Problēmas lietošana internetā un imūnsistēma (2015)

PLoS Viens. 2015 Aug 5, 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538.

Reed P1, Vile R1, Osborne LA2, Romano M3, Truzoli R3.

Anotācija

Problemātiska interneta lietošana ir saistīta ar dažādām psiholoģiskām blakusslimībām, taču tās saistība ar fiziskām slimībām nav tikpat izmeklēta. Pašreizējais pētījums aptaujāja 505 dalībniekus tiešsaistē un vaicāja par viņu problemātiskā interneta lietošanas līmeni (interneta atkarības tests), depresiju un trauksmi (slimnīcas trauksmes un depresijas skalas), sociālo izolāciju (UCLA vientulības anketa), miega problēmām (Pitsburgas miega kvalitātes indekss). , kā arī viņu pašreizējā veselība - vispārējā veselības aptauja (GHQ-28) un imūnās funkcijas anketa. Rezultāti parādīja, ka aptuveni 30% no parauga uzrādīja vieglu vai sliktāku atkarības līmeni no interneta, ko mēra IAT. Lai arī bija atšķirības mērķos, kādiem vīrieši un sievietes izmantoja internetu, atšķirības dzimumu problemātiskās lietošanas līmeņos nebija atšķirīgas. Interneta problēmas bija cieši saistītas ar visiem pārējiem psiholoģiskajiem mainīgajiem, piemēram, depresiju, trauksmi, sociālo izolāciju un miega problēmām. Atkarība no interneta bija saistīta arī ar samazinātu pašu ziņoto imūno funkciju, bet ne ar vispārējās veselības rādītāju (GHQ-28). Tika konstatēts, ka šī saistība starp problemātisko interneta lietošanu un samazinātu imūno funkciju nav atkarīga no blakusslimību ietekmes. Tiek ierosināts, ka negatīvo saistību starp problemātiskā interneta lietošanas līmeni un imūno funkciju var izraisīt stresa līmeņi, ko rada šāda interneta lietošana, un sekojošā simpātiskā nervu darbība, kas saistīta ar imūnsupresantiem, piemēram, kortizolu.

citāts: Niedres P, Vile R, Osborne LA, Romano M, Truzoli R (2015) Problemātiska interneta lietošana un imūnās funkcijas. PLOS ONE 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538

Redaktors: Antonio Verdejo-García, Granādas universitāte, SPĀNIJA

Saņemts: 3 decembris, 2014; Pieņemts: Jūlijs 10, 2015; Publicēts: Augusts 5, 2015

Autortiesības: © 2015 Reed et al. Šis ir atvērtās piekļuves raksts, kas tiek izplatīts saskaņā ar Creative Commons piešķiršanas licence, kas pieļauj neierobežotu izmantošanu, izplatīšanu un reproducēšanu jebkurā vidē, ja tiek ieskaitīts oriģinālais autors un avots

Datu pieejamība: Sakarā ar ētiskajām prasībām, kas saistītas ar jebkādu elektroniski savāktu datu publiskošanu, ko veikusi Psiholoģijas ētikas komiteja, mēs nevaram padarīt datu kopu pieejamu tiešsaistē, taču mēs esam ļoti priecīgi sniegt šos datus ikvienam, kurš to vēlas redzēt, sazinoties ar profesoru Filu Niedres plkst [e-pasts aizsargāts].

Finansējums: Autori nesniedz atbalstu vai finansējumu ziņošanai.

Konkurējošas intereses: Autori ir paziņojuši, ka nav konkurējošu interešu.

Ievads

Pārmērīgu vai nepareizu interneta izmantošanu (vai problemātisku interneta lietošanu) daži ir ieteikuši kā problēmu atsevišķām indivīdu grupām [1,2], un tika ierosināts veikt papildu pētījumus par to, vai interneta atkarības traucējumi (IAD) ir noderīga koncepcija [1,3]. Personas, kuras ziņo par interneta lietošanas problēmām, atzīmē vairākus saistītus simptomus, piemēram: nopietnus traucējumus viņu darbā un sociālajās attiecībās [4,5,6], un negatīvi ietekmē atdalīšanos no interneta [7]. Aplēses par problemātiska interneta lietošanas izplatību vispārējā populācijā svārstās no 2% līdz 8%, un jaunākās izlasēs svārstās līdz 20% [3, 8-10], kaut arī šos skaitļus ir grūti precīzi interpretēt, jo tiek izmantotas atšķirīgās definīcijas “problemātiskam interneta lietojumam” vai “interneta atkarībai”.

Tie cilvēki, kuri ziņo par problemātisku interneta lietošanu, ziņo arī par plašu saistīto psiholoģisko un sociālo problēmu loku [10-12]. Tika konstatēts, ka psiholoģiskās blakusslimības, kas novērotas personām, kuras ziņo par problemātisku interneta lietošanu, ietver: trauksmi [7,13,14], uzmanības deficīta hiperaktivitātes traucējumi [15], autisma spektra traucējumi [7,16], depresija [13-15, 17], impulsu disregulācija un naidīgums [18-20] un šizofrēnija [7,21]. Sociālās trauksmes traucējumi [18] un vientulība [22], arī ļoti bieži tiek saistītas ar IAD. Turklāt augsts dzīves stresa līmenis [23] un sociālā izolācija [22, 24-26] un zemāka dzīves kvalitāte [24,27], min tie, kuri ziņo par problemātisku interneta lietošanu

Problemātiski augsts interneta lietošanas līmenis un veidi ir saistīti arī ar neiroloģiskām izmaiņām [28,29]. Aizvien lielāks pētījumu skaits liecina, ka problemātiska interneta lietošana, tāpat kā citas uzvedības atkarības, ir saistīta ar novirzēm dopamīnerģiskajā sistēmā [30,31] un ar paaugstinātu simpātisko nervu aktivitāti [32,33], kas arī ir pierādīti kā savstarpēji saistīti [34].

Pretstatā pieaugošajai literatūrai par IAD psiholoģiskajām un neiroloģiskajām korelācijām, ir maz pētījumu par problemātiskas interneta lietošanas ietekmi uz fizisko veselību. Ir nodibināta saistība starp miega traucējumiem un intensīvu interneta lietošanu [35,36], tāpat kā ir saistība starp problemātisku interneta lietošanu un sliktu uzturu [37], kas izraisa svara problēmas, piemēram, aptaukošanos [38]. Daži pētījumi ir atklājuši asociācijas starp problemātisku interneta izmantošanu un pašu ziņotu ar veselību saistītu dzīves kvalitāti, kas ir jēdziens, kas saistīts ar slimībām, lai gan jāatzīmē, ka šādu demonstrāciju ir ļoti maz un šajā literatūrā ir neatbilstības [39,40]. Piemēram, ir konstatēts, ka ar veselību saistītā dzīves kvalitāte, ko mēra ar SF-36, korelē ar problemātisku interneta lietošanu, lai gan dzīves kvalitāte nekorelē ar laiku, kas pavadīts, izmantojot internetu [40]. Turpretī, kad ar veselību saistītā dzīves kvalitāte ir noteikta ar vispārējo veselības aptaujas anketu (GHQ), ar IAD ir novērotas mazas saistības [9,39]. Iemesli atšķirīgajiem atklājumu modeļiem, izmantojot šos divus ar veselību saistītos dzīves kvalitātes rādītājus, ir neskaidri - lai arī tie var atspoguļot gan atšķirības problemātiskā interneta lietošanas jēdziena izmantošanā dažādos pētījumos, gan SF-36 uzsvars uz gan ar fizisko, gan psiholoģisko dzīves kvalitāti, salīdzinot ar GHQ galvenokārt psiholoģisko. Tādējādi literatūru par dzīves kvalitāti, kas saistīta ar veselību, pašlaik ir grūti interpretēt.

Iepriekšminētā diskusija nozīmē, ka ir nepieciešami turpmāki pētījumi šajā potenciāli svarīgajā jomā, ņemot vērā pieaugošo interneta izmantošanu [3], un skaidru pierādījumu trūkuma attiecībā uz tā ietekmi uz veselības darbību per se pretstatā ar veselību saistītai dzīves kvalitātei, kā arī ar tām saistītajām problēmām, kuras veselības sistēmām var izraisīt paaugstināts saistīto fizisko slimību līmenis. Protams, ņemot vērā blakusslimības, kuras izrāda tie, kuri ziņo par problemātisku interneta lietošanu, jebkura saistība starp problemātisku interneta lietošanu un fiziskām slimībām var būt kāda no vairākiem jautājumiem rezultāts. Paaugstinātu fizisko slimību līmeņa dēļ var būt iesaistīti tie, kuri nevēlas ievērot sliktu uzturu un sliktu miega režīmu, ja tie ziņo par problemātisku interneta lietošanu [37,40]. Protams, ir pierādīts, ka slikts miegs paredz dažus imūnās funkcijas aspektus [41-43]. Turklāt loma var būt arī blakusslimību psiholoģiskajiem jautājumiem. Ir atzīmēts, ka garīgās veselības problēmas ir saistītas ar gada laikā paziņoto saaukstēšanās gadījumu skaitu [44]. Konkrēti, abas depresijas [45-47], kā arī trauksmes un stresa problēmas [48], īpaši sociālā trauksme un vientulība [49-51], prognozēt imūno disfunkciju. Visbeidzot, simpātiskās sistēmas aktivizēšana, kas tiek novērota tiem, kuriem ir problemātiska interneta lietošana, ir saistīta ar adrenalīna un kortizola līmeņa paaugstināšanos un noved pie imūnās funkcijas samazināšanās, īpaši tiem, kuriem ir augsts ziņotā stresa līmenis [52]. Lai veiktu izpēti par problemātiskā interneta lietošanas un fizisko slimību saistību, būs nepieciešams novērtēt šo saistīto funkcionēšanas aspektu nosacīto ieguldījumu.

