Interneta un viedtālruņu atkarību ietekme uz depresiju un trauksmi, balstoties uz atbilstības rādītāju atbilstības analīzi (2018)

Sabiedrības veselība. 2018 Apr 25, 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

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

Anotācija

Ir plaši pētītas interneta atkarības (IP) un viedtālruņu atkarības (SA) asociācijas ar garīgās veselības problēmām. Mēs pētījām IA un SA ietekmi uz depresiju un trauksmi, pielāgojoties sociāldemogrāfiskajiem mainīgajiem. Šajā pētījumā 4854 dalībnieki pabeidza aptaujas tīmeklī veiktu aptauju, kurā iekļauti sociāli demogrāfiskie priekšmeti, Korejas mērogs interneta atkarībai, viedtālruņa atkarības prēmijas skala un Simptoma kontrolsaraksta 90 posteņu apakšskaitļi. Dalībnieki tika iedalīti IA, SA un parastās lietošanas grupās. Lai samazinātu paraugu ņemšanas aizspriedumus, mēs izmantojām slīpuma punktu saskaņošanas metodi, kuras pamatā ir ģenētiskā atbilstība. IA grupai bija paaugstināts depresijas risks (relatīvais risks 1.207; p <0.001) un trauksme (relatīvais risks 1.264; p <0.001) salīdzinājumā ar NU. SA grupā parādījās arī paaugstināts depresijas risks (relatīvais risks 1.337; p <0.001) un trauksme (relatīvais risks 1.402; p <0.001) salīdzinājumā ar NC. Šie atklājumi liecina, ka gan IA, gan SA būtiski ietekmēja depresiju un trauksmi. Turklāt mūsu atklājumi parādīja, ka SA ir ciešākas attiecības ar depresiju un trauksmi, spēcīgākas nekā IA, un uzsvēra pārmērīgas viedtālruņu lietošanas profilakses un pārvaldības politikas nepieciešamību.

Atslēgas vārdi:  Interneta atkarība; trauksme; depresija; tieksmes rādītājs; viedtālruņa atkarība

