Patoloģisks interneta lietojums un riska paradumi starp Eiropas pusaudžiem (2016)

Int. J. Environ. Res. Sabiedrības veselība 2016, 13(3), 294; doi:10.3390 / ijerph13030294

Tonijs Durkī 1,*, Vladimirs Karli 1, Birgita Floderusa 2, Kamilla Vasermane 3,4, Marko Saričone 3,5, Alans Apter 6, Judita A. Balazs 7,8, Hulio Bobes 9, Romualds Brunners 10, Pols Korkorāns 11, Doina Kosmana 12, Kristians Harings 13, Kristīna V. Hovena 4,14, Maikls Kess 10, Žans Pjērs Kāns 15, Bogdans Nemess 12, Vita Postuvana 16, Pilārs A. Saiz 9, Pīters Värniks 17 un Danuta Vasermana 1
1
Nacionālais pašnāvību izpētes un garīgās veselības profilakses centrs (NASP), Karolinska Institutet, Stokholma SE-17177, Zviedrija
2
Klīniskās neirozinātnes nodaļa, Karolinska Institutet, Stokholma SE-17177, Zviedrija
3
Medicīnas un veselības zinātnes katedra, Molīzes universitāte, Kampobaso 86100, Itālija
4
Bērnu un pusaudžu psihiatrijas nodaļa, Ņujorkas Valsts psihiatriskais institūts, Kolumbijas universitāte, Ņujorka, NY 10032, ASV
5
Nacionālais migrācijas un nabadzības institūts, Via San Gallicano, Roma 25 / A, Itālija
6
Feinbergas bērnu mācību centrs, Schneider bērnu medicīnas centrs, Telavivas universitāte, Telaviva 49202, Izraēla
7
Vadaskert bērnu un pusaudžu psihiatriskā slimnīca, Budapešta 1021, Ungārija
8
Eötvös Loránd universitātes Psiholoģijas institūts, Budapešta 1064, Ungārija
9
Psihiatrijas katedra, Psihiskās veselības tīkla biomedicīnisko pētījumu centrs (CIBERSAM), Ovjedo universitāte, Ovjedo 33006, Spānija
10
Personības attīstības traucējumu nodaļa, Bērnu un pusaudžu psihiatrijas klīnika, Heidelbergas Universitātes Psihosociālās medicīnas centrs, Heidelberga 69115, Vācija
11
Nacionālais pašnāvību pētījumu fonds, Western Rd., Korka, Īrija
12
Klīniskās psiholoģijas katedra, Iuliu Hatieganu Medicīnas un farmācijas universitāte, Str. Viktors Babess Nr. 8, Cluj-Napoca 400000, Rumānija
13
Garīgās veselības pētījumu nodaļa, Medicīnas informācijas tehnoloģijas universitāte (UMIT), Klāgenfurte, Insbruka 6060, Austrija
14
Kolumbijas universitātes Mailmaņa sabiedrības veselības skolas epidemioloģijas katedra, Ņujorka, NY 10032, ASV
15
Psihiatrijas nodaļa, Nansī slimnīcas Universitātes Universitāte, Lorēnas Universitāte, Nensija, Vandoeuvre-lès-Nancy 54500, Francija
16
Slovēnijas pašnāvību izpētes centrs, Andreja Marušiča institūts, Primorskas universitāte, Koper 6000, Slovēnija
17
Uzvedības un veselības zinātņu centrs, Igaunijas-Zviedrijas Garīgās veselības un suicidoloģijas institūts, Tallinas Universitāte, Tallina 10120, Igaunija
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Akadēmiskais redaktors: Pols B. Tchounwou
Saņemts: 1. gada 2015. decembrī / Pieņemts: 3. gada 2016. martā / Publicēts: 8. gada 2016. martā

Anotācija

: Riska uzvedība ir galvenais faktors, kas izraisa galvenos pusaudžu un jauniešu saslimstības cēloņus; tomēr to saistība ar patoloģisko interneta lietošanu (PIU) ir salīdzinoši neizpētīta, it īpaši Eiropas kontekstā. Šī pētījuma galvenais mērķis ir izpētīt saistību starp riska uzvedību un PIU Eiropas pusaudžiem. Šis šķērsgriezuma pētījums tika veikts Septītās pamatprogrammas Eiropas Savienības projekta: Jaunu cilvēku dzīvības glābšana un iespējas Eiropā (SEYLE) ietvaros. Dati par pusaudžiem tika savākti no nejaušinātām skolām mācību vietās vienpadsmit Eiropas valstīs. PIU tika mērīts, izmantojot Young's Diagnostic Questionnaire (YDQ). Riska uzvedība tika novērtēta, izmantojot jautājumus, kas iegūti no Vispasaules skolēnu veselības apsekojuma (GSHS). Kopumā analīzēs tika iekļauti 7 11,931 pusaudži: 43.4% vīriešu un 56.6% sieviešu (M / F: 5179/6752) ar vidējo vecumu 14.89 ± 0.87 gadi. Pusaudži, kuri ziņoja par sliktiem gulēšanas ieradumiem un riska uzņemšanās darbībām, visspēcīgāk saistījās ar PIU, kam sekoja tabakas lietošana, slikta uztura un fiziskā neaktivitāte. PIU grupas pusaudžiem 89.9% tika raksturoti kā dažādi uzvedības riski. Ievērojamā saistība, kas novērota starp PIU un riska uzvedību, apvienojumā ar augstu līdzāspastāvēšanas biežumu, uzsver, cik svarīgi ir ņemt vērā PIU, pārbaudot, ārstējot vai novēršot augsta riska uzvedību pusaudžu vidū.

Atslēgas vārdi: patoloģiska interneta izmantošana; Atkarība no interneta; riska uzvedība; daudzveidīga riska uzvedība; neveselīgs dzīvesveids; pusaudži; SEYLE

1. Ievads

Pusaudža vecums ir pārejas periods, ko raksturo ievērojamas fizisko, sociālo un psiholoģisko īpašību izmaiņas [1]. Turklāt attiecības ar vienaudžiem, ģimeni un sabiedrību šajā pārejas periodā piedzīvo izteiktas izmaiņas, jo pusaudži sāk apliecināt savu lēmumu, emociju un uzvedības autonomiju [2]. Sociālās spējas pusaudžiem bieži attīstās psihosociālās mijiedarbības laikā dažādos mācību kontekstos [3]. Ņemot vērā plašo platformu sociālās izziņas un starppersonu prasmju veicināšanai [4,5], internets ir izrādījies jauns un unikāls kanāls psihosociālai attīstībai pusaudžu vidū [6,7].
Neskatoties uz šīm raksturīgajām priekšrocībām, pētījumi ir parādījuši, ka bieža un ilgstoša tiešsaistes lietojumprogrammu izmantošana ir tendence izspiest parasto sociālo mijiedarbību un attiecības [8,9]. Ir pierādījumi, kas liecina, ka uzkrātais laiks tiešsaistē izspiež laiku klātienes mijiedarbībai ar ģimeni un draugiem [10], piedaloties ārpusstundu pasākumos [11], veicot akadēmiskos uzdevumus [12], pareizi ēšanas paradumi [13], fiziskā aktivitāte [14] un gulēt [15]. Tā kā pusaudži vairāk laika pavada tiešsaistē, pastāv risks, ka viņu interneta lietošana var kļūt pārmērīga vai pat patoloģiska [16].
 
Patoloģisko interneta lietošanu (PIU) raksturo pārmērīgas vai slikti kontrolētas aizraušanās, mudinājumi vai uzvedība saistībā ar interneta lietošanu, kas izraisa traucējumus vai ciešanas [17]. PIU konceptuāli ir modelēts kā impulsu kontroles traucējums un klasificēts kā uzvedības atkarības taksonomija, kas līdzīga patoloģisko azartspēļu dabai [18]. Neskatoties uz nesenajiem sasniegumiem PIU pētījumos, centienus izprast šo fenomenu kavē starptautiskas vienprātības trūkums par stāvokļa diagnostikas kritērijiem. Tas nav norādīts ne psihisko traucējumu diagnostikas un statistikas rokasgrāmatā (DSM), ne Starptautiskās slimību klasifikācijas (ICD) nosoloģisko sistēmu sarakstā. Galvenais uzdevums, ar ko saskaras PIU pētījumi, ir tā kā atkarības traucējumu koncepcija.
 