Acīmredzot fiziskā veselība ir ļoti plašs jēdziens, taču iepriekš minētais pārskats liek domāt, ka problemātiska interneta lietošana varētu īpaši ietekmēt imūno funkciju, par kuru netika veikts tiešs pētījums [53]. Ja tas tā ir, tad tādas slimības kā saaukstēšanās [54], gripa [55], aukstumpumpas [56], pneimonija [57], sepse [58] un ādas infekcijas [59], var būt galvenā uzmanība, pievēršot uzmanību, novērtējot problemātiskas interneta lietošanas ietekmi uz fiziskiem simptomiem. Kā minēts iepriekš, iepriekšējos pētījumos par saikni starp problemātisku interneta lietošanu un fiziskām slimībām galvenā uzmanība tika pievērsta ziņojumiem par ar veselību saistītu dzīves kvalitāti, kas iegūti, izmantojot tādus instrumentus kā SF-36 un GHQ. Lai arī šie pasākumi ir ticami, tie ne vienmēr koncentrējas uz kādu īpašu slimību kopumu un nav saistīti ar slimībām, kuras varētu būt pakļautas indivīdiem ar nomāktu imūnsistēmu. Nosakot pakāpi, kādā imūnsistēmas funkcija var tikt traucēta, iepriekšējais darbs ir pārbaudījis pašziņojumus par simptomiem, kas parasti ir saistīti ar vāju imūno funkciju [31,44]. Pašziņošana šajā kontekstā tiek uzskatīta par spēcīgu metodi, jo šādus simptomus ir viegli diskriminēt, par tiem bieži neziņo veselības aprūpes speciālistiem, tāpēc tie netiek parādīti medicīniskajos dokumentos, un tie bieži tiek piedzīvoti bez objektīvi pārbaudāma vīrusa cēloņa. [54].

Ņemot vērā iepriekš minētos apsvērumus, pašreizējā pētījumā tika pētīta saistība starp problemātisko interneta lietošanu un diviem primārajiem veselības rādītājiem (imūno funkciju un paša ziņotu veselības stāvokli), kā arī virkne ar veselību saistītu mainīgo (depresija, trauksme, vientulība un miega problēmas). Īpašu interesi izraisīja saistība starp problemātisko interneta lietošanu un ar imūno sistēmu saistīto fizisko veselību, kas iepriekš nav īpaši novērtēta. Šajā sakarā pētījuma sākotnējais mērķis bija izpētīt, vai lielāks problemātiskā interneta lietošanas līmenis būtu saistīts ar lielāku ziņojumu skaitu par imūno sistēmu saistītām slimībām (kas pārsniedz interneta problēmu iespējamo ietekmi uz citiem izmērītajiem ar veselību saistītajiem mainīgajiem lielumiem). ). Turklāt bija arī virkne sekundāru mērķu, kas iepriekš nav pārbaudīti pētījumā, tostarp izpētīt attiecības starp problemātisko interneta lietošanu un pašu paziņoto veselības stāvokli. Tas tika pārbaudīts, lai noteiktu, vai šim mainīgajam ir tāda pati saistība ar problemātisko interneta lietošanu kā ziņojumiem par ar imunitāti saistītiem simptomiem. Mēģinot noteikt sakarības starp problemātisko interneta lietošanu, tika novērtēts virkne citu potenciāli saistītu problēmu, kas saistītas ar problemātisku interneta lietošanu, kurām arī ir konstatēts, ka tās paredz sliktu imūno funkciju, piemēram, nemiers, depresija, vientulība un miega problēmas. un fiziskās veselības simptomi neatkarīgi no šīm blakusslimībām. Tam vajadzētu būt pirmajam solim, lai noteiktu jebkādas attiecības starp problemātisku interneta lietošanu un samazinātu imūno funkciju, ja tiek konstatēta saistība.

Piegāde

Ētiskais paziņojums

Ētiskais apstiprinājums šim pētījumam tika iegūts Svansijas universitātes Psiholoģijas ētikas komitejas nodaļā. Dalībnieki sniedza informētu piekrišanu piedalīties šajā pētījumā, parakstot piekrišanas veidlapu, pēc tam, kad bija izlasījusi viņiem paredzēto informācijas lapu, un ētikas komiteja apstiprināja šo piekrišanas procedūru.

Dalībnieki

Pieci simti pieci dalībnieki (265 sievietes un 240 vīrieši) tika pieņemti darbā, izmantojot saites, kas ievietotas interneta vietnēs (sociālo tīklu vietnēs, emuāru veidošanas un mikroblogošanas vietnēs un spēļu vietnēs). Tika pieņemta tiešsaistes darbā pieņemšanas stratēģija saskaņā ar iepriekšējiem pētījumiem par problemātiskas interneta lietošanas sekām [60,61].

Visi dalībnieki bija brīvprātīgie, un neviens par viņu dalību nesaņēma nekādu kompensāciju. Dalībnieku vidējais vecums bija 29.73 (+ 13.65, diapazons 18–101) gadi: <20 gadi = 7.5%; 21–29 gadi = 61.8%; 30–39 gadi = 15.5%; 40–49 gadi = 4.6%; 50–59 gadi = 4.2%; 60+ gadi = 5.9%. Dalībnieku etniskā piederība, pēc kuras tika ziņots, bija: 202 (40%) baltas; 50 (10%) jauktas / vairākas etniskās grupas; 141 (28%) aziātu; 106 (21%) Melnās / Āfrikas / Karību jūras reģiona valstis; un 6 (1%) citas etniskās grupas. Izlases ģimenes stāvoklis bija: 305 (60%) vientuļie, 65 (13%) precējušies vai dzīvojuši civillaulībā; 105 (21%) citos attiecību veidos; un 30 (6%) šķīrušies vai atraitņi.

Dalībnieka parastais interneta lietojums

Dalībniekiem tika lūgts novērtēt vidējo interneta izmantošanu, lūdzot viņiem novērtēt stundu skaitu nedēļā, ko viņi pēdējos mēnešos bija pavadījuši internetā; šis pasākums parasti tiek veikts pētījumos par problemātisku interneta lietošanu [40,61]. Lai gan ir ierosināts, ka “neprofesionāls” lietojums ir saistīts ar vairākām problēmām, kas saistītas ar intensīvu interneta lietošanu [40], tika uzskatīts, ka profesionālā / neprofesionālā atšķirība var neattiekties uz visiem respondentiem un ka arī šiem respondentiem varētu būt grūti diskriminēt dažus respondentus. Turklāt ir konstatēts, ka kopējais interneta lietojums pats par sevi ir saistīts ar problēmām, kas saistītas ar internetu [40].

Vidējais paziņoto stundu skaits nedēļā par interneta lietošanu bija 39.57 (+ 28.06, diapazons = no 1 līdz 135): 28.3% ziņoja par tēriņiem starp 1 un 20 stundām nedēļā tiešsaistē; 29.5% ziņoja, ka tērē 21 līdz 40 stundām nedēļā tiešsaistē; 22.4% ziņoja, ka tērē 41 līdz 60 stundām nedēļā tiešsaistē, un 19.8% ziņoja, ka internetā tērē vairāk nekā 61 stundas nedēļā. Vidējais sieviešu tiešsaistē pavadīto stundu skaits nedēļā bija 34.77 (± 26.84, diapazons = 1 – 135), un vīriešiem tas bija 44.88 (± 28.46, diapazons = 6 – 130). Neatkarīgā grupas t testā atklājās, ka šī atšķirība bija statistiski nozīmīga, ar mērenu lielumu, t(503) = 4.11, p <0.001, d = 0.366. Starp vecumu un tiešsaistē pavadīto laiku bija ievērojama, bet vāja pozitīva lineārā saistība, F(1,503) = 6.74, p <0.05, R2 = 0.013, bet starp šiem mainīgajiem lielumiem ir spēcīgāka apgriezta-U kvadrātiskā attiecība, F(1,502) = 11.10, p <0.001, R2 = 0.042). Tomēr, kad izlase tika sadalīta tādās grupās, kuras šobrīd bija vientuļas (N = 331), un tām, kurām ir kāda veida attiecības (N = 174), tiešsaistē pavadītā laika statistiski nozīmīgas atšķirības nebija t (503) = 1.48, p > .10, d = 0.146. Tāpat starp statistiski nozīmīgām atšķirībām starp tiešsaistē pavadīto laiku starp dažādām etniskajām grupām nebija, F <1.

Dalībniekiem tika jautāts arī par to, kādus interneta izmantošanas veidus viņi izmantoja, un viņiem tika lūgts norādīt, vai viņi pēdējos mēnešos ir apmeklējuši noteikta veida tīmekļa vietnes. Atbildes uz šo jautājumu ir parādītas Tabula 1, kas parāda procentuālo daudzumu visā izlasē, kas ir apmeklējusi dažādu formu vietnes, kā arī vīriešu un sieviešu, kā arī jaunāku (mazāk par 29 gadu vecumu) un vecāku (30 gadu un vairāk) dalībnieku procentuālo daļu, kas apmeklē vietnes. Papildus, Tabula 1 parāda šo datu Phi koeficientus (aprēķina uz faktisko dalībnieku skaitu, nevis procentos parādīto) Tabula 1). Phi koeficienti parāda mainīgo asociācijas pakāpes indeksu (un ir statistiski nozīmīgi, ja atbilstošā chi-kvadrāta statistika ir nozīmīga).

sīktēls
1 tabula. Procentuālais paraugs, kas apmeklē dažādas formas tīmekļa vietnes, procentos no vīriešiem un sievietēm, kā arī jaunākiem un vecākiem dalībniekiem, kuri apmeklē vietnes, kā arī Phi koeficienti.

doi: 10.1371 / journal.pone.0134538.t001

Šie dati atklāj, ka visbiežāk izmantotie interneta vietņu veidi ir sociālie tīkli (piemēram, Facebook, Twitter) un iepirkšanās / banku vietnes. Azartspēles (ieskaitot loterijas vietnes), azartspēles un vietnes ar seksuālu / iepazīšanās saturu tika izmantotas mēreni bieži, neliels skaits cilvēku iesaistījās tradicionālajā emuāru veidošanā (izņemot Twitter) vai tērzēšanas istabās. Interneta lietošanā bija dažas atšķirības starp dzimumiem: sievietes vairāk nekā vīrieši izmanto sociālos medijus un iepirkšanās vietnes, savukārt vīrieši vairāk nekā sievietes izmanto spēles, seksuālās / iepazīšanās vietnes un tērzēšanas istabas. Vairāk cilvēku, kas jaunāki par 30, pētniecībai izmantoja sociālo tīklu vietnes un vietnes, biežāk nekā vietnes 30. Tomēr tie, kas vecāki par 30 gadiem, biežāk nekā 30 gadus veci cilvēki izmantoja iepirkšanās / banku vietnes, kā arī ziņu vietnes, tradicionālās emuāru veidošanas un tērzēšanas istabas.

