers, Salovejs, Karuso un Sitarenios, 2001. gads). Mūsu rezultāti par šo deficītu problemātiskajos un atkarību izraisošos interneta lietotājos var norādīt, ka zemākas šo spēju pakāpes varētu īpaši attēlot premorbid faktorus pārejā no problemātiskas uz atkarību izraisošu interneta lietošanu. Regresijas analīzēs atklājās, ka šie mainīgie lielumi izskaidroja 11% un 22% no pašreizējā, kā arī dzīves ilguma interneta lietošanas smaguma atšķirībām kopējā paraugā.

Pētījuma ierobežojumi

Šā pētījuma ierobežojumi ietver šādus aspektus.

Apakšgrupu izlases lielums bija salīdzinoši neliels. Tas būtu jāņem vērā, interpretējot mūsu rezultātus un veicot turpmākus pētījumus.

Vēl viens ierobežojums attiecas uz ADHD diagnostikas procedūru. Bez Brown ADD skalas mēs izmantojām arī nestandarta interviju, tostarp atklātus jautājumus ADHD izmeklēšanai. Nevar pilnībā nodrošināt, ka tāda pati intervija ar vienu un to pašu dalībnieku un citu intervētāju radītu līdzīgus rezultātus (Kromrey, 2002). No otras puses, kvalificētu klīnisko psihologu interviju apvienošana ar Brown ADD skalas papildu pielietošanu diagnostikas procesā varētu būt nodrošinājusi augstāku diagnožu pamatotību. Tomēr šie izmeklējumi ir jāatkārto un diagnostikas procesā papildus jāiekļauj ārējie novērtējumi (piemēram, ģimenes intervijas), kā arī neiropsiholoģiskās pārbaudes.

Vēl viens ierobežojums ir tas, ka mēs neesam analizējuši dzimumu atšķirības, jo tas būtu pārsniedzis manuskripta darbības jomu. Mēs tikai novērtējām dzimumu atšķirības apakšparaugos. Χ2 Analīzes katrā grupā atklāja, ka sievietes ar veselīgu un problemātisku interneta lietošanu biežāk parādīja sociālo tīklu un vīrieši biežāk izmantoja citas lietojumprogrammas. Saskaņā ar literatūru (Dany, Moreau, Guillet un Franchina, 2016. gads), galvenās izlases analīzē atklājās, ka vīriešiem ir lielāks spēļu skaits un sievietēm ir lielāks sociālo tīklu vietņu izmantojums. Tomēr šie rezultāti ir jāinterpretē piesardzīgi, ņemot vērā ļoti mazus apakšparaugu lielumus. Lai izpētītu šajā pētījumā aplūkoto raksturlielumu atšķirības starp dzimumiem, ir vajadzīgi turpmāki pētījumi.

secinājumi

Kopumā mūsu rezultāti liecina, ka B klastera personības traucējumi un trūkumi paša emociju izpratnē un izpausmē var būt specifiski ietekmīgi faktori pārejā no problemātiskas uz atkarību veicinošu lietojumu. Mēs arī konstatējām, ka atkarīgi lietotāji, salīdzinot ar problemātiskiem lietotājiem un veselīgu kontroli, parādīja ievērojami augstākas ADHD, depresijas un pašreizējās trauksmes biežumu, kā arī lielākus ar pašu koncepciju saistītus deficītus. Tādējādi mūsu rezultāti var liecināt, ka klastera B personības traucējumi un emocionālās inteliģences deficīts, kas saistīts ar starppersonu un ar darbu saistītām problēmām, ietekmē pāreju no problemātiska uz atkarību izraisošu interneta lietošanu. Pieredze internetā, kā sākotnēji nodrošinot ātru kompensāciju par šīm problēmām, palielina atkarības lietošanas risku. Vienlaikus palielinās starppersonu un ar darbu saistīto pozitīvo pieredzi reālajā dzīvē, kā arī noved pie virtuālās pasaules escapisma. Šie rezultāti liek domāt, ka intervencēm, kas vērstas uz interneta atkarību, būtu jāpievērš lielāka uzmanība uz zināšanām balstītu paņēmienu un sociālo kompetenču apguvei, lai atpazītu un pārvarētu negatīvās emocijas un starppersonu konfliktus.

