Addict Behav. 2018 Feb 12, 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Dotācija JE7.
Anotācija
PAMATOJUMS UN MĒRĶI:
Mūsdienu sabiedrībā arvien pieaugoša problēma ir problemātiska interneta izmantošana (PIU, citādi pazīstama kā interneta atkarība). Ir ierobežotas zināšanas par demogrāfiskajiem mainīgajiem lielumiem un konkrētām interneta aktivitātēm, kas saistītas ar PIU, un ierobežota izpratne par to, kā PIU būtu jādefinē. Mūsu mērķis bija noteikt specifiskas interneta aktivitātes, kas saistītas ar PIU, un izpētīt vecuma un dzimuma mērenību šajās asociācijās.
METODES:
Mēs pieņēmām 1749 dalībniekus vecumā no 18 un augstāk, izmantojot mediju reklāmas interneta aptaujā divās vietās - vienu ASV un vienu Dienvidāfrikā; mēs izmantojām Lasso regresiju analīzei.
REZULTĀTI:
Īpašas darbības internetā bija saistītas ar augstākiem problemātiskiem interneta lietošanas rādītājiem, tostarp vispārēju sērfošanu (laso β: 2.1), interneta spēlēšanu (β: 0.6), iepirkšanos tiešsaistē (β: 1.4), tiešsaistes izsoles vietņu izmantošanu (β: 0.027), sociālo tīklu veidošana (β: 0.46) un tiešsaistes pornogrāfijas izmantošana (β: 1.0). Vecums regulēja attiecības starp PIU un lomu spēlēm (β: 0.33), tiešsaistes azartspēlēm (β: 0.15), izsoles vietņu izmantošanu (β: 0.35) un straumēšanas medijiem (β: 0.35), un vecāks vecums bija saistīts ar augstāku vecumu līmeņi PIU. Bija nepārliecinoši pierādījumi tam, ka dzimuma un dzimuma × interneta aktivitātes ir saistītas ar problemātiskiem interneta lietošanas rādītājiem. Uzmanības deficīta hiperaktivitātes traucējumi (ADHD) un sociālās trauksmes traucējumi bija saistīti ar augstiem PIU rādītājiem jauniem dalībniekiem (vecums ≤ 25, β: attiecīgi 0.35 un 0.65), savukārt ģeneralizēti trauksmes traucējumi (GAD) un obsesīvi kompulsīvi traucējumi (OCD) bija saistīta ar augstiem PIU rādītājiem vecākiem dalībniekiem (vecums> 55, β: attiecīgi 6.4 un 4.3).
Secinājumi:
Daudziem tiešsaistes uzvedības veidiem (piemēram, iepirkšanās, pornogrāfija, vispārēja sērfošana) ir ciešāka saikne ar interneta nepareizu izmantošanu, nevis spēļu pakalpojumi, kas atbalsta problemātiskas interneta izmantošanas diagnostisko klasifikāciju kā daudzpusīgu traucējumu. Turklāt interneta darbības un psihiatriskās diagnozes, kas saistītas ar problemātisku interneta lietošanu, atšķiras no vecuma, un tas ietekmē sabiedrības veselību.
Atslēgas vārdi: Uzvedības atkarība; Interneta atkarība; Interneta spēļu traucējumi; Lasso; Mašīnmācība; Problēmas lietošana internetā
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
Ievads
Problēmu lietošana internetā (PIU; citādi pazīstama kā interneta atkarība) ir sabiedrības veselības problēma mūsdienu sabiedrībās visā pasaulē. PIU epidemioloģija joprojām ir neskaidra (
; ) ar plašu paziņoto punktu izplatības novērtējumu diapazonu (1% līdz 36.7%), kas, iespējams, atspoguļo ne tikai iedzīvotāju atšķirības, bet arī novērtēšanas rīku daudzveidību un dažādas PIU uzvedības operatīvās definīcijas. DSM-5 ir uzsvēris interneta spēļu traucējumus kā nosacījumu turpmākiem pētījumiem (), īpaši izslēdzot citas ar internetu saistītas darbības, piemēram, azartspēles un sociālo mediju izmantošanu, neskatoties uz uzkrātajiem pierādījumiem, ka problemātiska interneta lietošana ir daudzpusīga problēma, kas pārsniedz tiešsaistes spēles (; ;). Ir aprakstīts daudz dažādu tiešsaistes uzvedības veidu, kas var traucēt normālu darbību, ja tā notiek pārmērīgi, tostarp tiešsaistes spēles un masveidā daudzspēlētāju tiešsaistes lomu spēles (;;;;;), tiešsaistes azartspēles (;), iepirkšanās tiešsaistē (; ;), pornogrāfijas skatīšana (;;), bieža e-pasta pārbaude, tūlītējā ziņojumapmaiņa (;;) un sociālo mediju pārmērīga izmantošana (;). Tiešsaistes uzvedība var arī radīt bažas par personu fizisko veselību (;) vai likt pamatu noziedzīgām darbībām (). Impulsīvas un kompulsīvas pazīmes var pamatot problemātisku interneta uzvedību (;;;;), savukārt īpašas interneta darbības ir saistītas ar psihiskiem traucējumiem; piemēram, iepirkšanās tiešsaistē ir saistīta ar depresiju un uzkrājumu veidošanu (
).
Tiek uzskatīts, ka jaunieši un studenti ir visneaizsargātākie attiecībā uz PIU (
; ; ; ; ), bet vidēja vecuma un vecāki iedzīvotāji nav vispusīgi izpētīti. Jaunais vecums ir saistīts ar problemātisku tiešsaistes iepirkšanos (;). Tomēr ir veikti vairāki pētījumi, kuros pieaugušo populācijās konstatētas problemātiskas interneta aktivitātes, tostarp pārmērīga iepirkšanās internetā (
). Kopumā problemātiskā interneta lietošanas dabiskā vēsture vēl nav zināma un var būt atšķirības starp vecuma grupām PIU kopumā vai dažādās problemātiskās tiešsaistes uzvedībās.
Tiek uzskatīts, ka PIU ir vīriešu pārsvars (
; ) un, visticamāk, ir vairāk izplatīta Āzijas vīriešu jauniešu vidū, bet sievietes var būt arī neaizsargātas (;). Klīniskā līmenī lielākā daļa PIU pētījumu ietvēra tikai vīriešus (), un nav skaidrs, vai sievietes klīniskās populācijas varētu būt nepietiekamas. Novērošanas pētījumos ir daži pierādījumi, ka vīrieši un sievietes atšķiras atkarībā no tā, kā viņi darbojas tiešsaistes vidē, ņemot vērā viņu izvēlētās darbības un to negatīvās sekas (;). Jaunu studentu pārmērīga izmantošana čatā un sociālajos medijos ir saistīta ar sieviešu dzimumu (;;; S). Sieviešu dzimums ir arī identificēts kā problemātisku tiešsaistes iepirkumu prognozētājs (), bet ir ziņots arī par pretējo (;). Tiešsaistes spēļu spēles ir saistītas ar vīriešu dzimumu (), bet abās dzimumos ir ziņots par masveida multiplayer tiešsaistes lomu spēlēm (). Tiešsaistes pornogrāfija, kā arī tiešsaistes azartspēles ir ziņotas biežāk pieaugušo vīriešu vidū (), tomēr ir apgalvots, ka atlīdzības pastiprināšanas, cue reaktivitātes un tiešsaistes dzimuma tieksmes nozīme abiem dzimumiem ir līdzīga (). Abas dzimums izmanto īpašas sociālo mediju platformas ar atkarību potenciālu, piemēram, tīkla vietnes, piemēram, Facebook, un ir apgalvots, ka sievietes var būt īpaši apdraudētas (). Kopumā PIU aspektos var būt atšķirības starp dzimumiem; alternatīvi, var būt, ka, ņemot vērā klīniskos un uzvedības raksturlielumus / sajaukšanos, abi dzimumi ir līdzīgi ietekmēti (;
).
Kopumā problemātiska interneta lietošana, tostarp visdažādāko problemātisko interneta uzvedību dēļ, prasa stingrākus pētījumus, kas ļautu izskaidrot, kādas konkrētas darbības būtu jāuzskata par problemātiskām vai disfunkcionālām vai kopumā veicina fenomenu, kas aprakstīts kā PIU. Veids, kādā vecums un dzimums mēra attiecības starp konkrētām interneta aktivitātēm un PIU, ir bijis nepietiekams, tāpēc ir jāpievērš lielāka uzmanība.