Materiāli

Interneta atkarības tests (IAT)

IAT [62] ir 20 vienumu skala, kas aptver pakāpi, kādā interneta lietošana traucē ikdienas dzīvi (piemēram, darbs, miegs, attiecības utt.). Katra vienība tiek vērtēta pēc 1 – 4 skalas, un kopējais vērtējums svārstās no 20 līdz 100. Patlaban tiek diskutēts par IAT faktoru struktūru [61,63], bet tiek pieņemts, ka kopējais IAT vērtējums ir 40 vai vairāk, un tas norāda uz kādu problemātiska interneta lietošanas līmeni [7,62,64] Tika konstatēts, ka skalas iekšējā ticamība ir starp .90 [64] un .93 [62].

Slimnīcu trauksmes un depresijas skala (HADS)

HADS [65] ir plaši izmantots nemiera un depresijas mērs. Sākotnēji tas bija paredzēts lietošanai slimnīcu vispārējās medicīniskās palīdzības ambulatoriem pacientiem, un tas tika izmantots nemedicīniskiem paraugiem [66,67]. Tas satur 14 priekšmetus (7 trauksmei un 7 depresijai), kas attiecas uz pēdējo nedēļu. Katram ir 7 jautājumi par trauksmi un depresiju, katrs jautājums tiek vērtēts no 0 līdz 3 atkarībā no simptoma nopietnības; maksimālais punktu skaits ir 21 katram no svariem. Respondentus var iedalīt četrās kategorijās: 0 – 7 normāli; 8 – 10 viegls; 11 – 14 mērens; un 15 – 21 smagas. Testa atkārtotas pārbaudes ticamība un derīgums ir spēcīgi [65], un iekšējā ticamība ir .82 trauksmes skalai un .77 depresijas skalai neklīniskajā populācijā [67].

UCLA vientulības skala

UCLA vientulības skala [68] sastāv no 20 paziņojumiem, kas izstrādāti vientulības novērtēšanai. Dalībnieki atbild uz katru jautājumu, izmantojot 4 punktu skalu (“Es bieži jūtos šādi”, “Es dažreiz jūtos šādi”, “Es reti to jūtu” un “Es nekad tā nejūtos”), un katrs jautājums ir vērtēja no 0 līdz 3, iegūstot kopējo punktu skaitu diapazonā no 0 līdz 60. Augstāks vērtējums norāda uz lielāku vientulības smagumu. Vientulības problēmu sliekšņa punktu parasti norāda ar vienu standartnovirzi virs parauga vidējā. Mērogam ir augsta uzticamība, ar .92 iekšējo konsekvenci un .73 testa atkārtota testa ticamību [69].

Pitsburgas miega kvalitātes indekss (PSQI)

Šis PSQI [70] sastāv no 10 galvenajiem jautājumiem, daži ar apakšsadaļām, kurās dalībniekam jāievada dati par viņu miega paradumiem. Anketā ir dots vērtējums no 0 līdz 21, kur augsts rādītājs atspoguļo sliktāku miegu, bet vērtējums, kas lielāks par 5, atspoguļo sliktu gulētāju.70]. Tika konstatēts, ka PSQI ir augsta “testa atkārtotas pārbaudes ticamība” un laba derīguma pakāpe, ja to izmanto testēšanai [70].

Vispārējā veselības anketa (GHQ-28)

GHQ-28 [71] mēra virkni psihisko un veselības problēmu un tiek sadalīta 4 apakšskalajos: somatiskie simptomi, trauksme un bezmiegs, sociālās disfunkcijas un smaga depresija. Katrā apakš skalā ir 7 vienības, visām nepieciešama atbilde 4 punkta Likerta tipa skalā: Nepavisam, Ne vairāk kā parasti, Drīzāk vairāk nekā parasti, Daudz vairāk nekā parasti, vērtējot 0 attiecīgi 3. Svaru iekšējā ticamība ir virs .90. Šajā pētījumā tika analizēta tikai somatisko simptomu skala, kas dalībniekiem lūdza novērtēt pakāpi, kādu viņi ir izjutuši: labā vispārējā veselības stāvoklī, ja ir nepieciešams toniks, nomākts, slims, galvas sāpes, necaurlaidība vai spiediens galvas, kā arī karstā vai aukstā burvestības.

Imūnās funkcijas anketa (IFQ)

15 vienumu IFQconsists, kas novērtē dažādu simptomu biežumu, kas saistīti ar sliktu imūno funkciju. Balstoties uz to biežumu vispārējā populācijā un tiešu saistību ar imūndeficītiem, par anketā iekļautajiem priekšmetiem tika izvēlēti šādi apstākļi: parastais saaukstēšanās [54], gripa [55], aukstumpumpas [56], pneimonija [57], sepse [58] un ādas infekcijas [59]. Pēc šo stāvokļu galveno simptomu analīzes anketā tika iekļauti 19 simptomu elementi kā novājinātas imūnsistēmas funkcionēšanas pazīmes: iekaisis kakls, galvassāpes, gripa, iesnas, klepus, aukstumpumpas, vārīšanās, viegls drudzis, kārpas / verrucas , pneimonija, bronhīts, sinusīts, pēkšņi paaugstināts drudzis, ausu infekcija, caureja, meningīts, acu infekcija, sepse un ilgstoši ārstnieciski ievainojumi. Viņus vērtēja pēc 5 punkta Likerta tipa skalas (Nekad, Vienreiz vai Divreiz, Reizēm, Regulāri, Bieži, attiecīgi ar atzīmēm no 0 līdz 4). Kopējais punktu skaits svārstās no 0 līdz 79, ar augstu rezultātu atspoguļojot sliktāku imūno funkciju. IFQ iepriekš tika izmantots, lai izpētītu stresa izraisītu dzīves notikumu ietekmi uz pašu ziņoto veselību, piemēram, lai novērtētu bērna piedzimšanas ar ASD ietekmi. Iepriekšējā darbā [72], tika konstatēts, ka IFQ vērtējums korelē pozitīvi (r = .578, p <.001) ar ģimenes ārsta apmeklējumu skaitu ir ievērojama pozitīva korelācija starp IFQ un kopējo GHQ rādītāju (r = .410, p <.01), kā arī ievērojama korelācija starp IFQ un somatisko simptomu GHQ apakšmalu (r = .493, p <.01).

Procedūra

Visi dalībnieki atbildēja uz saitēm, kas ievietotas interneta vietnēs un kuru mērķis bija sasniegt plašu personu loku, tostarp sociālo tīklu vietnēs (piemēram, Facebook, Twitter), emuāru veidošanas / forumu lapās (piemēram, Mashable), spēļu vietnēs (piemēram, Eurogamer.com), un interneta atkarības palīdzības vietnes. Šīs saites dalībniekiem sniedza īsu iepazīstināšanu ar pētījumu, kurā viņiem teica, ka pētījums attiecas uz saistību starp interneta lietošanu un dažādiem personības un veselības jautājumiem. Ja viņiem bija interese piedalīties, viņiem tika uzdots sekot tiešsaistes saitei uz anketas jautājumiem. Šī saite novirzīja dalībniekus uz vietni, kurā bija papildu informācija par pētījumu: vēlreiz norādot, ka pētījuma mērķis ir saistīts ar interneta lietošanu un dažādiem personības un veselības jautājumiem, un kurā arī tika aprakstīti anketu veidi, uz kuriem viņi atbildēs. Informācijas lapā bija arī informācija par viņu tiesībām jebkurā laikā izstāties no pētījuma un par pasākumiem, kas tiek veikti, lai nodrošinātu viņu privātumu. Informācijai sekoja piekrišanas paziņojums, uzdodot dalībniekiem tikai noklikšķināt, lai sāktu anketu, ja viņi ir gatavi dot piekrišanu un ja viņi ir vecāki par 18. Pēc tam dalībniekiem tika uzrādītas anketas.

Atbildēm nebija noteikts laika ierobežojums, un dalībniekiem tika dota iespēja saglabāt aptauju un vajadzības gadījumā atgriezties pie tās vēlāk. Kad visas anketas bija aizpildītas un dalībnieku skaits bija aptuveni 30 min, dalībnieki tika novirzīti uz pārskatu lapu, kurā pateicās par viņu ieguldījumu, sīkāk pastāstīja par pētījuma mērķiem un mērķiem un sniedza kontaktinformāciju. pētnieks un konsultāciju dienests, ja viņi uzskatīja, ka viņiem ir vajadzīgs atbalsts, ievērojot aptaujā izvirzītos jautājumus. Pētījuma saite palika atvērta trīs mēnešus (pavasara periodā), un pēc tam tika slēgta.