Mūsu dati arī atklāj augstu ADHD izplatību atkarīgajos, bet ne problemātiskajos lietotājos, kas varētu liecināt, ka ADHD ir saistīta ar paātrinātu pāreju uz atkarību izraisošu interneta lietošanu.

Autora ieguldījums

TL izstrādāja manuskriptu, uzraudzīja pētījumu un veicināja datu vākšanu un analīzi. SH veicināja datu analīzi. JD bija iesaistīts pētījumu koordinācijā un datu vākšanā. IR pārbaudīja statistisko datu analīzi un uzraudzīja manuskriptu. KM saņēma finansējumu pētījumam un uzraudzīja to. FK uzraudzīja un veicināja manuskripta sagatavošanu. Visi autori apstiprināja manuskripta galīgo versiju.

Interešu konflikts

Nevienam autoram nav nekādu interešu konfliktu.

Atsauces

Iepriekšējā sadaļa

 Agosti, V. (2014). Prognozes par hroniskas depresijas remisiju: ​​perspektīvs pētījums nacionāli reprezentatīvā paraugā. Visaptveroša psihiatrija, 55 (3), 463 – 467. doi:https://doi.org/10.1016/j.comppsych.2013.09.016 CrossRef, Medline
 American Psychiatric Association. (2000). Garīgo traucējumu diagnostikas un statistikas rokasgrāmata (DSM-IV-TR). Vašingtona: Amerikas Psihiatrijas asociācija.
 American Psychiatric Association. (2013). Garīgo traucējumu diagnostikas un statistikas rokasgrāmata (DSM-5®). Vašingtona: American Psychiatric Association. CrossRef
 Beks, A. T., Vards, C. H., Mendelsons, M., Moks, J. un Erbaugs, J. (1961). Inventārs depresijas mērīšanai. Vispārējās psihiatrijas arhīvi, 4 (6), 561–571. doi:https://doi.org/10.1001/archpsyc.1961.01710120031004 CrossRef, Medline
 Bozkurt, H., Coskun, M., Ayaydin, H., Adak, I., & Zoroglu, S. S. (2013). Psihisko traucējumu izplatība un modeļi pusaudžiem ar atkarību no interneta. Psihiatrija un klīniskās neirozinātnes, 67 (5), 352–359. doi:https://doi.org/10.1111/pcn.12065 CrossRef, Medline
 Brand, M., Young, K. S., Laier, C., Wolfling, K., & Potenza, M. N. (2016). Psiholoģisko un neirobioloģisko apsvērumu integrēšana attiecībā uz konkrētu interneta lietošanas traucējumu izstrādi un uzturēšanu: Personas-ietekmes-izziņas-izpildes (I-PACE) modeļa mijiedarbība. Neirozinātne un bioloģiskās izturēšanās pārskati, 71, 252–266. doi:https://doi.org/10.1016/j.neubiorev.2016.08.033 CrossRef, Medline
 Brauns, T. E. (1996). Brūnas uzmanības deficīta traucējumu skalas (Brown ADD skalas): Pusaudžiem un pieaugušajiem: Sanantonio, CA: Psiholoģiskā korporācija.
 Keins, M. S., Leonards, J. A., Gabrieli, J. D. un Finns, A. S. (2016). Plašsaziņas līdzekļu daudzuzdevumu veikšana pusaudža gados. Psychonomic Bulletin & Review, 23 (6), 1932–1941. doi:https://doi.org/10.3758/s13423-016-1036-3 CrossRef, Medline
 Chen, Y. L., Chen, S. H., & Gau, S. S. (2015). ADHD un autisma iezīmes, ģimenes funkcija, vecāku stils un sociālā pielāgošanās interneta atkarībai Taivānas bērnu un pusaudžu vidū: gareniskais pētījums Pētījumi par attīstības traucējumiem, 39, 20–31. doi:https://doi.org/10.1016/j.ridd.2014.12.025 CrossRef, Medline
 Klements, U., un Lēve, B. (1996). FKB-20 kā skalas apstiprināšana ķermeņa attēla deformāciju noteikšanai psihosomatiskiem pacientiem. Psihoterapija, Psychosomatik, Medizinische Psychologie, 46 (7), 254–259. Medline
