Beoordeling van criteria voor specifieke internetgebruiksstoornissen (ACSID-11): introductie van een nieuw screeningsinstrument dat ICD-11-criteria vastlegt voor gokverslaving en andere potentiële internetgebruiksstoornissen (2022)

Logo voor Journal of gedragsverslavingen

YBOP COMMENT: Onderzoekers hebben een nieuwe beoordelingstool gemaakt en getest, gebaseerd op de ICD-11 Gaming Disorder-criteria van de Wereldgezondheidsorganisatie. Het is ontworpen om verschillende specifieke internetgebruiksstoornissen (online gedragsverslavingen) te beoordelen inclusief 'porno-gebruiksstoornis'.

De onderzoekers, waaronder een van 's werelds toonaangevende experts op het gebied van dwangmatig seksueel gedrag / pornoverslaving Matthias Brand, suggereerde verschillende keren dat "porno-gebruiksstoornis" kan worden geclassificeerd als: 6C5Y Andere gespecificeerde aandoeningen als gevolg van verslavend gedrag in de ICD-11,
 
Met de opname van gaming-stoornis in de ICD-11 werden diagnostische criteria geïntroduceerd voor deze relatief nieuwe stoornis. Deze criteria kunnen ook worden toegepast op andere potentiële specifieke stoornissen in internetgebruik, die in ICD-11 kunnen worden geclassificeerd als andere stoornissen als gevolg van verslavend gedrag, zoals online koop-winkelstoornis, online stoornis in het gebruik van pornografie, stoornis in het gebruik van sociale netwerken en stoornis in online gokken. [nadruk toegevoegd]
 
Onderzoekers wezen erop dat bestaand bewijs het classificeren van dwangmatige seksuele gedragsstoornissen ondersteunt als een gedragsverslaving in plaats van de huidige classificatie van een stoornis in de impulsbeheersing:
 
De ICD-11 somt een dwangmatige seksuele gedragsstoornis (CSBD) op, waarvan velen aannemen dat problematisch pornografiegebruik een belangrijk gedragssymptoom is, als een stoornis in de impulsbeheersing. De dwangmatige koop-winkelstoornis wordt als voorbeeld genoemd onder de categorie 'overige gespecificeerde stoornissen in de impulsbeheersing' (6C7Y), maar zonder onderscheid te maken tussen online en offline varianten. Dit onderscheid wordt ook niet gemaakt in de meest gebruikte vragenlijsten voor het meten van dwangmatig kopen (Maraz et al., 2015Müller, Mitchell, Vogel, & de Zwaan, 2017). In de ICD-11 is nog geen rekening gehouden met een stoornis in het gebruik van sociale netwerken. Er zijn echter op bewijs gebaseerde argumenten om elk van de drie stoornissen eerder als verslavend gedrag te classificeren (Brand et al., 2020Gola et al., 2017Müller et al., 2019Stark et al., 2018Wegmann, Müller, Ostendorf, & Brand, 2018). [nadruk toegevoegd]
 
Voor meer informatie over de ICD-11 Dwangmatige Seksuele Gedragsdiagnose van de Wereldgezondheidsorganisatie: zie deze pagina.

 

Abstract

Achtergrond en doelstellingen

Met de opname van gaming-stoornis in de ICD-11 werden diagnostische criteria geïntroduceerd voor deze relatief nieuwe stoornis. Deze criteria kunnen ook worden toegepast op andere potentiële specifieke stoornissen in internetgebruik, die in ICD-11 kunnen worden geclassificeerd als andere stoornissen als gevolg van verslavend gedrag, zoals online koop-winkelstoornis, stoornis in online pornografiegebruik, gebruik van sociale netwerken stoornis en online gokstoornis. Vanwege de heterogeniteit in bestaande instrumenten, wilden we een consistente en economische maatstaf ontwikkelen voor de belangrijkste soorten (potentiële) specifieke internetgebruiksstoornissen op basis van ICD-11-criteria voor gokverslaving.

Methoden

De nieuwe 11-item Assessment of Criteria for Specific Internet-use Disorders (ACSID-11) meet vijf gedragsverslavingen met dezelfde set items door de principes van WHO's ASSIST te volgen. De ACSID-11 werd beheerd aan actieve internetgebruikers (N = 985) samen met een aanpassing van de Tien-Item Internet Gaming Disorder Test (IGDT-10) en screeners voor geestelijke gezondheid. We gebruikten Confirmatory Factor Analyses om de factorstructuur van ACSID-11 te analyseren.

Resultaten

De veronderstelde structuur met vier factoren werd bevestigd en was superieur aan de eendimensionale oplossing. Dit gold voor de gokverslaving en voor de andere specifieke internetstoornissen. ACSID-11-scores correleerden met IGDT-10 en met de maten van psychische nood.

Discussie en conclusies

De ACSID-11 lijkt geschikt te zijn voor de consistente beoordeling van (potentiële) specifieke internetgebruiksstoornissen op basis van ICD-11 diagnostische criteria voor gokverslaving. De ACSID-11 kan een nuttig en economisch instrument zijn om verschillende gedragsverslavingen met dezelfde items te bestuderen en de vergelijkbaarheid te verbeteren.

Introductie

De verspreiding van en gemakkelijke toegang tot internet maken onlinediensten bijzonder aantrekkelijk en bieden veel voordelen. Naast de voordelen voor de meeste mensen, kan online gedrag bij sommige personen een ongecontroleerde, verslavende vorm aannemen (bijv. Koning & Potenza, 2019Young, 2004). Vooral gaming wordt steeds meer een volksgezondheidsprobleem (Faust & Prochaska, 2018Rumpf et al., 2018). Na de erkenning van 'internetgaming-stoornis' in de vijfde herziening van de Diagnostic and Statistical Manual of Mental Disorders (DSM-5; American Psychiatric Association, 2013) als voorwaarde voor verder onderzoek is gokverslaving nu als officiële diagnose (6C51) opgenomen in de 11e herziening van de International Classification of Diseases (ICD-11; Wereldgezondheidsorganisatie, 2018). Dit is een belangrijke stap in het aanpakken van de mondiale uitdagingen die het schadelijke gebruik van digitale technologieën met zich meebrengt (Billieux, Stein, Castro-Calvo, Higushi en King, 2021). De wereldwijde prevalentie van gokverslaving wordt geschat op 3.05%, wat vergelijkbaar is met andere psychische stoornissen zoals stoornissen in het gebruik van middelen of obsessief-compulsieve stoornissen (Stevens, Dorstyn, Delfabbro en King, 2021). De prevalentieschattingen variëren echter sterk, afhankelijk van het gebruikte screeningsinstrument (Stevens et al., 2021). Momenteel is het landschap van instrumenten veelvoudig. De meeste maatregelen zijn gebaseerd op DSM-5-criteria voor internetgaming-stoornis en geen enkele lijkt duidelijk de voorkeur te hebben (King et al., 2020). Hetzelfde geldt voor ander potentieel verslavend gedrag op internet, zoals het problematische gebruik van online pornografie, sociale netwerken of online winkelen. Deze problematische online gedragingen kunnen samen met een gokverslaving voorkomen (Burleigh, Griffiths, Sumich, Stavropoulos en Kuss, 2019Müller et al., 2021), maar kan ook een eigen entiteit zijn. Recente theoretische kaders zoals het Interaction of Person-Affect-Cognition-Execution (I-PACE) model (Brand, Young, Laier, Wölfling en Potenza, 2016Brand et al., 2019) gaan ervan uit dat vergelijkbare psychologische processen ten grondslag liggen aan de verschillende soorten (online) verslavende gedragingen. De veronderstellingen zijn in lijn met eerdere benaderingen die kunnen worden gebruikt om overeenkomsten tussen verslavende stoornissen te verklaren, bijvoorbeeld met betrekking tot neuropsychologische mechanismen (Bechara, 2005Robinson en Berridge, 1993), genetische aspecten (Blum et al., 2000), of gemeenschappelijke componenten (Griffiths, 2005). Een uitgebreide screeningstool voor (potentiële) specifieke internetstoornissen op basis van dezelfde criteria bestaat momenteel echter niet. Uniforme screenings over verschillende soorten stoornissen als gevolg van verslavend gedrag zijn belangrijk om overeenkomsten en verschillen op een meer valide manier vast te stellen.