Datu analīze

Sākotnēji, izmantojot t-testus, tika analizētas iespējamās atšķirības interneta atkarības rādītājos starp dalībniekiem ar atšķirīgām pazīmēm (piemēram, dzimumu, vecumu utt.). Pēc tam dalībnieki tika sadalīti zemāku un augstāku interneta problēmu grupās, izmantojot sadalījumu vieglajām vai sliktākajām interneta problēmām, pamatojoties uz IAT (ti, 40), un saistību starp problemātiskiem interneta lietošanas rādītājiem un dzimumu, depresiju. utt., tika izpētīti, izmantojot četru kvadrātu testus. Saistība starp imūnās funkcijas rādītāju un katru no prognozējamajiem mainīgajiem tika pētīta, izmantojot daļēji daļējas korelācijas (lai daļēji samazinātu citu prognozētāju ietekmi), un arī tika izmantota pakāpeniska regresija, lai identificētu interneta problēmu punktu skaita ietekmi uz imūno funkciju papildus citu prognozējamo mainīgo ietekmei. Tādas pašas analīzes tika veiktas arī pašziņojuma veselības rādītājam (GHQ). Visbeidzot, grupas tika sadalītas augstās un zemās imūnsistēmas funkcijās, kā arī augsta un zemā pašu ziņotā veselības stāvoklī (GHQ), un šīs grupas tika salīdzinātas pēc to atkarības rādītājiem internetā, analizējot kovariāciju, izmantojot pārējos prognozētājus kā kovariatorus. Ja tika veikti vairāki salīdzinājumi, nozīmīguma pārbaudei tika pieņemts smagāks noraidīšanas kritērijs, un efektu lielumi tika aprēķināti visā.

rezultāti

Vidējais paraugs attiecībā uz interneta problēmām (IAT) bija 37.25 (± 16.18, diapazons = 0 – 96). Vidējais sieviešu IAT rādītājs bija 36.26 (± 15.36, diapazons = 0 – 69), un vīriešiem šis rādītājs bija 38.35 (± 17.00, diapazons = 9 – 96). Neatkarīgs grupu t-tests neatklāja statistiski nozīmīgu atšķirību starp šiem rādītājiem, t <1, d = 0.006. Pīrsona korelācijas atklāja statistiski nozīmīgu un mērenu attiecību starp tiešsaistē pavadīto laiku un IAT rādītājiem, r(503) = .485, p <.001, R2 = .235, bet starp dalībnieku vecumu un viņu IAT rādītāju nebija būtiskas saistības, r(503) = –.025, p > .50, R2 = .0006.

Izlases proporcijas, kas pārsniedz robežvērtību mērenai vai sliktākai problemātiskai interneta lietošanai (ti, IAT rādītājs ir 40 vai lielāks [62]) tiek parādīti Fig 1 par visu paraugu kopā ar šiem datiem par mātītēm un vīriešiem atsevišķi. No izlases 192 (103 sievietes, 89 vīrieši) dalībnieki pārspēja interneta problēmu robežu. Starp statistiski nozīmīgām atšķirībām starp problemātisku interneta lietošanas rādītāju varbūtību starp dzimumiem nebija, chi kvadrātā = .17, p > .60, Phi = .018. Divpunktu korelācijas neatklāja saistību starp vecumu un kritumu virs robežvērtības, rpb(503) = -.002, p > .30, Rpb2 = .102, kaut arī bija statistiski nozīmīga un mērena attiecība starp tiešsaistē pavadītajām stundām un kritumu virs atkarības no interneta problēmu robežas, r(503) = .320, p <.001, Rpb2 = .102.

sīktēls
1 att. Dalībnieku procentuālā daļa virs un zem robežas mērenai vai sliktākai problemātiskai interneta lietošanai (ti, IAT rādītājs 40 vai lielāks), kopā ar šiem datiem par sievietēm un vīriešiem atsevišķi.

doi: 10.1371 / journal.pone.0134538.g001

Augšējais panelis Tabula 2 parāda parauga līdzekļus un standarta problēmu novirzes interneta problēmām (IAT), tiešsaistē pavadītajām stundām, depresijai (HADS), trauksmei (HADS), vientulībai (UCLA) un miega problēmām (PSQI). Šie līdzekļi kopumā atbilst tiem, kas novēroti iepriekšējos šādu paraugu izmeklējumos [7]. Tas parāda arī to indivīdu procentuālo daudzumu, kuri nokrītas virs robežvērtības tām skalām, kuras, izņemot miega problēmas, bija tādas, kādas bija sagaidāmas šādā paraugā. Tabula 2 parāda arī parauga procentuālo daudzumu, kad IAD šiem citiem psiholoģiskajiem svariem pārsniedz robežu. To cilvēku procentuālais daudzums, kuriem IAD ir arī vienlaicīga saslimstība, ir augstāki nekā visiem paraugam kopumā. Lai turpinātu pētīt šīs attiecības, katram mainīgajam tika veikta virkne 2 × 2 chi-kvadrātveida testu (blakus saslimstība ir klāt vai nav, salīdzinot ar interneta problēmām, kuras ir vai nav), un atklāja, ka visas blakus saslimšanas bija ievērojami saistītas ar interneta problēma: depresija -chi-kvadrāts(1) = 30.56, p <.001, Phi = .246; trauksme – chi-kvadrāts(1) = 38.98, p <.001, Phi = .278; vientulība – chi-kvadrāts(1) = 15.31, p <.001, Phi = .174; un miega – chi-kvadrāts(1) = 9.38, p <.01, Phi = .136. Pīrsona korelācijas starp visiem mainīgajiem un gan ar somatiskās veselības problēmām (GHQ), gan ar imūno simptomiem ir parādītas arī Tabula 2, un šīs analīzes atklāja statistiski nozīmīgu sakarību starp visiem mainīgajiem.

sīktēls
2 tabula. Interneta problēmu (IAT), tiešsaistē pavadīto stundu, depresijas (HADS), trauksmes (HADS), vientulības (UCLA) un miega problēmu (PSQI) līdzekļi (standarta novirzes), kā arī cilvēku procentuālais daudzums, kas pārsniedz pieļaujamo robežu šīs skalas, un to cilvēku procentuālais daudzums, kuriem IAD pārsniedz šo robežu robežu.

 

Parādītas arī Pīrsona korelācijas starp visiem mainīgajiem, kā arī ar somatiskās veselības problēmām (GHQ) un simptomiem.

doi: 10.1371 / journal.pone.0134538.t002

Somatisko simptomu vidējais punktu skaits paraugā (GHQ-S) bija 7.28 (± 3.87; diapazons = 0 – 19), un ar imūno sistēmu saistīto simptomu anketas vidējais rādītājs bija 15.20 (± 9.43; diapazons = 0 – 37). Šīm skalām bija korelācija r = 0.345, p <.001, R2 = .119, viens ar otru. GHQ (S) rādītājs bija cieši saistīts ar depresiju, trauksmi un miega problēmām, kā arī mazākā mērā ar pārējiem mainīgajiem. Ar imunitāti saistīto simptomu skala bija cieši saistīta ar trauksmi, miega un interneta problēmām, mazākā mērā ar pārējiem mainīgajiem.

Ņemot vērā, ka abi slimības mainīgie lielumi (GHQ-S un IFQ) tika korelēti ar visiem pārējiem mainīgajiem un ka IAT bija saistīts ar visiem pārējiem mainīgajiem, lai izpētītu, vai interneta problēmas (ti, IAT vērtējums) ir veicinājušas Šīs slimības pakāpes tika veiktas divas atsevišķas pakāpeniskas daudzkārtējas regresijas - viena, lai prognozētu GHQ-S rezultātu, un otra, lai prognozētu IFQ rezultātu. Abos gadījumos depresija, trauksme, vientulība, miegs un tiešsaistē pavadītās stundas pirmajā solī tika ievadītas regresijas modelī. Pēc tam visus šos mainīgos lielumus plus interneta problēmas (IAT) rādītāju otrajā solī ievadīja modelī, un tika aprēķināts, cik lielā mērā aprēķinātā dispersijas summa tika uzlabota, pievienojot IAT rezultātu.

Sienas apakšējie paneļi Tabula 2 parādiet šo analīžu rezultātus. Datu pārbaude no apakšējā labā paneļa GHQ-S rādītājiem parāda, ka abi regresijas posmi bija statistiski nozīmīgi, turklāt kļūdas samazinājums, ko radīja IAT pievienošana 2 solī, radīja arī statistiski nozīmīgu prognozes uzlabojumu. no GHQ-S rezultāta. Jāatzīmē, ka GHQ-S prognozēšanas uzlabojumi, kas iegūti, pievienojot IAT, nebija īpaši lieli. Tāds pats datu modelis tika iegūts arī no analīzēm, kas veiktas, lai prognozētu ar imūno sistēmu saistīto simptomu (IFQ) punktu skaitu. Tomēr IAT pievienošana 2 solī nodrošināja daudz lielāku uzlabojumu ar imūno sistēmu saistīto rādītāju (IFQ) paredzamās precizitātes uzlabošanā nekā tas bija somatisko simptomu (GHQ-S) rādītājos.

Lai tālāk izpētītu mainīgo lielumu attiecību raksturu, daļēji daļējas korelācijas starp atsevišķiem prognozētājiem (ti, depresija, nemiers, miegs, vientulība, tiešsaistes stundas un interneta problēmas) un abiem simptomu rādītājiem (GHQ-S un IFQ). tika aprēķināti atsevišķi. Puslīdz daļējas korelācijas tika veiktas starp katru prognozējamo mainīgo un abiem ar slimību saistītajiem mainīgajiem, izmantojot visus pārējos prognozētāja mainīgos kā līdzvērtīgus mainīgos. Tas ļauj novērot unikālo saistību starp diviem mainīgajiem, ja nav citu mainīgo starpnieka efekta, un šīs vērtības var redzēt Fig 2 diviem ar slimību saistītiem mainīgajiem. Šie dati parāda līdzīgu attiecību modeli starp prognozētājiem un simptomiem gan GHQ-S, gan IFQ; tajā skaitā depresijai, trauksmei un miega problēmām visiem bija statistiski nozīmīga saistība ar abiem iznākumiem, kad tika kontrolēta pārējo mainīgo ietekme. Tomēr, lai gan interneta problēmas (IAT) ievērojami paredzēja ar imūno sistēmu saistītos simptomus (IFQ), tas nebija statistiski ticami saistīts ar GHQ (S) rādītājiem.

sīktēls
2 att. Daļēji daļējas korelācijas starp depresiju (HADS), trauksmi (HADS), miegu (PSQI), vientulību (UCLA), stundām tiešsaistē un interneta problēmām (IAT) un diviem simptomu rādītājiem (GHQ (S) un IFQ).