Mūsu mērķis bija noteikt specifiskas ar internetu saistītas darbības, kas statistiski saistītas ar PIU, un to, vai pastāv mijiedarbība ar vecumu vai dzimumu, kas sašaurina šīs attiecības.
2
Materiāls un metodes
2.1
Iestatīšana un pasākumi
Sīkāka informācija par šī pētījuma iestatīšanu un pasākumiem ir aprakstīta arī mūsu iepriekšējā publikācijā par PIU (
). Ziņojumi par metodēm šajā pētījumā atbilst STROBE vadlīnijām (
). Pašreizējais pētījums tika veikts no 2014 – februāra 2015. Personas vecumā no 18 gadiem un vairāk tika pieņemtas darbā divās vietās: Čikāgā (ASV) un Stellenboschā (Dienvidāfrika), izmantojot interneta reklāmas (vidējais vecums 29 [18 – 77]; 1119 vīrieši [64%]; 1285 kaukāzietis [73%]). Sludinājumi aicināja indivīdus piedalīties tiešsaistes aptaujā par interneta lietošanu. Aptaujas dalībnieki anonīmi pabeidza aptauju, izmantojot Survey Monkey programmatūru. Aptauja tika nosūtīta, izmantojot Craigslist, tāpēc tika atlasīti tikai dalībnieki no konkrētajām vietām. Pētījumu apstiprināja institucionālās pārskatīšanas padomes katrā pētniecības vietā. Dalībnieki nesaņēma nekādu kompensāciju par piedalīšanos, bet tika uzņemti izlases loterijā, kurā bija pieejamas piecas balvas ar katru balvu starp $ 50 un $ 200 ASV un trīs balvas starp ZAR250 un ZAR750 Dienvidāfrikā.
Tiešsaistes aptaujā bija iekļauti jautājumi par katra indivīda vecumu, dzimumu, rasi, attiecību statusu, seksuālo orientāciju un izglītību, kā arī dažādi pasākumi, kas saistīti ar konkrētām interneta darbībām. Mēs izmērījām dažādas interneta darbības, tostarp 1) vispārēju sērfošanu 2) interneta spēļu kopsummu 3) tiešsaistes lomu spēles (RPG) 4) laika izšķērdētājus / prasmju spēles (ti, lietotnes iPod / iPad / mobilajā tālrunī, Tetris, Jewels) 5 ) Tiešsaistes darbības spēlētāji (ti, Call of Duty, Gears of War) 6) Iepirkšanās tiešsaistē 7) Izsoles vietnes (ti, ebay) 8) Tiešsaistes azartspēles 9) Sociālie tīkli 10) Tiešsaistes sporta veidi (ti, fantāzijas sporta veidi, ESPN) 11) Pornogrāfija / sekss internetā 12) Ziņapmaiņa / Emuāri (ti, AIM, Skype) un 13) Video / multivides straumēšana (ti, YouTube, Hulu). Aptauja ietvēra arī klīniskos pasākumus: interneta atkarības testu (IAT) (
) nodrošināt mēroga mēroga interneta lietošanu; atlasiet Mini International Neuropsichiatric Interview (MINI) moduļus (), lai identificētu iespējamo sociālo trauksmi (SAD), ģeneralizētu trauksmi (GAD) un obsesīvi-kompulsīvus traucējumus (OCD); pieaugušo ADHD pašnovērtējuma skalas simptomu kontrolsaraksts (ASRS-v1.1) (), lai noteiktu uzmanības deficīta hiperaktivitātes traucējumu (ADHD) simptomus; Padujas inventarizācija (PI) (), lai noteiktu obsesīvi-kompulsīvas tendences; un Barratt impulsivitātes skalu (BIS-11), lai noteiktu impulsīvo personību (
). Aprakstošā statistika par visiem mainīgajiem lielumiem ir apkopota un stratificēta pēc vecuma papildu tabulā S1a.
IAT ietver 20 jautājumus par PIU eksāmena aspektiem. Rezultāti IAT diapazonā no 20 līdz 100 ar 20 – 49, kas atspoguļo vieglu interneta lietošanu, 50 – 79 mērens interneta lietojums un 80 – 100, kas atspoguļo smagu interneta lietošanu. PI sastāv no 39 elementiem, kas novērtē kopēju obsesīvu un kompulsīvu uzvedību. BIS-11 ir pašnovērtējuma anketa, ko izmanto, lai noteiktu impulsivitātes līmeņus.
Mēs veicām galveno komponentu analīzi (PCA), lai noteiktu, vai daži interneta darbību komponenti spētu ņemt vērā ievērojamu dispersijas daļu. Tomēr šī analīze parādīja, ka mums vajadzēja> 11 no 13 komponentiem, lai sasniegtu> 90% dispersiju, norādot, ka ievērojama daļa interneta darbību mainīgo unikāli veicina dispersiju. Tāpēc mēs nolēmām analīzē izmantot katru mainīgo atsevišķi.
Analīzēs tika iekļauti tikai dati no dalībniekiem, kuri aizpildīja visu tiešsaistes aptauju, ieskaitot interneta aktivitātes pasākumus. Sākotnējā izlasē bija 2551 persona. 63 personas tika izslēgtas, jo trūka IAT punktu. Vēl 18 personas tika izslēgtas, ziņojot par transpersonu dzimumu, un 459 personas - par svarīgu prognozētāju mainīgo lielumu, piemēram, PI vai BIS anketas, trūkumu. Piecas personas tika izslēgtas no ziņošanas vecuma līdz 18 gadu vecumam. Vēl 257 personas tika izslēgtas, jo trūka interneta aktivitātes. Galīgajā pilnajā komplektā bija 1749 indivīdi ar pilniem rādītājiem par visiem mainīgajiem. Šis pēdējais izslēgšanas procesa posms veido izlases atšķirību starp šo pētījumu un
. Šajā pēdējā pilnajā komplektā bija 1063 personas no Stellenbosch vietnes un 686 personas no Čikāgas vietnes. Aprēķinātā PIU punktu izplatība bija ~ 8.5%, izmantojot IAT robežvērtību 50 vai vairāk. Salīdzinot abas pētījuma vietas populācijas, Stellenbosch vietā bija jaunāki dalībnieki [vidējais (diapazons) 24.3 (18–76) pret 36.3 (18–77), ANOVA F <0.05, η 2 : 0.20], mazāka vīriešu dzimuma proporcija [58% vs 73%, χ 2 <0.05, φ : 0.15], lielāka heteroseksuālās seksuālās orientācijas proporcija [91% vs 84%, χ 2 <0.05, φ : 0.10], augstāki ADHD rādītāji [50% vs 41% χ 2 <0.05, φ : 0.9], zemākas iepirkšanās tiešsaistē likmes [vidējais (diapazons) 0.48 (0–5) pret 1.27 (0–5), ANOVA F <0.05, η 2 : 0.18] un nedaudz zemāki IAT rādītāji [vidējais (diapazons) 30.3 (20–94) pret 35.9 (20–85), ANOVA F <0.05, η 2 : 0.06]. Detalizētāks salīdzinājums ir sniegts papildu tabulā S1b. Darbā pieņemšanas un izslēgšanas process ir grafiski attēlots Fig. 1 . Visi nepārtrauktie mainīgie (ti, BIS rādītāji) tika standartizēti, lai palielinātu modeļa koeficientu interpretējamību. Prognozēšanas metodes IAT punktu skaitu izmantoja kā skaitlisku mainīgo (diapazons 20 – 94, vidējais 32.48). Visas analīzes tika veiktas R Studio versijā 3.1.2. Lasso ģenerētie lineārie modeļi tika veikti, izmantojot „glmnet” paketi (paketes glmnet versija 2.0 – 5 (
)). Sīkāka informācija par analīzes procesu atrodama papildinājumā (metodikas pielikums).
