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, Grant JE7.
Abstrak
LATAR BELAKANG DAN AIM:
Penggunaan internet yang bermasalah (PIU atau dikenali sebagai Ketergantungan Internet) adalah masalah yang semakin meningkat dalam masyarakat moden. Terdapat pengetahuan yang sukar mengenai pembolehubah demografi dan aktiviti internet tertentu yang berkaitan dengan PIU dan pemahaman yang terhad tentang bagaimana PIU perlu dikonseptualisasikan. Matlamat kami adalah untuk mengenal pasti aktiviti internet tertentu yang berkaitan dengan PIU dan meneroka peranan sederhana umur dan jantina dalam persatuan tersebut.
KAEDAH:
Kami merekrut peserta 1749 berusia 18 dan ke atas melalui iklan media dalam kaji selidik berasaskan Internet di dua tapak, satu di Amerika Syarikat, dan satu di Afrika Selatan; kami menggunakan regresi Lasso untuk analisis.
KEPUTUSAN:
Aktiviti internet tertentu dikaitkan dengan skor penggunaan internet yang bermasalah yang lebih tinggi, termasuk melayari umum (lasso β: 2.1), permainan internet (β: 0.6), membeli-belah dalam talian (β: 1.4), penggunaan laman web lelongan dalam talian (β: 0.027), sosial rangkaian (β: 0.46) dan penggunaan pornografi dalam talian (β: 1.0). Usia memoderasi hubungan antara PIU dan permainan peranan (β: 0.33), perjudian dalam talian (β: 0.15), penggunaan laman web lelong (β: 0.35) dan media streaming (β: 0.35), dengan usia yang lebih tua dikaitkan dengan yang lebih tinggi tahap PIU. Terdapat bukti yang tidak pasti untuk jantina dan jantina × aktiviti internet dikaitkan dengan skor penggunaan internet yang bermasalah. Gangguan hiperaktif kekurangan perhatian (ADHD) dan gangguan kecemasan sosial dikaitkan dengan skor PIU yang tinggi pada peserta muda (masing-masing usia age 25, β: 0.35 dan 0.65), sedangkan gangguan kecemasan umum (GAD) dan gangguan obsesif-kompulsif (OCD) adalah dikaitkan dengan skor PIU yang tinggi pada peserta yang lebih tua (masing-masing berumur> 55, β: 6.4 dan 4.3).
KESIMPULAN:
Banyak jenis kelakuan dalam talian (contohnya membeli-belah, pornografi, melayari umum) menanggung hubungan yang lebih kuat dengan penggunaan internet maladaptif daripada permainan yang menyokong klasifikasi diagnostik penggunaan internet bermasalah sebagai gangguan pelbagai fungsi. Selain itu, aktiviti internet dan diagnosis psikiatri yang berkaitan dengan penggunaan internet bermasalah berbeza dengan usia, dengan implikasi kesihatan awam.
Kata-kata berkaitan: Kecanduan tingkah laku; Ketagihan internet; Gangguan permainan Internet; Lasso; Pembelajaran mesin; Penggunaan internet yang bermasalah
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
Pengenalan
Penggunaan internet yang bermasalah (PIU atau dikenali sebagai Ketergantungan Internet), adalah kebimbangan kesihatan awam dalam masyarakat moden di seluruh dunia. Epidemiologi PIU masih belum jelas (
; ) dengan pelbagai anggaran prevalensi titik yang dilaporkan (1% hingga 36.7%), mungkin mencerminkan bukan sahaja perbezaan populasi tetapi juga kepelbagaian alat penilaian dan definisi operasi yang berbeza dari tingkah laku PIU. DSM-5 telah menyoroti gangguan permainan Internet sebagai syarat untuk kajian lanjutan (), khususnya tidak termasuk aktiviti berasaskan internet lain seperti perjudian dan penggunaan media sosial, walaupun terdapat bukti yang menunjukkan bahawa penggunaan internet yang bermasalah adalah masalah pelbagai aspek yang melampaui permainan dalam talian (; ;). Banyak tingkah laku dalam talian yang berbeza telah digambarkan sebagai mampu mengganggu fungsi normal apabila dilakukan secara berlebihan, termasuk permainan dalam talian dan permainan peranan dalam talian berbilang pemain secara besar-besaran (;;;;;), perjudian dalam talian (;), membeli-belah dalam talian (; ;), melihat pornografi (;;), pemeriksaan e-mel yang kerap, pesanan segera (;;) dan penggunaan media sosial yang berlebihan (;). Tingkah laku dalam talian juga boleh menimbulkan kebimbangan terhadap kesihatan fizikal individu (;) atau meletakkan asas untuk tindakan jenayah (). Ciri-ciri impulsif dan kompulsif dapat menyokong tingkah laku internet yang bermasalah (;;;;), sementara aktiviti internet tertentu telah dikaitkan dengan gangguan psikiatri; sebagai contoh, membeli-belah dalam talian telah dikaitkan dengan kemurungan dan penimbunan (
).
Orang muda dan pelajar dianggap paling lemah bagi PIU (
; ; ; ; ), tetapi populasi pertengahan umur dan lebih tua belum disiasat secara menyeluruh. Umur muda telah dikaitkan dengan membeli-belah dalam talian yang bermasalah (;). Walau bagaimanapun, terdapat beberapa kajian yang mengenal pasti aktiviti internet bermasalah, termasuk membeli-belah berasaskan internet yang berlebihan, dalam populasi dewasa (
). Secara keseluruhan, sejarah semula jadi penggunaan internet yang bermasalah masih tidak diketahui dan mungkin terdapat perbezaan usia berkaitan dengan PIU secara keseluruhan, atau dalam tingkah laku dalam talian yang bermasalah.
PIU telah dianggap mempunyai lebih ramai laki-laki (
; ) dan mungkin lebih lazim di kalangan pemuda lelaki Asia, tetapi wanita juga boleh terdedah (;). Pada peringkat klinikal, majoriti kajian PIU termasuk peserta lelaki sahaja () dan tidak jelas sama ada populasi klinikal wanita mungkin telah difahami. Terdapat beberapa bukti dari kajian pemerhatian yang lelaki dan perempuan berbeza dengan cara mereka beroperasi dalam persekitaran dalam talian dari segi aktiviti yang mereka pilih dan akibat negatif mereka (;). Penggunaan berobat dan media sosial yang berlebihan telah dikaitkan dengan jantina perempuan di kalangan pelajar muda (;;;; S). Jantina wanita juga telah dikenal pasti sebagai peramal berbelanja dalam talian yang bermasalah (), tetapi sebaliknya juga telah dilaporkan (;). Permainan dalam talian telah dikaitkan dengan jantina lelaki (), tetapi perjudian bermain peranan dalam talian secara besar-besaran telah dilaporkan dalam kedua-dua jantina (). Pornografi dalam talian serta perjudian dalam talian telah dilaporkan lebih kerap di kalangan lelaki dewasa (), bagaimanapun, telah dikatakan bahawa peranan pemberian ganjaran, kereaktifan dan keinginan seks dalam talian adalah serupa untuk kedua-dua jantina (). Platform sosial media khusus dengan potensi ketagihan, seperti laman rangkaian seperti Facebook, digunakan oleh kedua-dua jantina dan telah dikatakan bahawa perempuan mungkin berisiko (). Secara keseluruhannya, terdapat perbezaan-perbezaan spesifik gender bagi aspek PIU; Sebagai alternatif, ia mungkin bahawa ciri-ciri klinikal dan perilaku / pemalsuan telah diambil kira, kedua-dua jantina juga terpengaruh (;;
).
Secara keseluruhannya, kegunaan internet bermasalah termasuk pelbagai jenis tingkah laku internet yang bermasalah memerlukan lebih banyak penyiasatan yang ketat yang akan memberi gambaran tentang kegiatan spesifik yang harus dianggap sebagai masalah atau tidak berfungsi atau secara umum menyumbang kepada fenomena yang digambarkan sebagai PIU. Cara di mana umur dan jantina menyederhanakan hubungan antara aktiviti internet tertentu dan PIU telah difahami, memberi perhatian lebih.
Objektif kami adalah untuk mengenal pasti aktiviti berkaitan internet khusus yang berkaitan dengan PIU secara statistik dan sama ada terdapat interaksi dengan umur atau jantina yang menyederhanakan hubungan tersebut.