In de ICD-11 wordt de gokstoornis naast de gokstoornis vermeld in de categorie 'stoornissen als gevolg van verslavend gedrag'. De voorgestelde diagnostische criteria (voor beide) zijn: (1) verminderde controle over het gedrag (bijv. begin, frequentie, intensiteit, duur, beëindiging, context); (2) het verhogen van de prioriteit die aan het gedrag wordt gegeven in de mate dat het gedrag voorrang heeft op andere interesses en dagelijkse activiteiten; (3) voortzetting of escalatie van het gedrag ondanks negatieve gevolgen. Hoewel niet direct als aanvullende criteria genoemd, is het voor de diagnose verplicht dat het gedragspatroon leidt tot (4) functionele beperkingen op belangrijke gebieden van het dagelijks leven (bijvoorbeeld persoonlijke, familie-, educatieve of sociale kwesties) en/of duidelijk lijden (Wereldgezondheidsorganisatie, 2018). Daarom moeten beide componenten worden opgenomen bij het bestuderen van potentieel verslavend gedrag. Over het algemeen kunnen deze criteria ook worden toegepast op de categorie 'andere gespecificeerde stoornissen als gevolg van verslavend gedrag' (6C5Y), waarin koop-winkelstoornis, stoornis in het gebruik van pornografie en stoornis in het gebruik van sociale netwerken mogelijk kunnen worden gecategoriseerd (Brand et al., 2020). Online koop-winkelstoornis kan worden gedefinieerd door buitensporige, onaangepaste online aankoop van consumptiegoederen die herhaaldelijk voorkomt ondanks negatieve gevolgen en dus een specifieke stoornis in internetgebruik kan vormen (Müller, Laskowski, et al., 2021). Een stoornis in het gebruik van pornografie wordt gekenmerkt door verminderde controle over de consumptie van (online) pornografische inhoud, die kan worden gescheiden van ander dwangmatig seksueel gedrag (Kraus, Martino en Potenza, 2016Kraus et al., 2018). Een stoornis in het gebruik van sociale netwerken kan worden gedefinieerd door overmatig gebruik van sociale netwerken (inclusief sociale netwerksites en andere online communicatietoepassingen), gekenmerkt door verminderde controle over het gebruik, toenemende prioriteit die aan het gebruik wordt gegeven en voortzetting van het gebruik van sociale netwerken ondanks negatieve gevolgen ervaren (Andreassen, 2015). Alle drie mogelijke gedragsverslavingen vormen klinisch relevante verschijnselen die overeenkomsten vertonen met ander verslavend gedrag (bijv. Brand et al., 2020Griffiths, Kuss en Demetrovics, 2014Müller et al., 2019Stark, Klucken, Potenza, Brand en Strahler, 2018).

Instrumenten die specifieke soorten internetgebruiksstoornissen beoordelen, zijn voornamelijk gebaseerd op eerdere concepten, zoals aangepaste versies van Young's Internet Addiction Test (bijv. Laier, Pawlikowski, Pekal, Schulte en Brand, 2013Wegmann, Stodt & Brand, 2015) of de "Bergen" -schalen op basis van de verslavingscomponenten van Griffiths (bijv. Andreassen, Torsheim, Brunborg en Pallesen, 2012Andreassen et al., 2015), of ze meten unidimensionale constructies op basis van DSM-5-criteria voor gokverslaving (bijv. Lemmens, Valkenburg en Gentile, 2015Van den Eijnden, Lemmens, & Valkenburg, 2016) of gokstoornis (voor een overzicht zie Otto et al., 2020). Sommige eerdere maatregelen zijn overgenomen uit maatregelen voor gokstoornissen, stoornissen in het gebruik van middelen of zijn atheoretisch ontwikkeld (Laconi, Rodgers en Chabrol, 2014). Veel van deze instrumenten vertonen psychometrische zwakheden en inconsistenties, zoals benadrukt in verschillende beoordelingen (King, Haagsma, Delfabbro, Gradisar, & Griffiths, 2013Lortie & Guitton, 2013Petry, Rehbein, Ko en O'Brien, 2015). King et al. (2020) identificeerde 32 verschillende instrumenten om gokverslaving te beoordelen, wat de inconsistentie in het onderzoeksveld illustreert. Zelfs de meest geciteerde en meest gebruikte instrumenten, zoals Young's Internet Addiction Test (Young, 1998), vertegenwoordigen niet adequaat de diagnostische criteria voor gokverslaving, noch van de DSM-5 noch van de ICD-11. King et al. (2020) wijzen verder op psychometrische zwakheden, bijvoorbeeld een gebrek aan empirische validatie en dat de meeste instrumenten zijn ontworpen op basis van de aanname van een unimodaal construct. Het geeft aan dat de som van de individuele symptomen wordt geteld in plaats van afzonderlijk naar de frequentie en ervaren intensiteit te kijken. De tien-item internetgamingstoornis-test (IGDT-10; Király et al., 2017) lijkt momenteel de DSM-5-criteria adequaat weer te geven, maar over het algemeen leek geen van de instrumenten duidelijk de voorkeur te hebben (King et al., 2020). Onlangs zijn een aantal schalen geïntroduceerd als eerste screeningsinstrumenten die de ICD-11-criteria voor gokverslaving vastleggen (Balhara et al., 2020Higuchi et al., 2021Jo et al., 2020Paschke, Austermann en Thomasius, 2020Pontes et al., 2021) evenals voor stoornis in het gebruik van sociale netwerken (Paschke, Austermann en Thomasius, 2021). In het algemeen zou kunnen worden aangenomen dat niet elk symptoom noodzakelijkerwijs even vaak wordt ervaren, bijvoorbeeld even vaak of even intensief. Het lijkt dus wenselijk dat screeningsinstrumenten zowel de algehele symptoomervaringen als het geheel van symptomen op zich kunnen vastleggen. Veeleer kan een multidimensionale benadering onderzoeken welk symptoom beslissend, of in verschillende fasen, bijdraagt ​​aan de ontwikkeling en instandhouding van problematisch gedrag, geassocieerd is met een hoger niveau van lijden, of dat het slechts een kwestie van zelfs significantie is.

Soortgelijke problemen en inconsistenties worden duidelijk bij het kijken naar instrumenten die andere soorten potentiële specifieke internetgebruiksstoornissen beoordelen, namelijk online koop-winkelstoornis, online pornografie-gebruiksstoornis en sociale-netwerkgebruiksstoornis. Deze potentiële specifieke internetgebruiksstoornissen zijn niet formeel geclassificeerd in ICD-11 in tegenstelling tot game- en gokstoornissen. Vooral in het geval van een gokstoornis bestaan ​​er al tal van screeningsinstrumenten, maar voor de meeste ontbreekt voldoende bewijs (Otto et al., 2020), en noch de ICD-11-criteria voor gokstoornissen behandelen, noch de nadruk leggen op de overwegend online gokstoornis (Albrecht, Kirschner, & Grüsser, 2007Dowling et al., 2019). De ICD-11 somt een dwangmatige seksuele gedragsstoornis (CSBD) op, waarvan velen aannemen dat problematisch pornografiegebruik een belangrijk gedragssymptoom is, als een stoornis in de impulsbeheersing. De dwangmatige koop-winkelstoornis wordt als voorbeeld genoemd onder de categorie 'overige gespecificeerde stoornissen in de impulsbeheersing' (6C7Y), maar zonder onderscheid te maken tussen online en offline varianten. Dit onderscheid wordt ook niet gemaakt in de meest gebruikte vragenlijsten voor het meten van dwangmatig kopen (Maraz et al., 2015Müller, Mitchell, Vogel, & de Zwaan, 2017). In de ICD-11 is nog geen rekening gehouden met een stoornis in het gebruik van sociale netwerken. Er zijn echter evidence-based argumenten om elk van de drie stoornissen eerder te classificeren als verslavend gedrag (Brand et al., 2020Gola et al., 2017Müller et al., 2019Stark et al., 2018Wegmann, Müller, Ostendorf, & Brand, 2018). Naast een gebrek aan consensus over classificatie en definities van deze mogelijke specifieke internetgebruiksstoornissen, zijn er ook inconsistenties in het gebruik van screeningsinstrumenten (voor beoordelingen zie Andreassen, 2015Fernandez & Griffiths, 2021Hussain & Griffiths, 2018Müller et al., 2017). Er zijn bijvoorbeeld meer dan 20 instrumenten die worden verondersteld om problematisch pornografiegebruik te meten (Fernandez & Griffiths, 2021) maar geen enkele dekt voldoende de ICD-11-criteria voor aandoeningen als gevolg van verslavend gedrag, die zeer dicht bij de ICD-11-criteria voor CSBD liggen.