Ņemot vērā šos apgalvojumus, nesen publicētais DSM-5 [19] ir iekļāvusi uzvedības atkarību (ar vielu nesaistītus atkarības traucējumus) kā oficiālu diagnostikas kategoriju, un azartspēļu traucējumi (GD) ir vienīgais nosacījums, kas uzskaitīts šajā jaunajā klasifikācijā. Interneta spēļu traucējumi (IGD) ir arī potenciāls uzvedības atkarības apakštips, kas tika apsvērts iekļaušanai DSM nosoloģiskajā sistēmā; tomēr joprojām nebija pierādījumu, kas pamatotu IGD kā diagnostikas traucējumus. Pēc tam IGD tika iekļauta DSM-5 III sadaļā kā nosacījums, kas prasīja papildu izpēti [20], lai noteiktu tā iespējamo piemērotību kā diagnostikas traucējumu. Neskatoties uz PIU pašreizējo nosoloģisko neskaidrību, joprojām ir pārspīlēti pierādījumi, kas parāda spēcīgu saikni starp PIU un citiem atkarības veidiem [21,22,23,24].
Pētījumi liecina, ka indivīdiem ar PIU ir kopīgi neiroloģiski, bioloģiski un psihosociāli atribūti gan ar uzvedību, gan ar vielām saistītām atkarībām [25,26,27,28,29]. Pamatojoties uz teorētisko modeli, ko apzīmē Grifitss [30], ir seši galvenie simptomi, kas izpaužas atkarības traucējumu gadījumā un ir piemērojami PIU. Tie ietver: uzmanība (nodarbošanās ar tiešsaistes aktivitātēm), garastāvokļa maiņa (izmantojot internetu, lai izvairītos vai mazinātu stresu), iecietība (nepieciešamība ilgāk uzturēties tiešsaistē), atsaukšanās (depresija un aizkaitināmība bezsaistē), konflikti (starppersonu un intrapsihiski) un recidīvs (neveiksmīgi mēģinājumi pārtraukt interneta lietošanu). Šie galvenie komponenti nodrošina teorētisku pamatu PIU lieluma novērtēšanai.
 
PIU izplatības līmenis dažādās valstīs ievērojami atšķiras, daļēji tāpēc, ka tā definīcija, nomenklatūra un diagnostiskais novērtējums ir neviendabīgi. Cenšoties novērtēt izplatību pasaulē, Čengs un Li [31] novērsa šīs neatbilstības, izmantojot nejaušas ietekmes meta-analīzi, izmantojot pētījumus ar salīdzināmiem psihometriskiem instrumentiem un kritērijiem. Šī pieeja deva 89,281 31 dalībnieku no 6.0 valsts, aptverot vairākus pasaules reģionus. Rezultāti parādīja, ka PIU izplatība pasaulē bija 95% (5.1% TI: 6.9–XNUMX) ar tikai mērenu neviendabīgumu.
Izplatības pētījumi, kuros PIU novērtē Eiropas līmenī, izmantojot reprezentatīvus paraugus, ir ierobežoti. Neskatoties uz šo trūkumu, ir jauni epidemioloģiski pierādījumi, kas norāda uz stabilām izplatības līmeņa tendencēm šajā mērķa grupā. Reprezentatīvā Eiropas pusaudžu (n = 18,709 11) vecumā no 16 līdz XNUMX gadiem paraugā Blinka et al. [32] parādīja, ka PIU izplatība bija 1.4%. Tas sakrīt ar rādītājiem, par kuriem ziņoja Tsitsika et al. [33], kurš novērtēja PIU izplatību 1.2% apmērā reprezentatīvā Eiropas jauniešu (n = 13,284) izlasē vecumā no 14 līdz 17 gadiem. Durkee un kolēģi [34], tomēr novēroja nedaudz lielāku PIU izplatību - 4.4% - reprezentatīvajā Eiropas pusaudžu (n = 11,956 14) izlasē no 16 līdz XNUMX gadiem. Pierādīts, ka PIU izplatība Eiropā vīriešiem ir ievērojami augstāka nekā sievietēm, pieaug ar vecumu, atšķiras atkarībā no valsts un ir saistīta ar garīgo un uzvedības traucējumu klāstu [35,36,37,38,39].
 
Riska uzvedības sākums bieži notiek pusaudža gados ar lielu varbūtību, ka tā turpināsies pieaugušā vecumā. Vīriešiem parasti ir augstāka izplatība nekā sievietēm, un ar vecumu riska uzvedības biežumam ir tendence pieaugt [40]. Pastāv atšķirīgi smaguma pakāpes, sākot no zema riska (slikti gulēšanas paradumi, nepietiekams uzturs un fiziska pasivitāte) līdz augsta riska uzvedībai (pārmērīga alkohola lietošana, neatļauta narkotiku lietošana un tabakas lietošana). Pētījumos parasti tiek vērtēta riska uzvedība kā neatkarīgām vienībām, kaut arī skaidri pierādījumi liecina par to līdzāspastāvēšanu pat agrā vecumā [41,42]. Populācijām ar vairāku riska uzvedību ir vislielākais hronisku slimību, psihisku traucējumu, pašnāvnieciskas uzvedības un priekšlaicīgas nāves risks, salīdzinot ar indivīdiem ar vienu vai bez riska uzvedības [43,44]. Ņemot vērā riska uzvedības vienlaicīgo raksturu, ir obligāti jāsaprot to ietekme uz pusaudžu PIU risku.
 
Jauniešu riska uzvedības uzraudzības sistēma (YRBSS) ASV pārliecinās, ka riska uzvedība ir galvenais faktors, kas izraisa galvenos pusaudžu un jauniešu saslimstības cēloņus [45]. Bez šī netiešā pieņēmuma ir salīdzinoši maz pētījumu, kas sistemātiski pārbauda, ​​cik lielā mērā šīs uzvedības formas ir saistītas ar pusaudžu PIU, it īpaši Eiropas kontekstā. Epidemioloģiskie pētījumi ir nepieciešami, lai labāk izprastu šo parādību.
 
Balstoties uz lielu, reprezentatīvu skolu pusaudžu izlasi Eiropā, šī pētījuma galvenais mērķis ir izpētīt saistību starp riska uzvedību (ti, alkohola lietošanu, nelegālu narkotiku lietošanu, tabakas lietošanu, riska uzņemšanos, kavējumu, slikti miega ieradumi, slikta uztura un fiziska pasivitāte) un atšķirīgas interneta lietošanas formas.

2. Materiāli un metodes

2.1. Studiju dizains un iedzīvotāju skaits

Šis šķērsgriezuma pētījums tika veikts Eiropas Savienības projekta ietvaros: Jauno dzīvību glābšana un iespējas Eiropā (SEYLE) [46]. Pusaudži tika pieņemti darbā no nejauši izvēlētām skolām visās mācību vietās Austrijā, Igaunijā, Francijā, Vācijā, Ungārijā, Īrijā, Izraēlā, Itālijā, Rumānijā, Slovēnijā un Spānijā, par koordinācijas centru kalpojot Zviedrijai.
 
Iekļaušanas kritēriji, lai atlasītu piemērotas skolas, tika balstīti uz šādiem nosacījumiem: (1) skolas bija publiskas; (2) tajā bija vismaz 40 studenti vecumā no 15 gadiem; (3) skolēniem vecumā no 15 gadiem bija vairāk nekā divi skolotāji; un (4) tajā bija ne vairāk kā 60% viena dzimuma studentu. Atbilstošās skolas tika iedalītas pēc lieluma: (i) mazas (≤ vidējais skolēnu skaits visās mācību vietas skolās); un (ii) liels (≥ vidējais skolēnu skaits visās mācību vietas skolās) [46]. Izmantojot nejaušo skaitļu ģeneratoru, skolas tika randomizētas atbilstoši SEYLE iejaukšanās gadījumiem un skolas lielumam, ņemot vērā sociokulturālos faktorus, skolas vidi un skolas sistēmas struktūru katrā mācību vietā.
 
Dati tika vākti, izmantojot strukturētas anketas, kuras pusaudžiem ievadīja skolas vidē.
Parauga reprezentativitāte, piekrišana, dalība un atbildes reakcija tiek ziņota metodoloģiskajā analīzē [47].
Šis pētījums tika veikts saskaņā ar Helsinku deklarāciju, un protokolu apstiprināja vietējā ētikas komiteja katrā iesaistītajā valstī (projekta Nr. HEALTH-F2-2009-223091). Pirms dalības pētījumā gan pusaudži, gan vecāki sniedza informētu piekrišanu dalībai.