2
Bahan dan kaedah
2.1
Menetapkan dan mengukur
Lebih terperinci mengenai penetapan dan ukuran kajian ini juga telah diterangkan dalam penerbitan terdahulu kami di PIU (
). Pelaporan kaedah untuk kajian ini mengikuti garis panduan STROBE (
). Kajian semasa dijalankan dari Januari 2014-Februari 2015. Individu berusia 18 tahun ke atas telah direkrut di dua tapak: Chicago (AS) dan Stellenbosch (Afrika Selatan) menggunakan iklan internet (min umur 29 [18-77]; 1119 lelaki [64%]; 1285 Caucasian [73%]). Iklan tersebut meminta individu untuk mengambil bahagian dalam kaji selidik dalam talian mengenai penggunaan internet. Peserta menyiapkan kajian secara anonim dengan menggunakan perisian Survey Monkey. Tinjauan itu dihantar melalui Craigslist jadi hanya peserta dari kawasan spesifik yang disasarkan. Kajian ini telah diluluskan oleh lembaga kajian institusi di setiap tapak penyelidikan. Peserta tidak menerima pampasan untuk mengambil bahagian tetapi telah didaftarkan dalam loteri rawak di mana lima hadiah disediakan dengan setiap hadiah bernilai antara $ 50 dan $ 200 di Amerika Syarikat dan tiga hadiah antara ZAR250 dan ZAR750 di Afrika Selatan.
Tinjauan dalam talian mengandungi soalan mengenai usia, jantina, bangsa, status hubungan, orientasi seksual dan latar belakang pendidikan setiap individu, serta pelbagai ukuran aktiviti internet tertentu. Kami mengukur beberapa aktiviti internet yang berbeza termasuk 1) melayari umum 2) jumlah permainan internet 3) permainan peranan dalam talian (RPG) 4) Pembaziran masa / permainan kemahiran (iaitu Aplikasi di iPod / iPad / telefon bimbit, Tetris, Permata) 5 ) Berbilang pemain aksi dalam talian (iaitu Call of Duty, Gears of War) 6) Membeli-belah dalam talian 7) Laman web lelong (iaitu Ebay) 8) Perjudian dalam talian 9) Rangkaian sosial 10) Sukan dalam talian (iaitu sukan Fantasi, ESPN) 11) Pornografi / Seks di internet 12) Pemesejan / Blogging (iaitu AIM, Skype) dan 13) Streaming video / media (iaitu YouTube, Hulu). Tinjauan ini juga merangkumi langkah-langkah klinikal: Ujian Ketagihan Internet (IAT) (
) untuk menyediakan ukuran penggunaan internet maladaptive; pilih modul Mini Interview Neuropsychiatric Mini (MINI) () untuk mengenal pasti gangguan kecemasan sosial (SAD), gangguan kebimbangan umum (GAD) dan gangguan obsesif-kompulsif (OCD); Senarai Pemeriksaan Gejala Skala Penyakit ADHD Dewasa (ASRS-v1.1) () untuk mengenal pasti simptom-simptom hiperaktif yang berkaitan dengan defisit (ADHD); Inventori Padua (PI) () untuk mengenal pasti kecenderungan obsesif-kompulsif; dan Barratt Impulsiveness Scale (BIS-11) untuk mengukur personaliti impulsif (
). Statistik deskriptif untuk semua pembolehubah diringkaskan dan berstrata mengikut umur dalam Jadual Tambahan S1a.
IAT terdiri daripada soalan 20 yang memeriksa aspek PIU. Skor pada julat IAT dari 20 ke 100 dengan 20-49 mencerminkan kegunaan Internet ringan, penggunaan Internet sederhana 50-79, dan 80-100 yang menggambarkan kegunaan Internet yang teruk. PI terdiri daripada item 39 menilai tingkah laku obsessional dan kompuls yang biasa. BIS-11 adalah soal selidik diri yang digunakan untuk menentukan tahap impulsif.
Kami melakukan Analisis Komponen Utama (PCA) untuk mengenal pasti sama ada beberapa komponen aktiviti internet dapat menyumbang sebahagian besar varians. Walau bagaimanapun, analisis ini menunjukkan bahawa kami memerlukan> 11 daripada 13 komponen untuk mencapai> 90% varians yang menunjukkan bahawa sebahagian besar pemboleh ubah aktiviti internet memberikan sumbangan unik terhadap varians tersebut. Oleh itu, kami memutuskan untuk menggunakan setiap pemboleh ubah secara berasingan dalam analisis kami.
Hanya data dari peserta yang menyelesaikan keseluruhan tinjauan dalam talian, termasuk langkah-langkah aktiviti internet, yang dimasukkan dalam analisis. Sampel asal merangkumi 2551 individu. 63 individu dikeluarkan kerana tidak mendapat skor IAT. Sebanyak 18 individu lagi dikecualikan kerana melaporkan jantina transgender dan 459 kerana kehilangan pemboleh ubah peramal penting seperti skor soal selidik PI atau BIS. Lima individu dikecualikan kerana melaporkan usia <18 tahun. Sebanyak 257 orang lagi dikecualikan kerana tindakan aktiviti internet yang hilang. Set lengkap akhir merangkumi 1749 individu dengan skor lengkap pada semua pemboleh ubah. Langkah terakhir proses pengecualian ini menjelaskan perbezaan sampel antara kajian ini dan
. Set lengkap akhir ini merangkumi 1063 individu dari laman Stellenbosch dan 686 individu dari laman Chicago. Perkiraan titik prevalensi PIU adalah ~ 8.5% menggunakan pemotongan IAT 50 atau lebih tinggi. Membandingkan dua populasi tapak kajian, laman Stellenbosch mempunyai peserta yang lebih muda [min (julat) 24.3 (18–76) vs 36.3 (18–77), ANOVA F <0.05, η 2 : 0.20], bahagian jantina lelaki yang lebih rendah [58% vs 73%, χ 2 <0.05, φ : 0.15], lebih tinggi orientasi seksual heteroseksual [91% vs 84%, χ 2 <0.05, φ : 0.10], kadar ADHD yang lebih tinggi [50% vs 41% χ 2 <0.05, φ : 0.9], kadar belanja dalam talian yang lebih rendah [min (julat) 0.48 (0-5) vs 1.27 (0-5), ANOVA F <0.05, η 2 : 0.18] dan skor IAT yang sedikit lebih rendah [min (julat) 30.3 (20–94) vs 35.9 (20–85), ANOVA F <0.05, η 2 : 0.06]. Perbandingan yang lebih terperinci dibentangkan dalam Jadual Tambahan S1b. Proses pengambilan dan pengecualian dipaparkan secara grafik di dalam Rajah 1 . Semua pemboleh ubah berterusan (iaitu skor BIS) telah diseragamkan untuk meningkatkan tafsiran model koefisien. Kaedah ramalan menggunakan skor IAT sebagai pemboleh ubah berangka (Range 20-94, Mean 32.48). Semua analisis telah dijalankan di R Studio versi 3.1.2. Lasso Generalized Linear Models telah dilakukan menggunakan pakej "glmnet" (Package glmnet version 2.0-5 (
)). Maklumat lanjut tentang proses analisis boleh didapati di Tambahan (metodologi lampiran).