Bovendien lijken sommige specifieke stoornissen in internetgebruik waarschijnlijk gelijktijdig voor te komen, met name ongeordend gamen en gebruik van sociale netwerken (Burleigh et al., 2019Müller et al., 2021). Met behulp van latente profielanalyse, Charzyńska, Sussman en Atroszko (2021) identificeerde dat ongeordend sociaal netwerken en winkelen, evenals ongeordend gebruik van gamen en pornografie vaak respectievelijk samen voorkwamen. Het profiel met hoge niveaus voor alle internetgebruiksstoornissen vertoonde het laagste welzijn (Charzyńska et al., 2021). Dit benadrukt ook het belang van een uitgebreide en uniforme screening van verschillende internetgebruiksgedragingen. Er zijn pogingen gedaan om vergelijkbare sets items te gebruiken voor verschillende internetgebruiksstoornissen, zoals de problematische pornografieconsumptieschaal (Bőthe et al., 2018), de Bergen Social Media Addiction Scale (Andreassen, Pallesen en Griffiths, 2017) of de Online Shopping Verslavingsschaal (Zhao, Tian en Xin, 2017). Deze schalen zijn echter ontworpen op basis van het componentenmodel door Griffiths (2005) en dekken niet de huidige voorgestelde criteria voor stoornissen als gevolg van verslavend gedrag (vgl. Wereldgezondheidsorganisatie, 2018).

Samenvattend stelde de ICD-11 diagnostische criteria voor stoornissen als gevolg van (voornamelijk online) verslavend gedrag, namelijk gokstoornis en gokstoornis. Problematisch gebruik van online pornografie, online kopen-shopping en gebruik van sociale netwerken kunnen worden toegewezen aan de ICD-11-subcategorie 'andere gespecificeerde stoornissen als gevolg van verslavend gedrag' waarvoor dezelfde criteria kunnen worden toegepast (Brand et al., 2020). Tot op heden is het landschap van screeningsinstrumenten voor deze (potentieel) specifieke internetgebruiksstoornissen zeer inconsistent. Consistente meting van de verschillende constructies is echter essentieel om onderzoek naar overeenkomsten en verschillen tussen verschillende soorten stoornissen als gevolg van verslavend gedrag te bevorderen. Ons doel was om een ​​kort maar uitgebreid screeningsinstrument te ontwikkelen voor verschillende soorten (mogelijke) specifieke internetgebruiksstoornissen die de ICD-11-criteria voor gokverslaving en gokstoornis omvatten, om te helpen bij vroege identificatie van (potentieel) specifiek problematisch online gedrag.

Methoden

Deelnemers

De deelnemers werden online geworven via een serviceprovider voor toegangspanels waarmee ze individueel werden beloond. We hebben actieve internetgebruikers uit het Duitstalige gebied opgenomen. We hebben onvolledige datasets uitgesloten en datasets die aangaven onzorgvuldig te reageren. Dit laatste werd geïdentificeerd aan de hand van binnen-maat (geïnstrueerd responsitem en zelfrapportagemaat) en post-hoc (responstijd, responspatroon, Mahalanobis D) strategieën (Godinho, Kushnir en Cunningham, 2016Meade & Craig, 2012). Het uiteindelijke monster bestond uit: N = 958 deelnemers (499 mannen, 458 vrouwen, 1 duikers) tussen 16 en 69 jaar (M = 47.60, SD = 14.50). De meeste deelnemers waren voltijds werkzaam (46.3%), (vervroegd) met pensioen (20.1%) of deeltijds werkzaam (14.3%). De overigen waren studenten, stagiaires, huisvrouwen/-echtgenoten, of om andere redenen niet in dienst. Het niveau van het hoogste beroepsonderwijs is verdeeld over afgeronde beroeps-in-company-opleidingen (33.6%), WO (19.0%), afgeronde beroepsopleiding (14.1%), afstuderen aan een masteropleiding/technische academie (11.8%) , en polytechnische graad (10.1%). De anderen zaten in het onderwijs/studenten of hadden geen diploma. De willekeurige gemakssteekproef liet een vergelijkbare verdeling van de belangrijkste sociaal-demografische variabelen zien als de populatie van Duitse internetgebruikers (vgl. Statista, 2021).

Maatregelen

Beoordeling van criteria voor specifieke internetgebruiksstoornissen: ACSID-11

Met de ACSID-11 wilden we een instrument uitvinden voor het beoordelen van specifieke internetgebruiksstoornissen op een korte maar uitgebreide en consistente manier. Het is ontwikkeld op basis van theorie door een expertgroep van verslavingsonderzoekers en clinici. De items zijn afgeleid in meerdere discussies en consensusbijeenkomsten op basis van ICD-11-criteria voor stoornissen als gevolg van verslavend gedrag, zoals ze worden beschreven voor gamen en gokken, uitgaande van een multifactoriële structuur. Bevindingen van een Talk-Aloud-analyse werden gebruikt om de inhoudsvaliditeit en begrijpelijkheid van de items te optimaliseren (Schmidt et al., ingediend).

De ACSID-11 bestaat uit 11 items die de ICD-11-criteria voor stoornissen als gevolg van verslavend gedrag vastleggen. De drie belangrijkste criteria, verminderde controle (IC), verhoogde prioriteit die wordt gegeven aan de online activiteit (IP) en voortzetting/escalatie (CE) van internetgebruik ondanks negatieve gevolgen, worden elk weergegeven door drie items. Er zijn twee extra items gemaakt om functionele beperkingen in het dagelijks leven (FI) en gemarkeerde nood (MD) als gevolg van de online activiteit te beoordelen. In een pre-query kregen de deelnemers de opdracht om aan te geven van welke activiteiten op internet ze de afgelopen 12 maanden minimaal incidenteel gebruik hebben gemaakt. De activiteiten (dwz 'gamen', 'online winkelen', 'gebruik van online pornografie', 'gebruik van sociale netwerken', 'online gokken' en 'overige') werden vermeld met bijbehorende definities en de antwoordopties 'ja ' of niet'. Deelnemers die alleen 'ja' antwoordden op het 'andere' item werden gescreend. Alle anderen ontvingen de ACSID-11 items voor al die activiteiten die met 'ja' werden beantwoord. Deze multi-gedragsbenadering is gebaseerd op de Alcohol, Smoking and Substance Involvement Screening Test (ASSIST; WHO ASSIST-werkgroep, 2002), die op een consistente manier voor specifieke stoffen screent op de belangrijkste categorieën van middelengebruik en de negatieve gevolgen ervan, evenals op tekenen van verslavend gedrag.

Naar analogie van de ASSIST is elk item zo geformuleerd dat het direct beantwoord kan worden voor de betreffende activiteit. We gebruikten een tweedelig antwoordformaat (zie Fig 1), waarin deelnemers per activiteit per item dienen aan te geven hoe vaak ze hadden de ervaring in de afgelopen 12 maanden (0: ‚nooit', 1: ‚zelden', 2: soms', 3: ‚vaak'), en indien op zijn minst "zelden", hoe intens? elke ervaring was in de afgelopen 12 maanden (0: ‚helemaal niet intens', 1: liever niet intens', 2: ‚nogal intens', 3: ‚intens'). Door zowel de frequentie als de intensiteit van elk symptoom te beoordelen, is het mogelijk om het optreden van een symptoom te onderzoeken, maar ook om te controleren hoe intense symptomen buiten de frequentie worden waargenomen. De items van de ACSID-11 (voorgestelde Engelse vertaling) worden weergegeven in: Tabel 1. De originele (Duitse) items inclusief pre-query en instructies zijn te vinden in de bijlage (zie Appendix A).