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Ievads

Pieaugot interneta un viedtālruņu izmantošanai un ērtībai ikdienas dzīvē, uzkrātais pētījums rāda, ka pārmērīga interneta un viedtālruņa lietošana negatīvā ietekme uz garīgās veselības jomu [1].
Viedtālruņa lietotāju skaits Dienvidkorejas iedzīvotāju vidū ir aptuveni 85%, kas ir augstākais pasaulē [2]. Tomēr pārmērīgs viedtālruņa lietojums ir cieši saistīts ar vairākiem garīgās veselības jautājumiem, tostarp stresu un paaugstinātu patoloģiskas trauksmes risku [3,4]. Smartphone atkarība (SA) ir kļuvusi par jaunu atkarības formu kopā ar interneta atkarībām (IA), un pēdējos gados SA uzmanība ir pievērsta klīniskajam raksturam [5]. Piemēram, ir dažas atšķirības attiecībā uz ierīču raksturu, piemēram, ērtu pārnesamību, reāllaika piekļuvi internetam un viedtālruņu tiešajām komunikācijas funkcijām [6]. Ir ziņots par līdzību un atšķirībām starp IA un SA attiecībā uz demogrāfiskajiem mainīgajiem un plašsaziņas līdzekļu izmantošanas motivācijas aspektiem [1,6].
No vides aspekta alternatīvu darbību trūkums ir saistīts ar IA [7]. Turklāt, ja ziņots, ka tā ir viena persona, tā ir cieši saistīta ar sociālo tīklu un tiešsaistes spēlēm [8]. Attiecībā uz izglītības līmeni un ikmēneša ienākumu dimensiju nesenā pētījumā cilvēkiem ar SA konstatēja būtiskas atšķirības veselības dimensijā par labu tiem, kuriem bija zemāki ienākumi un zemāks izglītības līmenis [9]. Saskaņā ar šo konstatējumu sistemātiskā pārskatā ziņots par būtisku korelāciju starp akadēmisko sniegumu un IA smagumu [10]. Attiecībā uz vecumu nesenā pārskatā konstatēts, ka problemātiska interneta lietošana ir vispiemērotākais gan pusaudžiem, gan jauniem pieaugušajiem (19 gadi un vecāki) [10], bet viedtālruņa atkarība ir izplatītāka gados jaunākiem pusaudžiem, salīdzinot ar jauniem pieaugušajiem (19 gadi un vecāki) [11]. Nesenais pētījums parādīja, ka sievietēm ir augstāks vidējais ikdienas lietošanas laiks un atkarības rādītāji viedtālruņiem, salīdzinot ar vīriešiem [4]. Choi et al. (2015) ziņoja, ka vīriešu dzimuma dzimumam ir būtisks riska faktors, un sievietes dzimums SA [1]. Attiecībā uz izmantošanas mērķi sociālie tīkli izrādījās vairāk saistīti ar augstu viedtālruņa atkarību, salīdzinot ar citām funkcijām, kas saistītas ar mobilo telefonu [11]. Personām ar IA, Anderson et al. (2016) ziņoja, ka vīriešu dzimums bija nozīmīgi saistīts ar tiešsaistes PC spēlēm [10].
Attiecībā uz psiholoģiskajiem aspektiem ir plaši ziņots par pozitīvām IA un SA asociācijām ar depresiju un trauksmi [12,13]. Nesenie pētījumi liecina, ka atkarība no interneta un viedtālruņiem var rasties no lietotāja individuālās kognitīvās emocionālās un uzvedības profila, nevis pašas vides [14,15,16]. Nesenā pētījumā tika novērota empātijas un dzīves apmierinātības nozīme gan IA, gan SA [17]. Attiecībā uz psihopatoloģiju vairāki pētījumi ziņoja par pozitīvu korelāciju starp IA, depresiju un trauksmi [18,19,20], bet nesen veikts pētījums ziņoja par saikni starp viedtālruņa lietošanu un smagumu, depresiju un trauksmi [13]. Tāpēc precīzi jānorāda IA, SA un garīgās veselības problēmu savstarpējā saistība. Turklāt, ņemot vērā gan pārklāšanos, gan atšķirības starp IA un SA [16], tad rodas jautājums, cik lielā mērā IA un SA ir saistīti ar depresijas un nemieru līmeņa paaugstināšanos pēc tam, kad ir pielāgoti neskaidri demogrāfiskie un sociāli ekonomiskie faktori?
Joprojām nav skaidrs, vai garīgās veselības problēmas ir pārmērīgas paļaušanās uz internetu un viedtālruņiem cēloņi vai sekas. Šķērsgriezuma pētījumos izmantotas vairākas regresijas analīzes, lai izpētītu attiecības starp garīgās veselības problēmām, IA un SA cilvēkiem [21]. Tomēr novērošanas pētījumos, kuros nav randomizācijas, daudzkārtējai regresijas analīzei ir ierobežojumi, piemēram, pārvērtēšanas iespēja un slikta standarta kļūda, ja papildus atlases aizspriedumiem ir daudz kovariantu.22]. Tādējādi atkarības ietekmes novērtēšana, vienkārši pārbaudot konkrētu iznākumu, piemēram, depresiju un trauksmi, būtu novirzīta ar demogrāfisko un sociāli ekonomisko faktoru, kas saistīti ar IA un SA, nelīdzsvarotību. Turklāt neviens pētījums vēl nav pētījis atšķirīgo ietekmi atkarībā no interneta un viedtālruņu lietotāju īpašībām, tostarp vides konteksta un lietotāju psiholoģiskajiem profiliem, IA un SA depresijai un trauksmei. Proporcija punktu saskaņošana (PSM) ir kļuvusi par populāru pieeju, lai samazinātu atlases novirzes novērošanas pētījumos [23,24]. Šajā rakstā mēs izmantojām PSM analīzi, lai izpētītu IA un SA ietekmi uz depresiju un trauksmi, lai samazinātu atlases novirzi mūsu datiem. Mēs izvēlējāmies dzimumu, vecumu, izglītību, ģimenes stāvokli un ienākumus kā neskaidru mainīgo, ņemot vērā šo sociodemogrāfisko mainīgo saistību ar IA un SA mūsu pētījumā [9,25].
Šī pētījuma galvenais mērķis ir pārbaudīt IA, SA un garastāvokļa stāvokļa, tas ir, depresijas un trauksmes, savstarpējo saistību, izmantojot noslieces punktu saskaņošanas analīzi. Otrkārt, mēs cenšamies atklāt, kā depresijas un trauksmes ietekme atšķiras starp IA un SA.

 

 

2. Materiāli un metodes

 

 

2.1. Studiju dalībnieki

Dati sastāvēja no 5003 korejiešu pieaugušo (vecumā no 19-49 gadiem) tiešsaistes anonīmās pašdiagnostikas apsekojuma, ko veica Korejas katoļu universitāte Seula; un Sv. Marijas slimnīca 2014 decembrī [26]. Pētījums tika veikts saskaņā ar Helsinku deklarāciju. Korejas Katoļu universitātes Seulas institucionālās pārskatīšanas padomes; un Marijas slimnīca apstiprināja šo pētījumu. Visi dalībnieki tika informēti par pētījumu un snieguši rakstisku informētu piekrišanu. Aptaujas dalībnieki tika pieņemti darbā no pētniecības uzņēmuma grupas un pašnovērtējuma anketas tika administrētas, izmantojot internetu bez kompensācijas. Tikai 149 respondenti, kuri neizmantoja viedtālruņus, tika izslēgti. Visbeidzot, mēs analizējām 4854 dalībnieku datus. Galīgajā paraugā vecums tika iedalīts trīs kategorijās: zem 30 (33.19%), 30 – 39 (43.94%) un 40 – 49 (22.87%). Tika konstatēti 2573 tēviņi (53.01%) un 2281 sievietes (46.99%). Apsvērtie dalībnieku demogrāfiskie mainīgie bija izglītība, ģimenes stāvoklis un ienākumi.