 Koens, S., Kamarks, T., un Mermelšteins, R. (1983). Uztvertā stresa globālais mērs. Veselības un sociālās uzvedības žurnāls, 24 (4), 385–396. doi:https://doi.org/10.2307/2136404 CrossRef, Medline
 Crenshaw, D. (2008). Mīts par daudzuzdevumu: kā „dara visu”, nekas netiek darīts. Sanfrancisko, Kalifornijā: Jossey-Bass.
 Dany, L., Moreau, L., Guillet, C., & Franchina, C. (2016). Video spēles, internets un sociālie tīkli: pētījums Francijas skolu audzēkņu vidū. Sante publique (Vandoeuvre-les-Nancy, Francija), 28 (5), 569–579. doi:https://doi.org/10.3917/spub.165.0569 CrossRef, Medline
 Deiviss, R. A. (2001). Kognitīvi-uzvedības modelis patoloģiskai interneta lietošanai. Datori cilvēka uzvedībā, 17 (2), 187–195. doi:https://doi.org/10.1016/S0747-5632(00)00041-8 CrossRef
 Ēriksons, E. H. (1968). Identitāte, jaunība un krīze: Ņujorka, NY: WW Norton, Inc.
 Frodls, T., un Skokausks, N. (2012). MRI-strukturālo MRI pētījumu meta-analīze bērniem un pieaugušajiem ar uzmanības deficīta hiperaktivitātes traucējumiem norāda uz ārstēšanas efektiem. Acta Psychiatrica Scandinavica, 125 (2), 114. – 126. doi:https://doi.org/10.1111/j.1600-0447.2011.01786.x CrossRef, Medline
 Grinbergers, E., Čens, C., Dmitrijeva, J., & Farruggia, S. P. (2003). Rosenbergas pašnovērtējuma skalas vienumu formulējums un dimensijas: vai tiem ir nozīme? Personība un individuālās atšķirības, 35 (6), 1241–1254. doi:https://doi.org/10.1016/S0191-8869(02)00331-8 CrossRef
 Harisons, A. G. (2004). Izmeklēšana par ziņotajiem ADHD simptomiem universitātes populācijā. ADHD ziņojums, 12. panta 6. punkts, 8. – 11. doi:https://doi.org/10.1521/adhd.12.6.8.55256 CrossRef
 Hormes, J. M., Kearns, B., & Timko, C. A. (2014). Alkas pēc Facebook? Uzvedības atkarība no tiešsaistes sociālo tīklu veidošanas un tā saistība ar emociju regulēšanas deficītu. Atkarība, 109 (12), 2079–2088. doi:https://doi.org/10.1111/add.12713 CrossRef, Medline
 Kaess, M., Parzers, P., Mehls, L., Veils, L., Stritmaters, E., Resčs, F. un Koenigs, J. (2017). Neaizsargātība pret stresu vīriešu jauniešiem ar interneta spēļu traucējumiem. Psychoneuroendocrinology, 77, 244–251. doi:https://doi.org/10.1016/j.psyneuen.2017.01.008 CrossRef, Medline
 Kim, B. S., Chang, S. M., Park, J. E., Seong, S. J., Won, S. H., & Cho, M. J. (2016). Izplatība, korelācijas, psihiskas blakusslimības un pašnāvība kopienas populācijā ar problemātisku interneta lietošanu. Psihiatrijas pētījumi, 244, 249–256. doi:https://doi.org/10.1016/j.psychres.2016.07.009 CrossRef, Medline
 Kolbeks, S., & Maß, R. (2009). SASKO - Fragebogen zu sozialer Angst und sozialen Kompetenzdefiziten. Testmanual und materialien [SASKO - anketa par sociālās trauksmes un sociālās kompetences deficītu. Rokasgrāmata un materiāls]. Getingene, Vācija: Hogrefe.
 Kromrey, H. (2002). Datenerhebungsverfahren und -instrumente der empirischen Sozialforschung [Datu vākšanas metodes un empīrisko sociālo pētījumu instrumenti]. H. Kromrejā (Ed.), Empirische Sozialforschung Modelle und Methoden der Datisiheungung and Datenauswertung [Empīriskie sociālie pētījumi un standartizētas datu vākšanas un novērtēšanas metodes] (309 – 404). Vīsbādene, Vācija: VS Verlag für Sozialwissenschaften.