2.2
Korelāciju izpēte
Mēs izpētījām korelāciju starp mainīgajiem mūsu datiem (skatīt. \ T Fig. 2 ). Visām dažādām interneta aktivitātēm bija vājas pozitīvas korelācijas ar IAT rādītāju (Pīrsona korelācijas koeficienta diapazons 0.23–0.48). Tika noteiktas mērenas pozitīvas korelācijas starp interneta aktivitātes mainīgajiem, ti, kopējais interneta spēļu skaits un RPG (r = 0.57), kopējais interneta spēļu un darbības vairāku spēlētāju spēles (r = 0.55), iepirkšanās tiešsaistē un izsoles vietņu izmantošana (r = 0.55), vispārējs sērfošana un iepirkšanās (r = 0.44), vispārējā sērfošana un sociālie tīkli (r = 0.44), vispārējie sērfošanas un straumēšanas mediji (r = 0.44). Bija vājas pozitīvas korelācijas starp sportu un pornogrāfiju (r = 0.38), vīriešu dzimumu un sportu (r = 0.30) vai pornogrāfiju (r = 0.39) vai vairāku spēlētāju darbības spēlēm (r = 0.27). Bija vājas korelācijas starp tiešsaistes azartspēlēm un vairāku spēlētāju spēlēm (r = 0.41), RGP (r = 0.32), izsoles vietnēm (r = 0.38), sportu (r = 0.38) vai pornogrāfiju (r = 0.39). Impulsivitāte vāji pozitīvi korelēja ar vispārēju sērfošanu, iepirkšanos tiešsaistē, izsoļu vietņu izmantošanu, sociālajiem tīkliem, straumēšanas medijiem un pornogrāfiju (0.2 ≤ r ≤ 0.3). Vāja korelācija bija arī starp vecāku vecumu un iepirkšanās aktivitātēm (r = 0.33) vai izsoļu vietņu izmantošanu (r = 0.22), kā arī starp neheteroseksuālu seksuālo orientāciju un pornogrāfiju (r = 0.22). Visas citas korelācijas starp aktivitātēm internetā un vecumu, dzimumu, attiecību statusu, seksuālo orientāciju, izglītības līmeni, rasi un impulsivitātes un kompulsivitātes līmeni bija ļoti vājas (−0.2 <r <0.2).
2.3
Pārvarēšana
Mūsu statistikas metodēm mēs izmantojām modeļus, kas ietvēra demogrāfiskos mainīgos (vecums, rase, izglītības līmenis, dzimums, attiecību statuss, seksuālā orientācija), klīniskās īpašības (ADHD, GAD, sociālās trauksmes un OCD diagnozes), uzvedības dimensijas, par kurām zināms, ka tās ir saistītas ar PIU (impulsivitāte un kompulsivitāte), interneta aktivitātes un mijiedarbības noteikumi starp interneta aktivitātēm × vecums vai dzimums; pēdējais tika nolemts pārbaudīt hipotēzi, ka vecums vai dzimums sašaurina attiecības starp interneta aktivitātēm un problemātiskiem interneta lietošanas rādītājiem. Mēs iekļāvām kopā 51 prognozes mainīgos. Ieskaitot vairākus mainīgos lielumus, mēs centāmies izstrādāt modeli, kas ir precīzāks un tajā pašā laikā atspoguļo sarežģītas mijiedarbības starp demogrāfiskajiem un interneta aktivitātes mainīgajiem. Tomēr daudzu prognozējošo mainīgo negatīvie ir tas, ka tas parasti noved pie pārmērīgas montāžas, kam pievienoti lieli koeficienti. Turklāt, parauga lineārā regresija mēdz pārsniegt spēju, īpaši sarežģītos modeļos, un tā ir fundamentāli kļūdaina, veicot prognozes par jauniem datiem. Pastāv plaši pierādījumi par pārlieku lieliem modeļiem (
). Lai risinātu pārmērīgu montāžu, mēs esam apsprieduši, izmantojot statistiskās metodes ārpus parauga (savstarpējā validācija), lai iegūtu aprēķinu par modeļa vispārinājumu un prognozēšanas kļūdu (
). Mēs izpētījām šo pieeju savos pašreizējos datos, kad mēs izmantojām vidēji kvadrātveida kļūdas aprēķinu ārpus parauga kopā ar mainīgo lielumu atlasi atpakaļ, lai pārbaudītu, vai modeļi uzlabojas, pievienojot lielu skaitu mainīgo iespējamo prediktoru kombināciju apakškopas, un mēs redzējām, ka reti modeļi (ti, ar apmēram 13 līdz 16 mainīgajiem lielumiem) nebija zemāki par savstarpēji apstiprinātu RMSE, salīdzinot ar sarežģītākiem modeļiem (ieskaitot> 16 mainīgos). Tas ir parādīts izpētē Fig. 3 (augšējais kreisais).
2.4
Regularizēta regresija ar reti sastopamiem ierobežojumiem
Iepriekšējā punktā minēto iemeslu dēļ mēs vēlējāmies izmantot prognozēšanas metodi, kas nebūtu pārāk daudz piemērota, vienlaikus salīdzinot ar standarta statistiskajām metodēm, lai prognozētu PIU rādītājus. Būtu arī vērtīgi, ja mūsu metode varētu veikt arī mainīgu izvēli (ti, samazinot prognozes ar nulles koeficientiem), lai palīdzētu modelim interpretēt. Regularizācija, ko sākotnēji izstrādāja Tikhonov, lai risinātu neatņemamus vienādojumus (
) un vēlāk ieviesa statistikas zinātnē, un tam ir dažas vēlamās iepriekšminētās īpašības, kas saistītas ar modeļa konstrukcijas novirzīšanu uz rupumu un samazinot pārmērīgu montāžu (). Lasso (vispārējs lineārs modelis ar sodāmu maksimālo varbūtību, pazīstams kā regresija, izmantojot vismazāko absolūto saraušanās un atlases operatoru (Lasso vai LASSO ())) ir regulēšanas un regresijas analīzes metode, ko pašlaik bieži izmanto medicīnas zinātnēs (;) un kam ir potenciāls izmantot klīniskās prognozēšanas modelēšana psihiatrijā (RC). Ridge regresija ir vēl viens regulētas lineārās regresijas veids, kas samazina koeficientus, ieviešot koeficientu sodu (). Elastīgais tīkls ir starpmodelis starp kores un laso, un tā sodu kontrolē α, kas savieno plaisu starp Lasso (α = 1) un kores (α = 0). Regulēšanas parametrs λ kontrolē soda kopējo stiprumu. Laso izmanto L1 sodu un kores izmanto L2 sodu. Atšķirībā no grēda regresijas, Lasso L1 soda efekts ir tāds, ka vairums koeficientu tiek virzīti uz nulli, kā rezultātā tiek panākts regulēts risinājums, kas vienlaikus ir neliels. Ar šo mehānismu Lasso veic mainīgu izvēli, kas var ievērojami vienkāršot interpretāciju, jo īpaši, ja modelī ir iesaistīti daudzi prognozētāji. Vēl viena nestandarta metode, kas pazīstama ar augstu precizitāti un spēju izvairīties no pārmērīgas montāžas, ir nejaušie meži (
). Nejaušie meži ir mašīnmācības metode, kas labi darbojas pret nelineārām atkarībām, un tādēļ šī modeļa darbības izpēte varētu dot mums ieskatu, iespējams, „slēptajās” kompleksās asociācijās.
2.5
Prognozēšanas metodes
Lai izvēlētos piemērotu modeli savā analīzē, mēs salīdzinājām lineāro regresiju, grēdu regresiju, elastīgo tīklu, Lasso un izlases meža modeļus savā starpā un ar naivu bāzes līniju, izmantojot savstarpēji apstiprinātu RMSE ārpus parauga novērtējumu. Mūsu savstarpējā validācija ietvēra datu nejaušu sadalīšanu apmācības un testēšanas komplektā, modeļa parametru pielāgošanu apmācību komplektā un IAT rezultātu prognozēšanu testēšanas komplektā. Datu sadalīšanas krokās gadījuma rakstura dēļ mēs atkārtojām šo procesu 50 reizes, lai iegūtu stabilu un atkārtojamu novērtējumu. Pēc tam mēs salīdzinājām RMSE punktu gala vektorus, izmantojot Exact Wilcoxon-Pratt parakstītos rangu testus. Visi modeļi bija ievērojami pārāki par naivajiem sākotnējiem rādītājiem (p koriģēts <0.001, Koena d = −0.87) (skat. Papildu tabulu S2). RMSE rādītāju kopsavilkuma statistika ir sniegta S3 papildtabulā. Laso un elastīgais tīkls bija pārāki par kores regresiju (p-koriģēts <0.01, d = 0.51, d = 0.49) un lineāru regresiju (p koriģēts <0.001, d = 0.76) un statistiski neatšķīrās viens no otra (p koriģēts> 0.05, d = −0.08). Nejaušs mežs nebija pārāks par vai nu laso (p = 0.12), vai elastīgo tīklu (p koriģēts> 0.05). Tāpēc, veicot analīzi, mēs izmantojām Lasso, jo, ņemot vērā labu prognozēšanas veiktspēju ārpus izlases, Lasso varēja veikt mainīgu atlasi, samazinot koeficientus līdz nullei un tādējādi palielinot interpretējamību. Kaut arī elastīgais tīkls var veikt arī mainīgu izvēli, tam ir tendence atlasīt vairāk mainīgo, un, neskatoties uz to, ka tas ir sarežģītāks un jaudīgāks modelis, tas nedeva ievērojami labāku sniegumu nekā laso. Mūsu galīgajā analīzē, izmantojot pilnus datus un apakšgrupu analīzes, mēs izmantojām 10 reizes lielāku savstarpēju validāciju, lai iegūtu optimālu lambda katram lasso modelim un ziņotu par šo modeļu radītajiem koeficientiem. Paskaidrojošie parauglauki, kas iegūti, veicot pilnīgu datu analīzi, ir parādīti Fig. 3 .