 

 

2.2. Pasākumi

 

 

2.2.1. Interneta atkarības mērīšana

Korejā tika izstrādāts Korejas mērogs interneta atkarībai (K-skala), lai novērtētu ietekmes novērtējumu, un tas ir apstiprināts Korejas iedzīvotājiem ar augstu iekšējās konsekvences ticamību [27]. Cronbachas alfas koeficients K-skalā bija 0.91 [28]. Tajā ir septiņi apakšskaitļi un 40 priekšmeti, kas mēra ikdienas dzīves traucējumus, realitātes testēšanas traucējumus, automātiskas atkarības domas, virtuālās starppersonu attiecības, deviantā uzvedība, izstāšanās un tolerance. Šī Likert tipa skala ir iestatīta no 1 (nav vispār) uz 4 (vienmēr). Saskaņā ar iepriekšējo ziņojumu, izmantojot šo skalu, dalībnieki tika sakārtoti trīs grupās: normāls, potenciāls risks un augsta riska [29]. Augsta riska grupa tika definēta kā ar standartizētu 70 vai augstāku punktu skaitu ikdienas dzīves traucējumos, automātiskās atkarības domas, tolerances faktori vai vismaz 70 kopumā. Potenciālā riska grupa tika definēta kā 62 vai lielāks punktu skaits ikdienas dzīves traucējumos, automātiskās atkarības domas, tolerances faktori vai vismaz 63 kopumā. Parastajā lietošanas grupā šie rādītāji bija zem šiem skaitļiem. Šajā pētījumā IA grupas sastāvēja no potenciālajiem riskiem un augsta riska grupām.

 

 

2.2.2. Viedtālruņa atkarības mērīšana

Smartphone Addiction Proneness Scale (K-SAS) ir apstiprināts un plaši izmantots, lai pārbaudītu SA [30]. Tas sastāv no 15 vienībām, kas novērtētas ar četru punktu Likert tipa trauksmes skalu no 1 (nav vispār) līdz 4 (vienmēr). Jautājumi izskatīja trīs faktorus: ikdienas dzīves traucējumus, automātiskas atkarības domas un toleranci. Cronbach alfas koeficients K-SAS bija 0.880 [5].
Pamatojoties uz iepriekšējo ziņojumu, izmantojot šo skalu, mēs izmantojām rādītājus, lai klasificētu dalībniekus trīs grupās: normāls, potenciāls risks un augsta riska [30]. Augsta riska grupa tika definēta kā 44 vai vairāk punktu kopa, vai ar 15 vai vairāku apakšgrupu ikdienas dzīves traucējumos, kā arī 13 vai vairāk apakšgrupām gan automātiskās atkarības domās, gan toleranci. Potenciālā riska grupa tika definēta kā 41 vai lielāka kopējā vērtībā, vai 15 vai vairāk ikdienas dzīves traucējumu faktorā. Parastā lietošanas grupa satur šos rādītājus zem šiem skaitļiem [30]. Šajā pētījumā viedtālruņu atkarīgā grupa sastāvēja no augsta riska un iespējamām riska grupām.

 

 

2.2.3. Garīgās veselības problēmu mērīšana: depresija un trauksme

SCL-90-R ir daudzdimensiju anketa, kas izstrādāta, lai aplūkotu virkni psiholoģisku un psihopatoloģisku 9 apakšskalu pazīmju: somatizācija, obsesīvi-kompulsīvi, starppersonu jutība, depresija, trauksme, naidīgums, fobiska trauksme, paranojas idejas un psihoze [31]. SCL-90 satur 90 vienumus, kas novērtēti 5 punkta skalā no 0 (nav) līdz 4 (galējā). SCL-90-R testu atkārtota pārbaude korejiešu valodā bija 0.76 depresijai un 0.77 trauksmei. Iekšējā konsistence bija 0.89 depresijai un 0.86 trauksmei [31]. Ir ziņots, ka depresija un trauksme ir psihiskie simptomi, kas visvairāk saistīti ar IA un SA [12,13]. Šajā pētījumā interesējošās specifiskās dimensijas ietver SCL-90-R apakšgrupas depresijai un trauksmei.