Fig. 1.
 
Fig. 1.

Voorbeelditem van de ACSID-11 (voorgestelde Engelse vertaling van het Duitse originele item) ter illustratie van de meting van frequentie (linkerkolommen) en intensiteit (rechterkolommen) van situaties die verband houden met specifieke online activiteiten. Opmerkingen. De afbeelding toont een voorbeelditem van de factor Impaired Control (IC) zoals weergegeven A) voor een persoon die alle vijf online activiteiten gebruikt zoals aangegeven in de pre-query (zie Appendix A) en B) aan een persoon die heeft aangegeven alleen online winkelen en sociale netwerken te gebruiken.

Visum: Journal of Behavioral Addictions 2022; 10.1556/2006.2022.00013

Tafel 1.

Items van de ACSID-11-screener voor specifieke internetgebruiksstoornissen (voorgestelde Engelse vertaling).

itemVraag
IC1Had u in de afgelopen 12 maanden moeite om bij te houden wanneer u met de activiteit begon, hoe lang, hoe intensief of in welke situatie u deze deed, of wanneer u stopte?
IC2Heeft u in de afgelopen 12 maanden de wens gevoeld om de activiteit te stoppen of te beperken omdat u merkte dat u deze te veel gebruikte?
IC3Heeft u in de afgelopen 12 maanden geprobeerd om de activiteit te stoppen of te beperken en is u daarin niet geslaagd?
IP1Hebt u in de afgelopen 12 maanden de activiteit een steeds hogere prioriteit gegeven dan andere activiteiten of interesses in uw dagelijks leven?
IP2Heeft u in de afgelopen 12 maanden de interesse verloren in andere activiteiten die u vroeger leuk vond vanwege de activiteit?
IP3Heeft u in de afgelopen 12 maanden andere activiteiten of interesses die u vroeger leuk vond, verwaarloosd of opgegeven vanwege de activiteit?
CE1Heeft u in de afgelopen 12 maanden de activiteit voortgezet of verhoogd, ook al heeft u hierdoor een relatie met iemand die belangrijk voor u is, bedreigd of verbroken?
CE2Heeft u de afgelopen 12 maanden de activiteit voortgezet of uitgebreid, ook al heeft u hierdoor problemen op school/opleiding/werk gekregen?
CE3Heeft u in de afgelopen 12 maanden de activiteit voortgezet of verhoogd, ook al heeft u hierdoor lichamelijke of geestelijke klachten/ziekten gekregen?
FI1Als u aan alle aspecten van uw leven denkt, is uw leven in de afgelopen 12 maanden merkbaar beïnvloed door de activiteit?
MD1Als u nadenkt over alle aspecten van uw leven, heeft de activiteit u in de afgelopen 12 maanden leed veroorzaakt?

Opmerkingen. IC = verminderde controle; IP = verhoogde prioriteit; CE = voortzetting/escalatie; FI = functiebeperking; MD = gemarkeerde nood; De originele Duitse items zijn te vinden in Appendix A.

Test met tien items voor internetgamingstoornis: IGDT-10 - ASSIST-versie

Als maat voor convergente validiteit gebruikten we de tien-item IGDT-10 (Király et al., 2017) in een uitgebreide versie. De IGDT-10 operationaliseert de negen DSM-5-criteria voor internetgaming-stoornis (American Psychiatric Association, 2013). In deze studie hebben we de originele game-specifieke versie uitgebreid, zodat alle vormen van specifieke internetgebruiksstoornissen werden beoordeeld. Om dit te implementeren en om de methodologie vergelijkbaar te houden, hebben we hier ook het multibehavioral responsformaat gebruikt op het voorbeeld van ASSIST. Hiervoor zijn de items aangepast zodat 'gaming' is vervangen door 'de activiteit'. Elk item werd vervolgens beantwoord voor alle online activiteiten die de deelnemers eerder hadden aangegeven te gebruiken (uit een selectie van 'gaming', 'online winkelen', 'gebruik van online pornografie', 'gebruik van sociale netwerken' en 'online gokken' ). Per item werd elke activiteit gescoord op een driepunts Likertschaal (0 = 'nooit', 1 = 'soms', 2 = 'vaak'). De score was gelijk aan de originele versie van de IGDT-10: elk criterium kreeg een score van 0 als het antwoord 'nooit' of 'soms' was en een score van 1 als het antwoord 'vaak' was. Items 9 en 10 vertegenwoordigen hetzelfde criterium (dwz 'gevaar of verlies van een significante relatie, baan, of onderwijs- of carrièremogelijkheid als gevolg van deelname aan internetspellen') en tellen samen één punt als aan een of beide items wordt voldaan. Voor elke activiteit werd een eindscore berekend. Het kan variëren van 0 tot 9 waarbij hogere scores een hogere ernst van de symptomen aangeven. Met betrekking tot gokverslaving duidt een score van vijf of meer op klinische relevantie (Király et al., 2017).

Patiëntgezondheidsvragenlijst-4: PHQ-4

De patiëntgezondheidsvragenlijst-4 (PHQ-4; Kroenke, Spitzer, Williams en Löwe, 2009) is een korte maatstaf voor symptomen van depressie en angst. Het bestaat uit vier items uit de schaal van gegeneraliseerde angststoornis-7 en de PHQ-8-module voor depressie. De deelnemers dienen de frequentie van optreden van bepaalde symptomen aan te geven op een vierpunts Likert-schaal van 0 ('helemaal niet') tot 3 ('bijna elke dag'). De totale score kan variëren van 0 tot 12, wat duidt op geen/minimaal, mild, matig en ernstig psychisch lijden met scores van respectievelijk 0-2, 3-5, 6-8, 9-12 (Kroenke et al., 2009).

Algemeen welzijn

Algemene tevredenheid met het leven werd beoordeeld met behulp van de Life Satisfaction Short Scale (L-1) in de Duitse originele versie (Beierlein, Kovaleva, László, Kemper en Rammstedt, 2015) beantwoord op een 11-punts Likertschaal gaande van 0 ('helemaal niet tevreden') tot 10 ('helemaal tevreden'). De schaal met één item is goed gevalideerd en correleert sterk met schalen met meerdere items die de tevredenheid met het leven beoordelen (Beierlein et al., 2015). Daarnaast vroegen we naar specifieke levenstevredenheid op het gebied van gezondheid (H-1): 'Alles bij elkaar genomen, hoe tevreden ben je tegenwoordig met je gezondheid?' beantwoord op dezelfde 11-puntsschaal (vgl. Beierlein et al., 2015).

Procedure

Het onderzoek is online uitgevoerd met behulp van de online enquêtetool Limesurvey®. De ACSID-11 en IGDT-10 zijn zo geïmplementeerd dat alleen de activiteiten die in de pre-query waren geselecteerd voor de respectievelijke items werden weergegeven. Deelnemers ontvingen geïndividualiseerde links van de servicepanelprovider die leidden tot de online enquête die door ons was gemaakt. Na afloop werden de deelnemers teruggestuurd naar de website van de aanbieder om hun vergoeding te ontvangen. Gegevens zijn verzameld in de periode van 8 april tot 14 april 2021.

statistische analyse

We gebruikten confirmatieve factoranalyse (CFA) om de dimensionaliteit en constructvaliditeit van de ACSID-11 te testen. De analyses zijn uitgevoerd met Mplus versie 8.4 (Muthén & Muthén, 2019) met behulp van gewogen kleinste-kwadratengemiddelden en variantie-aangepaste (WLSMV) schatting. Om de modelfit te evalueren, hebben we meerdere indices gebruikt, namelijk de chi-kwadraat (χ 2) test voor exacte pasvorm, de Comparative Fit Index (CFI), de Tucker-Lewis fit index (TLI), Standardized Root Mean Square Residual (SRMR) en de Root Mean Square Error of Approximation (RMSEA). Volgens Hu en Bentler (1999), afkapwaarden voor CFI en TLI > 0.95, voor SRMR < 0.08 en voor RMSEA < 0.06 duiden op een goede modelfit. Verder is een chi-kwadraatwaarde gedeeld door vrijheidsgraden (χ2/df) < 3 is een andere indicator voor acceptabele modelfit (Carmines & McIver, 1981). Cronbachs alfa (α) en Guttman's Lambda-2 (λ 2) werden gebruikt als maatstaven voor betrouwbaarheid met coëfficiënten > 0.8 (> 0.7) die wijzen op een goede (aanvaardbare) interne consistentie (Bortz & Döring, 2006). Correlatieanalyses (Pearson) werden gebruikt om de convergente validiteit tussen verschillende metingen van dezelfde of verwante constructen te testen. Deze analyses zijn uitgevoerd met IBM SPSS-statistieken (versie 26). Volgens Cohen (1988), een waarde van |r| = 0.10, 0.30, 0.50 geeft respectievelijk een klein, gemiddeld, groot effect aan.