2.2
Penerokaan korelasi
Kami meneroka korelasi antara pembolehubah dalam data kami (lihat Rajah 2 ). Semua aktiviti internet yang berbeza mempunyai korelasi positif yang lemah dengan skor IAT (julat pekali korelasi Pearson 0.23–0.48). Beberapa korelasi positif sederhana antara pemboleh ubah aktiviti internet dikenal pasti iaitu permainan internet total dan RPG (r = 0.57), jumlah permainan internet dan permainan multiplayer aksi (r = 0.55), membeli-belah dalam talian dan penggunaan laman web lelong (r = 0.55), melayari umum dan membeli-belah (r = 0.44), melayari umum dan rangkaian sosial (r = 0.44), melayari umum dan media streaming (r = 0.44). Terdapat hubungan positif yang lemah antara sukan dan pornografi (r = 0.38), jantina lelaki dan sukan (r = 0.30) atau pornografi (r = 0.39) atau permainan berbilang pemain aksi (r = 0.27). Terdapat hubungan yang lemah antara perjudian dalam talian dan multiplayer tindakan (r = 0.41), RGP (r = 0.32), laman web lelong (r = 0.38), sukan (r = 0.38) atau pornografi (r = 0.39). Impulsivitas berkorelasi positif secara positif dengan melayari umum, membeli-belah dalam talian, penggunaan laman web lelong, rangkaian sosial, media streaming dan pornografi (0.2 ≤ r ≤ 0.3). Terdapat juga hubungan yang lemah antara usia tua dan aktiviti membeli-belah (r = 0.33) atau penggunaan laman web lelong (r = 0.22), dan antara orientasi seksual bukan heteroseksual dan pornografi (r = 0.22). Semua korelasi lain antara aktiviti internet dan usia, jantina, status hubungan, orientasi seksual, tahap pendidikan, bangsa dan tahap impulsiviti dan keterpaksaan sangat lemah (.0.2 <r <0.2).
2.3
Berurusan dengan lebih pantas
Untuk kaedah statistik kami, kami menggunakan model yang termasuk pembolehubah demografi (umur, bangsa, tahap pendidikan, jantina, status hubungan, orientasi seksual), ciri klinikal (diagnosis ADHD, GAD, Sosial Kebimbangan dan OCD), dimensi tingkah laku yang diketahui berkaitan dengan PIU (impulsivity dan compulsivity), aktiviti internet dan istilah interaksi antara aktiviti Internet × Umur atau Jantina; yang terakhir telah memutuskan untuk menguji hipotesis bahawa usia atau jantina menyederhanakan hubungan antara aktiviti internet dan skor penggunaan internet yang bermasalah. Kami termasuk sejumlah pembolehubah peramal 51. Dengan memasukkan sejumlah besar pembolehubah kami bertujuan untuk model yang lebih tepat dan pada masa yang sama menangkap interaksi kompleks antara pembolehubah demografi dan internet. Walau bagaimanapun, kelemahan yang mempunyai banyak pemboleh ubah ramalan adalah bahawa ini biasanya membawa kepada over-fitting disertai oleh pekali besar. Tambahan pula, dalam regresi linier dalam sampel juga cenderung terlalu cergas, terutamanya dalam model yang rumit, dan pada dasarnya adalah cacat dalam membuat ramalan pada data baru. Terdapat bukti yang meluas tentang kelemahan model yang terlalu pas (
). Untuk menangani lebih tepat, kami telah membincangkan menggunakan kaedah statistik out-of-sampel (cross-validation) untuk mendapatkan anggaran kesilapan generalisasi dan ramalan model (
). Kami meneroka pendekatan ini dalam data semasa kami ketika menggunakan estimasi silang di luar sampel dari ralat-mean-kuadrat-kesalahan bersama dengan pemilihan pemboleh ubah yang mundur untuk menguji sama ada model bertambah baik dengan menambahkan sejumlah besar pemboleh ubah dalam subkumpulan kombinasi ramalan yang mungkin, dan kami melihat bahawa model yang jarang (iaitu dengan kira-kira antara 13 dan 16 pemboleh ubah) tidak rendah dari segi RMSE yang disahkan silang berbanding model yang lebih kompleks (termasuk> 16 pemboleh ubah). Ini ditunjukkan dalam penerokaan Rajah 3 (kiri atas).
2.4
Regresi regulatori dengan kekangan jarang
Atas sebab-sebab yang disebutkan dalam perenggan yang terdahulu, kami ingin menggunakan kaedah ramalan yang tidak akan terlalu sesuai, sementara dapat dibandingkan dengan kaedah statistik standard dari segi meramalkan skor PIU. Ia juga bernilai jika kaedah kami juga boleh melakukan pemilihan yang berubah-ubah (iaitu dengan mengurangkan bilangan peramal dengan pekali bukan sifar), untuk membantu dengan penafsiran model. Regularization, yang pada mulanya direka oleh Tikhonov untuk menyelesaikan persamaan integral (
) dan kemudiannya diperkenalkan dalam sains statistik dengan mempunyai beberapa sifat yang diingini sifat-sifat peralihan model pembinaan ke arah kelebihan dan mengurangkan terlalu pas (). Lasso (model linier umum dengan kemungkinan maksimum yang dihukum, dikenali sebagai regresi menggunakan Pengecutan Mutlak Pengecualian dan Pemilihan Selektif (Lasso atau LASSO ())) adalah kaedah analisis regulatariasi dan regresi yang kini sering digunakan dalam sains perubatan (;) dan mempunyai potensi untuk digunakan dalam pemodelan ramalan klinikal dalam psikiatri (RC). Regresi ridge adalah satu lagi bentuk regresi linier regulatori yang mengecilkan koefisien dengan memperkenalkan pekali penalti (). Jaring anjal adalah model perantaraan di antara rabung dan lasso dan penaltinya dikawal oleh α, yang menjembatani jurang antara Lasso (α = 1) dan rabung (α = 0). Parameter penalaan λ mengawal kekuatan keseluruhan penalti. Lasso menggunakan penalti dan rabung L1 menggunakan penalti L2. Berbeza dengan regresi ridge, kesan penalti Lasso L1 adalah bahawa kebanyakan koefisien didorong ke sifar, yang membawa kepada penyelesaian tetap yang jarang pada masa yang sama. Dengan mekanisme ini, Lasso melakukan pemilihan berubah-ubah yang dapat memudahkan penafsiran terutama jika banyak peramal terlibat dalam model. Satu lagi kaedah yang tidak standard yang diketahui dengan ketepatan yang tinggi dan keupayaan untuk mengelakkan daripada pemasangan adalah hutan rawak (
). Hutan rawak adalah kaedah pembelajaran mesin yang berfungsi dengan baik terhadap ketergantungan tidak linear dan oleh itu, meneroka prestasi model ini dapat memberi kita gambaran, mungkin 'tersembunyi', persatuan yang kompleks.
2.5
Kaedah ramalan
Untuk memilih model yang sesuai dalam analisis kami, kami membandingkan model regresi linier, regresi rabung, jaring elastik, Lasso dan hutan rawak antara satu sama lain dan bertentangan dengan garis dasar yang naif, dengan menggunakan anggaran RMSE di luar sampel yang disahkan silang. Pengesahan silang kami merangkumi pemisahan data secara rawak dalam set latihan dan ujian, menyesuaikan parameter model dalam set latihan dan membuat ramalan untuk skor IAT dalam set ujian. Oleh kerana sifat rawak membelah data menjadi lipatan, kami mengulangi proses ini 50 kali untuk mendapatkan anggaran yang stabil dan dapat ditiru. Kami kemudian membandingkan vektor akhir skor RMSE menggunakan ujian peringkat ditandatangani Exact Wilcoxon-Pratt. Semua model jauh lebih unggul daripada garis dasar naif (p diperbetulkan <0.001, Cohen's d = −0.87) (lihat Jadual Tambahan S2). Ringkasan statistik skor RMSE ditunjukkan dalam Jadual Tambahan S3. Lasso dan jaring elastik lebih unggul daripada regresi rabung (p-diperbetulkan <0.01, d = 0.51, d = 0.49) dan regresi linier (p diperbetulkan <0.001, d = 0.76) dan tidak berbeza secara statistik antara satu sama lain (p diperbetulkan> 0.05, d = −0.08). Hutan rawak tidak unggul sama ada lasso (p = 0.12) atau jaring elastik (p diperbetulkan> 0.05). Oleh itu, dalam analisis kami, kami menggunakan Lasso, kerana, selain prestasi ramalan di luar sampel yang baik, Lasso dapat melakukan pemilihan berubah dengan mengecilkan pekali menjadi sifar dan dengan itu meningkatkan kebolehtafsiran. Walaupun jaring elastik juga dapat melakukan pemilihan variabel, cenderung memilih lebih banyak pemboleh ubah, dan walaupun menjadi model yang lebih kompleks dan lebih kuat, ia tidak memberikan prestasi yang jauh lebih baik daripada lasso. Dalam analisis akhir kami data penuh dan analisis subkumpulan, kami menggunakan pengesahan silang 10 kali ganda untuk menghasilkan lambda yang optimum untuk setiap model lasso dan melaporkan pekali yang dihasilkan oleh model-model tersebut. Plot penjelasan yang berasal dari analisis data lengkap disajikan dalam Rajah 3 .