2.2. Mērījumi

PIU tika novērtēts, izmantojot Young's Diagnostic Questionnaire (YDQ) [18]. YDQ ir 8 punktu anketa, kurā novērtēti interneta lietošanas modeļi, kuru rezultātā sešu mēnešu laikā pirms datu vākšanas rodas psiholoģiski vai sociālie traucējumi [48]. Astoņi YDQ vienumi atbilst sešiem vienumiem Grifita komponentu modelī un deviņiem vienumiem IGD diagnostikas kritērijos DSM-5 [49,50]. Pamatojoties uz YDQ rādītāju, kas svārstās no 0–8, interneta lietotāji tika iedalīti trīs grupās: adaptīvie interneta lietotāji (AIU) (0–2); slikti adaptīvie interneta lietotāji (MIU) (3–4); un patoloģiski interneta lietotāji (PIU) (vērtējums ≥ 5) [51]. Turklāt stundas tiešsaistē dienā mēra, izmantojot strukturētās anketas jautājumu ar vienu jautājumu.
Dati par riska uzvedību tika iegūti, izmantojot jautājumus no globālā skolu veselības apsekojuma skolās (GSHS) [52]. Pasaules Veselības organizācijas (PVO) un līdzstrādnieku izstrādātais GSHS ir skolās veikts pētījums, kurā tiek vērtēta 13–17 gadus vecu pusaudžu veselības uzvedība. Šajā pašpārskata anketā ir iekļauti jautājumi, kas atbilst 10 galvenajiem pusaudžu un jauniešu saslimstības cēloņiem.

2.3. Individuāla riska uzvedība

Pamatojoties uz GSHS, individuālā riska uzvedība tika sadalīta trīs kategorijās: (i) vielu lietošana; (ii) sensāciju meklēšana; iii) un dzīvesveida raksturojums. Sekojošā individuālā riska uzvedība tika kodēta kā divkosīgi mainīgie.

2.3.1. Vielas lietošana

Vielu lietošana bija saistīta ar alkohola lietošanu, nelegālu narkotiku lietošanu un tabakas lietošanu. Mainīgie mainījās atbilstoši: (1) alkohola lietošanas biežums: ≥2 reizes nedēļā pret ≤1 reizes nedēļā; 2) dzērienu skaits parastajā dzeršanas dienā: ≥3 dzērieni pret ≤2 dzērieni; (3) dzeršanas biežums dzīves laikā līdz alkohola reibumam (alkohola reibums): ≥3 reizes pret ≤2 reizes; (4) paģiru sastopamība dzīves laikā pēc dzeršanas: ≥3 reizes pret ≤2 reizes; 5) jebkad lietotas narkotikas: jā / nē; (6) jebkad lietots hašišs vai marihuāna: jā / nē; 7) jebkad lietota tabaka: jā / nē; un (8) pašlaik smēķējošās cigaretes: ≥6 dienā pret ≤5 dienā.

2.3.2. Sensācijas meklējumi

Sensācijas meklējumi sastāvēja no četriem priekšmetiem, kas norāda uz riska uzņemšanos pēdējos divpadsmit mēnešos: 1) ar transportlīdzekli vadīja draugs, kurš bija lietojis alkoholu; (2) braucis ar skrituļdēli vai ar skrituļslāpīti satiksmē bez ķiveres un / vai (3) velk pa kustīgu transportlīdzekli; un 4) nakts laikā gājis bīstamās ielās vai alejās. Atbildes alternatīvas bija jā / nē visos četros jautājumos.

2.3.3. Dzīvesveida raksturojums

Dzīvesveida raksturojums ietvēra mainīgos lielumus, kas saistīti ar miegu, uzturu, fiziskām aktivitātēm un skolas apmeklējumu. Gulēšanas paradumi, kas minēti pēdējo sešu mēnešu laikā: (1) noguruma sajūta no rīta pirms skolas: ≥3 dienas nedēļā salīdzinājumā ar ≤2 dienām nedēļā; (2) gulēšana pēc skolas: ≥3 dienas nedēļā salīdzinājumā ar ≤2 dienām nedēļā; un (4) gulēšana: ≤6 stundas / nakts pret ≥7 stundām / nakts. Uzturs, kas minēts pēdējos sešos mēnešos: (4) augļu / dārzeņu lietošana: ≤1 reizi nedēļā pret ≥2 reizēm nedēļā; un (5) brokastu lietošana pirms skolas: ≤2 dienas nedēļā salīdzinājumā ar ≥3 dienām nedēļā. Fiziskās aktivitātes, kas minētas pēdējos sešos mēnešos: (6) fiziskās aktivitātes vismaz 60 minūtes pēdējo divu nedēļu laikā: ≤3 dienas pret ≥4 dienām; un (7) regulāri sportojot: jā / nē. Skolas apmeklējums ietvēra vienu jautājumu par neattaisnotu kavējumu klātbūtni skolā pēdējo divu nedēļu laikā: ≥3 dienas pret ≤2 dienām.

2.4. Vairākas riska uzvedības

Kopējais riska uzvedības skaits tika aprēķināts vienā mainīgajā un kodēts kā kārtas mērs. Sadalītās puses uzticamība (rsb = 0.742) un iekšējās konsekvences (α = 0.714) vērtības liecināja par pieņemamu homogenitātes līmeni starp daudzkārtējas riska uzvedības mēra posteņiem

3. Statistikas analīze

Tika aprēķināta individuālas riska uzvedības izplatība interneta lietotāju grupās vīriešiem un sievietēm. Lai pārliecinātos par statistiski nozīmīgām atšķirībām starp grupas proporcijām, tika veikti vairāki pāru salīdzinājumi, izmantojot divpusēju z-testu ar Bonferroni koriģētām p-vērtībām. Tika veiktas izvērstas analīzes, lai pārbaudītu individuālās riska uzvedības ietekmi uz MIU un PIU, izmantojot vispārinātus lineārus jauktus modeļus (GLMM) ar multinomiālu logit saiti un pilnu maksimālās varbūtības novērtējumu. GLMM analīzē MIU un PIU tika ievadīti kā iznākuma rādītāji ar AIU kā atsauces kategoriju, individuālā riska uzvedība tika ievadīta kā 1. līmeņa fiksētie efekti, skola kā 2. līmeņa nejaušā pārtveršana un valsts kā 3. līmeņa nejaušā pārtveršana. Variācijas komponenti tika izmantoti kā kovariances struktūra nejaušajiem efektiem. Lai pētītu dzimuma mērenību, mijiedarbības termini (dzimums * riska-uzvedība) tika iekļauti regresijas modelī. Attiecīgajiem GLMM modeļiem tika piemērotas vecuma un dzimuma korekcijas. Attiecīgajiem modeļiem tiek norādītas izredžu attiecības (OR) ar 95% ticamības intervālu (TI).
Veicot vairāku riska uzvedības analīzi, vidējā (M) un vidējā standarta kļūda (SEM) tika aprēķināta dažādām interneta lietotāju grupām un stratificēta pēc dzimuma. Šo attiecību ilustrēšanai tika izmantoti kastes un ūsas parauglaukumi. Statistiskā nozīmība starp vairāku riska uzvedību un dzimumu tika novērtēta, izmantojot neatkarīgu paraugu t-testu. Tika izmantota vienvirziena dispersijas analīze (ANOVA) ar post hoc pāru salīdzinājumiem, lai novērtētu statistisko nozīmīgumu starp vairākām riska uzvedības un interneta lietotāju grupām.
Tika veikts regresijas mainīgā grafiks, lai noskaidrotu lineāro saistību starp tiešsaistes stundu skaitu dienā un riska uzvedības skaitu interneta lietotāju grupās. Visi statistikas testi tika veikti, izmantojot IBM SPSS Statistics 23.0. Kritiskā vērtība p <0.05 tika uzskatīta par statistiski nozīmīgu.