Ethiek

De studieprocedures werden uitgevoerd in overeenstemming met de Verklaring van Helsinki. De studie werd goedgekeurd door de ethische commissie van de afdeling Informatica en Toegepaste Cognitieve Wetenschappen van de Faculteit Ingenieurswetenschappen van de Universiteit van Duisburg-Essen. Alle proefpersonen werden geïnformeerd over het onderzoek en gaven allemaal geïnformeerde toestemming.

Resultaten

Binnen de huidige steekproef waren de specifieke internetgebruiksgedragingen als volgt verdeeld: Gaming werd aangegeven door 440 (45.9%) personen (leeftijd: M = 43.59, SD = 14.66; 259 mannen, 180 vrouwen, 1 duikers), 944 (98.5%) van de personen die online winkelen (leeftijd: M = 47.58, SD = 14.49; 491 mannen, 452 vrouwen, 1 duikers), 340 (35.5%) van de personen gebruikten online-pornografie (leeftijd: M = 44.80, SD = 14.96; 263 mannen, 76 vrouwen, 1 duikers), 854 (89.1%) van de personen gebruikten sociale netwerken (leeftijd: M = 46.52, SD = 14.66; 425 mannen, 428 vrouwen, 1 duikers) en 200 (20.9%) personen die online gokken (leeftijd: M = 46.91, SD = 13.67; 125 mannen, 75 vrouwen, 0 duikers). De minderheid van de deelnemers (n = 61; 6.3%) gaf aan slechts één activiteit te gebruiken. De meeste deelnemers (n = 841; 87.8%) gebruikte ten minste online winkelen samen met sociale netwerken en 409 (42.7%) van hen gaven ook aan online games te spelen. Achtenzestig (7.1%) van de deelnemers gaf aan alle genoemde online activiteiten te gebruiken.

Aangezien gok- en gokstoornissen de twee soorten stoornissen zijn die het gevolg zijn van verslavend gedrag die officieel worden erkend en aangezien het aantal personen in onze steekproef dat aangaf online te gokken vrij beperkt was, zullen we ons eerst concentreren op de resultaten met betrekking tot de beoordeling van criteria voor gokverslaving met de ACSID-11.

Beschrijvende statistiek

Met betrekking tot gamestoornis hebben alle ACSID-11-items een score tussen 0 en 3, wat het maximale bereik van mogelijke waarden weerspiegelt (zie Tabel 2). Alle items vertonen relatief lage gemiddelde waarden en een rechts-scheve verdeling zoals verwacht in een niet-klinische steekproef. De moeilijkheidsgraad is het hoogst voor de items Voortzetting/escalatie en Duidelijke nood, terwijl de items met verminderde controle (vooral IC1) en de items met verhoogde prioriteit de laagste moeilijkheidsgraad zijn. Kurtosis is vooral hoog voor het eerste item van Continuation/Escalation (CE1) en het item Marked Distress (MD1).

Tafel 2.

Beschrijvende statistieken van de ACSID-11-items die de gokstoornis meten.

Nee.itemminMaxM(SD)scheefheidkurtosisMoeilijkheid
a)Frequentieschaal:
01IC1030.827(0.956)0.808-0.52127.58
02IC2030.602(0.907)1.2370.24920.08
03IC3030.332(0.723)2.1633.72411.06
04IP1030.623(0.895)1.1800.18920.76
05IP2030.405(0.784)1.9132.69813.48
06IP3030.400(0.784)1.9032.59713.33
07CE1030.170(0.549)3.56112.7185.68
08CE2030.223(0.626)3.0388.7977.42
09CE3030.227(0.632)2.9337.9987.58
10FI1030.352(0.712)1.9973.10811.74
11MD1030.155(0.526)3.64713.1075.15
b)Intensiteitsschaal
01bIC1030.593(0.773)1.1730.73219.77
02bIC2030.455(0.780)1.7002.09015.15
03bIC3030.248(0.592)2.6426.9818.26
04bIP1030.505(0.827)1.5291.32916.82
05bIP2030.330(0.703)2.1994.12310.98
06bIP3030.302(0.673)2.3024.63310.08
07bCE1030.150(0.505)3.86715.6725.00
08bCE2030.216(0.623)3.1599.6237.20
09bCE3030.207(0.608)3.22510.1226.89
10bFI1030.284(0.654)2.5346.1729.47
11bMD1030.139(0.483)3.99716.8584.62

OpmerkingenN = 440. IC = verminderde controle; IP = verhoogde prioriteit; CE = voortzetting/escalatie; FI = functiebeperking; MD = gemarkeerde nood.

Wat betreft geestelijke gezondheid, de totale steekproef (N = 958) heeft een gemiddelde PHQ-4-score van 3.03 (SD = 2.82) en vertoont een matige mate van tevredenheid met het leven (L-1: M = 6.31, SD = 2.39) en gezondheid (H-1: M = 6.05, SD = 2.68). In de game-subgroep (n = 440), 13 personen (3.0%) bereiken de IGDT-10-grenswaarde voor klinisch relevante gevallen van gokverslaving. De gemiddelde IGDT-10-score varieert tussen 0.51 voor koop-winkelstoornis en 0.77 voor stoornis in het gebruik van sociale netwerken (zie Tabel 5).

Bevestigende factoranalyse

Aangenomen vier-factorenmodel

We hebben de veronderstelde vierfactorstructuur van ACSID-11 getest door middel van meerdere CFA's, één per specifieke internetgebruiksstoornis en afzonderlijk voor frequentie- en intensiteitsclassificaties. De factoren (1) verminderde controle, (2) verhoogde prioriteit en (3) voortzetting/escalatie werden gevormd door de respectievelijke drie items. De twee extra items die functionele beperkingen in het dagelijks leven meten en duidelijk lijden als gevolg van de online activiteit vormden de extra factor (4) Functionele beperking. De vierfaculteitsstructuur van de ACSID-11 wordt ondersteund door de gegevens. De fit-indices geven een goede fit aan tussen de modellen en de gegevens voor alle soorten specifieke internetgebruiksstoornissen die zijn beoordeeld door ACSID-11, namelijk gokstoornis, online koop-winkelstoornis en sociale-netwerkgebruiksstoornis, online pornografiegebruik stoornis en online gokstoornis (zie Tabel 3). Met betrekking tot de stoornis in het gebruik van online pornografie en de stoornis van online gokken, kunnen TLI en RMSEA bevooroordeeld zijn vanwege de kleine steekproefomvang (Hu & Bentler, 1999). De factorladingen en resterende covarianties voor de CFA's die een vierfactorenmodel toepassen, worden weergegeven in: Fig 2. Merk op dat sommige modellen singuliere afwijkende waarden vertonen (dwz negatieve restvariantie voor een latente variabele of correlaties gelijk aan of groter dan 1).

Tafel 3.

Fit-indices van de vierfactor-, unidimensionale en tweede-orde CFA-modellen voor specifieke (potentiële) internetgebruiksstoornissen gemeten door ACSID-11.