3
Hasil
Hasil regresi Lasso diringkaskan dalam keseluruhan sampel dan berstrata oleh umur dalam Jadual 1 dan 2 . Jadual penuh keputusan untuk analisis subkumpulan, termasuk lapisan mengikut umur dan tapak kajian dibentangkan dalam jadual Tambahan dalam talian (Jadual S4-S10). Plot penjelajahan data dikemukakan dalam angka Tambahan (Gambar S1-S3). Keputusan dari pendekatan statistik regresi linier yang lebih standard juga dibentangkan dalam Jadual Tambahan S4-S10 dan sebarang perbezaan dalam kesimpulan struktur berbanding dengan keputusan utama yang dibentangkan di bawah adalah bersyarat atas pilihan model lain.
| Aktiviti internet | Semua (n = 1749) | 18 ≤ Umur ≤ 25 (n = 1042) | 26 ≤ Umur ≤ 55 (n = 592) | Umur> 55 (n = 115) |
|---|---|---|---|---|
| Melayari umum | 2.100 | 2.400 | 1.500 | 0.590 |
| Permainan internet | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Pembazir masa | 0.000 | 0.000 | 0.000 | 0.450 |
| Berbilang tindakan | 0.000 | 0.000 | 0.000 | 0.000 |
| Membeli-belah | 1.400 | 0.840 | 1.500 | 0.000 |
| Laman web lelongan | 0.027 | 0.000 | 0.990 | 0.230 |
| Judi | 0.000 | 0.000 | 0.780 | 0.000 |
| Rangkaian sosial | 0.460 | 0.000 | 1.300 | 0.000 |
| Sukan | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornografi | 1.000 | 1.400 | 0.210 | 0.000 |
| Pesanan | 0.000 | 0.000 | 0.110 | 0.000 |
| Media streaming | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| Diagnosis ADHD | 1.700 | 0.350 | 3.100 | 0.000 |
| Diagnosis GAD | 0.230 | 0.000 | 0.000 | 6.400 |
| Diagnosis kecemasan sosial | 0.000 | 0.560 | 0.000 | 0.000 |
| Diagnosis OCD | 0.270 | 0.000 | 0.000 | 4.300 |
| Aktiviti internet | Semua (n = 1749) | 18 ≤ Umur ≤ 25 (n = 1042) | 26 ≤ Umur ≤ 55 (n = 592) | Umur> 55 (n = 115) |
|---|---|---|---|---|
| Pembolehubah demografi | 0.000 | 0.000 | 0.000 | 0.000 |
| Jantina × sebarang aktiviti Internet | 0.000 | 0.000 | 0.000 | 0.000 |
| Umur × melayari umum | 0.000 | - | - | - |
| Umur × Permainan Internet | 0.000 | - | - | - |
| Umur × RPG | 0.330 | - | - | - |
| Umur × penyumbat masa | 0.000 | - | - | - |
| Age × action multiplayer | 0.000 | - | - | - |
| Umur × membeli-belah | 0.000 | - | - | - |
| Umur × perjudian | 0.150 | - | - | - |
| Laman web lelang × umur | 0.350 | - | - | - |
| Umur × rangkaian sosial | 0.000 | - | - | - |
| Umur × sukan | 0.000 | - | - | - |
| Umur × pornografi | 0.000 | - | - | - |
| Mesej × umur | 0.000 | - | - | - |
| Zaman × media streaming | 0.350 | - | - | - |
3.1
Demografi
Dalam regresi lasso tiada pembolehubah termasuk umur, jantina, bangsa, tahap pendidikan, status hubungan atau orientasi seksual dikaitkan dengan PIU dalam mana-mana subkumpulan umur atau dalam data penuh.
3.2
Aktiviti internet
Dalam regresi Lasso data penuh, sejumlah aktiviti internet dikaitkan dengan skor PIU yang tinggi termasuk melayari umum (β: 2.1), permainan internet (β: 0.6), membeli-belah dalam talian (β: 1.4), penggunaan laman web lelong (β: 0.027), rangkaian sosial (β: 0.46) dan penggunaan pornografi dalam talian (β: 1.0). Hubungan antara PIU dan permainan peranan (RPG), perjudian dalam talian, penggunaan laman web lelong dan menggunakan media streaming dimoderasi oleh usia (masing-masing β: 0.33, 0.15, 0.35 dan 0.35), dengan usia yang lebih tua dikaitkan dengan skor PIU yang lebih tinggi . Dalam analisis umur-kumpulan (peserta muda berusia ≤ 25, peserta usia pertengahan 25 <usia ≤ 55; peserta yang lebih tua berumur> 55 tahun), melayari umum dikaitkan dengan PIU di semua kumpulan umur, tetapi lebih kuat pada golongan muda (β: 2.4) , kurang pada usia pertengahan (β: 1.5), dan lebih sedikit lagi pada peserta yang lebih tua (β: 0.59). Trend yang serupa dilihat dalam permainan internet (β: 0.45, 0.11 dan 0.0 untuk tiga kumpulan umur masing-masing) dan penggunaan pornografi dalam talian (β: 1.4, 0.21 dan 0.0). Beberapa aktiviti internet seperti penggunaan RPG dalam talian lebih berkaitan dengan PIU pada peserta pertengahan umur berbanding dengan kumpulan umur yang lain (β: 0.71). Perkara yang sama berlaku untuk perjudian dalam talian (β: 0.78), pesanan segera (β: 0.11) dan rangkaian sosial dalam talian (β: 1.3). Penggunaan laman web lelongan juga lebih berkaitan dengan PIU pada peserta usia pertengahan (β: 0.99), tetapi juga ramalan pada peserta yang lebih tua (β: 0.23). Streaming media dalam talian dan penggunaan pembaziran masa dikaitkan dengan PIU pada peserta yang lebih tua (β: 1.2, 0.45 masing-masing), tetapi tidak pada kumpulan usia lain.
3.3
Ciri-ciri klinikal dan tingkah laku
Gejala gangguan hiperaktiviti-defisit (ADHD) (β: 1.7), gangguan kebimbangan umum (GAD) (β: 0.23) dan gangguan obsesif-kompulsif (OCD) (β: 0.27) dikaitkan dengan skor PIU yang lebih tinggi. Dalam analisis subkumpulan umur, ADHD dan SAD dikaitkan dengan skor PIU yang lebih tinggi pada peserta yang lebih muda (β: 0.35 dan 0.56), manakala ADHD kekal signifikan dalam subkumpulan pertengahan umur (β: 3.1). GAD dan OCD dikaitkan dengan skor PIU yang lebih tinggi dalam subgroup peserta yang lebih tua (β: 6.4 dan 4.3), tetapi tidak dalam kumpulan umur yang lain. Skor BIS (personaliti impulsif) dan skor PADUA (kecenderungan obsesif-kompulsif) dikaitkan dengan skor PIU yang lebih tinggi dalam data penuh (β: 0.066 dan 0.074) dan dalam semua analisis subkumpulan umur.