doi: 10.1371 / journal.pone.0134538.g002

Lai tālāk izpētītu saistību starp ar internetu saistītām problēmām (IAT rādītājiem) un gan ar vispārējām somatiskajām (GHQ-S), gan ar imūno sistēmu saistītajām (IFQ) veselības problēmām, paraugs tika sadalīts tabulās, kurās vērtēšana bija zemāka un augstāka par robežvērtību. 40 mērenām vai sliktākām ar internetu saistītām problēmām IAT [62]. Tādējādi tika izveidotas divas grupas: grupa bez interneta problēmām (N = 313; vidējais IAT = 26.89 + 7.89; diapazons = 0 – 39) un grupa ar interneta problēmām (N = 313; vidējais IAT = 54.14 ± 11.23; diapazons = 40 – 96). Fig 3 parāda vidējo vispārējās-somatiskās veselības (GHQ-S) rezultātu (kreisajā panelī) un vidējo ar imūno sistēmu saistītās veselības (IFQ) rādītāju. GHQ-S datu pārbaude atklāj nelielas atšķirības starp zemajām un augstajām IAT grupām to GHQ-S punktu skaita ziņā. Šie dati tika analizēti, izmantojot kovariācijas analīzi, izmantojot interneta grupu kā faktoru starp subjektiem, kā arī depresiju, trauksmi, miega problēmas, vientulību un tiešsaistes stundas kā kovariantus. Šī analīze neatklāja statistiski nozīmīgu atšķirību starp interneta problēmu grupām GHQ-S punktu skaita ziņā, F <1, daļēja eta2 = .001. Turpretī Fig 3 parāda, ka augstajai interneta problēmu grupai bija vairāk ar imūno sistēmu saistītu veselības problēmu nekā grupai bez interneta; F(1,498) = 27.79, p <.001, daļēja eta2 = .046.

sīktēls
3 att. Vidējais vispārējās-somatiskās veselības (GHQ (S)) rādītājs (kreisajā panelī) un vidējais ar imūno sistēmu saistītais veselības (IFQ) rādītājs divām IAT grupām (zemākas un augstākas problēmas).

 

Kreisais panelis = ar somatiskajiem rādītājiem GHQ (S); labais panelis = ar imunitāti saistīti rādītāji (IFQ).

doi: 10.1371 / journal.pone.0134538.g003

diskusija

Pašreizējā pētījumā tika pētīta saistība starp atkarības testu rezultātiem internetā un veselības rādītājiem, galveno uzmanību pievēršot imūnsistēmas funkcijas pašnovērtējumam, kā arī vispārējam veselības stāvoklim. Tika uzskatīts, ka šī ir svarīga izpētes joma, jo iepriekš nebija iesniegti dati par problemātiskas interneta lietošanas ietekmi uz imūno darbību; turklāt iepriekšējie ziņojumi par saikni starp problemātisku interneta lietošanu un ar veselību saistītu dzīves kvalitāti bija savstarpēji neatbilstoši [9,39,40]. Tika uzskatīts, ka pēdējās neatbilstības varētu būt saistītas ar veselības stāvokļa novērtēšanai izmantoto pasākumu raksturu, jo psiholoģiski orientētāki veselības ziņojumu skalas, piemēram, GHQ, ir mazāk saistītas ar problemātisku interneta lietošanu nekā pasākumi, kas ir vairāk tieši saistīti ar imūnsistēmas darbība.

Lai arī tika pieņemta tiešsaistes darbā pieņemšanas stratēģija, pašreizējai izlasei bija līdzīgas iezīmes kā daudzām citām, kuras iepriekš tika izmantotas interneta izmantošanas pētījumos. Izlase bija jauna (jaunāka par 30 gadiem), taču tai bija liels vecuma diapazons. Vidējais internetā pavadītais laika ilgums bija aptuveni 5 – 6 stundas dienā, kas atbilst vairākām pašreizējām aplēsēm [40,61]. Jāatzīmē, ka šī vērtība neatšķīra profesionālo un personīgo izmantošanu, un tika ierosināts, ka tā ir svarīga interneta problēmu ziņā [40]. Tomēr nav skaidrs, vai šādu atšķirību dalībniekiem vispār ir viegli izdarīt. Pašreizējo dalībnieku veikto darbību veidi internetā bija līdzīgi iepriekšējos pētījumos norādītajiem [61]. Interneta lietošanā bija dzimumu atšķirības. Sievietes vairāk nekā vīrieši mēdz izmantot sociālos medijus un iepirkšanās vietnes, bet vīrieši vairāk nekā sievietes izmantoja spēles, seksuālās / iepazīšanās vietnes un tērzēšanas istabas. Protams, tas ir atkarīgs no pašu ziņojumu datiem, un dažās no šīm salīdzinājumiem, kaut arī statistiski ticami, atšķirības bija nelielas. Pašreizējā parauga problemātiskā interneta lietošanas līmenis, apmēram 30% no parauga parādīja vieglus vai sliktākus interneta atkarības simptomus, kopumā atbilst iepriekšējiem pētījumiem [7].

Galvenais šī pētījuma atklājums bija tas, ka pašu ziņotā problemātiskā interneta lietošana bija saistīta ar sliktāku pašu ziņoto imūno funkciju, ko indeksēja ar imūno sistēmu saistīto simptomu skaits. To apstiprina rezultāti, kas iegūti pētījumā, kurā pārbaudīja ar veselību saistīto dzīves kvalitāti, ko mēra ar SF-36, un problemātisko interneta lietošanu [40]. Tomēr, kaut arī imūnās funkcijas un pašu paziņotā veselība bija savstarpēji saistītas, problemātiskā interneta lietošana neprognozēja pašpaziņotus veselības simptomus, ko mēra ar GHQ somatisko skalu. Pēdējais konstatējums saskan ar vairākiem iepriekšējiem pētījumiem, kuros nav izdevies atrast saistību starp IAT rādītājiem un GHQ rādītājiem [9,39]. Pašreizējais pozitīvais atradums attiecībā uz saistību starp IAT rādītājiem un pavājinātu imūno funkciju var atspoguļot to, ka ar imūno sistēmu saistīto simptomu tiešāka mērīšana, kā tas tika darīts pašreizējā pētījumā, šo veselības aspektu novērtē labāk nekā vairāk uz psiholoģiski orientētu GHQ mērogs.

Neskatoties uz grūtībām imūnsistēmas funkcijas noteikšanā, kas tika apspriestas iepriekš (sk. Arī turpmāk), atklājumu klīnisko nozīmīgumu vajadzētu iekļaut kontekstā, ņemot vērā pētījuma metodoloģiskos ierobežojumus. Pētījums ir korelatīvs, kas nozīmē, ka cēloņsakarību nevajadzētu automātiski secināt no šādas asociācijas. Iespējams, ka tie, kuriem ir lielāks slimību līmenis, internetu mēdz izmantot biežāk nekā tie, kuri ir montieri. Tomēr, ņemot vērā interneta lietošanas visuresamību un saistību starp jaunatni un interneta lietošanu, tas šķiet maz ticams, kaut arī tā joprojām ir iespēja, kuras novērtēšanai būs nepieciešami garengriezuma pētījumi. Alternatīvi varētu būt, ka kāds trešais faktors prognozē gan interneta lietošanu, gan sliktu veselību. Tomēr jāņem vērā arī tas, ka tika konstatēts, ka saistība starp problemātisko interneta lietošanu un pašu ziņoto imūno funkcionēšanu pārsniedz daudzu citu darbības jomu (depresija, trauksme, vientulība) ietekmi, kas saistīta ar problemātisko internetu. izmantot [10-12], un kuras pašas par sevi ir saistītas ar samazinātu imūno funkciju [45,46,48,49]. Tāpēc nav skaidrs, kas varētu būt trešais starpniecības faktors.

Ja problemātiska interneta lietošana paredzēja sliktāku imūno darbību, skaidrs jautājums ārstiem skar mehānismus. Viena iespēja ir tā, ka ir novērots augsts problemātiskā interneta lietojuma līmenis, kas palielina simpātiskās nervu sistēmas aktivizēšanu [32,33]. Šāda paaugstināta simpātiskā aktivitāte izraisa nor-epinefronu un / vai kortisteroīdu (kortizola) līmeņa paaugstināšanos, kas galu galā noved pie imūnās funkcijas samazināšanās [52]. Tādējādi šis ceļš var labi uzsvērt saistību starp problemātisku interneta lietošanu un samazinātu imūno funkciju, taču tas būs nepieciešams sīkāk izpētīt. Pēdējam ieteikumam ir zināma nozīme problemātiskā interneta lietošanas klīnisko iezīmju un izpētes nākotnē.

Saistība starp IAT rādītājiem un imūno funkciju atspoguļo faktu, ka vispārēju interneta izmantošanu dažiem cilvēkiem paši uzskata par problēmu, tomēr tas, ko viņi izmanto internetā, šiem cilvēkiem atšķirsies. Piemēram, pašreizējais pētījums atklāja dzimumu atšķirības cilvēku lietojumos internetam, un var būt, ka īpašie lietojumi ir saistīti ar imūnās funkcijas samazināšanos atšķirīgi starp dzimumiem. Turpmāks sīki izstrādāts darbs saistībā ar interneta lietojuma veidu, piemēram, precīzs lietošanas raksturs un tiešsaistē pavadītais laiks profesionālai un personīgai lietošanai, var vēl vairāk parādīt saistību starp interneta lietošanu un imūnās funkcijas samazināšanos.

Kā vienmēr, pašreizējam pētījumam ir daži ierobežojumi, kas jāņem vērā. Pašreizējais paraugs tika pieņemts darbā tiešsaistē, un tas, iespējams, ietekmēja indivīda veidu, kurš piedalījās pētījumā. Tomēr jāpiemin, ka indivīdu loks izlasē bija diezgan plašs, ņemot vērā viņu vecumu un citas pazīmes, un šķita, ka izlase atbilst iepriekšējos pētījumos izmantotajiem. Jāatzīmē, ka pašreizējā pētījumā netika nošķirts interneta profesionālais un personīgais lietojums, ko var būt svarīgi pārbaudīt. Piemēram, piespiešanas līmenis un steidzamība izmantot internetu var ietekmēt stresa līmeni lielākā mērā nekā stundas, kuras darbā jāpavada internetā. Tas ir, varētu nošķirt cilvēkus, kuri smagi strādā un ir stresa dēļ šī iemesla dēļ, un cilvēkus, kuriem ir interneta problēma un kuri ir stresa stāvoklī un slikti šīs problēmas dēļ.