 

 

2.3. Datu analīze

 

 

2.3.1. Statistiskā definīcija

Ļaut Zi

 

būt binārā atkarības indikators ith priekšmetam; tas ir, Zi=1 ja tēma ir atkarīga (IA vai SA), un Zi=0 pretējā gadījumā. Garīgās problēmas (depresijas vai trauksmes) iespējamais iznākums ir definēts kā Yi(Zi. Ņemiet vērā, ka katram priekšmetam vienlaicīgi tiek novērots tikai viens no potenciālajiem rezultātiem, līdz ar to tieši aprēķinot Yi(1)-Yi nav iespējams. Individuālā efekta vietā galvenais interesējošais parametrs ir atkarības ietekme uz atkarību izraisošajiem iedzīvotājiem

τ=E(Yi(1)-Yi(0)|
 
Tomēr. \ T τ

joprojām ir problēma, jo E(Yi(0)|Zi nevar noteikt tieši. Protams, nejaušinātos eksperimentos, E(Yi(0)|Zi ir apmierināts τ var viegli novērtēt. Tomēr novērojuma pētījumā naivs novērtējums par τ var būt neobjektīvs, jo E(Yi(0)|Zi. Lai pielāgotu šo atlases novirzi, mēs pieņemam, ka mēs varam novērot kovariārus Xi kas neietekmē nekādu atkarību, un konkrētiem kovariantiem Xi, potenciālos rezultātus Yi(1), Yi ir atkarīgi no atkarības rādītāja Zi. Turklāt, ja potenciālie rezultāti ir atkarīgi no atkarības, kas ir atkarīgs no kovariātiem Xi, tie ir arī neatkarīgi no atkarības, kas atkarīgs no noslieces rādītāja P(Xi)= P(Zi=1|Xi[19]. PSM novērtējums par τ kļūst

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Proporcijas rādītāja novērtēšana

Proporcijas rādītāji tiek aprēķināti, izmantojot loģistisko regresiju, kuru izmanto, lai prognozētu atkarības iespējamību 

logP(Zi=1|Xi)

 

 

 
Šajā rakstā, kā par kovariantiem Xi

 

 

, mēs apsveram piecus kategoriskus kovariārus: seksu (1 = vīrietis un 2 = sieviete), vecumu (1 = 20 – 29, 2 = 30-39 un 3 = 40 – 49), izglītību (1 = vidusskola, 2 = augsts skola un 3 = universitāte vai augstāka), ģimenes stāvoklis (1 = viens, 2 = kopdzīvi, 3 = precējies, 4 = šķīries, un 5 = bezdarbs) un ienākumi (1 = zems, 2 = vidēji zems, 3 = vidēji zems, 4 = vidū, 5 = vidēji augsts un XNUMX = augsts). In 1 nodaļa, šie kovariāri var vienlaikus ietekmēt rezultātus (depresiju vai trauksmi) un atkarības. Tādējādi katram priekšmetam mēs novērtējām tendences rādītājus; tas ir, nosacītā varbūtība, ka tā būs atkarīga, ņemot vērā novērojamos kovariārus [32].

 

 

2.3.3. Atbilstības metodes, kas balstītas uz aprēķināto rezultātu

Pēc tam, kad tiek aprēķināti slīpuma rādītāji, var izmantot saskaņošanu, lai novērtētu ārstēšanas efektu pēc pielāgošanās atšķirībām starp abām grupām [33]. Saskaņošanas mērķis ir radīt saskaņotu paraugu, kas līdzsvaro pētījuma pacienta sadalījumu un atbilstu novēroto kontroles grupu kovariātiem. Šī pielāgošanas metode ļauj mums kontrolēt traucējošos mainīgos. Šajā pētījumā mēs pieņēmām divas plaši pielietotas saskaņošanas metodes, optimālo un ģenētisko atbilstību [34].

 

 

2.3.4. Relatīvā atkarības riska novērtējums pēc garīgās veselības problēmām pēc atbilstības rādītāju atbilstības

Pēc noslieces punktu saskaņošanas, izmantojot novērotos kovariārus (vecums, dzimums, laulība, ienākumi un izglītība), mums ir vairāk līdzsvarota datu kopa. Lai modelētu garīgās veselības problēmu (depresiju vai trauksmi), saskaņotajam paraugam mēs izmantojām vispārējus lineāros modeļus (GLM). Tā kā garīgās veselības rādītāji ir pozitīvi un neobjektīvi, tiek uzstādīta gamma sadale ar logs. Ļaujiet Yi

 

būt par rezultātu (depresijas vai trauksmes rādītājs) ar vidējo μi, mēs varam izmantot Gamma GLM sistēmu ar kovariantiem Xi:

 

logμi=γT
 
 
Izmantojot modelēšanu, mēs novērtējām eγ

 

 

kā relatīvais risks (kā sagaidāmā vidējā atšķirība starp grupām) IA un SA katram apvienojumam.