4
Perbincangan
Kertas kerja ini adalah percubaan pertama untuk meneroka pelbagai jenis aktiviti internet yang berkaitan dengan penggunaan internet maladaptif, iaitu penggunaan internet yang bermasalah. Kerja sebelumnya secara amnya menangani masalah aktiviti internet tertentu yang membawa kepada masalah yang bermasalah dengan memberi tumpuan kepada aktiviti internet yang terpencil (
; ; ; ; ). Kami telah menunjukkan di sini bahawa pelbagai aktiviti internet, termasuk melayari umum, permainan internet, belanja dalam talian, penggunaan laman web lelongan, perjudian dalam talian, rangkaian sosial dan penggunaan pornografi dalam talian menyumbang secara berasingan dan unik kepada PIU, memberikan bukti bahawa PIU adalah kompleks fenomena yang terdiri daripada pelbagai tingkah laku bermasalah. Lebih jauh lagi, kami telah menunjukkan bahawa tingkah laku tersebut mengekalkan persatuan statistik yang signifikan dengan PIU, walaupun gejala psikiatri diketahui dikaitkan dengan PIU (iaitu gejala ADHD, GAD dan OCD) (dan) dimensi tingkah laku yang dikenali sebagai ramalan PIU (iaitu ukuran kepribadian impulsivity dan compulsivity) (;;;
) diambil kira. Kami terus menunjukkan bahawa aktiviti internet tertentu seperti RPG, perjudian dalam talian, penggunaan laman web lelongan dan media streaming dikaitkan dengan skor PIU yang lebih tinggi dan hubungan ini dipengaruhi oleh umur. Akhirnya, data kami menunjukkan bahawa jenis tingkah laku dalam talian (contohnya membeli-belah, pornografi, melayari umum) menanggung hubungan yang lebih kuat dengan penggunaan internet maladaptif daripada permainan dan ada kemungkinan bahawa ini berkaitan dengan fakta bahawa kajian sebelumnya tidak termasuk pelbagai aktiviti internet yang berkaitan. Keputusan ini mempunyai implikasi yang signifikan untuk konsepsi PIU sebagai gangguan klinikal yang bermakna, kerana mereka menarik perhatian dari pembentukan unidimensional dan relatif sempit 'Gangguan Permainan Internet', ke arah entiti multidimensi penggunaan internet bermasalah atau ketagihan internet yang terdiri daripada pelbagai aspek tingkah laku dalam talian manusia.
Selain itu, dengan menggunakan pengesahan silang out-of-sample kami telah menunjukkan bahawa pendekatan 'tidak standard' menggunakan regresi Lasso lebih tepat dalam meramalkan skor PIU berbanding dengan regresi linear 'lebih standard'. Menggunakan estimasi luar sampel bagi nilai ramalan model sering membantu dengan menangani fenomena yang menyebabkan kerosakan dalam kajian replikasi. Walau bagaimanapun, pilihan regresi Lasso datang dengan kaveat bahawa pembolehubah yang tidak dipilih oleh model (dengan pekali nol) masih boleh dijangka, terutamanya apabila terdapat korelasi yang tinggi antara pembolehubah terpilih dan tidak dipilih. Dalam set data kami, kami tidak mempunyai sebarang pemboleh ubah berkorelasi, walau bagaimanapun, batasan ini bermaksud bahawa kami harus merawat sebarang keputusan negatif secara konservatif. Sebagai contoh, kekurangan persatuan antara jantina dan PIU serta kekurangan hubungan antara jantina × Aktiviti Internet dengan PIU boleh menyokong hipotesis bahawa jika pelbagai kelakuan PIU dan pemfitnah yang berpotensi diambil kira, kedua-dua jantina sama-sama terdedah untuk membangunkan aspek PIU (
; ). Walau bagaimanapun, disebabkan oleh batasan analisis kami, kami tidak boleh menolak kemungkinan bahawa persatuan lain antara PIU dan jantina wujud. Sebagai contoh, telah menyarankan bahawa jantina menyederhanakan hubungan antara membeli-belah dalam talian dan PIU dan wanita-wanita itu mungkin lebih berisiko (). Kerelevanan mungkin adalah masalah membeli yang kompulsif, gangguan yang menonjol dalam kumpulan umur pertengahan mempunyai kecenderungan wanita oleh 5: 1 ratio (), dan mungkin memandu penemuan sedemikian. Kami tidak mempunyai sebarang data mengenai gangguan ini untuk menguji hipotesis ini. Ia juga penting untuk diperhatikan, bahawa instrumen IAT yang digunakan di sini telah menerima kritikan kerana kekurangan keteguhannya mengenai struktur faktor, perbezaan dari pengoperasian DSM-5 semasa (gangguan permainan) dan tertinggal di belakang kemajuan teknologi aplikasi internet (;
). Penyelidikan PIU yang akan datang akan dilayan dengan baik oleh instrumen yang kukuh dan bersesuaian secara metodologi, yang juga dapat menangkap sifat PIU yang cepat berubah dari perspektif teknologi dan tingkah laku.
Analisis subkumpulan umur kami memberikan wawasan tentang persatuan berkaitan umur antara PIU dan pelbagai aktiviti internet. Konsep yang sama bahawa PIU adalah gangguan pemuda tidak semestinya betul dan mungkin berdasarkan kajian yang tidak dirancang dengan tepat yang menangkap tingkah laku dalam talian di semua peringkat umur. Pengetahuan yang tidak mencukupi untuk sejarah semula jadi PIU sepanjang jangka hayat tidak membenarkan penerokaan menyeluruh terhadap populasi yang lebih tua dari segi risiko untuk membangunkan PIU. Walau bagaimanapun, keputusan kami menunjukkan bahawa kelemahan tersebut wujud dan penyelidikan selanjutnya adalah wajar untuk memetakan ciri-ciri penduduk yang berisiko. Sebagai contoh, mempunyai ADHD atau gejala kegelisahan sosial mungkin menjadi prediktor untuk PIU dalam populasi muda, sedangkan mempunyai gejala OCD atau GAD mungkin menjadi prediktor untuk PIU pada populasi yang lebih tua. Fakta bahawa OCD tidak didapati dikaitkan dengan PIU dalam meta-analisis baru-baru ini (
) boleh menjadi penunjuk bahawa populasi yang lebih tua telah difahami. Fakta bahawa ADHD sangat dikaitkan dengan skor PIU yang tinggi tidak menghairankan, kerana kajian-kajian lain telah melaporkan kelaziman ADHD (hingga 100%) yang sangat tinggi dalam populasi PIU (). Pada masa yang sama, penduduk usia pertengahan tertentu (antara 26 dan 55) mungkin lebih berisiko terhadap PIU, jika mereka juga mengalami gangguan belanja atau gangguan perjudian yang kompulsif, memandangkan sejarah semula jadi gangguan tersebut,
).
Tambahan pula, penemuan bahawa aktiviti dalam talian tertentu dikaitkan dengan PIU hanya dalam kumpulan umur tertentu, menyiratkan bahawa kumpulan umur tertentu mungkin berisiko untuk membangunkan aspek PIU. Walaupun orang muda mungkin lebih berisiko untuk membangunkan PIU dengan kecenderungan untuk melihat pornografi, kelemahan yang mungkin kurang kuat pada usia pertengahan dan berkurang di kemudian hari, orang tua mungkin lebih mudah mengembangkan PIU yang dicirikan oleh penggunaan masa yang bermasalah penyihir dan media penstriman (lihat penjelajahan Rajah 4 ). Akhirnya, melayari umum mungkin menjadi salah satu aspek PIU yang dipandang rendah, yang seolah-olah lebih kuat dikaitkan dengan skor PIU yang lebih tinggi pada golongan muda, tetapi penting di semua kumpulan usia; penemuan ini mungkin berkaitan dengan hakikat bahawa kehidupan dewasa awal boleh kurang matlamat yang diarahkan dan anak-anak muda menghabiskan lebih banyak masa semasa aktiviti tidak berstruktur dalam persekitaran dalam talian berbanding dengan kumpulan umur yang lebih tua.
Hasil kami juga mempunyai implikasi kesihatan awam berkaitan dengan pengaturan kandungan dalam talian, dan penargetan intervensi. Sekiranya aktiviti tertentu lebih berkaitan dengan perkembangan penggunaan yang bermasalah daripada yang lain, maka timbul pertanyaan apakah kebijakan kesihatan awam harus menargetkan kelompok individu yang rentan untuk meningkatkan daya tahan mereka terhadap risiko PIU, atau apakah intervensi yang lebih universal yang menargetkan aspek tertentu tingkah laku internet, harus dipertimbangkan untuk menjadikan persekitaran dalam talian kurang ketagihan. Sebagai contoh, platform dalam talian dalam beberapa kes mungkin menggunakan seni bina tertentu yang memanfaatkan kelemahan pengguna (iaitu sifat impulsif atau kompulsif) dan yang bertujuan untuk memaksimumkan jangka masa pengguna dalam lingkungan dalam talian. Walaupun ini masuk akal dari perspektif pemasaran, ia menimbulkan kebimbangan mengenai apakah persekitaran ini juga harus mengeluarkan peringatan kesihatan kepada pengguna.