  Gaming disorder
  Frequentieintensiteit
ModeldfCFITLISRMRRMSEAχ2/ dfCFITLISRMRRMSEAχ2/ df
Vierfactorenmodel380.9910.9870.0310.0512.130.9930.9900.0290.0431.81
Unidimensionaal model270.9690.9610.0480.0874.320.9700.9630.0470.0823.99
Tweede-orde factormodel400.9920.9880.0310.0471.990.9920.9890.0320.0451.89
  Online koop-winkelstoornis
  Frequentieintensiteit
ModeldfCFITLISRMRRMSEAχ2/ dfCFITLISRMRRMSEAχ2/ df
Vierfactorenmodel380.9960.9940.0190.0342.070.9950.9920.0200.0372.30
Unidimensionaal model270.9810.9760.0370.0705.580.9860.9820.0310.0563.98
Tweede-orde factormodel400.9960.9940.0210.0362.190.9940.9920.0230.0382.40
  Stoornis bij online gebruik van pornografie
  Frequentieintensiteit
ModeldfCFITLISRMRRMSEAχ2/ dfCFITLISRMRRMSEAχ2/ df
Vierfactorenmodel380.9930.9890.0340.0541.990.9870.9810.0380.0652.43
Unidimensionaal model270.9840.9790.0440.0752.910.9760.9700.0460.0823.27
Tweede-orde factormodel400.9930.9910.0330.0491.830.9840.9790.0390.0682.59
  Stoornis in het gebruik van sociale netwerken
  Frequentieintensiteit
ModeldfCFITLISRMRRMSEAχ2/ dfCFITLISRMRRMSEAχ2/ df
Vierfactorenmodel380.9930.9900.0230.0493.030.9930.9890.0230.0523.31
Unidimensionaal model270.9700.9630.0480.0968.890.9770.9720.0390.0857.13
Tweede-orde factormodel400.9920.9890.0270.0533.390.9910.9880.0250.0563.64
  Online gokstoornis
  Frequentieintensiteit
ModeldfCFITLISRMRRMSEAχ2/ dfCFITLISRMRRMSEAχ2/ df
Vierfactorenmodel380.9970.9960.0270.0591.700.9970.9960.0260.0491.47
Unidimensionaal model270.9940.9920.0400.0782.200.9910.9890.0390.0802.28
Tweede-orde factormodel400.9970.9960.0290.0541.580.9970.9950.0290.0531.55

Opmerkingen. Steekproefgroottes gevarieerd voor gaming (n = 440), online winkelen (n = 944), gebruik van online pornografie (n = 340), gebruik van sociale netwerken (n = 854) en online gokken (n = 200); ACSID-11 = Beoordeling van criteria voor specifieke internetgebruiksstoornissen, 11 items.

Fig. 2.
 
Fig. 2.

Factorladingen en resterende covarianties van de vierfactormodellen van de ACSID-11 (frequentie) voor (A) gokstoornis, (B) online gokstoornis, (C) online koop-winkelstoornis, (D) online pornografie-gebruiksstoornis , en (E) stoornis in het gebruik van sociale netwerken. Opmerkingen. Steekproefgroottes gevarieerd voor gaming (n = 440), online winkelen (n = 944), gebruik van online pornografie (n = 340), gebruik van sociale netwerken (n = 854) en online gokken (n = 200); De intensiteitsschaal van de ACSID-11 liet vergelijkbare resultaten zien. ACSID-11 = Beoordeling van criteria voor specifieke internetgebruiksstoornissen, 11 items; Waarden vertegenwoordigen gestandaardiseerde factorladingen, factorcovarianties en resterende covarianties. Alle schattingen waren significant op p <0.001.

Visum: Journal of Behavioral Addictions 2022; 10.1556/2006.2022.00013

Unidimensionaal model

Vanwege de hoge onderlinge correlaties tussen de verschillende factoren, hebben we bovendien unidimensionale oplossingen getest waarbij alle items op één factor laadden, zoals geïmplementeerd, bijvoorbeeld in de IGDT-10. De eendimensionale modellen van de ACSID-11 lieten een acceptabele fit zien, maar met RMSEA en/of χ2/df staat boven de voorgestelde cutoffs. Voor alle gedragingen zijn de modelaanpassingen voor de vierfactormodellen beter in vergelijking met de respectieve eendimensionale modellen (zie Tabel 3). Bijgevolg lijkt de vierfactoroplossing superieur aan de eendimensionale oplossing.

Tweede-orde factormodel en bifactormodel

Een alternatief om rekening te houden met de hoge intercorrelaties is om een ​​algemene factor op te nemen die de algemene constructie vertegenwoordigt, die uit gerelateerde subdomeinen bestaat. Dit kan worden geïmplementeerd via het tweede-orde-factormodel en het bifactormodel. In het tweede-orde factormodel wordt een algemene (tweede-orde) factor gemodelleerd in een poging de correlaties tussen de eerste-orde factoren te verklaren. In het bifactormodel wordt aangenomen dat de algemene factor verantwoordelijk is voor de overeenkomst tussen de verwante domeinen en dat er bovendien meerdere specifieke factoren zijn, die elk unieke effecten hebben op en buiten de algemene factor. Dit is zo gemodelleerd dat elk item zowel op de algemene factor als op zijn specifieke factor mag laden, waarbij alle factoren (inclusief correlaties tussen algemene factor en specifieke factoren) als orthogonaal zijn gespecificeerd. Het tweede-orde factormodel is meer beperkt dan het bifactormodel en is genest in het bifactormodel (Yung, Thissen en McLeod, 1999). In onze steekproeven laten de tweede-orde factormodellen een vergelijkbare goede fit zien als de vierfactormodellen (zie Tabel 3). Voor alle gedragingen laden de vier (eerste-orde) factoren hoog op de (tweede-orde) algemene factor (zie Bijlage B), wat het gebruik van een totaalscore rechtvaardigt. Net als bij de vierfactormodellen, vertonen sommige tweede-orde factormodellen incidentele afwijkende waarden (dwz negatieve restvariantie voor een latente variabele of correlaties gelijk aan of groter dan 1). We hebben ook complementaire bifactormodellen getest die een vergelijkbare superieure fit vertoonden, maar niet voor alle gedragingen kon een model worden geïdentificeerd (zie Bijlage C).

Betrouwbaarheid

Op basis van de geïdentificeerde structuur met vier factoren, hebben we factorscores voor de ACSID-11 berekend op basis van de gemiddelden van de respectieve items, evenals algemene gemiddelde scores voor elke specifieke (potentiële) internetgebruiksstoornis. We hebben de betrouwbaarheid van de IGDT-10 bekeken toen we voor het eerst de multi-behavioral variant gebruikten naar het voorbeeld van de ASSIST (beoordeling van meerdere specifieke internetgebruiksstoornissen). De resultaten wijzen op een hoge interne consistentie van de ACSID-11 en een lagere maar ook acceptabele betrouwbaarheid van de IGDT-10 (zie Tabel 4).

Tafel 4.

Betrouwbaarheidsmetingen van de ACSID-11 en IGDT-10 die specifieke internetgebruiksstoornissen meten.

 ACSID-11IGDT-10
Frequentieintensiteit(ASSIST-versie)
Type stoornisαλ2αλ2αλ2
Gaming0.9000.9030.8940.8970.8410.845
Online kopen-shoppen0.9100.9130.9150.9170.8580.864
Gebruik van online pornografie0.9070.9110.8960.9010.7930.802
Gebruik van sociale netwerken0.9060.9120.9150.9210.8550.861
Online gokken0.9470.9500.9440.9460.9100.912

Opmerkingenα = Cronbachs alfa; λ 2 = Guttman's lambda-2; ACSID-11 = Beoordeling van criteria voor specifieke internetgebruiksstoornissen, 11 items; IGDT-10 = Test met tien items voor internetgamingstoornis; Steekproefgroottes gevarieerd voor gaming (n = 440), online kopen-shopping (n = 944), gebruik van online pornografie (n = 340), gebruik van sociale netwerken (n = 854) en online gokken (n = 200).

Tabel 5 toont de beschrijvende statistieken van de ACSID-11- en IGDT-10-scores. Voor alle gedragingen zijn de gemiddelden van de ACSID-11-factoren Voortzetting/escalatie en Functionele stoornis het laagst in vergelijking met die van de andere factoren. De factor Impaired Control toont de hoogste gemiddelde waarden voor zowel frequentie als intensiteit. De totale ACSID-11-scores zijn het hoogst voor stoornis in het gebruik van sociale netwerken, gevolgd door stoornis in online gokken en gamen, stoornis in online gebruik van pornografie en stoornis in online kopen. IGDT-10 somscores laten een soortgelijk beeld zien (zie Tabel 5).