 Lemenager, T., Dieters, J., Hill, H., Hoffmann, S., Reinhard, I., Beutel, M., Vollstädt-Klein, S., Kiefer, F., & Mann, K. (2016) . Izpētīt neironu pamatu Avatara identifikācijai patoloģiskos interneta spēlētājos un pašrefleksijai patoloģisko sociālo tīklu lietotājiem. Journal of Behavioral Addictions, 5 (3), 485–499. doi:https://doi.org/10.1556/2006.5.2016.048 saite
 Lemola, S., Perkinson-Gloor, N., Brand, S., Dewald-Kaufmann, J. F., & Grob, A. (2015). Pusaudžu elektronisko plašsaziņas līdzekļu lietošana naktīs, miega traucējumi un depresijas simptomi viedtālruņu vecumā. Journal of Youth and Adolescence, 44 (2), 405–418. doi:https://doi.org/10.1007/s10964-014-0176-x CrossRef, Medline
 Mārsija, Dž. E. (1966). Ego identitātes statusa izstrāde un apstiprināšana. Personības un sociālās psiholoģijas žurnāls, 3 (5), 551. – 558. doi:https://doi.org/10.1037/h0023281 CrossRef, Medline
 Mayer, J. D., & Salovey, P. (1993). Emocionālā inteliģence. Izlūkošana, 17. panta 4. punkts, 433. – 442. doi:https://doi.org/10.1016/0160-2896(93)90010-3 CrossRef
 Mayer, J. D., Salovey, P., Caruso, D. R., & Sitarenios, G. (2001). Emocionālā inteliģence kā standarta inteliģence. Emocija, 1. panta 3. punkts, 232. – 242. doi:https://doi.org/10.1037/1528-3542.1.3.232 CrossRef, Medline
 Mihara, S., & Higuchi, S. (2017). Interneta spēļu traucējumu šķērsgriezuma un garenvirziena epidemioloģiskie pētījumi: sistemātisks literatūras pārskats. Psihiatrija un klīniskās neirozinātnes, 71 (7), 425–444. doi:https://doi.org/10.1111/pcn.12532 CrossRef, Medline
 Minear, M., Brasher, F., McCurdy, M., Lewis, J., & Younggren, A. (2013). Darba atmiņa, šķidruma inteliģence un impulsivitāte smagajos plašsaziņas līdzekļos. Psychonomic Bulletin & Review, 20 (6), 1274–1281. doi:https://doi.org/10.3758/s13423-013-0456-6 CrossRef, Medline
 Moreno-Alkazars, A., Ramoss-Kviroga, JA, Radua, J., Salaverts, J., Palomārs, G., Bošs, R., Salvadors, R., Blančs, Dž., Kasass, M., Makkenna, PJ, & Pomarol-Clotet, E. (2016). Smadzeņu patoloģijas pieaugušajiem ar uzmanības deficīta hiperaktivitātes traucējumiem, ko atklāj morfometrija uz vokseļa bāzes. Psihiatrijas pētījumi, 254, 41–47. doi:https://doi.org/10.1016/j.pscychresns.2016.06.002 CrossRef, Medline
 Müller, K. W., Glaesmer, H., Brähler, E., Wölfling, K., & Beutel, M. E. (2014). Interneta atkarības izplatība vispārējā populācijā: Vācijas iedzīvotāju aptaujas rezultāti. Uzvedība un informācijas tehnoloģija, 33 (7), 757–766. doi:https://doi.org/10.1080/0144929X.2013.810778 CrossRef
 Mērfijs, K. R. un Adlers, L. A. (2004). Uzmanības deficīta / hiperaktivitātes traucējumu novērtēšana pieaugušajiem: koncentrējieties uz vērtēšanas skalām. Journal of Clinical Psychiatry, 65 (3. papildinājums), 12. – 17. Medline