4. Rezultāti

4.1. Pētījuma parauga raksturojums

Sākotnējā SEYLE izlasē, kurā piedalījās 12,395 464 pusaudži, 3.7 (11,931%) subjekti tika izslēgti, jo trūkst datu par attiecīgajiem mainīgajiem lielumiem. Tādējādi šajā pētījumā tika iegūti 43.4 56.6 skolas pusaudži. Izlasē bija 5179% vīriešu un 6752% sieviešu pusaudžu (M / F: 14.89/0.87) ar vidējo vecumu 14.3 ± 12.4 gadi. MIU izplatība bija ievērojami augstāka sieviešu vidū (5.2%), salīdzinot ar vīriešiem (3.9%), turpretī PIU bija ievērojami lielāka vīriešiem (2%) nekā sievietēm (11928%) (χ² (19.92, 0.001) = XNUMX, p < XNUMX).

4.2. Riska uzvedības izplatība

Tabula 1 apraksta riska uzvedības izplatību, sadalot pa interneta lietotāju grupām. Vidējie izplatības rādītāji starp interneta lietotāju grupām (AIU, MIU un PIU) bija 16.4%, 24.3% un 26.5% attiecībā uz vielu lietošanu (alkohola lietošana, neatļauta narkotiku lietošana un tabakas lietošana); 19.0%, 27.8% un 33.8% sensāciju meklējošai uzvedībai (riska uzņemšanās darbības); un attiecīgi 23.8%, 30.8% un 35.2% attiecībā uz dzīvesveida īpašībām (slikti miega ieradumi, slikta uztura, fiziska neaktivitāte un kavējums). Izplatība MIU un PIU grupās bija ievērojami augstāka nekā AIU grupā visās riska kategorijās (vielu lietošana, sensācijas meklējumi un dzīvesveida īpašības). Izņemot piecas apakškategorijas, pa pāriem veiktie salīdzinājumi parādīja, ka izplatības rādītāji MIU un PIU grupās būtiski neatšķiras.

Tabula
Tabula 1. Riska uzvedības izplatība pusaudžu vidū, sadalīta pa dzimumiem un interneta lietotāju grupām 1,2a – c.

4.3. Vairākas riska uzvedības

Rezultāti parādīja, ka 89.9% PIU grupas pusaudžu ziņoja par vairāku riska uzvedību. Vienvirziena ANOVA tests parādīja, ka daudzkārtējas riska uzvedības vidējais rādītājs ievērojami palielinājās no adaptīvas lietošanas (M = 4.89, SEM = 0.02) līdz nepareizas lietošanas (M = 6.38, SEM = 0.07) līdz patoloģiskai lietošanai (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Šī tendence bija praktiski līdzvērtīga vīriešiem un sievietēm (Skaitlis 1).

Ijerph 13 00294 g001 1024
Skaitlis 1. Daudzveidīga riska uzvedība starp adaptīviem interneta lietotājiem (AIU), slikti adaptīviem interneta lietotājiem (MIU) un patoloģiskiem interneta lietotājiem (PIU), kas sakārtota pēc dzimuma *.
Turklāt netika novērota statistiska atšķirība starp dzimumiem gan MIU (t (1608) = 0.529, p = 0.597), gan PIU (t (526) = 1.92, p = 0.054) grupās (Tabula 2). Tomēr jāatzīmē, ka p vērtība PIU grupai bija relatīvi tuvu statistiskās nozīmības sasniegšanai (p = 0.054). 

Tabula
Tabula 2. Neatkarīgi paraugi vairāku risku uzvedībai un dzimumam, izmantojot interneta lietotāju grupas 1-3.
Regresijas mainīgā diagramma uzrādīja skaidru lineāru saistību starp tiešsaistes stundu skaitu dienā un pusaudžu riska uzvedības skaitu. Šī tendence bija salīdzinoši identiska starp interneta lietotāju grupām (Skaitlis 2). 

Ijerph 13 00294 g002 1024
Skaitlis 2. Lineāra sakarība starp tiešsaistes stundu skaitu dienā un riska uzvedības skaitu AIU, MIU un PIU grupās *.

4.4. GLMM asociācijas starp riska uzvedību, MIU un PIU analīze

Riska uzvedība, kas bija nozīmīgi saistīta ar MIU, bija ievērojami saistīta arī ar PIU, izņemot trīs apakškategorijas, kas norādītas riska uzņemšanās darbībās un kavējumos (Tabula 3). GLMM analīze parādīja, ka visas sliktu miega paradumu apakškategorijas ievērojami palielināja PIU relatīvās izredzes ar efekta lielumu no OR = 1.45 līdz OR = 2.17. Tika novērotas būtiskas saistības starp riska uzņemšanos un PIU ar efekta lielumu no OR = 1.55 līdz OR = 1.73. Turklāt izredzes uz atsevišķām apakškategorijām tabakas lietošanas (OR = 1.41), slikta uztura (OR = 1.41) un fiziskās neaktivitātes (OR = 1.39) jomās bija statistiski nozīmīgas.

Tabula
Tabula 3. Vispārējs lineārs jauktais modelis (GLMM) par saikni starp individuālu riska uzvedību, nepareizu lietošanu un patoloģisku lietošanu ar paplašinātu dzimumu mijiedarbības analīzi 1-4.

4.5. Dzimumu mijiedarbība

Dzimumu mijiedarbības analīze parādīja, ka saistība starp riska uzņemšanos, sliktiem gulēšanas ieradumiem un PIU sievietēm bija ievērojami augstāka, turpretī vīriešu saistība starp kavējumu, nepietiekamu uzturu un PIU bija ievērojami augstāka (Tabula 3).

5. Diskusija

5.1. Riska uzvedības izplatība

Šī pētījuma mērķis bija pārbaudīt saikni starp PIU un riska uzvedību. Rezultāti parādīja, ka riska uzvedības izplatība patoloģisko lietotāju vidū bija ievērojami augstāka salīdzinājumā ar adaptīviem lietotājiem ar dažām atšķirībām starp dzimumiem. Vislielākā izplatība, kas novērota slikti adaptīvu un patoloģisku lietotāju vidū, bija slikti gulēšanas paradumi, kam sekoja tabakas lietošana. Šie aprēķini ir ievērojami augstāki salīdzinājumā ar izplatības līmeni, kas ziņots pētījumos, kas veikti ārpus ES, proti, Āzijas un Klusā okeāna reģionos [53,54]. Viens ticams skaidrojums varētu būt saistīts ar ekoloģiskā līmeņa novērotajām atšķirībām (piemēram, izplatības rādītājiem) starp šiem reģioniem. Statistika rāda, ka Eiropas reģionā ir visaugstākais interneta izplatības līmenis (78%) visā pasaulē. Eiropas likmes ir vairāk nekā divas reizes, salīdzinot ar Āzijas un Klusā okeāna reģionos attēlotajiem rādītājiem (36%) [55]. Faktiskais lomu izplatības līmenis, ietekmējot PIU izplatību, joprojām ir neskaidrs; tādējādi turpmākajiem centieniem pārbaudīt šīs attiecības būtu liela vērtība, lai izskaidrotu šo saikni.

5.2. Vielas lietošana

Riska un atkarību izraisošās uzvedības pazīmes ļoti pārklājas. Tas, iespējams, ir visizteiktākais, lietojot vielas. Vielu lietošana bieži tiek klasificēta kā riska uzvedība; tomēr tas ir arī vielu ļaunprātīgas izmantošanas priekštečs. Ja augsta riska uzvedībai ir līdzīgi pamatmehānismi, tad, ja ir viena problemātiska uzvedība, tas var pazemināt slieksni citas problemātiskas uzvedības veidošanai. Šo apgalvojumu apstiprina uz pierādījumiem balstīti pētījumi, kas parāda augstu savstarpējās saiknes līmeni starp dažādiem riska uzvedības veidiem [56]. Pamatojoties uz šo koncepciju, ir ticams pieņemt, ka pusaudžiem ar jau esošu riska uzvedību, visticamāk, ir lielāks PIU risks nekā pusaudžiem bez riska uzvedības.

5.3. Sensācijas meklējumi

Saskaņā ar iepriekšminēto pētījumu [57], rezultāti parādīja, ka lielākā daļa riska uzņemšanās darbību sensāciju meklētāju kategorijā bija ievērojami saistītas ar PIU. Sensācijas meklēšana ir personības iezīme, kas saistīta ar pašregulācijas trūkumiem un atliktu apmierināšanu [58]. Šie jauniešu raksturīgie raksturlielumi bieži ir saistīti ar “optimistiskas neobjektivitātes efekta” uztveres predispozīciju, kurā pusaudži, visticamāk, atlaida riskus sev, vienlaikus pārvērtējot riskus citiem [59]. Pusaudžiem, kuriem piemīt šīs novirzošās pazīmes, iespējams, ir lielāka tieksme uz uzvedības problēmām.