Runājot par potenciālajiem alternatīvajiem pazeminātās imūnās funkcijas prognozētājiem, kas novēroti augsta līmeņa lietotājiem, turpmākajā darbā varētu apsvērt vairāku atkarību lomu, kas varētu būt ietekmējuši problemātisko interneta lietotāju grupu. Šajā ziņojumā nav apkopota informācija par farmakoloģisko un nefarmakoloģisko atkarību, un tā varētu būt saistīta ar interneta problēmām un ietekmēt imūnsistēmas darbību. Līdzīgi nesenie saspringtie dzīves notikumi, tāpat kā dalībnieku sociālie apstākļi, varēja ietekmēt atkarību izraisošo uzvedību un imūnsistēmas darbību. Abos šos aspektus varētu izpētīt, veicot papildu pētījumus.

Paļaušanos uz sevis ziņojumu par imūno funkciju vēlāk var pastiprināt, izmantojot asins šūnu analīzi, kas papildinātu pašreizējos secinājumus. Tomēr, kā minēts iepriekš, starp imūno funkciju fizioloģiju un simptomu pieredzi nav pilnīgas attiecības [54], un pats par sevi ziņots par saaukstēšanos un flus tiek uzskatīts par pamatotu imūnās funkcijas rādītāju [31,44]. Protams, ir konstatēts, ka pašreģistrācijas par slimības simptomiem, it īpaši attiecībā uz augšējo elpceļu infekcijām (piemēram, saaukstēšanos un gripu), kā tas ir izmantots šajā pētījumā, labi korelē ar objektīviem imūnglobīna rādījumiem [73].

Visbeidzot, jāatzīst, ka, kaut arī pašreizējais pētījums parādīja saistību starp problemātisko interneta lietošanu un ar imūno sistēmu saistītajiem simptomiem, ir divi aizbildinājumi, lai izdarītu cēloņsakarības secinājumus no šīs asociācijas, kas būtu jāpiemin. Pirmkārt, tā kā pētījumam nebija garengriezuma rakstura, nevajadzētu uzskatīt, ka cēloņsakarības secinājumi ir pierādīti. Otrkārt, tā kā daudzi no prognozējamajiem mainīgajiem bija savstarpēji korelēti, tas varētu būt radījis regresijas analīzēs zināmu kolinearitātes pakāpi, padarot interpretāciju sarežģītu. Lai gan jāatzīmē, ka daļēji daļēju korelāciju izmantošana zināmā mērā mazina šīs grūtības.

Kopumā pašreizējais ziņojums izveidoja saikni starp problemātisku interneta lietošanu un ziņošanu par lielāku simptomu skaitu, kas saistīti ar samazinātu imūnsistēmas funkciju. Šīs attiecības nebija atkarīgas no tiešsaistē pavadīto stundu skaita, kā arī no visu problemātiskā interneta lietošanas blakusslimību simptomu, piemēram, depresijas, izolācijas un trauksmes, ietekmes. Tika ierosināts, ka imūnās funkcijas negatīvo ietekmi var izraisīt paaugstināts stress un arī pastiprināta simpātiskā nervu aktivitāte, ko dažreiz izrāda interneta atkarīgie.

Autora iemaksas

Iecerēti un projektēti eksperimenti: PR RV LAO MR RT. Veica eksperimentus: RV. Analizēti dati: RV PR. Iesniegtie reaģenti / materiāli / analīzes rīki: LAO. Uzrakstīja rakstu: PR LAO MR RT.