 

 

3. Rezultāti

Papildus 4854 dalībniekiem 126 (2.60%) tika iekļauti IA grupā un 652 (13.43%) tika iekļauti SA grupā. Tabula 1 parāda depresijas un trauksmes rādītāju aprakstošo statistiku. Depresijas un IA un SA grupu trauksmes vidējais rādītājs ir lielāks nekā parastās lietošanas (NU) grupā.
Tabula 1. Depresijas un trauksmes rādītāju aprakstošā statistika.
Tabula

 

 

3.1. Proporcionalitātes rādītāja atbilstības metodes atbilstība

Lai gan šī pētījuma aptaujas anketās tikai dažus no kariāristiem esam noteikuši, mēs noskaidrojām, ka saskaņošanas procedūra bija pietiekama, lai līdzsvarotu katra kovariāta sadalījumu, Tabula 2 un Tabula 3. Mēs vērtējām attālumus starp. \ T Xi

 

 

 

. Par katru kovariātu mēs aprēķinājām aizspriedumus; tas ir, atkarība no atkarīgo un parasto paraugu vidējiem paraugiem. Pirms pielietošanas tendences punktu saskaņošanas, neobjektivitāte netika ignorēta. Tomēr pēc tam, kad tika pielīdzināta varbūtība, atkarība un parastie apakšparaugi bija ļoti līdzīgi visiem kovariantiem.
Tabula 2. Sākotnējo raksturlielumu vidējās procentuālās daļas salīdzinājums starp IA un parastajām lietošanas grupām, sākotnējā paraugā un pielīdzināmības rādītāja atbilstības paraugam, izmantojot ģenētisko un optimālo atbilstību.
Tabula
Tabula 3. Salīdzinājums starp sākotnējo raksturlielumu vidējo procentuālo attiecību starp SA un normālām grupām, sākotnējā paraugā un pielaides punktu saskaņotajā paraugā, izmantojot ģenētisko un optimālo saskaņošanu.
Tabula

 

 

3.2. Interneta atkarības ietekme uz depresiju un trauksmi

IA ietekme uz depresiju un trauksmi, kas iegūta, pielietojot slīpuma punktu saskaņošanu, ir aprakstīta Tabula 4. Izmantojot ģenētisko saskaņošanu, tika atlasīti 3846 paraugi. IA bija saistīta ar lielāku depresijas risku (relatīvais risks 1.207, 95% ticamības intervāls 1.128–1.292 un p <0.001) un trauksmi (relatīvais risks 1.264, 95% ticamības intervāls 1.173–1.362 un p <0.001). Visi šie relatīvie riska koeficienti ir nozīmīgi, jo ticamības intervāls nesatur 1. Izmantojot optimālu saskaņošanu, tika atlasīti 252 paraugi. IA bija saistīta ar lielāku depresiju (relatīvais risks 1.243, 95% ticamības intervāls 1.145–1.348 un p <0.001) un trauksmi (relatīvais risks 1.308, 95% ticamības intervāls 1.192–1.435 un p <0.001). Līdzīgi kā ģenētiskā saskaņošana, relatīvā riska attiecība abiem, depresija un trauksme, ir ievērojami lielāka par 1.
Tabula 4. Interneta un viedtālruņa atkarības ietekme uz depresiju un trauksmi, balstoties uz tendences punktu saskaņošanu.
Tabula

 

 

3.3. Smartphone atkarības ietekme uz depresiju un trauksmi

Ziņots par SA ietekmi uz depresiju un trauksmi, izmantojot pielīdzināšanas punktu saskaņošanu Tabula 4. Izmantojot ģenētisko saskaņošanu, tika atlasīti 4516 paraugi. SA bija saistīta ar lielāku depresijas risku (relatīvais risks 1.337, 95% ticamības intervāls 1.296–1.378 un p <0.001) un trauksmi (relatīvais risks 1.402, 95% ticamības intervāls 1.355–1.450 un p <0.001). Izmantojot optimālu saskaņošanu, tika atlasīti 1304 paraugi. SA bija saistīta ar lielāku depresijas risku (relatīvais risks 1.386, 95% ticamības intervāls 1.334–1.440 un p <0.001) un trauksmi (relatīvais risks 1.440, 95% ticamības intervāls 1.380–1.503 un p <0.001). Visi šie relatīvie riska koeficienti ir nozīmīgi.

 

 

3.4. Interneta un viedtālruņa atkarības ietekme uz depresiju un trauksmi

Relatīvā riska attiecība pret depresiju un nemieru, gan no ģenētiskās, gan optimālās saskaņošanas, bija augstāka par 10% SA nekā IA. Tas nozīmē, ka SA ir lielāks depresijas un trauksmes risks nekā IA. Šie ticamības intervāli nesatur 1, tāpēc mēs varam teikt, ka SA ir 34 – 44%, kas biežāk izraisa psihiskus traucējumus.