5.4. Dzīvesveida raksturojums

Slikti gulēšanas paradumi izrādījās spēcīgākie faktori, kas saistīti ar PIU. Tas, iespējams, ir saistīts ar miega pārvietošanas efektu tiešsaistes aktivitātēm. Ir dažas tiešsaistes darbības, kas nepārprotami mudina lietotājus palikt tiešsaistē ilgāk, nekā paredzēts. Pētījums par masveidā daudzspēlētāju tiešsaistes lomu spēlēm (MMORPG) norādīja, ka lietotāji tiek vilināti ilgāk uzturēties tiešsaistē, lai sekotu viņu tiešsaistes rakstura progresīvajam sižetam [60]. Pēdējos gados ir parādījusies arī pārmērīga sociālo tīklu vietņu izmantošana, kas apzīmē gan tiešsaistē pavadītā laika pieaugumu, gan negatīvas korelācijas ar reālās dzīves sociālo mijiedarbību [61,62]. Pētījumi rāda, ka pusaudžiem, kuri pārmērīgi lieto internetu, ir tendence attīstīties miega traucējumiem, pateicoties ilgstošajam pavadījumam tiešsaistē [63,64]. Hroniska miega pārvietošana tiešsaistes aktivitāšu dēļ var izraisīt miega trūkumu, kas, kā zināms, nopietni nelabvēlīgi ietekmē sociālo, psiholoģisko un somatisko darbību.
Regulētu miega paradumu traucējumi varētu būt arī starpnieks faktors attiecībās starp kavēšanos un nepareizu interneta lietošanu. Pusaudži, kas pārmērīgi nodarbojas ar tiešsaistes aktivitātēm, var riskēt izjaukt viņu dabisko miega kārtību. Pierādījumi rāda, ka palielināta miega latentums un samazināts ātras acu kustības miegs (REM-sleep) ir būtiski saistīts ar pārmērīgu interneta lietošanu [65], savukārt subjektīvās bezmiegas un parasomnijas ir saistītas ar kavējumu [66]. Miega traucējumi izteikti ietekmē dienas darbību un akadēmiskos sasniegumus. Tas varētu izraisīt pusaudžu neieinteresētību skolā, tādējādi palielinot skolas atteikuma un hroniskas kavējumu risku [66].
Tika pierādīts, ka slikta uztura un fiziskā neaktivitāte ir būtiski saistīta ar PIU. Pusaudži, kuri tiešsaistē pavada ilgākas stundas, potenciāli orientējas uz neveselīgāku pārtiku. Tiek pieņemts, ka tiešsaistes spēlētāji dzer daudz kofeīna saturošus enerģijas dzērienus un ēd uzkodas ar augstu cukura saturu, lai palielinātu modrību tiešsaistes spēlēm [67]. Pēc tam šie faktori varētu padarīt tiešsaistes spēlētājus vairāk tendētus uz mazkustīgu uzvedību, salīdzinot ar spēlētājiem, kas nav spēlētāji. Turklāt, lai turpinātu tiešsaistes spēles, spēlētāju vidū ir liela uzticība, jo īpaši tiem, kas pārtrauc pārtiku, personīgo higiēnu un fiziskās aktivitātes [68]. Tas var nopietni apdraudēt veselību un izraisīt smagus psihosomatiskus simptomus.

5.5. Vairākas riska uzvedības

Tika noskaidrots, ka riska uzvedībai ir vienlaicīgs raksturs, un 89.9% PIU grupas pusaudžu ziņoja par vairāku riska uzvedību. Šie rezultāti atbilst Džesora teorijai par problemātisko uzvedību [69,70]. Problēmu uzvedības teorija ir psihosociāls modelis, kas mēģina izskaidrot pusaudžu uzvedības rezultātus. Tas sastāv no trim konceptuālām sistēmām, kuru pamatā ir psihosociālie komponenti: personības sistēma, uztvertā vides sistēma un uzvedības sistēma. Pēdējā sistēmā riska uzvedības struktūras (piemēram, alkohola lietošana, tabakas lietošana, likumpārkāpumi un novirze) mēdz vienlaikus parādīties un apvienoties vispārējā “riska-uzvedības sindromā” [71]. Pēc Džesora domām, šī problemātiskā uzvedība bieži izriet no pusaudžu apgalvojuma par neatkarību no vecākiem un sabiedrības ietekmēm.
Pusaudži, kas cīnās par autonomiju, daļēji varētu ņemt vērā ievērojamo lineāro tendenci, kas novērota starp stundām tiešsaistē dienā un daudzkārtēju riska uzvedību. Šī tendence bija salīdzinoši identiska visās interneta lietotāju grupās. Šie atklājumi ir ļoti svarīgi, jo tie liecina, ka pārmērīgas stundas tiešsaistē pašas par sevi var palielināt visu pusaudžu un ne tikai to, kuriem diagnosticēta PIU, uzvedības risku. Pārmērīgas stundas tiešsaistē varētu būt arī moderējošs faktors attiecībās starp PIU un riska uzvedību; tomēr ir nepieciešami turpmāki pētījumi, lai izpētītu šīs attiecības.

5.6. Dzimumu mijiedarbība

Dzimumu mijiedarbības analīze parādīja, ka būtiskas asociācijas, kas novērotas starp riska uzvedību un PIU, vienmērīgi sadalījās starp vīriešiem un sievietēm. Tas ir nedaudz pretrunā ar iepriekšējiem pētījumiem, kas parasti parāda, ka PIU un riska uzvedība ir raksturīga vīrieša dzimumam. Šī dzimumu maiņa varētu būt norāde uz to, ka Eiropas pusaudžiem var samazināties dzimumu atšķirība attiecībā uz riska uzvedību.
No citas perspektīvas sakarību starp dzimumu un riska uzvedību varētu ietekmēt trešais faktors, piemēram, psihopatoloģija. Lielā, uz dzimumu balstītā pētījumā, kurā piedalījās pusaudži (n = 56,086 12) vecumā no 18 līdz 2.8 gadiem, tika lēsts, ka PIU izplatības rādītāji kopējā izlasē bija 3.6%, un vīriešiem tas bija ievērojami augstāks (1.9%), salīdzinot ar sievietēm ( XNUMX%) [72]. Attiecīgajā pētījumā tika atzīmēts, ka sievietēm ar emocionālām problēmām, piemēram, subjektīviem nelaimes gadījumiem vai depresijas simptomiem, PIU izplatība ir ievērojami augstāka nekā vīriešiem ar līdzīgiem emocionāliem simptomiem. Uz dzimumu balstīti pētījumi, kas pārbauda dzimumu mijiedarbības ietekmi uz PIU, ir būtisks priekšnoteikums PIU pētījumu turpmākajam virzienam.

5.7. Grifita komponentu modelis

Grifita komponentu atkarības modelis [30] pieļauj hipotēzi, ka uzvedības atkarības (piemēram, PIU) un ar vielām saistītas atkarības attīstās, izmantojot līdzīgus biopsihosociālos procesus, un tām ir kopīgas daudzas fizionomijas. Atkarības kritēriji attiecīgajiem sešiem galvenajiem komponentiem šajā modelī ir (1) uzmanība, (2) garastāvokļa modifikācija, (3) tolerance, (4) atteikšanās, (5) konflikts un (6) recidīvs. Kuss u.c. [73] novērtēja atkarības komponentu modeli divos neatkarīgos paraugos (n = 3105 un n = 2257). Rezultāti parādīja, ka PIU komponentu modelis ļoti labi atbilst datiem abos paraugos.
Šajā pētījumā YDQ rādītājs tika izmantots, lai novērtētu un atklātu pusaudžus ar nepietiekami adaptīviem un patoloģiskiem riskiem, kas saistīti ar viņu interneta lietošanu un tiešsaistes uzvedību. Tā kā YDQ rādītājs ietver visus sešus atkarības kritērijus, kas noteikti Grifita komponentu modelī, šī teorētiskā sistēma apstiprina šajā pētījumā ziņoto rezultātu pamatotību.