Atsauces

  1. 1. Bloķēt JJ. DSM-V jautājumi: atkarība no interneta. Am J psihiatrija 2008; 165: 306 – 7. doi: 10.1176 / appi.ajp.2007.07101556. pmid: 18316427
  2. 2. Jaunais KS. Atkarība no interneta: jaunu klīnisku traucējumu rašanās. Kiberpsiholoģija un uzvedība 1998; 1 (3): 237–244. doi: 10.1089 / cpb.1998.1.237
  3. Skatīt pantu
  4. PubMed / NCBI
  5. Google Scholar
  6. Skatīt pantu
  7. PubMed / NCBI
  8. Google Scholar
  9. Skatīt pantu
  10. PubMed / NCBI
  11. Google Scholar
  12. Skatīt pantu
  13. PubMed / NCBI
  14. Google Scholar
  15. Skatīt pantu
  16. PubMed / NCBI
  17. Google Scholar
  18. Skatīt pantu
  19. PubMed / NCBI
  20. Google Scholar
  21. Skatīt pantu
  22. PubMed / NCBI
  23. Google Scholar
  24. Skatīt pantu
  25. PubMed / NCBI
  26. Google Scholar
  27. Skatīt pantu
  28. PubMed / NCBI
  29. Google Scholar
  30. Skatīt pantu
  31. PubMed / NCBI
  32. Google Scholar
  33. Skatīt pantu
  34. PubMed / NCBI
  35. Google Scholar
  36. Skatīt pantu
  37. PubMed / NCBI
  38. Google Scholar
  39. Skatīt pantu
  40. PubMed / NCBI
  41. Google Scholar
  42. Skatīt pantu
  43. PubMed / NCBI
  44. Google Scholar
  45. Skatīt pantu
  46. PubMed / NCBI
  47. Google Scholar
  48. Skatīt pantu
  49. PubMed / NCBI
  50. Google Scholar
  51. Skatīt pantu
  52. PubMed / NCBI
  53. Google Scholar
  54. Skatīt pantu
  55. PubMed / NCBI
  56. Google Scholar
  57. Skatīt pantu
  58. PubMed / NCBI
  59. Google Scholar
  60. Skatīt pantu
  61. PubMed / NCBI
  62. Google Scholar
  63. Skatīt pantu
  64. PubMed / NCBI
  65. Google Scholar
  66. Skatīt pantu
  67. PubMed / NCBI
  68. Google Scholar
  69. Skatīt pantu
  70. PubMed / NCBI
  71. Google Scholar
  72. Skatīt pantu
  73. PubMed / NCBI
  74. Google Scholar
  75. Skatīt pantu
  76. PubMed / NCBI
  77. Google Scholar
  78. Skatīt pantu
  79. PubMed / NCBI
  80. Google Scholar
  81. Skatīt pantu
  82. PubMed / NCBI
  83. Google Scholar
  84. Skatīt pantu
  85. PubMed / NCBI
  86. Google Scholar
  87. Skatīt pantu
  88. PubMed / NCBI
  89. Google Scholar
  90. Skatīt pantu
  91. PubMed / NCBI
  92. Google Scholar
  93. Skatīt pantu
  94. PubMed / NCBI
  95. Google Scholar
  96. Skatīt pantu
  97. PubMed / NCBI
  98. Google Scholar
  99. Skatīt pantu
  100. PubMed / NCBI
  101. Google Scholar
  102. Skatīt pantu
  103. PubMed / NCBI
  104. Google Scholar
  105. Skatīt pantu
  106. PubMed / NCBI
  107. Google Scholar
  108. Skatīt pantu
  109. PubMed / NCBI
  110. Google Scholar
  111. Skatīt pantu
  112. PubMed / NCBI
  113. Google Scholar
  114. Skatīt pantu
  115. PubMed / NCBI
  116. Google Scholar
  117. Skatīt pantu
  118. PubMed / NCBI
  119. Google Scholar
  120. Skatīt pantu
  121. PubMed / NCBI
  122. Google Scholar
  123. Skatīt pantu
  124. PubMed / NCBI
  125. Google Scholar
  126. Skatīt pantu
  127. PubMed / NCBI
  128. Google Scholar
  129. Skatīt pantu
  130. PubMed / NCBI
  131. Google Scholar
  132. Skatīt pantu
  133. PubMed / NCBI
  134. Google Scholar
  135. Skatīt pantu
  136. PubMed / NCBI
  137. Google Scholar
  138. Skatīt pantu
  139. PubMed / NCBI
  140. Google Scholar
  141. Skatīt pantu
  142. PubMed / NCBI
  143. Google Scholar
  144. Skatīt pantu
  145. PubMed / NCBI
  146. Google Scholar
  147. Skatīt pantu
  148. PubMed / NCBI
  149. Google Scholar
  150. Skatīt pantu
  151. PubMed / NCBI
  152. Google Scholar
  153. Skatīt pantu
  154. PubMed / NCBI
  155. Google Scholar
  156. Skatīt pantu
  157. PubMed / NCBI
  158. Google Scholar
  159. Skatīt pantu
  160. PubMed / NCBI
  161. Google Scholar
  162. Skatīt pantu
  163. PubMed / NCBI
  164. Google Scholar
  165. Skatīt pantu
  166. PubMed / NCBI
  167. Google Scholar
  168. Skatīt pantu
  169. PubMed / NCBI
  170. Google Scholar
  171. Skatīt pantu
  172. PubMed / NCBI
  173. Google Scholar
  174. Skatīt pantu
  175. PubMed / NCBI
  176. Google Scholar
  177. Skatīt pantu
  178. PubMed / NCBI
  179. Google Scholar
  180. Skatīt pantu
  181. PubMed / NCBI
  182. Google Scholar
  183. 3. Christakis DA. Atkarība no interneta: 21st gadsimta epidēmija ?. BMC zāles 2010; 8 (1): 61. doi: 10.1186 / 1741-7015-8-61
  184. Skatīt pantu
  185. PubMed / NCBI
  186. Google Scholar
  187. Skatīt pantu
  188. PubMed / NCBI
  189. Google Scholar
  190. 4. Caplan SE, augsta maiņstrāva. Tiešsaistes sociālā mijiedarbība, psihosociālā labklājība un problemātiska interneta lietošana. Atkarība no interneta: rokasgrāmata un ceļvedis novērtēšanai un ārstēšanai 201; 35 – 53. doi: 10.1002 / 9781118013991.ch3
  191. Skatīt pantu
  192. PubMed / NCBI
  193. Google Scholar
  194. Skatīt pantu
  195. PubMed / NCBI
  196. Google Scholar
  197. Skatīt pantu
  198. PubMed / NCBI
  199. Google Scholar
  200. Skatīt pantu
  201. PubMed / NCBI
  202. Google Scholar
  203. Skatīt pantu
  204. PubMed / NCBI
  205. Google Scholar
  206. Skatīt pantu
  207. PubMed / NCBI
  208. Google Scholar
  209. Skatīt pantu
  210. PubMed / NCBI
  211. Google Scholar
  212. Skatīt pantu
  213. PubMed / NCBI
  214. Google Scholar
  215. 5. Shaw M, melns DW. Interneta atkarība. CNS narkotikas 2008; 22: 353 – 65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  216. 6. Grifitss M. Interneta atkarība - laiks, kas jāuztver nopietni? Atkarību izpēte un teorija 2000; 8: 413–418. doi: 10.3109 / 16066350009005587
  217. 7. Romano M, Osborna LA, Truzoli R, Rīds P. Interneta iedarbības diferenciālā psiholoģiskā ietekme uz interneta atkarīgajiem. PLOS VIENAM 2013; 8 (2): e55162. doi: 10.1371 / journal.pone.0055162. pmid: 23408958
  218. 8. Kuss DJ, Griffiths MD, Binder JF. Interneta atkarība studentiem: izplatība un riska faktori. Datori cilvēku uzvedībā 2013; 29 (3): 959 – 966. doi: 10.1016 / j.chb.2012.12.024
  219. 9. Niemz K, Griffiths M, Banyard P. Patoloģiskā interneta lietošanas izplatība universitātes studentu vidū un korelācijas ar pašnovērtējumu, vispārējo veselības anketu (GHQ) un disinhibīciju. CyberPsychology & Behavior 2005; 8 (6): 562–570. doi: 10.1089 / cpb.2005.8.562
  220. 10. Weinstein A, Lejoyeux M. Interneta atkarība vai pārmērīga interneta lietošana. Amerikas žurnāls par narkotiku un alkohola lietošanu 2010; 36 (5): 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  221. 11. Bernardi S, Pallanti S. Atkarība no interneta: aprakstošs klīnisks pētījums, kas koncentrējas uz blakusslimībām un disociācijas simptomiem. Visaptveroša psihiatrija 2009; 50 (6): 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011. pmid: 19840588
  222. 12. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC. Interneta atkarības un psihisko traucējumu saistība: literatūras apskats. Eiropas psihiatrija 2012; 27 (1): 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  223. 13. Akin A, Iskender M. Atkarība no interneta un depresija, trauksme un stress. Starptautiskais izglītības zinātņu tiešsaistes žurnāls 2011; 3 (1): 138 – 148.
  224. 14. Yen CF, Chou WJ, Liu TL, Yang P, Hu. Interneta atkarības simptomu saistība ar trauksmi, depresiju un pašnovērtējumu pusaudžiem ar uzmanības deficīta / hiperaktivitātes traucējumiem. Visaptveroša psihiatrija 2014. doi: 10.1016 / j.comppsych.2014.05.025
  225. 15. Gundogar A, Bakim B, Ozer OA, Karamustafalioglu. P-32-asociācija starp interneta atkarību, depresiju un ADHD vidusskolēnu vidū. Eiropas psihiatrija 201; 27: 1. doi: 10.1016 / s0924-9338 (12) 74199-8
  226. 16. Romano M, Truzoli R, Osborne LA, Rīds P. Autisma koeficienta, trauksmes un atkarības attiecības internetā. Autisma spektra traucējumu izpēte 2014; 11: 1521 – 1526. doi: 10.1016 / j.rasd.2014.08.002
  227. 17. Jaunais KS, Rodžers RC. Depresijas un interneta atkarības attiecības. Kiberpsiholoģija un uzvedība 1998; 1. panta 1. punkts: 25–28. doi: 10.1089 / cpb.1998.1.25
  228. 18. Ko CH, Liu TL, Wang PW, Chen CS, Yen CF, Yen JY. Depresijas, naidīguma un sociālās trauksmes saasināšanās pusaudžu atkarības no interneta laikā: perspektīvs pētījums. Visaptveroša psihiatrija 2014. doi: 10.1016 / j.comppsych.2014.05.003
  229. 19. Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS. Impulsivitāte atkarībai no interneta: salīdzinājums ar patoloģiskām azartspēlēm. Kiberpsiholoģija, uzvedība un sociālais tīkls 2012; 15 (7): 373 – 377. doi: 10.1089 / cyber.2012.0063
  230. 20. Yen JY, Yen CF, Wu HY, Huang CJ, Ko CH. Naidīgums reālajā pasaulē un tiešsaistē: atkarības no interneta, depresijas un tiešsaistes aktivitātes ietekme. Kiberpsiholoģija, uzvedība un sociālais tīkls 2011; 14 (11): 649 – 655. doi: 10.1089 / cyber.2010.0393
  231. 21. Heims C. Ļoti smags datoru un interneta lietojums kā šizofrēnijas riska faktors saprātīgiem jauniem vīriešiem. Austrālijas un Jaunzēlandes psihiatrijas žurnāls 2012; 46 (8): 791 – 792. doi: 10.1177 / 0004867412442407. pmid: 22403394
  232. 22. Caplan SE. Priekšroka tiešsaistes sociālajai mijiedarbībai: teorētiska interneta lietošana un psihosociālā labklājība. Komunikāciju izpēte 2003; 30: 625 – 648. doi: 10.1177 / 0093650203257842
  233. 23. Yan W, Li Y, Sui N. Koledžas studentu attiecības starp nesenajiem stresaino dzīves notikumiem, personības iezīmēm, uztverto ģimenes funkcionēšanu un atkarību no interneta. Stress un veselība 2014; 30 (1): 3 – 11. doi: 10.1002 / smi.2490. pmid: 23616371
  234. 24. Bozoglan B, Demirer V, Sahin I. Vientulība, pašnovērtējums un apmierinātība ar dzīvi kā interneta atkarības prognozētāji: šķērsgriezuma pētījums Turcijas universitāšu studentu vidū. Skandināvu psiholoģijas žurnāls 2013; 54 (4): 313 – 319. doi: 10.1111 / sjop.12049. pmid: 23577670
  235. 25. Nalwa K, Anand AP. Interneta atkarība studentos: bažas. CyberPsychology & Behavior 2003; 6 (6): 653–656. doi: 10.1089 / 109493103322725441
  236. 26. Sanders CE, Field TM, Diego M, Kaplan M. Interneta lietošanas saistība ar pusaudžu depresiju un sociālo izolāciju. Pusaudža 2000; 35 (138): 237 – 242. pmid: 11019768