 

 

4. Diskusija

Mūsu konstatējumi ir tādi, ka gan IA, gan SA būtiski ietekmē depresiju un trauksmi, pat pēc tam, kad kontrolē sajaukšanās spējas, izmantojot savietojamības punktu atbilstību. Epidemioloģiskie pētījumi ir novērtējuši lielāku depresijas izplatību IA [35,36]. Vairāki šķērsgriezuma pētījumi liecina, ka indivīdiem ar IA vai SA bija augstāks depresijas un trauksmes līmenis nekā parastajiem lietotājiem [13,37]. Šajā pētījumā mūsu rezultāti parāda IA ​​un SA lomu depresijas un trauksmes veidošanā. Pastāv daži iespējamie skaidrojumi pašreizējiem konstatējumiem. Pirmkārt, atkarība no interneta un viedtālruņiem var palielināt starppersonu problēmas, kas saistītas ar depresiju un trauksmi, piemēram, ģimenes konflikti, bezsaistes attiecību trūkums un paaugstināta vajadzība pēc apstiprināšanas kibertelpā. Otrkārt, atcelšanas simptomi tiek piedāvāti kā psihopatoloģiski modeļi IA un SA, kas ir līdzīgi kā ļaunprātīgas lietošanas traucējumi [5]. Ja viņiem nav piekļuves datoram vai viedtālrunim, indivīdi ar IA vai SA var kļūt satraukti, un pēc tam vēlas izmantot internetu vai viedtālruni, lai izvairītos no šādām negatīvām izjūtām [38]. Vēl viens iespējamais skaidrojums ir tāds, ka atšķirībā no citām atkarību izraisošām vielām, piemēram, alkohola un nikotīna, interneta un viedtālruņu pārmērīgi lietotāji var maz ieskatīties par to pārmērīgo lietošanu ikdienas dzīvē brīvas un elastīgas piekļuves dēļ ierīcēm [3], padarot viņus par pārmērīgu lietošanu par nepatīkamu, nevis kā problemātiskas uzvedības zīmi [39]. Vēl viens interesants konstatējums bija tāds, ka SA spēcīgāk ietekmēja depresiju un nemieru nekā IA. Tas liek domāt, ka IA un SA ietekmē dažādas garīgās veselības problēmas. Šim secinājumam varētu būt vairāki iespējamie skaidrojumi. Pirmkārt, ņemot vērā plašsaziņas līdzekļu raksturlielumus, pārmērīga viedtālruņa lietošana ir vieglāka, izmantojot ierīces ieradumu veidojošo raksturu, jo tā ir lielāka pieejamība bezvadu tīklam un 24 h biežiem paziņojumiem [39]. Otrkārt, attiecībā uz vides faktoriem šis secinājums var atspoguļot pašreizējo radikālo ikdienas vidējo rādītāju maiņu no datoriem uz viedtālruņiem. Cilvēki var izmantot datoru internetā sarežģītam darbam un veikt citus ikdienas uzdevumus ar viedtālruņiem, kā rezultātā samazinās darba ražīgums un augstāks stresa līmenis [40]. Visbeidzot, personas ar SA var izmantot viedtālruņus, lai uzturētu attiecības un saiknes sajūtu ar tiešsaistes sociālo tīklu [41], kas rada bailes no izlaišanas un bailes no savienojuma zuduma, vienlaikus aktivizējot augstāku viedtālruņa lietojumu [42].
Šim pētījumam ir vairāki ierobežojumi, lai vispārinātu konstatējumus visai populācijai, piemēram, datu ierobežojumu šķērsgriezuma raksturs un cēloņsakarības starp interneta un viedtālruņa atkarību, depresiju un nemieru interpretācija. Proporciju saskaņošanai ir arī ierobežojumi un prasības. Galvenais ierobežojums ir tāds, ka noslieces rādītāji var kontrolēt tikai novērojamos sajaukšanās faktorus [43]. Var palikt nepamanītu neskaidrību iespējamība, ierobežojot pētījuma rezultātu vispārināšanai. Turklāt, ņemot vērā visus šajā pētījumā novērotos sajaukumus, tie tika savākti kā kategoriski mainīgie, tāpēc, veidojot PSM modeli, var rasties informācijas zudums. Tāpēc mūsu rezultāti ir jāinterpretē piesardzīgi. Tomēr, lai iegūtu saskaņotus rezultātus, mēs uzskatījām divas saskaņošanas metodes, ģenētisko atbilstību un optimālu saskaņošanu. Jo īpaši ģenētiskā saskaņošana izmanto ģenētiskās meklēšanas algoritmu, tāpēc tās process var atrast labu saskaņošanas risinājumu ar mazāku informācijas zudumu [44]. Visbeidzot, depresijas un trauksmes simptomu novērtējumu veica pašnovērtējuma psiholoģisko simptomu mērījums, izmantojot SCL-90-R. Novērtēt garīgās veselības problēmas precīzāk un konsekventāk. Turpmākajos pētījumos būtu jāveic strukturēta intervija ar ārstu.

 

 

5. Secinājumi

Šajā pētījumā mēs pētījām, kā IA un SA ietekmē garīgās veselības problēmas, depresiju un nemieru. Cik mums ir zināms, tas ir pirmais pētījums, lai novērtētu saikni starp IA, SA un psihopatoloģiju, izmantojot poligrāfijas metodi no šķērsgriezuma datiem, un izpētīt diferenciālo ietekmi psihopatoloģijā starp IA un SA. Visbeidzot, mūsu rezultāti atklāj, ka gan IA, gan SA palielina depresijas un trauksmes risku. Turklāt SA bija spēcīgāka saikne ar depresiju un trauksmi salīdzinājumā ar IA.
Šo secinājumu rezultāts ir tāds, ka indivīdi ar problemātisku viedtālruņa lietošanu ir rūpīgi jāuzrauga attiecībā uz garīgās veselības problēmām, uzsverot nepieciešamību izstrādāt profilakses un pārvaldības politiku, kas vērsta uz SA pirmsklīnisko līmeni. Turpmākajos perspektīvajos pētījumos jāizpēta IA, SA un garīgās veselības problēmu attiecību cēloņsakarības un jānosaka IA un SA diskriminējošie faktori.