3
rezultāti
Lasso regresijas rezultāti ir apkopoti visā izlasē un ir sadalīti pēc vecuma Tabulas 1 un 2 . Pilnas apakšgrupu analīžu rezultātu tabulas, tostarp stratificētas pēc vecuma un pētījuma vietas, ir norādītas tiešsaistes papildu tabulās (tabulas S4 – S10). Datu izpētes paraugi ir sniegti papildu skaitļos (S1 – S3). Lineārākās regresijas standarta statistikas pieejas rezultāti ir sniegti arī S4 – S10 papildu tabulās, un jebkuras atšķirības strukturālajā secībā, salīdzinot ar turpmāk norādītajiem galvenajiem rezultātiem, ir atkarīgas no cita modeļa izvēles.
| Interneta darbība | Visi (n = 1749) | 18 ≤ Vecums ≤ 25 (n = 1042) | 26 ≤ Vecums ≤ 55 (n = 592) | Vecums> 55 (n = 115) |
|---|---|---|---|---|
| Vispārējā sērfošana | 2.100 | 2.400 | 1.500 | 0.590 |
| Interneta spēles | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Laika atkritumi | 0.000 | 0.000 | 0.000 | 0.450 |
| Darbības multiplayer | 0.000 | 0.000 | 0.000 | 0.000 |
| iepirkšanās | 1.400 | 0.840 | 1.500 | 0.000 |
| Izsoles vietnes | 0.027 | 0.000 | 0.990 | 0.230 |
| Azartspēļu | 0.000 | 0.000 | 0.780 | 0.000 |
| Sociālie tīkli | 0.460 | 0.000 | 1.300 | 0.000 |
| Sporta | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornogrāfija | 1.000 | 1.400 | 0.210 | 0.000 |
| Ziņapmaiņa | 0.000 | 0.000 | 0.110 | 0.000 |
| Streaming media | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| SNB | 0.066 | 0.048 | 0.072 | 0.086 |
| ADHD diagnostika | 1.700 | 0.350 | 3.100 | 0.000 |
| GAD diagnoze | 0.230 | 0.000 | 0.000 | 6.400 |
| Sociālās trauksmes diagnoze | 0.000 | 0.560 | 0.000 | 0.000 |
| OCD diagnostika | 0.270 | 0.000 | 0.000 | 4.300 |
| Interneta darbība | Visi (n = 1749) | 18 ≤ Vecums ≤ 25 (n = 1042) | 26 ≤ Vecums ≤ 55 (n = 592) | Vecums> 55 (n = 115) |
|---|---|---|---|---|
| Demogrāfiskie mainīgie | 0.000 | 0.000 | 0.000 | 0.000 |
| Dzimums × jebkura interneta darbība | 0.000 | 0.000 | 0.000 | 0.000 |
| Vecums × vispārēja sērfošana | 0.000 | - | - | - |
| Vecums × interneta spēles | 0.000 | - | - | - |
| Vecums × RPG | 0.330 | - | - | - |
| Vecums × laika atkritumi | 0.000 | - | - | - |
| Vecuma × darbības multiplayer | 0.000 | - | - | - |
| Vecums × iepirkšanās | 0.000 | - | - | - |
| Vecuma × azartspēles | 0.150 | - | - | - |
| Vecuma × izsoles tīmekļa vietnes | 0.350 | - | - | - |
| Vecums × sociālais tīkls | 0.000 | - | - | - |
| Vecums × sports | 0.000 | - | - | - |
| Vecums × pornogrāfija | 0.000 | - | - | - |
| Vecuma × ziņojumapmaiņa | 0.000 | - | - | - |
| Vecums × straumēšanas multivide | 0.350 | - | - | - |
3.1
Demogrāfija
Lazo regresijā nevienā vecuma apakšgrupā vai pilnos datos nav bijis nekādu mainīgo, ieskaitot vecumu, dzimumu, rasi, izglītības līmeni, attiecību statusu vai seksuālo orientāciju.
3.2
Interneta aktivitātes
Lasso regresijas pilnīgajos datos vairākas interneta darbības bija saistītas ar augstiem PIU rādītājiem, tostarp vispārēju sērfošanu (β: 2.1), interneta spēlēšanu (β: 0.6), iepirkšanos tiešsaistē (β: 1.4), izsoles vietņu izmantošanu (β: 0.027), sociālais tīkls (β: 0.46) un tiešsaistes pornogrāfijas izmantošana (β: 1.0). Attiecības starp PIU un lomu spēlēm (RPG), tiešsaistes azartspēlēm, izsoles vietņu izmantošanu un straumēšanas mediju izmantošanu tika regulētas pēc vecuma (β: attiecīgi 0.33, 0.15, 0.35 un 0.35), vecākajam vecumam bija saistīti augstāki PIU rādītāji . Vecuma apakšgrupu analīzē (jauno dalībnieku vecums ≤ 25, vidējā vecuma dalībnieku 25 <vecums ≤ 55; vecāku dalībnieku vecums> 55) vispārējā sērfošana bija saistīta ar PIU visās vecuma grupās, bet spēcīgāk jauniešiem (β: 2.4) , mazāk vidējā vecumā (β: 1.5) un vēl mazāk gados vecākiem dalībniekiem (β: 0.59). Līdzīga tendence bija vērojama interneta spēlēs (β: 0.45, 0.11 un 0.0 attiecīgi trim vecuma grupām) un tiešsaistes pornogrāfijas lietošanā (β: 1.4, 0.21 un 0.0). Dažas darbības internetā, piemēram, tiešsaistes RPG izmantošana, bija ciešāk saistītas ar PIU pusmūža dalībniekiem, salīdzinot ar citām vecuma grupām (β: 0.71). Tas pats attiecās uz tiešsaistes azartspēlēm (β: 0.78), tūlītējām ziņojumapmaiņām (β: 0.11) un tiešsaistes sociālajiem tīkliem (β: 1.3). Izsoles vietņu izmantošana arī bija stingrāk saistīta ar PIU pusmūža dalībniekiem (β: 0.99), bet arī vecāka gadagājuma dalībniekiem prognozējama (β: 0.23). Tiešsaistes mediju straumēšana un laika izšķērdētāja izmantošana bija saistīta ar PIU vecākiem dalībniekiem (β: attiecīgi 1.2, 0.45), bet nevienā citā vecuma grupā.
3.3
Klīniskās un uzvedības īpašības
Piesardzības deficīta hiperaktivitātes traucējumu (ADHD) simptomi (β: 1.7), ģeneralizēta trauksme (GAD) (β: 0.23) un obsesīvi kompulsīvi traucējumi (OCD) (β: 0.27) bija saistīti ar augstākiem PIU rādītājiem. Vecuma apakšgrupu analīzē ADHD un SAD bija saistītas ar augstākiem PIU rādītājiem jaunākiem dalībniekiem (β: 0.35 un 0.56), bet ADHD saglabājās nozīmīgs vidējā vecuma apakšgrupā (β: 3.1). GAD un OCD bija saistīti ar augstākiem PIU rādītājiem vecāku dalībnieku apakšgrupā (β: attiecīgi 6.4 un 4.3), bet ne citās vecuma grupās. BIS rādītāji (impulsīvā personība) un PADUA rādītāji (obsesīvi-kompulsīvās tendences) bija saistīti ar augstākiem PIU rādītājiem pilnos datos (β: 0.066 un 0.074) un visās vecuma apakšgrupu analīzēs.