4.1
Batasan
Ini adalah tinjauan dalam talian rentas keratan, oleh itu tidak ada hubungan sebab akibat. Lebih-lebih lagi, kerana metodologi pengambilan pekerja, dan kemungkinan kecenderungan orang-orang dengan PIU lebih cenderung untuk menyelesaikan tinjauan dalam talian, penemuan semasa mungkin tidak umum kepada PIU pada populasi latar belakang umum. Batasan lain dari kajian kami adalah kekurangan data klinikal untuk beberapa entiti diagnostik yang berkaitan dengan PIU, misalnya kemurungan atau penyalahgunaan bahan. Oleh itu, ada kemungkinan bahawa kemurungan atau penyalahgunaan bahan boleh menyebabkan beberapa kaitan yang diperhatikan dalam kajian kami. Kajian masa depan harus merangkumi rangkaian parameter klinikal yang lebih luas untuk meneroka sama ada pertimbangan untuk perkaitan antara aktiviti PIU dan internet. Terdapat batasan lebih lanjut mengenai data klinikal kami yang berasal dari penggunaan MINI; ini disahkan untuk dihantar dari orang terlatih dalam temu ramah tatap muka sedangkan dalam kajian kami ia disampaikan melalui alat dalam talian. Walau bagaimanapun, data klinikal kami sesuai dengan kajian sebelumnya di PIU. Selain itu, satu lagi kelemahan pengumpulan data kami ialah kami menilai aktiviti internet menggunakan masa yang dihabiskan untuk aktiviti tersebut sebagai ukuran proksi untuk PIU aktiviti tersebut. Walaupun ini dapat menangkap penggunaan berlebihan, dan oleh itu bermasalah, ia juga dapat menangkap penggunaan penting. Walaupun aktiviti yang dinilai dalam kajian ini sering secara tidak lansung tidak penting kerana sifatnya (mis. Pembaziran waktu), atau ketika mereka dilakukan secara berlebihan (mis.> 8 jam / hari belanja, perjudian atau pornografi), kajian masa depan dapat termasuk langkah-langkah yang dapat membezakan penggunaan internet yang tidak penting dari setiap aktiviti internet, untuk membolehkan analisis tersebut. Batasan kajian kami yang lain adalah kekurangan data untuk populasi kanak-kanak dan remaja. Populasi kanak-kanak dan remaja mungkin berinteraksi dengan internet dengan cara yang berbeza, tetapi juga terdedah kepada penggunaan dalam talian semasa tetingkap perkembangan saraf yang berbeza. Oleh itu, perbezaan tersebut mungkin menunjukkan kelemahan atau ketahanan yang berbeza dari segi risiko untuk mengembangkan PIU. Sebagai contoh, pendedahan tahap awal yang rendah terhadap persekitaran dalam talian boleh membawa kesan 'stress inoculation' (
) yang mendorong individu dari pengembangan PIU di masa hadapan. Sekiranya demikian, ini dapat menjelaskan lebih lanjut mengapa populasi yang lebih tua yang hanya mendapat pendedahan pertama mengenai persekitaran dalam talian pada masa dewasa mungkin lebih rentan. Kajian masa depan boleh merangkumi kumpulan usia kanak-kanak dan remaja dan memeriksa secara prospektif sama ada aktiviti internet tertentu dapat meramalkan PIU. Malangnya, jumlah peserta yang melaporkan jantina transgender adalah kecil (n = 18), yang tidak membenarkan analisis yang bermakna mengenai kesan gender transgender. Batasan akhir kajian kami adalah bahawa populasi kajian kami terdiri daripada orang dewasa yang sihat yang hanya di <1% menderita tingkah laku PIU yang signifikan (IAT> 80). Kajian masa depan akan mendapat manfaat daripada mempunyai fokus khusus pada hujung spektrum PIU yang lebih tinggi untuk dapat membandingkan populasi PIU yang teruk dengan kumpulan kawalan individu rendah hingga sederhana atau bukan PIU. Walaupun anggaran titik prevalensi PIU dalam sampel kami adalah ~ 8.5% (menggunakan IAT ≥ 50 cut-off), ambang untuk keseronokan klinikal untuk PIU tetap dipertikaikan dan penyelidikan masa depan akan mendapat manfaat dari ukuran dan definisi PIU yang diterima secara universal.
4.2
Kesimpulan
Untuk merumuskan, DSM-5 menyoroti gangguan permainan internet sebagai gangguan calon, tetapi jenis tingkah laku dalam talian (misalnya membeli-belah, pornografi, melayari umum) menanggung hubungan yang lebih kuat dengan penggunaan internet maladaptif daripada permainan. Diagnosis psikiatri dan aktiviti internet yang berkaitan dengan penggunaan internet yang bermasalah berbeza-beza dengan usia, satu penemuan yang mempunyai implikasi kesihatan awam. Hasil ini menyumbang kepada pengetahuan terhad tentang aktiviti internet yang berkaitan dengan penggunaan internet bermasalah dan boleh menyumbang kepada klasifikasi diagnostik penggunaan internet bermasalah sebagai gangguan pelbagai fungsi.
Peranan sumber pembiayaan
Penyelidikan ini menerima dana jabatan dalaman Jabatan Psikiatri di Universiti Chicago. Aktiviti penyelidikan Dr Ioannidis disokong oleh Pendidikan Kesihatan Timur England Latihan Higher Latihan Khusus. Pengarang tidak menerima pembiayaan untuk penyediaan manuskrip ini. Sumber pendanaan tidak memainkan peranan dalam reka bentuk, analisis data, atau penulisan kajian.
Penyumbang
KI merancang idea untuk manuskrip, menganalisis data, menulis sebahagian besar manuskrip dan bahan Tambahan dan menyelaraskan sumbangan penulis bersama. MT dan FK mengambil bahagian dalam konsepsi dan tinjauan analisis statistik. SRC, SR, DJS, CL dan JEG merancang dan menyelaraskan kajian dan mengumpulkan dan menguruskan data. Semua pengarang membaca dan menyetujui manuskrip terakhir dan menyumbang kepada penyusunan dan penyusunan semula makalah serta mentafsirkan hasilnya.
Konflik kepentingan
Dr. Grant telah menerima geran penyelidikan dari NIDA (RC1DA028279-01), Pusat Kebangsaan untuk Permainan Bertanggungjawab, dan Roche dan Farmaseutikal Hutan. Dr. Grant menerima pampasan daripada Springer sebagai ketua editor Jurnal Kajian Perjudian dan telah menerima royalti dari McGraw Hill, Oxford University Press, Norton, dan APPI. Dr Chamberlain berunding untuk Kognisi Cambridge dan penglibatannya dalam penyelidikan ini disokong oleh Fellowship Clinical Intermediate dari Wellcome Trust (UK; 110049 / Z / 15 / Z). Dan Stein dan Christine Lochner dibiayai oleh Majlis Penyelidikan Perubatan Afrika Selatan. Penulis lain tidak melaporkan hubungan kewangan dengan minat komersil. Tiada sumber yang disebutkan di atas mempunyai peranan dalam reka bentuk kajian, pengumpulan, analisis atau penafsiran data, menulis manuskrip, atau keputusan untuk menyerahkan kertas untuk penerbitan.
Penghargaan
Kami berhutang budi kepada sukarelawan kedua-dua laman web yang mengambil bahagian dalam kajian ini.
Lampiran A
Data tambahan
Bahan tambahan
Rujukan
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P., dan Haffen E .: Massive multiplayer online role-playing games: Membandingkan ciri-ciri penagih dan bukan penagih dalam talian pemain yang direkrut dalam Penduduk dewasa Perancis. BMC psikiatri 2011; 11: ms 144
Lihat Dalam Artikel - Persatuan Psikiatri Amerika, 2013. Persatuan Psikiatrik Amerika: Manual diagnostik dan statistik gangguan mental: DSM-5. Washington, DC: Persatuan Psikiatri Amerika, 2013.