5.8. Stiprās puses un ierobežojumi

Liela, reprezentatīva, starptautiska izlase ir šī pētījuma galvenā priekšrocība. Visās valstīs izmantotā viendabīgā metodika un standartizētās procedūras palielina datu pareizību, ticamību un salīdzināmību. Cik mums zināms, ģeogrāfiskais apgabals Eiropā bija lielākais, kāds jebkad izmantots, lai veiktu pētījumu par PIU un riska uzvedību.
Pētījumā ir arī daži ierobežojumi. Pašu ziņotie dati ir tendence atsaukties un sociālā vēlamība, kas, iespējams, atšķiras dažādās valstīs un kultūrās. Šķērsgriezuma dizains nespēj ņemt vērā laika attiecības, tāpēc cēloņsakarību nevarēja noteikt. GSHS pasākumā riska uzņemšanās apakškategorijas ir tikai daļa no sensācijas meklējošas uzvedības; tāpēc, interpretējot rezultātus, jāievēro piesardzība.

6. Secinājumi

Ievērojami pieaugoša izplatības pakāpe AIU, MIU un PIU grupās tika novērota visās riska kategorijās (vielu lietošana, sensācijas meklējumi un dzīvesveida īpašības). Pusaudži, kuri ziņoja par sliktiem gulēšanas ieradumiem un riska uzņemšanās darbībām, visspēcīgāk saistījās ar PIU, kam sekoja tabakas lietošana, slikta uztura un fiziskā neaktivitāte. Ievērojamā saistība, kas novērota starp PIU un riska uzvedību, apvienojumā ar augstu līdzāspastāvēšanas biežumu, uzsver, cik svarīgi ir ņemt vērā PIU, pārbaudot, ārstējot vai novēršot augsta riska uzvedību pusaudžiem.
PIU grupas pusaudžiem 89.9% tika raksturoti kā dažādi uzvedības riski. Tādējādi centieniem jābūt vērstiem uz pusaudžiem, kuri pārmērīgi lieto internetu, jo ievērojama lineāra tendence tika novērota starp stundām tiešsaistē dienā un daudzkārtēju riska uzvedību. Šī tendence bija līdzīga visās interneta lietotāju grupās, norādot, ka pārmērīgas tiešsaistes stundas pašas par sevi ir svarīgs riska uzvedības faktors. Šie secinājumi ir jāatkārto un jāpaplašina, pirms tiek noskaidrotas to teorētiskās sekas.

Pateicības

SEYLE projekts tika atbalstīts, izmantojot Eiropas Savienības Septītās pamatprogrammas (FP1) 7. koordinācijas tēmu (Veselība), Dotācijas līgumu Nr. HEALTH-F2-2009-223091. Autori bija neatkarīgi no finansētājiem visos šī raksta sastādīšanas, datu analīzes un rakstīšanas aspektos. Projekta SEYLE vadītāja un koordinatore ir psihiatrijas un suicidoloģijas profesore Danuta Wasserman, Karoļinskas institūts (KI), Nacionālā pašnāvību izpētes un garīgās veselības un pašnāvību novēršanas centra (NASP) vadītāja KI, Stokholmā, Zviedrija. Citi Izpildu komitejas locekļi ir vecākais pasniedzējs Vladimirs Karli, Nacionālais pašnāvību izpētes un garīgās veselības profilakses centrs (NASP), Karolinska institūts, Stokholma, Zviedrija; Kristīna WH Hovena un antropoloģe Kamilla Vasermane, Bērnu un pusaudžu psihiatrijas nodaļa, Ņujorkas Valsts psihiatriskais institūts, Kolumbijas universitāte, Ņujorka, ASV; un Marco Sarchiapone, Veselības zinātņu nodaļa, Molises universitāte, Kampobaso, Itālija. SEYLE konsorcijā ietilpst centri 12 Eiropas valstīs. Vietnes vadītāji katram attiecīgajam centram un valstij ir: Danuta Wasserman (NASP, Karolinska institūts, Zviedrija, koordinācijas centrs), Christian Haring (Medicīnas informācijas tehnoloģiju universitāte, Austrija), Airi Varnik (Igaunijas Zviedrijas Garīgās veselības un suicidoloģijas institūts, Igaunija), Žans Pjērs Kāns (Lotringas Universitāte, Nensija, Francija), Romualds Brunners (Heidelbergas Universitāte, Vācija), Judita Balaza (Vadaskertas bērnu un pusaudžu psihiatriskā slimnīca, Ungārija), Pols Korkorāns (Nacionālais pašnāvību pētījumu fonds, Īrija), Alans Apter (Izraēlas Schneider bērnu medicīnas centrs, Telavivas universitāte, Telaviva, Izraēla), Marco Sarchiapone (Molises universitāte, Itālija), Doina Cosman (Iuliu Hatieganu Medicīnas un farmācijas universitāte, Rumānija), Vita Postuvan (Primorskas universitāte, Slovēnija) ) un Hulio Bobes (Ovjedo universitāte, Spānija). Atbalsts “Ētikas jautājumiem pētījumos ar nepilngadīgajiem un citām neaizsargātām grupām” tika iegūts, piešķirot dotāciju no Bāzeles Botnar fonda ētikas profesorei Stellai Reiter-Theil, Bāzeles Universitātes Psihiatriskajā klīnikā, kura bija neatkarīga ētikas konsultante. SEYLE projektu.

Autora iemaksas

Tonijs Durkē ir pirmais un atbilstošais autors, kurš izstrādāja pētījuma dizainu, veica statistisko analīzi un kritiski pārskatīja visas rokraksta fāzes. Vladimirs Carli, Birgitta Floderus un Danuta Wasserman piedalījās pētījuma plānošanā un kritiski pārskatīja rokrakstu. Kamilla Vasermane, Kristīna W. Hovena, Maikls Kess un Pīters Värniks sniedza konsultācijas un kritiski pārskatīja rokrakstu. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn un Vita Postuvan ir galvenie SEYLE projekta izmeklētāji savās valstīs un palīdzēja kritiski pārskatīt rokraksts. Bogdans Nemess un Pilars A. Saizs ir projekta SEYLE projektu vadītāji savās valstīs un piedalījās svarīgos rokraksta labojumos.

Interešu konflikti

Autori paziņo, ka nav interešu konflikta.

Saīsinājumi

Šajā rokrakstā tiek izmantoti šādi saīsinājumi: 

SEILA
Jauno cilvēku glābšana un veicināšana Eiropā
YRBSS
Jauniešu riska uzvedības uzraudzības sistēma
GSHS
Globālais skolu veselības apsekojums skolās
YDQ
Jaunieša diagnostikas anketa
GLMM
Vispārīgi lineāri jaukti modeļi
ANOVA
Vienvirziena dispersijas analīze
PIU
Patoloģiska interneta izmantošana
MIU
Nepiemērots interneta lietojums
AIU
Adaptīva interneta izmantošana
CI
Pārliecības intervāli
SEM
Vidējā vidējā kļūda
M
Vidējais