 Nie, J., Zhang, W., Chen, J., & Li, W. (2016). Inhibīcijas un darba atmiņas traucējumi, reaģējot uz ar internetu saistītiem vārdiem pusaudžiem ar interneta atkarību: salīdzinājums ar uzmanības deficīta / hiperaktivitātes traucējumiem. Psihiatrijas pētījumi, 236, 28–34. doi:https://doi.org/10.1016/j.psychres.2016.01.004 CrossRef, Medline
 Reinecke, L., Aufenanger, S., Beutel, M. E., Dreier, M., Quiring, O., Stark, B., Wölfling, K., & Müller, K. W. (2017). Digitālais stress dzīves laikā: sakaru slodzes un interneta daudzuzdevumu ietekme uz uztverto stresu un psiholoģiskās veselības traucējumiem Vācijas varbūtības izlasē. Mediju psiholoģija, 20 (1), 90–115. doi:https://doi.org/10.1080/15213269.2015.1121832 CrossRef
 Rindermanns, H. (2009). Emotionale-Kompetenz-Fragebogen [Emocionālās kompetences anketa]. Göttigen, Vācija: Hogrefe.
 Rozenbergs, M. J. (1965). Sabiedrība un pusaudžu paštēls. Prinstona, NJ: Prinstonas universitātes prese. CrossRef
 Rumpf, H. J., Vermulst, A. A., Bischof, A., Kastirke, N., Gurtler, D., Bischof, G., Meerkerk, G. J., John, U., & Meyer, C. (2014). Interneta atkarības rašanās vispārējā populācijas izlasē: latentās klases analīze. Eiropas atkarības pētījumi, 20 (4), 159–166. doi:https://doi.org/10.1159/000354321 CrossRef, Medline
 Seyrek, S., Cop, E., Sinir, H., Ugurlu, M., & Şenel, S. (2017). Faktori, kas saistīti ar interneta atkarību: Turcijas pusaudžu šķērsgriezuma pētījums. Pediatrics International, 59 (2), 218. – 222. doi:https://doi.org/10.1111/ped.13117 CrossRef, Medline
 Simon, V., Czobor, P., Bálint, S., Mészáros, Á., & Bitter, I. (2009). Pieaugušo uzmanības deficīta hiperaktivitātes traucējumu izplatība un korelāti: metaanalīze. Britu Psihiatrijas žurnāls, 194 (3), 204–211. doi:https://doi.org/10.1192/bjp.bp.107.048827 CrossRef, Medline
 Stip, E., Thibault, A., Beauchamp-Chatel, A., & Kisel, S. (2016). Interneta atkarība, hikikomori sindroms un psihozes prodromālā fāze. Psihiatrijas robežas, 7., 6. doi:https://doi.org/10.3389/fpsyt.2016.00006 CrossRef, Medline
 Tateno, M., Teo, A. R., Širasaka, T., Tayama, M., Watabe, M. un Kato, T. A. (2016). Atkarība no interneta un pašnovērtētas uzmanības deficīta hiperaktivitātes traucējumu iezīmes Japānas koledžas studentu vidū. Psihiatrija un klīniskās neirozinātnes, 70 (12), 567–572. doi:https://doi.org/10.1111/pcn.12454 CrossRef, Medline
 Tavolacci, M. P., Ladner, J., Grigioni, S., Richard, L., Villet, H., & Dechelotte, P. (2013). Uztvertā stresa, vielu lietošanas un uzvedības atkarību izplatība un saistība: šķērsgriezuma pētījums universitātes studentu vidū Francijā, 2009. – 2011. BMC Sabiedrības veselība, 13 (1), 724. doi:https://doi.org/10.1186/1471-2458-13-724 CrossRef, Medline
 Taylor, S., Pattara-Angkoon, S., Sirirat, S., & Woods, D. (2017). Interneta atkarības teorētiskie pamati un saistība ar psihopatoloģiju pusaudža gados. Starptautiskais pusaudžu medicīnas un veselības žurnāls. Iepriekšēja tiešsaistes publikācija. doi:https://doi.org/10.1515/ijamh-2017-0046 CrossRef
 Tippelt, F., & Kupferschmitt, T. (2015). Sociālais tīmeklis: Ausdifferenzierung der Nutzung – Potenziale für Medienanbieter [Sociālais tīmeklis: Mediju nodrošinātāju lietošanas potenciāla diferencēšana]. Media Perspektiven, 10 (2015), 442. – 452.