4
diskusija
Šis dokuments ir pirmais mēģinājums vispusīgi izpētīt dažāda veida interneta aktivitātes, kas saistītas ar interneta nepareizu izmantošanu, ti, ar problemātisku interneta lietošanu. Iepriekšējais darbs kopumā ir risinājis jautājumu par konkrētām interneta aktivitātēm, kas noveda pie problemātiskas izmantošanas, koncentrējoties uz atsevišķām interneta aktivitātēm (
; ; ; ; ). Šeit mēs esam parādījuši, ka dažādi interneta pasākumi, tostarp vispārēja sērfošana, interneta spēles, tiešsaistes iepirkšanās, izsoles tīmekļa vietņu izmantošana, tiešsaistes azartspēles, sociālais tīkls un tiešsaistes pornogrāfijas izmantošana, ir atsevišķi un unikāli PIU, sniedzot pierādījumus tam, ka PIU ir sarežģīts parādība, kas ietver dažādas problemātiskas uzvedības. Turklāt mēs esam parādījuši, ka šie uzvedības veidi saglabā savu statistiski nozīmīgo asociāciju ar PIU pat tad, ja psihiskie simptomi, par kuriem zināms, ka tie ir saistīti ar PIU (ti, ADHD, GAD un OCD simptomi) (), un uzvedības izmēri, kas, kā zināms, ir paredzami. PIU (ti, impulsivitātes un kompulsivitātes personības rādītāji);
) tiek ņemti vērā. Mēs arī esam pierādījuši, ka īpašas interneta aktivitātes, piemēram, RPG, tiešsaistes azartspēles, izsoles tīmekļa vietņu izmantošana un straumēšanas mediji, ir saistītas ar augstākiem PIU rādītājiem un ka šīs attiecības ietekmē vecums. Visbeidzot, mūsu dati liecina, ka citiem tiešsaistes uzvedības veidiem (piemēram, iepirkšanās, pornogrāfija, vispārēja sērfošana) ir ciešāka saikne ar interneta nepareizu izmantošanu, nevis azartspēles, un ir iespējams, ka tas attiecas uz to, ka iepriekšējie pētījumi nav iekļāvuši šādu informāciju. plašs ar internetu saistītu darbību klāsts. Šiem rezultātiem ir nozīmīga ietekme uz PIU kā klīniski nozīmīga traucējuma konceptualizāciju, jo tie vērš uzmanību no vienpusējas un samērā šauras “interneta spēļu traucējumu” konstrukcijas uz daudzpusīgu problemātiskas interneta lietošanas vai interneta atkarības struktūru, kas ietver vairākus aspektus. cilvēku uzvedību tiešsaistē.
Turklāt, izmantojot ārpustiesas savstarpējo validāciju, mēs esam parādījuši, ka "nestandarta" pieeja, lietojot Lasso regresiju, ir precīzāka, lai prognozētu PIU rādītājus, salīdzinot ar "vairāk standarta" lineāro regresiju. Modeļa prognozējošās vērtības aplēses izmantošana ārpus parauga bieži palīdz novērst šo parādību, kas nozīmē, ka replikācijas pētījumos samazinās. Tomēr ar Lasso regresijas izvēli nāk klajā ar brīdinājumu, ka mainīgie, kas nav izvēlēti ar modeli (ar nulles koeficientiem), joprojām var būt paredzami, īpaši tad, ja pastāv lielas korelācijas starp izvēlētajiem un ne atlasītajiem mainīgajiem. Mūsu datu kopumā mums nebija nekādu ļoti korelētu mainīgo, tomēr šis ierobežojums nozīmē, ka negatīvi rezultāti ir jārīkojas konservatīvi. Piemēram, nepietiekama saikne starp dzimumu un PIU, kā arī nepietiekama saikne starp dzimumu × interneta darbībām ar PIU neapšaubāmi atbalsta hipotēzi, ka, ja tiek ņemts vērā plašāks PIU uzvedības un potenciālo sajaukumu klāsts, abi dzimumi ir vienlīdz neaizsargāti. uz PIU attīstības aspektiem (
; ). Tomēr mūsu analīzes ierobežojumu dēļ mēs nevaram izslēgt iespēju, ka pastāv citas saiknes starp PIU un dzimumu. Piemēram, ir ierosināts, ka dzimums sašaurina tiešsaistes iepirkšanās un PIU attiecības un ka sievietes var būt vairāk pakļautas riskam (). Svarīgi var būt tas, ka kompulsīvs pirkuma traucējums, traucējums, kas ir redzams vidējā vecuma grupās, sievietēm pārsvarā ir 5: 1 attiecība (), un tas var vadīt šādus konstatējumus. Mums nebija datu par šo traucējumu, lai pārbaudītu šo hipotēzi. Ir svarīgi arī atzīmēt, ka šeit izmantotais IAT instruments ir saņēmis kritiku par to, ka trūkst robustības attiecībā uz faktoru struktūru, atšķirībām no pašreizējās DSM-5 operācijas (spēļu traucējumi) un atpaliek no interneta lietojumprogrammu tehnoloģiskā progresa (;
). Turpmākos PIU pētījumus varētu labi izmantot metodoloģiski stabili, apstiprināti instrumenti, kas arī spētu aptvert ātru attīstību, ko rada PIU tehnoloģiskā un uzvedības perspektīva.
Mūsu vecuma apakšgrupu analīze sniedza ieskatu par vecumu saistītām asociācijām starp PIU un dažādām interneta aktivitātēm. Kopējā koncepcija, ka PIU ir jaunatnes traucējumi, ne vienmēr ir pareiza un var būt balstīta uz pienācīgi izstrādātu pētījumu trūkumu, kas aptver tiešsaistes uzvedību visās vecuma grupās. Nepietiekamas zināšanas par PIU dabisko vēsturi visā dzīves laikā neļauj visaptveroši izpētīt vecāka gadagājuma iedzīvotāju neaizsargātību saistībā ar risku attīstīt PIU. Tomēr mūsu rezultāti liecina, ka pastāv šīs ievainojamības, un ir nepieciešama turpmāka izpēte, lai noteiktu apdraudēto iedzīvotāju īpatnības. Piemēram, ADHD vai sociālās trauksmes simptomi var būt PIU prognozētājs jaunām populācijām, turpretim OCD vai GAD simptomi var būt PIU prognozētājs vecākiem iedzīvotājiem. Fakts, ka neseno metaanalīzē netika konstatēts, ka OCD nav saistīts ar PIU
) var būt rādītājs, ka vecāki iedzīvotāji ir nepietiekami novērtēti. Fakts, ka ADHD bija stipri saistīts ar augstiem PIU rādītājiem, nav pārsteidzoši, jo citi pētījumi ziņoja par ļoti augstu ADHD (līdz 100%) izplatību PIU populācijās (). Tajā pašā laikā specifiski vidēja vecuma iedzīvotāji (starp 26 un 55) var būt vairāk pakļauti PIU riskam, ja viņi arī cieš no kompulsīviem pirkšanas traucējumiem vai azartspēļu traucējumiem, ņemot vērā šo traucējumu dabisko vēsturi, kas sasniedz maksimumu vidējā vecumā (
).
Turklāt konstatējumi, ka konkrēta tiešsaistes darbība bija saistīta ar PIU tikai konkrētās vecuma grupās, nozīmē, ka konkrētām vecuma grupām var būt risks, ka tiks izstrādāti PIU aspekti. Lai gan jaunieši varētu būt pakļauti riskam attīstīt PIU ar tendenci skatīties pornogrāfiju, neaizsargātība, kas vidējā vecumā var būt mazāk spēcīga un vēlāk dzīvē mazināties, vecāka gadagājuma cilvēki varētu būt vairāk pakļauti attīstīt PIU, ko raksturo problemātiska laika izmantošana atkritumi un straumēšanas mediji (skat. izpētes Fig. 4 ). Visbeidzot, vispārējā sērfošana varētu būt nepietiekami novērtēts PIU aspekts, kas, šķiet, ir ciešāk saistīts ar augstākiem PIU rādītājiem jauniešiem, bet ir svarīgi visās vecuma grupās; šis secinājums var būt saistīts ar faktu, ka agri pieaugušo dzīve var būt mazāk mērķtiecīga un jaunieši vairāk laika pavada nestrukturētās darbībās tiešsaistes vidē, salīdzinot ar citām vecākām vecuma grupām.