Lihat Dalam Artikel - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS, dan Pallesen S .: Perkembangan ketagihan Facebook. Laporan Psikologi 2012; 110: ms 501-517
Lihat Dalam Artikel | Cross Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A., dan Oren A .: Kecanduan internet di kalangan orang dewasa Norway: Kajian sampel kebarangkalian berstrata. Jurnal Psikologi Scandinavia 2009; 50: ms 121-127
Lihat Dalam Artikel | Cross Ref - Hitam, xnumx. Black DW: Kajian kekurangan pembelian kompulsif. Psikiatri Dunia: Jurnal Rasmi Persatuan Psikiatri Dunia (WPA) 2007; 6: ms 14-18
Lihat Dalam Artikel - Blok, 2008. Blok JJ: Isu untuk DSM-V: Ketagihan Internet. Jurnal Psikiatri Amerika 2008; 165: ms 306-307
Lihat Dalam Artikel | Cross Ref - Brand et al., 2011. Merek M., Laier C., Pawlikowski M., Schächtle U., Schöler T., dan Altstötter-Gleich C .: Menonton gambar lucah di Internet: Peran penilaian rangsangan seksual dan gejala psikiatri psikosis untuk menggunakan tapak seks Internet secara berlebihan . Cyberpsychology, Behavior and Social Networking 2011; 14: ms 371-377
Lihat Dalam Artikel | Cross Ref - Breiman, 2001. Breiman L .: Pemodelan statistik: Dua budaya. Sains Perangkaan 2001; 16: ms 199-215
Lihat Dalam Artikel - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R., dan Markuszewski MJ: Kaedah berasaskan PLS dan regulatariasi untuk pemilihan pembolehubah yang berkaitan dalam data metabolom tidak disasarkan. Hadapan dalam Molekul Biosains 2016; 3: ms 1-10
Lihat Dalam Artikel - Burns et al., 1996. Burns GL, Keortge SG, Formea GM, dan Sternberger LG: Penyemakan Padua Inventori gejala gangguan kompulsif yang obsesif: Berbeza antara kebimbangan, obsesi, dan paksaan. Penyelidikan Terapi dan Terapi 1996; 34: ms 163-173
Lihat Dalam Artikel | Cross Ref - Cao et al., 2007. Cao F., Su L., Liu T., dan Gao X .: Hubungan antara impulsivity dan ketagihan internet dalam sampel remaja China. Psikiatri Eropah 2007; 22: ms 466-471
Lihat Dalam Artikel | Cross Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., dan Kaess M .: Persatuan antara penggunaan Internet patologi dan psychopathology comorbid: Kajian sistematik. Psikopatologi 2013; 46: ms 1-13
Lihat Dalam Artikel | Cross Ref - Claes et al., 2016. Claes L., Müller A., dan Luyckx K .: Membeli kompulsif dan penimbunan sebagai pengganti identiti: Peranan sokongan nilai materialistik dan kemurungan. Psikiatri Komprehensif 2016; 68: ms 65-71
Lihat Dalam Artikel | Cross Ref - Cole dan Hooley, 2013. Cole SH, dan Hooley JM: Hubungan klinikal dan keperibadian permainan MMO: Kegelisahan dan penyerapan dalam penggunaan internet bermasalah. Kajian Komputer Sains Sosial 2013; 31: ms 424-436
Lihat Dalam Artikel | Cross Ref - Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Buku SJ, Przybeck TR, dan Cloninger CR: Prevalensi dan prediktor perjudian patologi: Hasil dari kajian keperibadian, kesihatan dan gaya hidup (SLPHL) St. Louis. Jurnal Penyelidikan Psikiatri 2005; 39: ms 377-390
Lihat Dalam Artikel | Cross Ref - von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP, dan Inisiatif S .: Pengukuhan laporan kajian pemerhatian dalam epidemiologi (STROBE): Garis panduan untuk melaporkan kajian-kajian pemerhatian. Jurnal Epidemiologi Klinikal 2008; 61: ms 344-349
Lihat Dalam Artikel | 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., dan Martín .: Kegunaan Internet yang bermasalah di kalangan pelajar universiti: Faktor yang berkaitan dan perbezaan gender . Adicciones 2015; 27: ms 265-275
Lihat Dalam Artikel | Cross Ref - Friedman et al., 2010. Friedman J., Hastie T., dan Tibshirani R .: Laluan regularization untuk model linear umum melalui keturunan koordinat. Jurnal Perisian Statistik 2010; 33: ms 1-22
Lihat Dalam Artikel - Griffiths, 2003. Griffiths M .: Perjudian internet: Masalah, kebimbangan, dan cadangan. Cyberpsychology & Behavior: Kesan Internet, Multimedia dan Realiti Maya Terhadap Tingkah Laku dan Masyarakat 2003; 6: ms 557-568
Lihat Dalam Artikel | Cross Ref - Ha dan Hwang, 2014. Ha Y.-M., dan Hwang WJ: Perbezaan gender dalam ketagihan internet yang dikaitkan dengan petunjuk kesihatan psikologi di kalangan remaja menggunakan Kajian Berasaskan Negara. Jurnal Antarabangsa Kesihatan Mental dan Ketagihan 2014; 12: ms 660-669
Lihat Dalam Artikel | Cross Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y., dan Mak K.-K .: Persatuan antara ketagihan internet dan morbiditi psikiatri: Analisis meta. BMC psikiatri 2014; 14: ms 183
Lihat Dalam Artikel - Hoerl dan Kennard, 1970. Hoerl AE, dan Kennard RW: Regresi Ridge: Anggaran bias untuk masalah tidak menentu. Technometrics 1970; 12: ms 55-67
Lihat Dalam Artikel - Huys et al., 2016. Huys QJM, Maia TV, dan Frank MJ: Psikiatri komputasi sebagai jambatan dari neuroscience kepada aplikasi klinikal. Alam Neurosains 2016; 19: ms 404-413
Lihat Dalam Artikel | Cross Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J., dan Yoshida T .: Tiada mudah alih, tiada kehidupan: Persepsi diri dan ketergantungan teks-teks di kalangan pelajar sekolah menengah Jepun.
Lihat Dalam Artikel - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S., dan Grant JE: Penggunaan internet yang bermasalah (PIU): Persatuan dengan spektrum impulsif-kompulsif. Jurnal Psych: Aplikasi pembelajaran mesin dalam psikiatri, 2016.