Tafel 5.

Beschrijvende statistieken van de factor en algemene scores van de ACSID-11 en IGDT-10 (ASSIST-versie) voor specifieke internetgebruiksstoornissen.

 Gamen (n =Online kopen-shoppen

(n =
Gebruik van online pornografie

(n =
Gebruik van sociale netwerken (n =Online gokken (n =
VeranderlijkminMaxM(SD)minMaxM(SD)minMaxM(SD)minMaxM(SD)minMaxM(SD)
Frequentie
ACSID-11_IC030.59(0.71)030.46(0.67)030.58(0.71)030.78(0.88)030.59(0.82)
ACCID-11_IP030.48(0.69)030.28(0.56)030.31(0.59)030.48(0.71)030.38(0.74)
ACSID-11_CE030.21(0.51)030.13(0.43)030.16(0.45)030.22(0.50)030.24(0.60)
ACSID-11_FI030.25(0.53)030.18(0.48)02.50.19(0.47)030.33(0.61)030.33(0.68)
ACSID-11_totaal030.39(0.53)030.27(0.47)02.60.32(0.49)030.46(0.59)02.70.39(0.64)
intensiteit
ACSID-11_IC030.43(0.58)030.34(0.56)030.45(0.63)030.60(0.76)030.47(0.73)
ACCID-11_IP030.38(0.62)030.22(0.51)030.25(0.51)030.40(0.67)030.35(0.69)
ACSID-11_CE030.19(0.48)030.11(0.39)02.70.15(0.41)030.19(0.45)030.23(0.58)
ACSID-11_FI030.21(0.50)030.15(0.45)02.50.18(0.43)030.28(0.57)030.29(0.61)
ACSID-11_totaal030.31(0.46)030.21(0.42)02.60.26(0.43)030.37(0.54)030.34(0.59)
IGDT-10_sum090.69(1.37)090.51(1.23)070.61(1.06)090.77(1.47)090.61(1.41)

Opmerkingen. ACSID-11 = Beoordeling van criteria voor specifieke internetgebruiksstoornissen, 11 items; IC = verminderde controle; IP = verhoogde prioriteit; CE = voortzetting/escalatie; FI = functiebeperking; IGDT-10 = Test met tien items voor internetgamingstoornis.

Correlatie analyse

Als maat voor de constructvaliditeit analyseerden we correlaties tussen ACSID-11, IGDT-10 en metingen van algemeen welzijn. De correlaties zijn weergegeven in Tabel 6. De totale ACSID-11-scores correleren positief met de IGDT-10-scores met middelgrote tot grote effectgroottes, waar de correlaties tussen de scores voor hetzelfde gedrag het hoogst zijn. Bovendien correleren ACSID-11-scores positief met PHQ-4, met een vergelijkbaar effect als IGDT-10 en PHQ-4. Correlatiepatronen met metingen van tevredenheid met het leven (L-1) en tevredenheid met de gezondheid (H-1) zijn zeer vergelijkbaar tussen de ernst van de symptomen beoordeeld met ACSID-11 en die met IGDT-10. Intercorrelaties tussen ACSID-11 totaalscores voor de verschillende gedragingen zijn van grote invloed. Correlaties tussen de factorscores en IGDT-10 zijn te vinden in het aanvullende materiaal.

Tafel 6.

Correlaties tussen ACSID-11 (frequentie), IGDT-10 en metingen van psychologisch welzijn

   1)2)3)4)5)6)7)8)9)10)11)12)
 ACSID-11_totaal
1)Gaming 1           
2)Online kopen-shoppenr0.703**1          
 (n)(434)(944)          
3)Gebruik van online pornografier0.659**0.655**1         
 (n)(202)(337)(340)         
4)Gebruik van sociale netwerkenr0.579**0.720**0.665**1        
 (n)(415)(841)(306)854        
5)Online gokkenr0.718**0.716**0.661**0.708**1       
 (n)(123)(197)(97)(192)(200)       
 IGDT-10_sum
6)Gamingr0.596**0.398**0.434**0.373**0.359**1      
 (n)(440)(434)(202)(415)(123)(440)      
7)Online kopen-shoppenr0.407**0.632**0.408**0.449**0.404**0.498**1     
 (n)(434)(944)(337)(841)(197)(434)(944)     
8)Gebruik van online pornografier0.285**0.238**0.484**0.271**0.392**0.423**0.418**1    
 (n)(202)(337)(340)(306)(97)(202)(337)(340)    
9)Gebruik van sociale netwerkenr0.255**0.459**0.404**0.591**0.417**0.364**0.661**0.459**1   
 (n)(415)(841)(306)(854)(192)(415)(841)(306)(854)   
10)Online gokkenr0.322**0.323**0.346**0.423**0.625**0.299**0.480**0.481**0.525**1  
 (n)(123)(197)(97)(192)(200)(123)(197)(97)(192)(200)  
11)PHQ-4r0.292**0.273**0.255**0.350**0.326**0.208**0.204**0.146**0.245**0.236**1 
 (n)(440)(944)(340)(854)(200)(440)(944)(340)(854)(200)(958) 
12)L-1r-0.069-0.080*-0.006-0.147**-0.179*-0.130**-0.077*-0.018-0.140**-0.170*-0.542**1
 (n)(440)(944)(340)(854)(200)(440)(944)(340)(854)(200)(958)(958)
13)H-1r-0.083-0.0510.062-0.0140.002-0.078-0.0210.0690.027-0.034-0.409**0.530**
 (n)(440)(944)(340)(854)(200)(440)(944)(340)(854)(200)(958)(958)

Opmerkingen. ** p <0.01; * p < 0.05. ACSID-11 = Beoordeling van criteria voor specifieke internetgebruiksstoornissen, 11 items; IGDT-10 = Test met tien items voor internetgamingstoornis; PHQ-4 = Patiëntengezondheidsvragenlijst-4; Correlaties met de ACSID-11-intensiteitsschaal lagen in een vergelijkbaar bereik.

Discussie en conclusies

Dit rapport introduceerde de ACSID-11 als een nieuw hulpmiddel voor de gemakkelijke en uitgebreide screening van belangrijke soorten specifieke internetgebruiksstoornissen. De resultaten van het onderzoek geven aan dat ACSID-11 geschikt is om de ICD-11-criteria voor gokverslaving vast te leggen in een veelzijdige structuur. Positieve correlaties met een op de DSM-5 gebaseerd beoordelingsinstrument (IGDT-10) wezen verder op de validiteit van het construct.

De veronderstelde multifactoriële structuur van de ACSID-11 werd bevestigd door de resultaten van de CFA. De items passen goed bij een vierfactorenmodel dat de ICD-11-criteria weergeeft (1) verminderde controle, (2) verhoogde prioriteit, (3) voortzetting/escalatie ondanks negatieve gevolgen, evenals de aanvullende componenten (4) functionele beperking en gemarkeerd lijden om als relevant voor verslavend gedrag te worden beschouwd. De vierfactoroplossing vertoonde een superieure pasvorm in vergelijking met de eendimensionale oplossing. De multidimensionaliteit van de schaal is een uniek kenmerk in vergelijking met andere schalen die ICD-11-criteria voor gokverslaving behandelen (vgl. King et al., 2020Pontes et al., 2021). Bovendien geeft de even superieure fit van het tweede-orde-factormodel (en gedeeltelijk bifactormodel) aan dat de items die de vier gerelateerde criteria beoordelen een algemeen 'stoornis'-construct omvatten en het gebruik van een algemene score rechtvaardigen. De resultaten waren vergelijkbaar voor online gokstoornis en de andere potentiële specifieke internetgebruiksstoornissen gemeten door ACSID-11 in het multigedragsformaat op het voorbeeld van de ASSIST, namelijk online koop-winkelstoornis, online pornografie-gebruiksstoornis, sociale-netwerken- stoornis gebruiken. Voor de laatste zijn er nauwelijks instrumenten op basis van WHO-criteria voor stoornissen als gevolg van verslavend gedrag, hoewel onderzoekers deze classificatie voor elk van hen aanbevelen (Brand et al., 2020Müller et al., 2019Stark et al., 2018). Nieuwe uitgebreide maatregelen, zoals de ACSID-11, kunnen helpen om de methodologische problemen te overwinnen en systematische analyses mogelijk te maken van overeenkomsten en verschillen tussen deze verschillende soorten (potentieel) verslavend gedrag.