 

 

Autora iemaksas

D.-JK un DL eksperimentus izstrādāja un izstrādāja; HMJ analizēja datus; Y.-JK rakstīja papīru. YL pārrauga datu vākšanu. Visi autori ir veicinājuši manuskripta izstrādi, to kritiski pārskatījuši un apstiprinājuši galīgo manuskriptu.

 

 

Pateicības

Šo darbu atbalstīja Korejas Nacionālā pētniecības fonda (Grant No. 2014M3C7A1062894, 2014M3C7A1062896) dotācija.

 

 

Interešu konflikti

Autori paziņo, ka nav interešu konflikta.

 

 

Atsauces

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Riska un aizsardzības faktoru, kas saistīti ar viedtālruņa atkarību un interneta atkarību, salīdzinājums. J. Behav. Atkarīgais. 2015, 4, 308 – 314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 aptauja par interneta pārākumu; Zinātnes ministrija, IKT un nākotnes plānošana: Seula, Koreja, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Viedtālruņa lietošanas tumšā puse: psiholoģiskās īpašības, kompulsīvā uzvedība un tehnostress. Aprēķināt. Hum. Behav. 2014, 31, 373 – 383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Atkarība no viedtālruņa izmantošanas un tās saistība ar trauksmi Korejā. Sabiedrības veselības Rep. 2016, 131, 411 – 419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Viedtālruņu atkarības izpausmes skalas izstrāde pieaugušajiem: pašziņojums. Korejiešu J. Couns. 2012, 13, 629 – 644. [Google Scholar]
  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. Viedtālruņa atkarības skalas (SAS) izstrāde un apstiprināšana. PLoS ONE 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Interneta atkarība: sistemātiska epidemioloģisko pētījumu pārskatīšana pēdējo desmit gadu laikā. Curr. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovičs, Z .; Mazzoni, E .; Pallesen, S. Saikne starp sociālo mediju un videospēļu atkarības lietošanu un psihisko traucējumu simptomiem: liela mēroga šķērsgriezuma pētījums. Psihols. Atkarīgais. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursāns, IS; Bakhiet, SF; Abduljabbar, AS viedtālruņa atkarība no augstskolu studentiem, ņemot vērā dažus mainīgos. Aprēķināt. Hum. Behav. 2016, 61, 155 – 164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Interneta lietošana un problemātiska lietošana internetā: sistemātisks pārskats par garenvirziena pētījumu tendencēm pusaudža vecumā un jauniešiem. Int. J. Adolesc. Jaunatne 2017, 22, 430 – 454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP viedtālruņa lietošana un viedtālruņa atkarība jauniešu vidū Šveicē. J. Behav. Atkarīgais. 2015, 4, 299 – 307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. Saikne starp interneta atkarību un psihiskiem traucējumiem: literatūras apskats. Eiro. Psihiatrija 2012, 27, 1 – 8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Sakarība ar viedtālruni lieto smaguma pakāpi ar miega kvalitāti, depresiju un satraukumu universitātes studentos. J. Behav. Atkarīgais. 2015, 4, 85 – 92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Psiholoģisko un neirobioloģisko apsvērumu integrēšana saistībā ar specifisku interneta lietošanas traucējumu attīstību un uzturēšanu: Personas ietekmējošās-izziņas-izpildes (I-PACE) modeļa mijiedarbība. Neurosci. Biobehav. Rev. 2016, 71, 252 – 266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Interneta atkarības kognitīvā disregulācija un tās neirobioloģiskās korelācijas. Priekšpuse. Biosci (Elite ed.) 2017, 9, 307 – 320. [Google Scholar]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Kas ir atkarīgs no viedtālruņa un / vai interneta? Psihols. Pop. Media Cult. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Bekers, B .; Cooper, AJ; Montag, C. Empātijas un dzīves apmierinātības nozīme internetā un viedtālrunī. Priekšpuse. Psihols. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Saikne starp interneta lietošanu un depresiju: ​​Koncentrējieties uz fizioloģisko garastāvokļa svārstībām, sociālo tīklu veidošanu un uzvedību tiešsaistē. Aprēķināt. Hum. Behav. 2015, 43, 308 – 312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Interneta atkarība un depresija, trauksme un stress. Int. Tiešsaistes J. Educ. Sci. 2011, 3, 138 – 148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Arī MBM; Griffiths, MD interneta atkarība un tās psihosociālie riski (depresija, nemiers, stress un vientulība) Irānas pusaudžu un jauniešu vidū: strukturālā vienādojuma modelis šķērsgriezuma pētījumā. Int. J. Ment. Veselības atkarīgais. 