Mūsu rezultāti arī ietekmē sabiedrības veselību saistībā ar tiešsaistes satura regulēšanu un mērķtiecīgu iejaukšanos. Ja konkrētas darbības ir vairāk saistītas ar problemātiskas izmantošanas attīstību nekā citas, rodas jautājums, vai sabiedrības veselības politikai jābūt vērstai uz mazāk aizsargātu personu grupām, lai uzlabotu viņu izturību pret PIU risku, vai arī universālākas iejaukšanās, kas vērstas uz konkrētām jomām ir jāapsver, lai padarītu tiešsaistes vidi mazāk atkarīgu. Piemēram, tiešsaistes platformas dažos gadījumos var izmantot īpašas arhitektūras, kas izmanto lietotāju ievainojamības priekšrocības (ti, impulsīvas vai kompulsīvas iezīmes) un kuru mērķis ir maksimāli palielināt lietotāju uzturēšanās laiku tiešsaistes vidē. Lai gan no mārketinga viedokļa tam ir jēga, tas rada bažas par to, vai šīm vidēm vajadzētu arī brīdināt lietotāju par veselības stāvokli.
4.1
Ierobežojumi
Šī bija šķērsgriezuma tiešsaistes aptauja, tāpēc nevar noteikt cēloņsakarības. Turklāt, ņemot vērā darbā pieņemšanas metodoloģiju un iespējamo tendenci cilvēkiem ar PIU biežāk aizpildīt tiešsaistes aptauju, pašreizējie atklājumi var netikt vispārināti attiecībā uz PIU vispārējā fona populācijā kopumā. Vēl viens mūsu pētījuma ierobežojums ir klīnisko datu trūkums par dažām diagnostiskām vienībām, kas saistītas ar PIU, piemēram, depresija vai nepareiza vielu lietošana. Tāpēc ir iespējams, ka depresija vai nepareiza vielu lietošana var izraisīt dažas no mūsu pētījumā novērotajām asociācijām. Turpmākajos pētījumos būtu jāiekļauj plašāks klīnisko parametru klāsts, lai izpētītu, vai tie izskaidro saistību starp PIU un interneta darbībām. Ir vēl citi ierobežojumi attiecībā uz mūsu klīniskajiem datiem, kas iegūti, izmantojot MINI; tas tiek apstiprināts, lai to sniegtu apmācīts cilvēks klātienes intervijā, savukārt mūsu pētījumā tas tika sniegts, izmantojot tiešsaistes rīku. Tomēr mūsu klīniskie dati saskan ar iepriekšējiem pētījumiem PIU. Turklāt vēl viens mūsu datu vākšanas negatīvais aspekts bija tas, ka mēs novērtējām interneta aktivitātes, izmantojot šai darbībai pavadīto laiku kā šīs darbības PIU starpniekserveri. Lai gan tas var notvert pārmērīgu un tāpēc problemātisku lietošanu, tas, iespējams, var arī uztvert būtisku lietojumu. Lai gan šajā pētījumā novērtētās darbības pēc noklusējuma bieži nebija būtiskas to rakstura dēļ (piemēram, laika izšķērdētāji) vai arī ja tās tiek veiktas ļoti pārmērīgi (piemēram,> 8 stundas dienā iepirkšanās, azartspēles vai pornogrāfija), turpmākie pētījumi varētu iekļauj pasākumus, kas katrai interneta darbībai var atšķirt būtisku interneta izmantošanu no nebūtiskas, lai varētu veikt šādu analīzi. Vēl viens mūsu pētījuma ierobežojums ir datu trūkums par bērniem un pusaudžiem. Bērni un pusaudži var mijiedarboties ar internetu citādā veidā, bet arī ir pakļauti tiešsaistes lietošanai citā neiroloģiskās attīstības laikā. Tādēļ šādas atšķirības var nozīmēt atšķirīgu ievainojamību vai izturību attiecībā uz risku attīstīt PIU. Piemēram, agrīnai, zemai iedarbībai uz tiešsaistes vidi var būt “stresa inokulācijas” efekts (
), kas indivīdus attur no turpmākas PIU attīstības. Šādā gadījumā tas var vēl vairāk izskaidrot, kāpēc vecāka gadagājuma cilvēki, kuri pirmo reizi tiešsaistē saskārās tikai pieaugušā vecumā, var būt neaizsargātāki. Turpmākie pētījumi varētu ietvert šīs bērnu un pusaudžu vecuma grupas un perspektīvi pārbaudīt, vai konkrētas darbības internetā ir paredzamas PIU. Diemžēl to dalībnieku skaits, kuri ziņoja par transpersonu dzimumu, bija mazs (n = 18), kas neļāva jēgpilni analizēt transpersonu dzimuma ietekmi. Pēdējais mūsu pētījuma ierobežojums ir tāds, ka mūsu pētījuma populācija sastāv no veseliem pieaugušajiem, kuri tikai <1% cieš no ievērojamas PIU uzvedības (IAT> 80). Turpmākajiem pētījumiem būtu noderīgi, ja īpaša uzmanība tiktu pievērsta PIU spektra augstākajai daļai, lai varētu salīdzināt šīs smagās PIU populācijas ar kontroles grupu ar zemu līdz mērenu vai ne-PIU indivīdu. Lai gan aprēķinātā PIU izplatība mūsu izlasē bija ~ 8.5% (izmantojot IAT ≥ 50 robežvērtību), PIU klīniskās neērtības sliekšņi joprojām ir strīdīgi, un turpmākajiem pētījumiem būtu noderīga vispārpieņemta PIU definīcija un definīcija.
4.2
Secinājumi
Rezumējot, DSM-5 izceļ interneta spēļu traucējumus kā kandidāta traucējumus, bet citiem tiešsaistes uzvedības veidiem (piemēram, iepirkšanās, pornogrāfija, vispārēja sērfošana) ir spēcīgākas attiecības ar interneta nepareizu izmantošanu nekā spēļu. Psihiatriskās diagnozes un interneta aktivitātes, kas saistītas ar problemātisko interneta lietošanu, ir atšķirīgas atkarībā no vecuma, un tam ir ietekme uz sabiedrības veselību. Šie rezultāti palīdz ierobežot zināšanas par interneta darbībām, kas saistītas ar problemātisku interneta lietošanu, un var palīdzēt diagnosticēt problemātisku interneta lietošanu kā daudzpusīgu traucējumu.
Finansējuma avotu loma
Šis pētījums saņēma Čikāgas Universitātes Psihiatrijas katedras iekšējos departamentu līdzekļus. Dr. Ioannidis pētniecisko darbību atbalsta Veselības izglītība Austrumu Anglijas augstākās izglītības speciālās intereses. Autori nesaņēma finansējumu šī manuskripta sagatavošanai. Finansējuma avotam nebija nozīmes pētījuma izstrādē, datu analīzē vai rakstīšanā.
Atbalstītāji
KI izstrādāja rokraksta ideju, analizēja datus, uzrakstīja lielāko daļu rokraksta un papildmateriāla un koordinēja līdzautoru ieguldījumu. MT un FK piedalījās statistiskās analīzes koncepcijā un pārskatīšanā. SRC, SR, DJS, CL un JEG izstrādāja un koordinēja pētījumu un vāca un pārvaldīja datus. Visi autori izlasīja un apstiprināja galīgo rokrakstu un piedalījās dokumenta izstrādē un pārskatīšanā, kā arī rezultātu interpretācijā.
Interešu konflikts
Dr. Grant ir saņēmis pētniecības stipendijas no NIDA (RC1DA028279-01), Nacionālā atbildīgo spēļu centra un Roche un Forest Pharmaceuticals. Dr. Grant saņem kompensāciju no Springer kā žurnāla “The Gambling Studies” galvenā redaktore un ir saņēmis honorārus no McGraw Hill, Oxford University Press, Norton un APPI. Dr Chamberlain konsultējas par Kembridžas izziņu, un viņa iesaistīšanos šajā pētījumā atbalstīja Wellcome Trust (Apvienotā Karaliste; 110049 / Z / 15 / Z) starpposma klīniskā stipendija. Dan Stein un Christine Lochner finansē Dienvidāfrikas Medicīnas pētniecības padome. Pārējie autori neuzrāda finansiālas attiecības ar komerciālām interesēm. Nevienam no iepriekš minētajiem avotiem nebija nekādas nozīmes pētījumu izstrādē, datu vākšanā, analīzē vai interpretācijā, manuskripta rakstīšanā vai lēmumā par papīra publicēšanu publicēšanai.
Apstiprinājums
Mēs esam parādā abu vietņu brīvprātīgajiem, kas piedalījās pētījumā.
A papildinājums
Papildu dati
Papildmateriāls
Atsauces
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P. un Haffen E .: Masveida multiplayer tiešsaistes lomu spēlēšanas spēles: atkarīgo salīdzināšana ar tiešsaistes atkarīgajiem, kas nav atkarīgi no darbiniekiem, Francijas pieaugušo iedzīvotāji. BMC Psihiatrija 2011; 11: lpp. 144
Skatīt pantā - American Psychiatric Association, 2013. American Psychiatric Association: Garīgo traucējumu diagnostikas un statistikas rokasgrāmata: DSM-5. Vašingtona: Amerikas Psihiatrijas asociācija, 2013.