Atsauces

  1. Moshman, D. Kognitīvā attīstība ārpus bērnības. Bērnu psiholoģijas rokasgrāmatā, 5. izdevums; Kūns, D., Deimons, W., Zīglers, RS, Eds .; Vilija: Ņujorka, Ņujorka, ASV, 1998; 2. sējums, 947. – 978. [Google Scholar]
  2. Čoudhurijs, S .; Blakemore, SJ; Charman, T. Sociālā kognitīvā attīstība pusaudža gados. Soc. Cogn. Ietekmēt. Neirosci. 2006, 1, 165 – 174. [Google Scholar] [CrossRef] [PubMed]
  3. Ekls, JS; Vigfīlds, A .; Byrnes, J. Kognitīvā attīstība pusaudža gados. Psiholoģijas rokasgrāmatā: attīstības psiholoģija; Lerners, RM, Easterbrooks, MA, Mistry, J., Eds .; Vilija: Hobokena, NJ, ASV, 2003; 6. sējums, 325. – 350. [Google Scholar]
  4. Subrahmanyam, K .; Grīnfīlda, P .; Kraut, R .; Gross, E. Datora lietošanas ietekme uz bērnu un pusaudžu attīstību. J. Appl. Dev. Psychol. 2001, 22, 7 – 30. [Google Scholar] [CrossRef]
  5. Elisons, NB; Steinfield, C .; Lampe, C. Facebook “draugu” priekšrocības: sociālais kapitāls un koledžas studentu tiešsaistes sociālo tīklu vietņu izmantošana. J. Comput. Med. Komun. 2007, 12, 1143 – 1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Elisons, NB; Lampe, C. Sociālais kapitāls, pašcieņa un tiešsaistes sociālo tīklu vietņu izmantošana: gareniskā analīze. J. Appl. Dev. Psychol. 2008, 29, 434 – 445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Growing up Digital: Rise of the Net Generation; Makgravhila izglītība: Ņujorka, Ņujorka, ASV, 2008; lpp. 384. [Google Scholar]
  8. Kraut, R .; Patersons, M .; Lundmark, V .; Kieslers, S .; Mukopadhyay, T .; Scherlis, W. Interneta paradokss. Sociāla tehnoloģija, kas samazina sociālo iesaistīšanos un psiholoģisko labsajūtu? Am. Psychol. 1998, 53, 1017 – 1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kieslers, S .; Boneva, B .; Cummings, J .; Helgesons, V .; Crawford, A. Pārskatīts interneta paradokss. J. Soc. Jautājumi 2002, 58, 49 – 74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbrings, L. Interneta izmantošana, savstarpējās attiecības un sabiedriskums: Laika dienasgrāmatas pētījums. Internetā ikdienā; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd: Oksforda, Lielbritānija, 2002; 213. – 243. [Google Scholar]
  11. Nalwa, K .; Anands, AP Interneta atkarība studentos: bažas. Kiberpsihols. Uzvedība 2003, 6, 653 – 656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Saikne starp interneta atkarību un akadēmisko sniegumu starp universitātes bakalauriem Edu. Res. Sv. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Jurta, S .; Bulduks, S .; Atagöz, S. Interneta atkarība un fiziskās un psihosociālās uzvedības problēmas lauku vidusskolēnu vidū. Medmāsas. Veselības zinātne. 2015, 17, 331 – 338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. Smaga interneta lietošana un tās saistība ar veselības risku un veselību veicinošu uzvedību Taizemes universitātes studentu starpā. Int. J. Pusaudzis. Med. Veselība 2014, 26, 187 – 194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Valenijs, M .; Nygard, CH; Saarni, L .; Rimpela, A. Informācijas un komunikācijas tehnoloģiju (IKT) un uztvertās veselības izmantošana pusaudža gados: miega paradumu un nomodā noguruma loma. J. Pusaudzis. 2007, 30, 569 – 585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L.; Pollock, C .; Maslen, B. Principi, kā bērni gudri lieto datoru. Ergonomika 2009, 52, 1386 – 1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Melnā, DW interneta atkarība: definīcija, novērtējums, epidemioloģija un klīniskā vadība. CNS narkotikas 2008, 22, 353 – 365. [Google Scholar] [CrossRef] [PubMed]
  18. Jangs, K. Interneta atkarība: Jauna klīniskā traucējuma rašanās. CyberPsychol. Uzvedība 1998, 1, 237 – 244. [Google Scholar] [CrossRef]
  19. Amerikas Psihiatru asociācija (APA). Psihisko traucējumu diagnostikas un statistikas rokasgrāmata. Pieejams tiešsaistē: http://www.dsm5.org (pieejams 2 februārī 2016).
  20. Petry, NM; O'Brien, CP interneta spēļu traucējumi un DSM-5. Atkarība 2013, 108, 1186 – 1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Atkarību izplatība: vairākuma vai mazākuma problēma? Novērtēt Veselības prof. 2011, 34, 3 – 56. [Google Scholar] [CrossRef] [PubMed]
  22. Lī, HW; Čoi, JS; Shin, YC; Lī, Dž. Jungs, HY; Kvons, JS Impulsivitāte interneta atkarībā: salīdzinājums ar patoloģiskām azartspēlēm. Kiberpsihols. Uzvedība Soc. Tīkls 2012, 15, 373 – 377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Katalonija, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Vai interneta atkarība ir psihopatoloģisks stāvoklis, kas atšķiras no patoloģiskām azartspēlēm? Atkarīgais. Uzvedība 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajejevs Kumars, P .; Prasad, N .; Radžs, Z .; Abraham, A. Interneta atkarības un narkotiku lietošanas traucējumi pusaudžu studentiem - šķērsgriezuma pētījums. J. Int. Med. Iespiedies. 2015, 2, 172 – 179. [Google Scholar]
  25. Brezing, C .; Derevenskis, JL; Potenza, MN No vielām atkarību izraisoša uzvedība jaunībā: patoloģiskas azartspēles un problemātiska interneta lietošana. Bērnu pusaudži. Psihiatrs. Clin. N. Am. 2010, 19, 625 – 641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Prefontālās garozas disfunkcija atkarībā: Neiromaging rezultāti un klīniskās sekas. Nat. Neurosci. 2011, 12, 652 – 669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kiršs, P .; Zauers, C .; Markets, S .; Reuter, M. gēna chrna4 loma interneta atkarībā: gadījuma kontroles pētījums. J. Addict. Med. 2012, 6, 191 – 195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Kritselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Potenciālās problemātiskās un problemātiskās interneta lietošanas riska faktori un psihosociālās īpašības pusaudžu vidū: šķērsgriezuma pētījums. BMC Sabiedrības veselība 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Džou, Y .; Lins, F.-C .; Du, Y.-S .; Džoo, ​​Z.-M .; Xu, J.-R .; Lei, H. Pelēkās vielas anomālijas interneta atkarībā: Vokselā balstīts morfometrijas pētījums. Eiro. J. Radiols. 2011, 79, 92 – 95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Atkarības “komponentu” modelis biopsihosociālā sistēmā. J. Subst. Izmantot 2005, 10, 191 – 197. [Google Scholar] [CrossRef]
  31. Čengs, C .; Li, AY Interneta atkarības izplatība un (reālās) dzīves kvalitāte: 31 valsts meta-analīze septiņos pasaules reģionos. Kiberpsihols. Uzvedība Soc. Tīkls 2014, 17, 755 – 760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müllers, KW; Dreier, M. Pārmērīga interneta lietošana Eiropas pusaudžiem: kas nosaka smaguma atšķirības? Int. J. Sabiedrības veselība 2015, 60, 249 – 256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Šēnmakers, TM; Tzavela, EK; Olafssons, K .; Wójcik, S .; Florians Makarijs, G .; Tzavara, C .; Ričardsons, C. Interneta atkarības uzvedība pusaudža gados: šķērsgriezuma pētījums septiņās Eiropas valstīs. Kiberpsihols. Uzvedība Soc. Tīkls 2014, 17, 528 – 535. [Google Scholar] [CrossRef] [PubMed]
  34. Durke, T .; Kaess, M .; Karli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apters, A .; Balazs, J .; Barzilajs, S .; Bobes, J .; un citi. Patoloģiska interneta lietošanas izplatība pusaudžu vidū Eiropā: demogrāfiskie un sociālie faktori. Atkarība 2012, 107, 2210 – 2222. [Google Scholar] [CrossRef] [PubMed]
  35. 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]
  36. Kārli, V .; Durkee, T .; Vasermans, D .; Hadlačkis, G .; Despalins, R .; Kramarcs, E .; Vasermans, C .; Sarchiapone, M .; Hovena, CW; Brunner, R .; un citi. Saikne starp patoloģisko interneta lietošanu un blakusslimības psihopatoloģiju: sistemātisks pārskats. Psihopatoloģija 2013, 46, 1 – 13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Džans, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Čengs, C .; Yip, PS; Lam, LT; Lai, C.-M .; un citi. Saikne starp interneta atkarību un psihiatrisko saslimstību: metaanalīze. BMC psihiatrija 2014, 14, 1 – 10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaiss, M .; Durkee, T .; Brunner, R .; Kārli, V .; Parzers, P .; Vasermans, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; un citi. Patoloģiska interneta izmantošana Eiropas pusaudžu vidū: psihopatoloģija un pašiznīcinoša uzvedība. Eiro. Bērna pusaudzis. Psihiatrija 2014, 23, 1093 – 1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, dīdžejs; Grifitss, MD Interneta atkarības klīniskā psiholoģija: pārskats par tās konceptualizāciju, izplatību, neironu procesiem un sekām ārstēšanai. Neirosci. Neiroekonomika 2015, 4, 11 – 23. [Google Scholar]