2016, 14, 257 – 267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Bezmiega un interneta atkarības ietekme uz depresiju Honkongā Ķīniešu pusaudži: izpētes šķērsgriezuma analīze. J. Sleep Res. 2011, 20, 311 – 317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrars, JT; Strom, BL Loģistiskās regresijas salīdzinājums ar tendences rādītāju, ja notikumu skaits ir zems un ir vairāki neskaidrības. Am. J. Epidemiol. 2003, 158, 280 – 287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Kritisks novērtējums par biežuma rādītāju atbilstību medicīnas literatūrā starp 1996 un 2003. Stat. Med. 2008, 27, 2037 – 2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Dažādu tendenču rezultātu modeļu spēju salīdzinājums, lai līdzsvarotu izmērītos mainīgos lielumus starp ārstētiem un neapstrādātiem subjektiem: Monte Carlo pētījums. Stat. Med. 2007, 26, 734 – 753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Interneta atkarības izplatība iedzīvotāju vidū: Vācijas iedzīvotāju aptaujas rezultāti. Behav. Inf. Technol. 2014, 33, 757 – 766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Riska faktori interneta spēļu traucējumiem: psiholoģiskie faktori un interneta spēļu raksturojums. Int. J. Environ. Res. Sabiedrības veselība 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Valsts informācijas dienesta aģentūra. Pētījums par interneta atkarības prēmijas skalu pieaugušajiem; Valsts informācijas dienesta aģentūra: Seula, Koreja, 2005. [Google Scholar]
  28. Kim, D. Interneta atkarības prēmijas skalas turpinājums; Korejas Digitālo iespēju un veicināšanas aģentūra: Seula, Koreja, 2008; Pieejams tiešsaistē: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (pieejams 8 maijā 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Interneta atkarības izteiksmes skalas - īsa forma (KS skala) izstrāde. Korejiešu J. Couns. 2008, 9, 1703 – 1722. [Google Scholar]
  30. Valsts informācijas dienesta aģentūra. Korejas viedtālruņa atkarības proness skalas izstrāde jauniešiem un pieaugušajiem; Valsts informācijas dienesta aģentūra: Seula, Koreja, 2011; lpp. 85 – 86. [Google Scholar]
  31. Kim, KI .; Kim, JW. Korejas III simptomu kontrolsaraksta-90-R standartizācijas pētījums. Domāju. Veselība Res. 1984, 2, 278 – 311. [Google Scholar]
  32. Heckman, J .; Smith, J. Sociālo eksperimentu lietas novērtēšana. J. Econ. Perspektīva. 1995, 9, 85 – 110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Daži praktiski norādījumi par tendences punktu saskaņošanu. J. Econ. Surv. 2008, 22, 31 – 72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamond, A. Ģenētiskā atbilstība cēloņsakarību novērtēšanai, nepublicēts manuskripts. Prezentēts politiskās metodikas ikgadējā sanāksmē Tallahassee, FL, ASV, 2005 jūlijs. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Interneta atkarības izplatība un interneta atkarīgo un bez narkomānu salīdzināšana Irānas vidusskolās. Cyberpsychol. Behav. 2008, 11, 731 – 733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. Interneta atkarības komorbidie psihiskie simptomi: uzmanības deficīta un hiperaktivitātes traucējumi (ADHD), depresija, sociālā fobija un naidīgums. J. Adolesc. Veselība 2007, 41, 93 – 98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Vai interneta atkarība ir psihopatoloģisks stāvoklis, kas atšķiras no patoloģiskām azartspēlēm? J. Addict. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Tiešsaistes sociālais tīkls un atkarība - psiholoģiskās literatūras apskats. Int. J. Environ. Res. Sabiedrības veselība 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. ieradumi padara viedtālruņa lietošanu plašāku. Pers. Visaptverošs aprēķins. 2012, 16, 105 – 114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. viedtālruņa atkarība, ikdienas pārtraukumi un pašreģistrēts produktivitāte. Atkarīgais. Behav. Rep. 2017, 6, 90 – 95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Sociālo tīklu vietnes un atkarība: desmit mācības. Int. J. Environ. Res. Sabiedrības veselība 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodts, B .; Brand, M .; Chamarro, A. Negatīvas sekas, ko rada smago sociālo tīklu veidošana pusaudžiem. J. Adolesc. 2017, 55, 51 – 60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Ielūgti komentāri: Piedāvājuma rādītāji. Am. J. Epidemiol. 1999, 150, 327 – 333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Ģenētiskā atbilstība cēloņsakarību novērtēšanai: jauna metode, kā panākt līdzsvaru novērojumos. Econ. Stat. 2013, 95, 932 – 945. [Google Scholar] [CrossRef]