Skatīt pantā - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS un Pallesen S .: Facebook atkarības skalas izstrāde. Psiholoģiskie ziņojumi 2012; 110: lpp. 501-517
Skatīt pantā | Cross Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. un Oren A .: Interneta atkarība Norvēģijas pieaugušo vidū: stratificēta varbūtības izlases pētījums. Skandināvijas psiholoģijas žurnāls 2009; 50: lpp. 121-127
Skatīt pantā | Cross Ref - Melns, 2007. Melns DW: pārskats par kompulsīviem pirkuma traucējumiem. Pasaules psihiatrija: Pasaules Psihiatrijas asociācijas (WPA) Oficiālais Vēstnesis 2007; 6: lpp. 14-18
Skatīt pantā - Bloķēt, 2008. Bloķēt JJ: DSM-V problēmas: interneta atkarība. American Journal of Psychiatry 2008; 165: lpp. 306-307
Skatīt pantā | Cross Ref - Brand et al., 2011. Brand M., Laier C., Pawlikowski M., Schächtle U., Schöler T. un Altstötter-Gleich C .: pornogrāfisku attēlu skatīšanās internetā: seksuālās uzbudinājuma un psiholoģisko psihiatrisko simptomu nozīme, izmantojot interneta seksa vietas . Kiberpsiholoģija, uzvedība un sociālais tīkls 2011; 14: lpp. 371-377
Skatīt pantā | Cross Ref - Breiman, 2001. Breiman L .: Statistiskā modelēšana: abas kultūras. Statistikas zinātne 2001; 16: lpp. 199-215
Skatīt pantā - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R. un Markuszewski MJ: uz PLS balstītas un ar legalizāciju balstītas metodes, lai atlasītu attiecīgos mainīgos lielumus nesaistītajos metabolomikas datos. Robežas molekulārās bioloģijas zinātnē 2016; 3: lpp. 1-10
Skatīt pantā - Burns et al., 1996. Burns GL, Keortge SG, Formea GM un Sternberger LG: Padujas obsesīvo kompulsīvo traucējumu saraksta pārskatīšana: atšķirības starp uztraukumiem, apsēstībām un piespiedu līdzekļiem. Uzvedības izpēte un terapija 1996; 34: lpp. 163-173
Skatīt pantā | Cross Ref - Cao et al., 2007. Cao F., Su L., Liu T. un Gao X .: Attiecība starp impulsiju un interneta atkarību ķīniešu pusaudžu izlasē. Eiropas Psihiatrija 2007; 22: lpp. 466-471
Skatīt pantā | Cross Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. un Kaess M .: Saikne starp patoloģisko interneta lietošanu un komorbidālo psihopatoloģiju: sistemātiska pārskatīšana. Psihopatoloģija 2013; 46: lpp. 1-13
Skatīt pantā | Cross Ref - Claes et al., 2016. Claes L., Müller A. un Luyckx K .: Kompulsīvi pirkumi un uzkrājumi kā identitātes aizstājēji: materiālistiskās vērtības apstiprināšanas un depresijas loma. Visaptveroša psihiatrija 2016; 68: lpp. 65-71
Skatīt pantā | Cross Ref - Cole un Hooley, 2013. Cole SH un Hooley JM: MMO spēļu klīniskās un personības korelācijas: trauksme un absorbcija problemātiskā interneta lietošanā. Sociālo zinātņu datoru pārskats 2013; 31: lpp. 424-436
Skatīt pantā | Cross Ref - Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR un Cloninger CR: Patoloģisko azartspēļu izplatība un prognozētāji: St Louis personības, veselības un dzīvesveida (SLPHL) pētījuma rezultāti. Psihiatrisko pētījumu žurnāls 2005; 39: lpp. 377-390
Skatīt pantā | Cross Ref - von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP, un S iniciatīva. Novērošanas pētījumu ziņošanas stiprināšana epidemioloģijā (STROBE): Vadlīnijas novērošanas pētījumu ziņošanai. Klīniskās epidemioloģijas žurnāls 2008; 61: lpp. 344-349
Skatīt pantā | Cross Ref - Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M. un Martín V .: problemātiska interneta izmantošana universitātes studentos: saistītie faktori un dzimumu atšķirības . Adicciones 2015; 27: lpp. 265-275
Skatīt pantā | Cross Ref - Friedman et al., 2010. Friedman J., Hastie T. un Tibshirani R .: Regularizācijas ceļi vispārīgiem lineāriem modeļiem, izmantojot koordinātu nolaišanos. Statistikas programmatūras žurnāls 2010; 33: lpp. 1-22
Skatīt pantā - Griffiths, 2003. Griffiths M .: Interneta azartspēles: jautājumi, bažas un ieteikumi. Kiberpsiholoģija un uzvedība: interneta, multivides un virtuālās realitātes ietekme uz uzvedību un sabiedrību 2003; 6: 557.-568. Lpp
Skatīt pantā | Cross Ref - Ha un Hwang, 2014. Ha Y.-M. un Hwang WJ: dzimumu atšķirības interneta atkarībā, kas saistītas ar psiholoģiskajiem veselības rādītājiem pusaudžu vidū, izmantojot nacionālo tīmekĜa pētījumu. Starptautiskais garīgās veselības un narkomānijas žurnāls 2014; 12: lpp. 660-669
Skatīt pantā | Cross Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y. un Mak K.-K .: Saikne starp interneta atkarību un psihiatrisko saslimstību: metaanalīze. BMC Psihiatrija 2014; 14: lpp. 183
Skatīt pantā - Hoerl un Kennard, 1970. Hoerl AE un Kennard RW: Ridge regresija: neoriogonālu problēmu novērtējums. Technometrics 1970; 12: lpp. 55-67
Skatīt pantā - Huys et al., 2016. Huys QJM, Maia TV un Frank MJ: skaitļošanas psihiatrija kā tilts no neirozinātnes līdz klīniskiem lietojumiem. Nature Neuroscience 2016; 19: lpp. 404-413
Skatīt pantā | Cross Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J. un Yoshida T .: Nav mobilas, ne dzīve: Japānas vidusskolu audzēkņu atkarība no pašapziņas un īsziņu atkarība.
Skatīt pantā - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. un GED JE: Problemātisks interneta lietojums (PIU): Asociācijas ar impulsīvo kompulsīvo spektru. Psiholoģijas žurnāls: Mašīnmācības pielietojums psihiatrijā, 2016.