  40. Kipings, RR; Kempbels, RM; Makartūrs, Dž. Gunnels, dīdžejs; Hikmens, M. Vairāku riska uzvedība pusaudža gados. J. Sabiedrības veselība 2012, 34, i1 – i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodds, LJ; Al-Nakeeb, Y .; Nevils, A .; Forshaw, MJ Studentu dzīvesveida riska faktori: klastera analītiskā pieeja. Iepriekšējais Med. 2010, 51, 73 – 77. [Google Scholar] [CrossRef] [PubMed]
  42. Berks, M .; Sarris, J .; Kulonss, C .; Jacka, F. Vienpolārās depresijas dzīvesveida vadība. Acta Psychiatr. Scand. 2013, 127, 38 – 54. [Google Scholar] [CrossRef] [PubMed]
  43. Pročaska, Dž. Pavasaris, B .; Nigg, CR Vairāku veselības uzvedības izmaiņu pētījumi: ievads un pārskats. Iepriekšējais Med. 2008, 46, 181 – 188. [Google Scholar] [CrossRef] [PubMed]
  44. Kārli, V .; Hovena, CW; Vasermans, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunners, R .; Corcoran, P. Nesen identificēta pusaudžu grupa ar “neredzamu” psihopatoloģijas un pašnāvnieciskas uzvedības risku: Secinājumi no SEYLE pētījuma. Pasaules psihiatrija 2014, 13, 78 – 86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Šanklina, SL; Krams, KH; Kawkins, J .; Hariss, WA; Lovijs, R .; Olsena, E .; Makmans, T .; Chyen, D. Jauniešu riska uzvedības uzraudzība - Amerikas Savienotās Valstis, 2013. MMWR Surveill. Kopsavilkums. 2014, 63, 1 – 168. [Google Scholar]
  46. Vasermans, D .; Kārli, V .; Vasermans, C .; Apter, A .; Balazs, J .; Bobes, Dž .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; un citi. Jauniešu dzīvības glābšana un veicināšana Eiropā (SEYLE): randomizēts kontrolēts pētījums. BMC sabiedrības veselība 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Kārli, V .; Vasermans, C .; Vasermans, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, Dž .; Brunner, R .; Corcoran, P .; Cosman, D. Jauniešu dzīvības glābšana un veicināšana Eiropā (SEYLE) randomizēts kontrolēts pētījums (RCT): Metodoloģiskie jautājumi un dalībnieku raksturojums. BMC sabiedrības veselība 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS nokļuvis tīklā: kā atpazīt interneta atkarības pazīmes - un veiksmīga atveseļošanās stratēģija; Dž. Veilijs: Ņujorka, Ņujorka, ASV, 1998; lpp. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Skrīnings par atkarību no interneta: vai piedāvātie diagnostikas kritēriji atšķir normālu no atkarīgā interneta lietošanas? Kiberpsihols. Uzvedība 2009, 12, 21 – 27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W; O'Braiens, Dž. Snaidera, SM; Hovards, MO Diagnostikas kritēriji problemātiskai interneta lietošanai ASV universitātes studentu vidū: Jauktu metožu novērtējums. PLOS VIENS 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Karal, O .; Demetrovics, Z .; Griffiths, MD Dsm-5 interneta spēļu traucējumu konceptualizācija un mērīšana: IGD-20 testa izstrāde. PLOS VIENS 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Pasaules Veselības organizācija (PVO). Globālais skolu veselības apsekojums skolās (GSHS). Pieejams tiešsaistē: http://www.who.int/chp/gshs/en/ (skatīts 12. gada 2015. decembrī).
  53. Choi, K .; Dēls, H .; Parks, M .; Han, J .; Kima, K .; Lī, B .; Gwak, H. Pārmērīga interneta lietošana un pārmērīga miegainība dienas laikā pusaudžiem. Psihiatrijas klīnika. Neirosci. 2009, 63, 455 – 462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudaks, E .; Evren, B .; Demirci, AC Augsts interneta atkarības risks un tā saistība ar narkotiku lietošanu mūža garumā, psiholoģiskām un uzvedības problēmām 10. klases pusaudžiem. Psihiatrija Danuba. 2014, 26, 330 – 339. [Google Scholar]
  55. Starptautiskā telekomunikāciju savienība (ITU). IKT fakti un skaitļi. Pieejams tiešsaistē: http://www.itu.int/en (pieejams 8 August 2015).
  56. De La Hejs, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Kovariance starp vairākiem veselības apdraudējumiem pusaudžiem. PLOS VIENS 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. Saistība starp impulsivitāti un atkarību no interneta ķīniešu pusaudžu izlasē. Eiro. Psihiatrija: J. Asoc. Eiro. Psihiatrs. 2007, 22, 466 – 471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD, atsvešināšanās, agresija un sensāciju meklēšana kā vardarbīgu filmu, datoru un vietņu satura pusaudžu lietošanas prognozētāji. J. Commun. 2003, 53, 105 – 121. [Google Scholar] [CrossRef]
  59. Kima, HK; Deiviss, KE. Ceļā uz visaptverošu problemātiskas interneta lietošanas teoriju: pašvērtējuma, trauksmes, plūsmas un interneta darbību pašnovērtējuma nozīmes novērtēšana. Aprēķināt. Hum. Uzvedība 2009, 25, 490 – 500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Atšķirīga atkarība un liela iesaistīšanās tiešsaistes spēļu spēlēšanas kontekstā. Skaitlis. Hum. Behavs. 2007, 23, 1531 – 1548. [Google Scholar] [CrossRef]
  61. 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]
  62. Meena, PS; Mitals, PK; Solanki, RK Sociālo tīklu vietņu problemātiska izmantošana pilsētu skolu pusaudžu vidū. Ind. Psihiatrija Dž. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W; O'Braiens, Dž. Snaidera, SM; Hovards, MO Interneta atkarības raksturojums / patoloģiska interneta izmantošana ASV universitātes studentos: kvalitatīvas metodes izpēte. PLOS VIENS 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Interneta spēļu atkarība, problemātiska interneta izmantošana un miega problēmas: sistemātisks pārskats. Curr. Psihiatrijas rep. 2014, 16, 1 – 9. [Google Scholar] [CrossRef] [PubMed]
  65. Keins, N .; Gradisar, M. Elektronisko plašsaziņas līdzekļu lietošana un gulēšana skolas vecuma bērniem un pusaudžiem: pārskats. Miega Med. 2010, 11, 735 – 742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Miega problēmu izplatība un saistība starp miega problēmām un skolas atteikšanās uzvedību skolas vecuma bērniem pēc bērnu un vecāku vērtējumiem. Psihopatoloģija 2014, 47, 119 – 126. [Google Scholar] [CrossRef] [PubMed]
  67. Lins, SSJ; Tsai, CC Taivānas vidusskolas pusaudžu sensāciju meklēšana un atkarība no interneta. Aprēķināt. Hum. Uzvedība 2002, 18, 411 – 426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. Interneta atkarības loma tiešsaistes spēļu lojalitātē: izpētes pētījums. Interneta Res. 2008, 18, 499 – 519. [Google Scholar]
  69. Džesors, R .; Džesors, SL problēmu uzvedība un psihosociālā attīstība: jauniešu garengriezuma pētījums; Akadēmiskā prese: Kembridža, MA, ASV, 1977; lpp. 281. [Google Scholar]
  70. Džesors, R. Problēmas-uzvedības teorija, psihosociālā attīstība un pusaudžu problēmu dzeršana. Br. J. Addict. 1987, 82, 331 – 342. [Google Scholar] [CrossRef] [PubMed]
  71. Viljamss, Dž. Ajers, CD; Abbott, RD; Hokinss, Džordžijas štats; Catalano, RF Strukturālā līdzvērtība pusaudžu iesaistīšanai problēmu uzvedībā visās rasu grupās, izmantojot vairāku grupu apstiprinoša faktora analīzi. Soc. Darba Res. 1996, 20, 168 – 177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Dzimumu atšķirības interneta atkarībā, kas saistītas ar psiholoģiskās veselības rādītājiem pusaudžu vidū, izmantojot valsts tīmekļa aptauju. Int. J. Ments. Veselības atkarīgais. 2014, 12, 660 – 669. [Google Scholar] [CrossRef]
  73. Kuss, dīdžejs; Īsāks, GW; van Rooij, AJ; Grifitss, MD; Schoenmakers, TM Interneta atkarības novērtēšana, izmantojot vienlaicīgu interneta atkarības komponentu modeli - iepriekšējs pētījums. Int. J. Ments. Veselības atkarīgais. 2014, 12, 351 – 366. [Google Scholar] [CrossRef]