De betrouwbaarheid van de ACSID-11 is hoog. Voor gokverslaving is de interne consistentie vergelijkbaar of hoger dan die van de meeste andere instrumenten (vgl. King et al., 2020). Betrouwbaarheid in termen van interne consistentie is ook goed voor de andere specifieke internetgebruiksstoornissen gemeten door zowel ACSID-11 als IGDT-10. Hieruit kunnen we concluderen dat een geïntegreerd antwoordformaat, zoals dat van de ASSIST (WHO ASSIST-werkgroep, 2002) is geschikt voor een gezamenlijke beoordeling van verschillende soorten gedragsverslavingen. In de huidige steekproef was de ACSID-11-totaalscore het hoogst voor stoornis in het gebruik van sociale netwerken. Dit past bij de relatief hoge prevalentie van dit fenomeen, die momenteel wordt geschat op 14% voor individualistische landen en 31% voor collectivistische landen (Cheng, Lau, Chan en Luk, 2021).

Convergente validiteit wordt aangegeven door middelmatige tot grote positieve correlaties tussen ACSID-11- en IGDT-10-scores, ondanks verschillende scoreformaten. Bovendien ondersteunen de matige positieve correlaties tussen ACSID-11-scores en de PHQ-4-meting van symptomen van depressie en angst de criteriumvaliditeit van het nieuwe beoordelingsinstrument. De resultaten komen overeen met eerdere bevindingen over associaties tussen (comorbide) psychische problemen en specifieke internetgebruiksstoornissen, waaronder gokverslaving (Mihara & Higuchi, 2017; maar zie; Kouder Carras, Shi, Hard en Saldanha, 2020), stoornis in het gebruik van pornografie (Duffy, Dawson, & Das Nair, 2016), koop-winkelstoornis (Kyrios et al., 2018), stoornis in het gebruik van sociale netwerken (Andreassen, 2015) en gokstoornis (Dowling et al., 2015). Ook was de ACSID-11 (vooral online gokstoornis en stoornis in het gebruik van sociale netwerken) omgekeerd gecorreleerd met de mate van tevredenheid met het leven. Dit resultaat komt overeen met eerdere bevindingen over verbanden tussen verminderd welzijn en de ernst van de symptomen van specifieke internetgebruiksstoornissen (Cheng, Cheung en Wang, 2018Duffy et al., 2016Duradoni, Innocenti en Guazzini, 2020). Studies suggereren dat het welzijn in het bijzonder wordt aangetast wanneer meerdere specifieke internetstoornissen gelijktijdig voorkomen (Charzyńska et al., 2021). Het gezamenlijk optreden van specifieke internetgebruiksstoornissen komt niet zelden voor (bijv. Burleigh et al., 2019Müller et al., 2021) wat de relatief hoge onderlinge correlaties tussen de aandoeningen gemeten door respectievelijk ACSID-11 en IGDT-10 gedeeltelijk kan verklaren. Dit onderstreept het belang van een uniform screeningsinstrument om overeenkomsten en verschillen op een meer valide manier vast te stellen tussen verschillende soorten aandoeningen als gevolg van verslavend gedrag.

Een belangrijke beperking van de huidige studie is de niet-klinische, relatief kleine en niet-representatieve steekproef. Met deze studie kunnen we dus niet aantonen of ACSID-11 geschikt is als diagnostisch hulpmiddel, omdat we nog geen duidelijke afkapscores kunnen geven. Bovendien liet het cross-sectionele ontwerp het niet toe om conclusies te trekken over test-hertestbetrouwbaarheid of causale relaties tussen ACSID-11 en de validerende variabelen. Het instrument heeft verdere validatie nodig om de betrouwbaarheid en geschiktheid ervan te verifiëren. De resultaten van deze eerste studie suggereren echter dat het een veelbelovend hulpmiddel is dat de moeite waard is om verder te testen. Opgemerkt moet worden dat er niet alleen voor dit instrument, maar voor het hele onderzoeksgebied een grotere database nodig is om te bepalen welk van deze gedragingen als diagnostische entiteiten kunnen worden beschouwd (vgl. Grant & Chamberlain, 2016). De structuur van de ACSID-11 lijkt goed te werken, zoals wordt bevestigd door de resultaten van het huidige onderzoek. De vier specifieke factoren en het algemene domein waren voldoende vertegenwoordigd in de verschillende gedragingen, hoewel elk item werd beantwoord voor alle aangegeven online activiteiten die in de afgelopen twaalf maanden ten minste af en toe werden gedaan. We hebben al besproken dat specifieke internetgebruiksstoornissen waarschijnlijk samen voorkomen, maar dit moet in vervolgonderzoeken worden bevestigd als de reden voor de matige tot hoge correlaties van ACSID-11-scores over gedrag. Bovendien kunnen incidentele afwijkende waarden erop wijzen dat voor sommige gedragingen de modelspecificatie moet worden geoptimaliseerd. De gehanteerde criteria zijn niet noodzakelijkerwijs even relevant voor alle opgenomen typen mogelijke aandoeningen. Het kan zijn dat ACSID-11 stoornisspecifieke kenmerken in symptoomuitingen niet adequaat kan afdekken. Meetinvariantie tussen de verschillende versies moet worden getest met nieuwe onafhankelijke steekproeven, waaronder patiënten met gediagnosticeerde specifieke internetgebruiksstoornissen. Bovendien zijn de resultaten niet representatief voor de algemene bevolking. De gegevens vertegenwoordigen ongeveer internetgebruikers in Duitsland en er was geen afsluiting op het moment van de gegevensverzameling; desalniettemin heeft de COVID-19-pandemie een potentiële invloed op stressniveaus en (problematisch) internetgebruik (Király et al., 2020). Hoewel de L-1-schaal met één item goed is gevalideerd (Beierlein et al., 2015), zou (domeinspecifieke) tevredenheid met het leven uitgebreider kunnen worden vastgelegd in toekomstige studies met behulp van de ACSID-11.

Concluderend bleek de ACSID-11 geschikt te zijn voor de uitgebreide, consistente en economische beoordeling van symptomen van (potentiële) specifieke internetgebruiksstoornissen, waaronder gokverslaving, online koop-winkelstoornis, online pornografie-gebruiksstoornis, sociale netwerken -gebruiksstoornis en online gokstoornis op basis van ICD-11 diagnostische criteria voor gokstoornis. Er moet een verdere evaluatie van het beoordelingsinstrument plaatsvinden. We hopen dat de ACSID-11 kan bijdragen aan een meer consistente beoordeling van verslavend gedrag in onderzoek en dat het in de toekomst ook nuttig kan worden in de klinische praktijk.

Financieringsbronnen

Deutsche Forschungsgemeinschaft (DFG, Duitse Onderzoeksstichting) – 411232260.

Bijdrage van auteurs

SMM: Methodologie, Formele analyse, Schrijven - Origineel ontwerp; EW: Conceptualisering, Methodologie, Schrijven – Review & Editing; AO: Methodologie, Formele analyse; RS: Conceptualisering, Methodologie; AM: Conceptualisering, Methodologie; CM: Conceptualisering, Methodologie; KW: Conceptualisering, Methodologie; HJR: Conceptualisering, Methodologie; MB: Conceptualisering, Methodologie, Schrijven - Review & Editing, Supervisie.

Belangenverstrengeling

De auteurs melden geen financiële of andere belangenverstrengeling die relevant zijn voor het onderwerp van dit artikel.

Danksagung

Het werk aan dit artikel werd uitgevoerd in de context van de onderzoekseenheid ACSID, FOR2974, gefinancierd door de Deutsche Forschungsgemeinschaft (DFG, Duitse onderzoeksstichting) - 411232260.

Aanvullend materiaal

Aanvullende gegevens voor dit artikel zijn online te vinden op https://doi.org/10.1556/2006.2022.00013.