 Bezkafera, M. R., Tjē, M. K. un Vāgnera, A. D. (2016). Multivides daudzuzdevumu veikšana un atmiņa: atšķirības darba atmiņā un ilgtermiņa atmiņā. Psychonomic Bulletin & Review, 23 (2), 483–490. doi:https://doi.org/10.3758/s13423-015-0907-3 CrossRef, Medline
 Upadhayay, N., & Guragain, S. (2017). Interneta lietošana un tās atkarības līmenis medicīnas studentiem. Medicīnas izglītības un prakses sasniegumi, 8, 641–647. doi:https://doi.org/10.2147/AMEP.S142199 CrossRef, Medline
 Wang, H., Jin, C., Yuan, K., Shakir, T. M., Mao, C., Niu, X., Niu, C., Guo, L., & Zhang, M. (2015). Pelēkās vielas apjoma un kognitīvās kontroles izmaiņas pusaudžiem ar interneta spēļu traucējumiem. Frontiers in Behavioral Neuroscience, 9, 64. doi:https://doi.org/10.3389/fnbeh.2015.00064 CrossRef, Medline
 Veinšteins, A., Jaakovs, Y., Menings, M., Danons, P. un Veizmans, A. (2015). Atkarība no interneta un uzmanības deficīta hiperaktivitātes traucējumi skolēnu vidū. Izraēlas Medicīnas asociācijas žurnāls: IMAJ, 17 (12), 731–734. Medline
 Wittchen, H. U., Zaudig, M., & Fydrich, T. (1997). Strukturiertes klinisches Interview für DSM-IV (SKID) [Strukturēta klīniskā intervija DSM-IV (SCID)]. Getingene, Vācija: Hogrefe.
 Velflings, K., Beitels, M. E. un Müllers, K. W. (2012). Standartizētas klīniskās intervijas izveide, lai novērtētu atkarību no interneta: pirmie atklājumi par AICA-C lietderību. Atkarības izpēte un terapija, Suppl 6, 003. doi:https://doi.org/10.4172/2155-6105.S6-003
 Velflings, K., Müllers, K. W. un Beutels, M. (2010). Diagnostische Testverfahren: Skala zum Onlinesuchtverhalten bei Erwachsenen (OSVe-S) [Diagnostikas pasākumi: Interneta un datorspēļu atkarības novērtēšanas skala (AICA-S)]. In D. Mücken, A. Teske, F. Rehbein un B. Wildt (Red.), Prävention, Diagnostikund Therapie von Computerspielabhängigkeit [Datorspēļu atkarības profilakse, diagnostika un terapija] (212. – 215. Lpp.). Lengerich, Vācija: Pabst Science Publishers.
 Pasaules Veselības organizācija. (2015). ICD-11 beta projekts. Ženēva, Šveice: Pasaules Veselības organizācija. Izgūti no http://apps.who.int/classifications/icd11
 Younes, F., Halawi, G., Jabbour, H., El Osta, N., Karam, L., Hajj, A., & Rabbaa Khabbaz, L. (2016). Interneta atkarība un attiecības ar bezmiegu, trauksmi, depresiju, stresu un pašcieņu universitātes studentos: izstrādāts šķērsgriezuma pētījums. PLoS One, 11 (9), e0161126. doi:https://doi.org/10.1371/journal.pone.0161126 CrossRef, Medline
 Yuan, K., Qin, W., Wang, G., Zeng, F., Zhao, L., Yang, X., Liu, P., Liu, J., Sun, J., von Deneen, KM, Gongs, Q., Liu, Y. un Tian, ​​J. (2011). Mikrostruktūras anomālijas pusaudžiem ar interneta atkarības traucējumiem. PLoS One, 6 (6), e20708. doi:https://doi.org/10.1371/journal.pone.0020708 CrossRef, Medline
 Zadra, S., Bišofs, G., Besers, B., Bišofs, A., Mejers, C., Džons, U., & Rumpfs, H. J. (2016). Saikne starp interneta atkarību un personības traucējumiem vispārējā populācijas izlasē. Journal of Behavioral Addictions, 5 (4), 691. – 699. doi:https://doi.org/10.1556/2006.5.2016.086 saite