  237. 27. Tonioni F, D'Alessandris L, Lai C, Martinelli D, Corvino S, Vasale M,… Bria P. Interneta atkarība: tiešsaistē pavadītās stundas, uzvedība un psiholoģiskie simptomi. Vispārējā slimnīcas psihiatrija 2012; 34 (1): 80–87. doi: 10.1016 / j.genhosppsych.2011.09.013. pmid: 22036735
  238. 28. Yuan K, Qin W, Wang G, Zeng F, Zhao L, Yang X, et al. Mikrostruktūras anomālijas pusaudžiem ar interneta atkarības traucējumiem. PloS ONE 2011; 6 (6): e20708. doi: 10.1371 / journal.pone.0020708. pmid: 21677775
  239. 29. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. Pelēkās vielas anomālijas atkarībā no interneta: uz vokseļiem balstīts morfometrijas pētījums. Eiropas radioloģijas žurnāls 2011; 79 (1): 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025. pmid: 19926237
  240. 30. Hou H, Jia S, Hu S, Fan R, Sun W, Sun T, et al. Samazināti striatālā dopamīna transportētāji cilvēkiem ar interneta atkarības traucējumiem. BioMed Research International 2012; 2012. doi: 10.1155 / 2012 / 854524
  241. 31. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, Kim SE. Samazināti striatālā dopamīna D2 receptori cilvēkiem ar atkarību no interneta. Neuroreport 2011; 22 (8): 407 – 411. doi: 10.1097 / WNR.0b013e328346e16e. pmid: 21499141
  242. 32. Lu DW, Wang JW, Huang ACW. Interneta atkarības riska līmeņa diferenciācija, pamatojoties uz autonomām nervu atbildēm: autonomās aktivitātes hipotēze par atkarību no interneta. Kiberpsiholoģija, uzvedība un sociālais tīkls 2010; 13 (4): 371 – 378. doi: 10.1089 / cyber.2009.0254
  243. 33. Lin PC, Kuo SY, Lee PH, Sheen TC, Chen SR. Interneta atkarības ietekme uz sirdsdarbības ātruma mainīgumu skolas vecuma bērniem. Sirds un asinsvadu māsu žurnāls 2013. doi: 10.1097 / jcn.0b013e3182a477d5
  244. 34. Zheng H, Liu X, Patel K K. A loma dopamīnam centralizēti simpātiskā reakcijā žurkām ar 2 tipa diabētu, ko izraisa streptozotocīns un diēta ar augstu tauku saturu. FASEB žurnāls 2011; 25: 1028 – 11.
  245. 35. Bélanger RE, Akre C, Berchtold A, Michaud PA. U veida asociācija starp interneta lietošanas intensitāti un pusaudžu veselību. Pediatrija 2014; 127: e330 – e335. doi: 10.1542 / peds.2010-1235
  246. 36. Lam LT. Atkarība no azartspēlēm internetā, problemātiska interneta lietošana un miega problēmas: sistemātisks pārskats. Pašreizējie psihiatrijas ziņojumi 2014; 16 (4): 1 – 9. doi: 10.1007 / s11920-014-0444-1
  247. 37. Kim Y, Park JY, Kim SB, Jung IK, Lim YS, Kim JH. Interneta atkarības ietekme uz korejiešu pusaudžu dzīvesveidu un uztura izturēšanos. Uztura izpēte un prakse 2010; 4 (1): 51 – 57. doi: 10.4162 / nrp.2010.4.1.51. pmid: 20198209
  248. 38. Li M, Deng Y, Ren Y, Guo S, He X. Vidusskolēnu aptaukošanās statuss Ksiantanā un tā saistība ar atkarību no interneta. Aptaukošanās 2014; 22 (2): 482 – 487. doi: 10.1002 / oby.20595. pmid: 23929670
  249. 39. Jenaro C, Flores N, Gomez-Vela M, Gonzalez-Gil F, Caballo C. Problemātiska interneta un mobilā tālruņa lietošana: psiholoģiskā, uzvedības un veselības korelācija. Atkarību izpēte un teorija 2007; 15: 309 – 320. doi: 10.1080 / 16066350701350247
  250. 40. Kellija KJ, Grūbera EM. Problemātiska interneta lietošana un fiziskā veselība. Žurnāls par uzvedības atkarībām 2013; 2 (2): 108 – 112. doi: 10.1556 / JBA.1.2012.016. pmid: 26165930
  251. 41. Besedovsky L, Lange T, dzimis J. Miega un imūno funkciju. Pflügers arhīvs - Eiropas fizioloģijas žurnāls 2012; 463 (1): 121 – 137. doi: 10.1007 / s00424-011-1044-0. pmid: 22071480
  252. 42. Cheung LM, Wong WS. Bezmiega un interneta atkarības ietekme uz depresiju Honkongas ķīniešu pusaudžiem: izpētes šķērsgriezuma analīze. Miega izpēte 2011; 20: 311 – 317. doi: 10.1111 / j.1365-2869.2010.00883.x
  253. 43. Irvins M. Miega un miega zaudēšanas ietekme uz imunitāti un citokīniem. Smadzenes, uzvedība un imunitāte 2002; 16 (5): 503 – 512. doi: 10.1016 / s0889-1591 (02) 00003-x
  254. 44. Adam Y, Meinlschmidt G, Lieb R. Garīgo traucējumu un saaukstēšanās saistība pieaugušajiem: populācijas šķērsgriezuma pētījums. Psihosomatisko pētījumu žurnāls 2013; 74 (1): 69 – 73. doi: 10.1016 / j.jpsychores.2012.08.013. pmid: 23272991
  255. 45. Irwins M, Pattersons T, Smits TL, Kaldvels C, Brauns SA, Džilins JC u.c. Imūnās funkcijas samazināšana dzīves stresa un depresijas gadījumā. Bioloģiskā psihiatrija 1990; 27 (1): 22 – 30. pmid: 2297549 doi: 10.1016 / 0006-3223 (90) 90016-u
  256. 46. Kiecolt-Glaser JK, Glaser R. Depresija un imūnās funkcijas: galvenie ceļi uz saslimstību un mirstību. Psihosomatisko pētījumu žurnāls 2002; 53 (4): 873 – 876. pmid: 12377296 doi: 10.1016 / s0022-3999 (02) 00309-4
  257. 47. Kim HC, Park SG, Lee JH, Jung DY, Hwang SH. Depresīvie simptomi kā darbinieku saaukstēšanās riska faktors: 4 mēneša novērošanas pētījums. Psihosomatisko pētījumu žurnāls 2011; 71 (3): 194 – 196. doi: 10.1016 / j.jpsychores.2011.01.014. pmid: 21843756
  258. 48. Dikersons SS, Kemenijs ME. Akūti stresori un kortizola reakcijas: laboratorisko pētījumu teorētiskā integrācija un sintēze. Psiholoģiskais biļetens 2004; 130 (3): 355. pmid: 15122924 doi: 10.1037 / 0033-2909.130.3.355
  259. 49. Cacioppo JT, Hawkley LC. Sociālā izolācija un veselība, liekot uzsvaru uz pamata mehānismiem. Perspektīvas bioloģijā un medicīnā 2003; 46 (3): S39 – S52. pmid: 14563073 doi: 10.1353 / pbm.2003.0049
  260. 50. Cohen S. Sociālās attiecības un veselība. Amerikāņu psihologs 2004; 59 (8): 676. pmid: 15554821 doi: 10.1037 / 0003-066x.59.8.676
  261. 51. Jaremka LM, Fagundes CP, Glaser R, Bennett JM, Malarkey WB, Kiecolt-Glaser JK. Vientulība paredz sāpes, depresiju un nogurumu: izpratne par imūno disregulācijas lomu. Psihoneuroendokrinoloģija 2013; 38 (8): 1310 – 1317. doi: 10.1016 / j.psyneuen.2012.11.016. pmid: 23273678
  262. 52. McClelland DC, E stāvs, Davidson RJ, Saron C. Stresa spēka motivācija, simpātiska aktivizēšana, imūno funkcija un slimības. Cilvēka stresa žurnāls 1980; 6 (2): 11 – 19. pmid: 7391555 doi: 10.1080 / 0097840x.1980.9934531
  263. 53. Cao H, Sun Y, Wan Y, Hao J, Tao F. BMC sabiedrības veselība 2011; 11: 802. doi: 10.1186 / 1471-2458-11-802. pmid: 21995654
  264. 54. Heikkinen T, Järvinen A. Saaukstēšanās. Lancet 2003; 361: 51 – 59. pmid: 12517470 doi: 10.1016 / s0140-6736 (03) 12162-9
  265. 55. PVO. Pārskats par 2012 – 2013 ziemas gripas sezonu ziemeļu puslodē. Pasaules Veselības organizācijas nedēļas epidemioloģiskais ieraksts 2013; 88: 225 – 232. Izgūts no http://www.who.int/wer/2013/wer8822.pdf
  266. 56. Grout P, ​​Barber V E. Aukstumpumpas - epidemioloģiskā aptauja. Karaliskās ģimenes ārstu koledžas žurnāls 1976; 26: 428 – 434. pmid: 957310
  267. 57. Glaser R, Sheridan J, Malarkey WB, MacCallum RC, Kiecolt-Glaser J K. Hronisks stress modulē imūno reakciju uz pneimokoku pneimonijas vakcīnu. Psihosomatiskā medicīna 2000; 62: 804 – 807. pmid: 11139000 doi: 10.1097 / 00006842-200011000-00010
  268. 58. Hass HS, Schauenstein K. Imunitāte, hormoni un smadzenes. Alerģija 2001; 56: 470 – 77 pmid: 11421890 doi: 10.1034 / j.1398-9995.2001.056006470.x
  269. 59. Aberg KM, Radeck KA, Choi EH, Kim DK, Demerjian M, Hupe M, et al. Psiholoģiskais stress noregulē epidermas antibakteriālo peptīdu ekspresiju un palielina pelēm ādas infekciju smagumu. Klīnisko pētījumu žurnāls 2007; 117: 3339 – 3349. pmid: 17975669 doi: 10.1172 / jci31726
  270. 60. Ng BD, Wiemer-Hastings P. Atkarība no interneta un tiešsaistes spēlēm. CyberPsychology & Behavior 2005; 8 (2): 110–113. doi: 10.1089 / cpb.2005.8.110
  271. 61. Widyanto L, McMurran M. Interneta atkarības testa psihometriskās īpašības. Kiberpsiholoģija un uzvedība 2004; 7: 443–450. doi: 10.1089 / cpb.2004.7.443
  272. 62. Jaunais KS. Interneta atkarības tests (IAT) 2009.
  273. 63. Čanga MK, Man Law SP. Faktoru struktūra Younga atkarības testam internetā: apstiprinošs pētījums. Datori cilvēku uzvedībā 2008; 24: 2597 – 2619. doi: 10.1016 / j.chb.2008.03.001
  274. 64. Hardija E, Tee MANA. Pārmērīga interneta izmantošana: personības, vientulības un sociālā atbalsta tīklu loma interneta atkarībā. Austrālijas žurnāls Emerging Technologies and Society 2007; 5: 34 – 47.
  275. 65. Snaith RP, Zigmond AS. HADS: slimnīcas trauksmes un depresijas skala 1994. Vindzors: NFER Nelsons.
  276. 66. Endrjū B, Wildings J M. Depresijas un trauksmes saistība ar dzīves stresu un sasniegumiem studentos. Lielbritānijas psiholoģijas žurnāls 2004; 95 (4): 509 – 521. doi: 10.1348 / 0007126042369802
  277. 67. Crawford JR, Henry JD, Crombie C, Taylor EP. Normatīvi dati par HADS no liela pirmsklīniskā parauga. Lielbritānijas žurnāls par klīnisko psiholoģiju 2001; 40 (4): 429 – 434. doi: 10.1348 / 014466501163904
  278. 68. Rasels DW. UCLA vientulības skala (3 versija): uzticamība, derīgums un koeficienta struktūra. Personības novērtēšanas žurnāls 1996; 66 (1): 20 – 40. pmid: 8576833 doi: 10.1207 / s15327752jpa6601_2
  279. 69. Džobe LE, Viljamss Vaits S. Vientulība, sociālās attiecības un plašāks autisma fenotips koledžas studentos. Personība un individuālās atšķirības 2007; 42 (8): 1479 – 1489. doi: 10.1016 / j.paid.2006.10.021
  280. 70. Buysse DJ, Reynolds CF, Monk TH, Berman SR, Kupfer DJ. Pitsburgas miega kvalitātes indekss (PSQI): jauns psihiatrisko pētījumu un prakses instruments. Psihiatrijas izpēte 1989; 28 (2): 193 – 213. doi: 10.1016 / 0165-1781 (89) 90047-4
  281. 71. Goldberga DP, Hillier V F. Vispārējās veselības anketas mēroga versija. Psiholoģiskā medicīna 1979; 9: 139 – 145. pmid: 424481 doi: 10.1017 / s0033291700021644
  282. Reed P., & Senunaite K. Bērna ar ASS ietekme uz vecāku pašnovērtēto imūno funkciju. Notiek pārskatīšana.
  283. 73. McClelland DC, Alexander C, Marks E. Nepieciešamība pēc enerģijas, stresa, imūnās funkcijas un vīriešu ieslodzīto slimību. Nenormālas psiholoģijas žurnāls 1982; 91 (1): 61. pmid: 7056944 doi: 10.1037 / 0021-843x.91.1.61