Skatīt pantā - Janower, 2006. Janower CR: Azartspēles internetā. Datorizētās komunikācijas žurnāls 2006; 2: lpp. 0
Skatīt pantā | Cross Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E. un Walters EE: Pasaules Veselības organizācijas pieaugušo ADHD pašnovērtējuma skala (ASRS): īsa skrīninga skala izmantošanai vispārējā vidē populācija. Psiholoģiskā medicīna 2005; 35: lpp. 245-256
Skatīt pantā | Cross Ref - Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. un Zaslavsky AM: mašīnapmācības algoritma testēšana, lai prognozētu lielas depresijas traucējumu noturību un smagumu, salīdzinot ar pašnovērtējumiem. Molekulārā psihiatrija 2016; 21: lpp. 1366-1371
Skatīt pantā | Cross Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M. un Rothen S .: Interneta atkarības testa faktora struktūra tiešsaistes spēlētājiem un pokera spēlētājiem. JMIR Mental Health 2015; 2:
Skatīt pantā - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C. un Gao J .: Integratīvā pieeja gēnu regulējošo tīklu secinājumam, izmantojot laso balstītu nejaušu iezīmēšanu un pielietošanu psihiskiem traucējumiem. BMC medicīnas genomika 2016; 9: lpp. 50
Skatīt pantā - Karalis, 1999. King SA: Interneta azartspēles un pornogrāfija: ilustratīvi komunikācijas anarhijas psiholoģisko seku piemēri. Kiberpsiholoģija un uzvedība 1999; 2: 175.-193.lpp
Skatīt pantā - King un Barak, 1999. King SA un Barak A .: Obligātas interneta azartspēles. Kiberpsiholoģija un uzvedība 1999; 2: 441. - 456. lpp
Skatīt pantā | Cross Ref - Király et al., 2015. Karal O., Griffiths, MD, un Demetrovics Z .: Interneta spēļu traucējumi un DSM-5: konceptualizācija, debates un pretrunas. Pašreizējie atkarības ziņojumi 2015; 2: lpp. 254-262
Skatīt pantā - Király et al., 2014. Karal O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z. un Demetrovics Z .: Problēmas lietošana internetā un problemātiskas tiešsaistes spēles nav vienādas: lielas valsts reprezentatīvas pusaudžu izlases rezultāti. Kiberpsiholoģija, uzvedība un sociālais tīkls 2014; 17: lpp. 749-754
Skatīt pantā - Kittinger et al., 2012. Kittinger R., Correia CJ un Irons JG: Attiecība starp Facebook lietošanu un problemātisku interneta lietošanu koledžas studentu vidū. Kiberpsiholoģija, uzvedība un sociālais tīkls 2012; 15: lpp. 324-327
Skatīt pantā | Cross Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S. un Chen C.-C: Saikne starp interneta atkarību un psihiskiem traucējumiem: literatūras apskats . Eiropas Psihiatrija 2012; 27: lpp. 1-8
Skatīt pantā - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C. un Yang M.-J .: Faktori, kas prognozē interneta atkarības biežumu un remisiju jauniem pusaudžiem: A perspektīvais pētījums. Kiberpsiholoģija un uzvedība: interneta, multivides un virtuālās realitātes ietekme uz uzvedību un sabiedrību 2007; 10: 545-551 lpp
Skatīt pantā | Cross Ref - Kuss un Griffiths, 2011. Kuss DJ un Griffiths MD: tiešsaistes sociālais tīkls un atkarība - psiholoģiskās literatūras apskats. Starptautiskais vides pētījumu un sabiedrības veselības žurnāls 2011; 8: lpp. 3528-3552
Skatīt pantā | Cross Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD un Binder JF: Interneta atkarība studentos: izplatība un riska faktori. Datori cilvēka uzvedībā 2013; 29: lpp. 959-966
Skatīt pantā | Cross Ref - Kuss un Lopez-Fernandez, 2016. Kuss DJ un Lopez-Fernandez O: Interneta atkarība un problemātisks interneta lietojums: sistemātisks klīnisko pētījumu pārskats. World Journal of Psychiatry 2016; 6: lpp. 143-176
Skatīt pantā | Cross Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF un Chabrol H .: problemātiska interneta lietošana, tiešsaistē pavadītais laiks un personības iezīmes. L'Encéphale 2016; 42: 214.-218.lpp
Skatīt pantā | Cross Ref - Laconi et al., 2014. Laconi S., Rodgers RF un Chabrol H .: Interneta atkarības mērīšana: kritisks pārskats par esošajiem svariem un to psihometriskajām īpašībām. Datori cilvēka uzvedībā 2014; 41: lpp. 190-202
Skatīt pantā | Cross Ref - Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP un Brand M .: Cybersex atkarība: Pieredzējušais seksuālais uzbudinājums, skatoties pornogrāfiju, nevis reālas dzimumattiecības, rada atšķirību. Uzvedības atkarību žurnāls 2013; 2: lpp. 100-107
Skatīt pantā | Cross Ref - Lecardeur, 2013. Lecardeur L .: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: lpp. 579-586
Skatīt pantā | Cross Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A. un Bian Y .: Dzimumu atšķirības attiecībās starp interneta atkarību un depresiju: pārrobežu pētījums ar Ķīnas pusaudžiem. Datori cilvēka uzvedībā 2016; 63: lpp. 463-470
Skatīt pantā | Cross Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O: Kā interneta atkarības izpēte ir attīstījusies kopš interneta spēļu traucējumu rašanās? Pārskats par kibernoziegumiem no psiholoģiskā viedokļa. Pašreizējie atkarības ziņojumi 2015; 2: lpp. 263-271
Skatīt pantā | Cross Ref - Masten un Tellegen, 2012. Masten AS un Tellegen A .: Izturība attīstības psihopatoloģijā: projekta kompetences garengriezuma pētījums. Attīstība un psihopatoloģija 2012; 24: lpp. 345-361
Skatīt pantā | Cross Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A. un de Zwaan M .: Paredzētā kompulsīvā iepirkuma izplatība Vācijā un tās saistība ar sociodemogrāfiskajiem raksturlielumiem un depresīvajiem simptomiem. Psihiatrijas pētījumi 2010; 180: lpp. 137-142
Skatīt pantā | Cross Ref - Patton et al., 1995. Patton JH, Stanford MS un Barratt ES: Barratt impulsivitātes skalas faktora struktūra. Klīniskās psiholoģijas žurnāls 1995; 51: lpp. 768-774
Skatīt pantā | Recupero, 2008. Recupero PR: problemātiskā interneta izmantošanas tiesu ekspertīze. Amerikas Psihiatrijas akadēmijas žurnāls un likums 2008; 36: lpp. 505-514
Skatīt pantā - Rose un Dhandayudham, 2014. Rose S., un Dhandayudham A .: Ceļā uz izpratni par interneta problēmu iepirkšanās uzvedību: tiešsaistes iepirkšanās atkarības jēdziens un tā paredzētie prognozētāji. Uzvedības atkarību žurnāls 2014; 3: lpp. 83-89
Skatīt pantā | Cross Ref - Rutland et al., 2007. Rutland JB, Sheets T. un Young T .: Skalas izstrāde īsziņu pakalpojuma problēmu izmantošanas mērīšanai: SMS problēma izmanto diagnostikas anketu. Kiberpsiholoģija un uzvedība 2007; 10: 841-844 lpp
Skatīt pantā | Cross Ref - Rutter, 1993. Rutter M .: Izturība: daži konceptuāli apsvērumi. Pusaudžu veselības žurnāls: Oficiālā publikācija par pusaudžu medicīnas biedrību 1993; 14: lpp. 626-631
Skatīt pantā | Cross Ref - Shaw un Black, 2008. Shaw M. un Black DW: Interneta atkarība: definīcija, novērtējums, epidemioloģija un klīniskā vadība. CNS narkotikas 2008; 22: lpp. 353-365
Skatīt pantā | Cross Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E. un Dunbar GC: Mini-International neiropsihiatriskā intervija (MINI): DSM-IV strukturētas diagnostikas psihiatriskās intervijas izstrāde un apstiprināšana un ICD-10. Klīniskās psihiatrijas žurnāls 1998; 59:
Skatīt pantā - Tam un Walter, 2013. Tam P. un Walter G .: Problēmisks interneta lietojums bērnībā un jaunībā: 21st gadsimta traumas. Austrālijas psihiatrija 2013; nenoteikts:
Skatīt pantā - Tibshirani, 1996. Tibshirani R .: Regresijas saraušanās un atlase caur laso. Karaliskās statistikas biedrības žurnāls, B sērija 1996; 58: lpp. 267-288
Skatīt pantā - Tikhonovs, 1963. Tikhonov AN: Nepareizi formulētu problēmu risināšana un legalizācijas metode. Padomju matemātika Doklady 1963; 5: lpp. 1035-1038
Skatīt pantā - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A. un Brand M .: Patoloģiska pirkšana tiešsaistē kā īpaša interneta atkarības forma: eksperimentālā eksperimentālā modeļa izmantošana. PLoS One 2015; 10:
Skatīt pantā - Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C, Chen KC, Yang YC un Yang YK: Interneta atkarības riska faktori? Psihiatrijas pētījumi 2009; 167: lpp. 294-299
Skatīt pantā | Cross Ref - Wallace, 2014. Voless P .: Interneta atkarības traucējumi un jaunība: pieaug bažas par piespiedu tiešsaistes aktivitātēm un ka tas varētu kavēt studentu sniegumu un sociālo dzīvi. EMBO ziņojumi 2014; 15: 12.-16.lpp
Skatīt pantā | Cross Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W. un Hong Z .: Tiešsaistes aktivitātes, interneta atkarības izplatība un riska faktori, kas saistīti ar ģimeni un skolu pusaudžu vidū Ķīnā. Atkarību izraisošo uzvedību ziņojumi 2018; 7: lpp. 14-18
Skatīt pantā | Cross Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M. un Kozak K .: Atkarība no interneta koleģiālajā populācijā: kautrības loma. Kiberpsiholoģija un uzvedība 2004; 7: 379. - 383. lpp
Skatīt pantā | Cross Ref - Young, 1998. Young KS: Interneta atkarība: Jauna klīniskā traucējuma rašanās. Kiberpsiholoģija un uzvedība 1998; 1: 237.-244.lpp
Skatīt pantā | Cross Ref
;