Lihat Dalam Artikel - Janower, 2006. Janower CR: Perjudian di Internet. Journal of Computer-Mediated Communication 2006; 2: ms 0
Lihat Dalam Artikel | Cross Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E., dan Walters EE: Skala diri laporan ADHD dewasa Organisasi Kesihatan Sedunia (ASRS): Skala pemeriksaan pendek untuk kegunaan umum penduduk. Perubatan Psikologi 2005; 35: ms 245-256
Lihat Dalam Artikel | Cross Ref - Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T., dan Zaslavsky AM: Menguji algoritma pembelajaran komputer untuk meramalkan kegigihan dan keterukan gangguan kemurungan utama dari laporan diri asas. Psikiatri Molekul 2016; 21: ms 1366-1371
Lihat Dalam Artikel | Cross Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M., dan Rothen S .: Struktur faktor ujian kecanduan internet dalam pemain dalam talian dan pemain poker. JMIR Kesihatan Mental 2015; 2:
Lihat Dalam Artikel - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C., dan Gao J .: Pendekatan integratif untuk kesimpulan rangkaian pengawalseliaan gen menggunakan rawak berasaskan lasso dan aplikasi untuk gangguan psikiatri. BMC Medical Genomics 2016; 9: ms 50
Lihat Dalam Artikel - Raja, 1999. King SA: Perjudian internet dan pornografi: Contoh ilustrasi akibat psikologi akibat anarki komunikasi. Cyberpsychology & Behavior 1999; 2: ms 175-193
Lihat Dalam Artikel - Raja dan Barak, 1999. King SA, dan Barak A.: Perjudian Internet Kompulsif. Cyberpsychology & Behavior 1999; 2: ms 441-456
Lihat Dalam Artikel | Cross Ref - Király et al., 2015. Király O., Griffiths MD, dan Demetrovics Z .: Internet gaming disorder dan DSM-5: Conceptualization, debates, and controversies. Laporan Ketagihan Semasa 2015; 2: ms 254-262
Lihat Dalam Artikel - Király et al., 2014. Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., dan Demetrovics Z .: Penggunaan internet yang bermasalah dan permainan dalam talian yang bermasalah tidak sama: Penemuan dari sampel remaja yang besar di negara ini. Cyberpsychology, Behavior and Social Networking 2014; 17: ms 749-754
Lihat Dalam Artikel - Kittinger et al., 2012. Kittinger R., Correia CJ, dan Irons JG: Hubungan antara kegunaan Facebook dan penggunaan internet bermasalah di kalangan pelajar kolej. Cyberpsychology, Behavior and Social Networking 2012; 15: ms 324-327
Lihat Dalam Artikel | Cross Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S., dan Chen C.-C .: Persatuan antara ketagihan Internet dan gangguan psikiatri: Semakan kesusasteraan . Psikiatri Eropah 2012; 27: ms 1-8
Lihat Dalam Artikel - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C., dan Yang M.-J .: Faktor-faktor yang meramal kejadian dan pengampunan ketagihan internet pada remaja muda: A kajian prospektif. Cyberpsychology & Behavior: Kesan Internet, Multimedia dan Realiti Maya Terhadap Tingkah Laku dan Masyarakat 2007; 10: ms 545-551
Lihat Dalam Artikel | Cross Ref - Kuss dan Griffiths, 2011. Kuss DJ, dan Griffiths MD: Rangkaian sosial dan ketagihan dalam talian-Kajian kesusasteraan psikologi. Jurnal Antarabangsa Penyelidikan Alam Sekitar dan Kesihatan Awam 2011; 8: ms 3528-3552
Lihat Dalam Artikel | Cross Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD, dan Binder JF: Ketagihan internet pada pelajar: Kesediaan dan faktor risiko. Komputer dalam Perilaku Manusia 2013; 29: ms 959-966
Lihat Dalam Artikel | Cross Ref - Kuss dan Lopez-Fernandez, 2016. Kuss DJ, dan Lopez-Fernandez O .: Internet kecanduan dan kegunaan Internet bermasalah: Kajian sistematik terhadap kajian klinikal. World Journal of Psychiatry 2016; 6: ms 143-176
Lihat Dalam Artikel | Cross Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF, dan Chabrol H.: Penggunaan Internet yang bermasalah, masa yang dihabiskan dalam talian dan ciri keperibadian. L'Encéphale 2016; 42: ms 214-218
Lihat Dalam Artikel | Cross Ref - Laconi et al., 2014. Laconi S., Rodgers RF, dan Chabrol H .: Pengukuran Ketagihan Internet: Kajian kritikal terhadap skala sedia ada dan sifat psikometrik mereka. Komputer dalam Perilaku Manusia 2014; 41: ms 190-202
Lihat Dalam Artikel | Cross Ref - Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP, dan Brand M .: Kecanduan Cybersex: Rangsangan seksual yang berpengalaman ketika menonton pornografi dan bukan hubungan seksual yang sebenar membuat perbezaan. Journal of Addictions Behavioural 2013; 2: ms 100-107
Lihat Dalam Artikel | Cross Ref - Lecardeur, 2013. Lecardeur L .: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: ms 579-586
Lihat Dalam Artikel | Cross Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A., dan Bian Y .: Perbezaan jantina dalam hubungan antara ketagihan internet dan kemurungan: Kajian rentan di kalangan remaja Cina. Komputer dalam Perilaku Manusia 2016; 63: ms 463-470
Lihat Dalam Artikel | Cross Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O .: Bagaimanakah penyelidikan ketagihan internet berkembang sejak kemunculan gangguan permainan internet? Gambaran keseluruhan mengenai siber dari perspektif psikologi. Laporan Ketagihan Semasa 2015; 2: ms 263-271
Lihat Dalam Artikel | Cross Ref - Masten dan Tellegen, 2012. Masten AS, dan Tellegen A .: Ketahanan dalam psikopatologi perkembangan: Sumbangan kajian jangka panjang kompetensi projek. Pembangunan dan Psikopatologi 2012; 24: ms 345-361
Lihat Dalam Artikel | Cross Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A., dan de Zwaan M: Kelaziman belanja pembelian kompulsif di Jerman dan persatuannya dengan ciri-ciri sosiodemografi dan gejala depresi. Psikiatri Penyelidikan 2010; 180: ms 137-142
Lihat Dalam Artikel | Cross Ref - Patton et al., 1995. Patton JH, Stanford MS, dan Barratt ES: Struktur faktor skala impulsif Barratt. Jurnal Psikologi Klinikal 1995; 51: ms 768-774
Lihat Dalam Artikel | Recupero, 2008. Recupero PR: Evaluasi forensik penggunaan Internet bermasalah. Jurnal Akademi Psikiatri Amerika dan Undang-undang 2008; 36: ms 505-514
Lihat Dalam Artikel - Rose dan Dhandayudham, 2014. Rose S., dan Dhandayudham A .: Ke arah pemahaman tingkah laku belanja masalah berasaskan Internet: Konsep kecanduan membeli-belah dalam talian dan peramal yang dicadangkan. Journal of Addictions Behavioural 2014; 3: ms 83-89
Lihat Dalam Artikel | Cross Ref - Rutland et al., 2007. Rutland JB, Sheets T., dan Young T.: Pengembangan skala untuk mengukur masalah penggunaan perkhidmatan pesanan ringkas: Masalah SMS menggunakan soal selidik diagnostik. Cyberpsychology & Behavior 2007; 10: ms 841-844
Lihat Dalam Artikel | Cross Ref - Rutter, 1993. Rutter M .: Ketahanan: Beberapa pertimbangan konseptual. Jurnal Kesihatan Remaja: Penerbitan Rasmi Persatuan Perubatan Remaja 1993; 14: ms 626-631
Lihat Dalam Artikel | Cross Ref - Shaw dan Black, 2008. Shaw M., dan Black DW: Kecanduan Internet: Definisi, penilaian, epidemiologi dan pengurusan klinikal. CNS Dadah 2008; 22: ms 353-365
Lihat Dalam Artikel | Cross Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., dan Dunbar GC: Tinjauan Neuropsychiatrik Mini-Antarabangsa (MINI): Pembangunan dan pengesahan temuduga psikiatrik diagnostik berstruktur untuk DSM-IV dan ICD-10. Jurnal Psikiatri Klinikal 1998; 59:
Lihat Dalam Artikel - Tam dan Walter, 2013. Tam P., dan Walter G .: Penggunaan Internet yang bermasalah pada zaman kanak-kanak dan remaja: Evolusi kesakitan abad 21. Psikiatri Australasian 2013; undefined:
Lihat Dalam Artikel - Tibshirani, 1996. Tibshirani R .: Penyusutan regresi dan pemilihan melalui lasso. Jurnal Persatuan Statistik Diraja, Siri B 1996; 58: ms 267-288
Lihat Dalam Artikel - Tikhonov, 1963. Tikhonov AN: Penyelesaian masalah yang dirumuskan secara salah dan kaedah regularization. Matematik Soviet Doklady 1963; 5: ms 1035-1038
Lihat Dalam Artikel - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A., dan Brand M .: Pembelian patologi secara dalam talian sebagai satu bentuk penagihan internet yang spesifik: Siasatan percubaan berasaskan model. PLoS One 2015; 10:
Lihat Dalam Artikel - Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC, dan Yang YK: Faktor risiko ketagihan internet? Psikiatri Penyelidikan 2009; 167: ms 294-299
Lihat Dalam Artikel | Cross Ref - Wallace, 2014. Wallace P.: Gangguan ketagihan internet dan remaja: Terdapat kebimbangan yang semakin meningkat mengenai aktiviti dalam talian secara kompulsif dan ini boleh menghalang prestasi pelajar dan kehidupan sosial. Laporan EMBO 2014; 15: ms 12-16
Lihat Dalam Artikel | Cross Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W., dan Hong Z .: Aktiviti-aktiviti dalam talian, kelaziman penagihan internet dan faktor risiko yang berkaitan dengan keluarga dan sekolah di kalangan remaja di China. Laporan Kecanduan Addictive 2018; 7: ms 14-18
Lihat Dalam Artikel | Cross Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M., dan Kozak K.: Pergantungan internet dalam populasi perguruan tinggi: Peranan rasa malu. Cyberpsychology & Behavior 2004; 7: ms 379-383
Lihat Dalam Artikel | Cross Ref - Young, 1998. Young KS: Ketagihan internet: Kemunculan gangguan klinikal baru. CyberPsychology & Behavior 1998; 1: ms 237-244
Lihat Dalam Artikel | Cross Ref
;