Effecten van internet- en smartphoneverslaving op depressie en angst op basis van Propensity Score Matching Analysis (2018)

Int J Environ Res Public Health. 2018 apr 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Abstract

De associaties van internetverslaving (IA) en smartphone-verslaving (SA) met psychische problemen zijn uitgebreid bestudeerd. We onderzochten de effecten van IA en SA op depressie en angst bij het aanpassen voor sociodemografische variabelen. In deze studie voltooiden 4854-deelnemers een cross-sectionele webgebaseerde enquête met socio-demografische items, de Koreaanse schaal voor internetverslaving, de Smartphone Addiction Proneness Scale en de subschalen van de Symptoom Checklist 90 Items-Revised. De deelnemers werden geclassificeerd in IA, SA, en normaal gebruik (NU) groepen. Om de bias van de steekproef te verminderen, hebben we de methode voor het matchen van de propensiteitsscore toegepast op basis van genetica-overeenkomsten. De IA-groep vertoonde een verhoogd risico op depressie (relatief risico 1.207; p <0.001) en angst (relatief risico 1.264; p <0.001) vergeleken met NU's. De SA-groep vertoonde ook een verhoogd risico op depressie (relatief risico 1.337; p <0.001) en angst (relatief risico 1.402; p <0.001) in vergelijking met NC's. Deze bevindingen tonen aan dat beide, IA en SA, significante effecten hadden op depressie en angst. Bovendien toonden onze bevindingen aan dat SA een sterkere relatie heeft met depressie en angst, sterker dan IA, en benadrukten we de noodzaak van preventie- en beheerbeleid van overmatig smartphonegebruik.

trefwoorden:  Internet verslaving; angst; depressie; Geneigdheidscore; smartphone verslaving

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Inleiding

Met het toenemende gebruik en gemak van internet en smartphones in het dagelijks leven, heeft het verzamelde onderzoek de negatieve effecten aangetoond van het excessieve gebruik van internet en smartphones op het gebied van geestelijke gezondheid [1].
Het gebruikerspercentage van de smartphone in de Zuid-Koreaanse bevolking is ongeveer 85%, het hoogste wereldwijd [2]. Het overmatig gebruik van smartphones is echter sterk geassocieerd met een aantal psychische problemen, waaronder stress en een verhoogd risico op abnormale angst [3,4]. Smartphone-verslaving (SA) is ontstaan ​​als een nieuwe vorm van verslaving samen met internetverslavingen (IA), en het klinische kenmerk van de SA heeft de afgelopen jaren aandacht gekregen [5]. Er zijn bijvoorbeeld enkele verschillen met betrekking tot de aard van de apparaten, zoals de eenvoudige draagbaarheid, realtime internettoegang en directe communicatiefuncties van smartphones [6]. Overeenkomsten en verschillen tussen IA en SA zijn gerapporteerd met betrekking tot demografische variabelen en de motiverende aspecten van mediagebruik [1,6].
Vanuit het milieuaspect is een gebrek aan alternatieve activiteiten geassocieerd met IA [7]. Bovendien wordt gemeld dat single-zijn sterk geassocieerd is met zowel een sociaal netwerk als online gamen [8]. Wat het opleidingsniveau en de maandelijkse inkomensdimensies betreft, vond een recente studie bij mensen met SA significante verschillen in de gezondheidsdimensie ten gunste van degenen met een lager inkomen en een lagere opleiding [9]. In overeenstemming met deze bevinding rapporteerde een systematische review een significante correlatie tussen de academische prestaties en de ernst van IA [10]. Met betrekking tot de leeftijd heeft een recent onderzoek vastgesteld dat problematisch internetgebruik het meest relevant is voor zowel adolescente als opkomende volwassenen (19 jaar en ouder) [10], terwijl verslaving aan smartphones vaker voorkomt bij jongere adolescenten vergeleken met opkomende volwassenen (19 jaar en ouder) [11]. Een recente studie toonde aan dat vrouwen over het algemeen een hoger gemiddelde van dagelijkse gebruikstijden en afhankelijkheidsscores voor smartphones hebben, in vergelijking met mannen [4]. Choi et al. (2015) rapporteerde dat het mannelijke geslacht een relevante risicofactor heeft voor IA, en het vrouwelijk geslacht voor SA [1]. Met betrekking tot het gebruiksdoel bleek sociale netwerken sterker verband te houden met een hoge afhankelijkheid van smartphones, in vergelijking met andere mobiele telefoongerelateerde functies [11]. In individuen met IA, Anderson et al. (2016) meldde dat mannelijk geslacht significant geassocieerd was met online pc-gaming [10].
Met betrekking tot psychologische aspecten zijn de positieve associaties van IA en SA met depressie en angst breed gerapporteerd [12,13]. Recente studies hebben gesuggereerd dat verslaving aan internet en smartphones kan ontstaan ​​door het individuele cognitieve-emotionele en gedragsprofiel van de gebruiker in plaats van het medium zelf [14,15,16]. Een recente studie observeerde de rol van empathie en tevredenheid met het leven in zowel IA als SA [17]. Met betrekking tot psychopathologie rapporteerden verschillende studies een positieve correlatie tussen IA, depressie en angst [18,19,20], terwijl een recent onderzoek een relatie tussen het gebruik van smartphones en de ernst, depressie en angst [13]. Daarom moet de samenhang tussen IA, SA en psychische problemen nauwkeurig worden afgebakend. Bovendien, gezien zowel de overlap als de verschillen tussen IA en SA [16], dan rijst de vraag in hoeverre IA en SA zijn gekoppeld aan de toename in het niveau van depressie en angst na aanpassing van de verstorende demografische en sociaal-economische factoren?
Het blijft onduidelijk of psychische gezondheidsproblemen oorzaken of gevolgen zijn van overmatig vertrouwen op internet en smartphones. Cross-sectionele studies hebben multiple regressie-analyses gebruikt om de relaties tussen psychische problemen, IA en SA bij mensen te onderzoeken [21]. Echter, in observationele studies, die randomisatie missen, heeft meervoudige regressieanalyse beperkingen, zoals de mogelijkheid van overschatting en een slechte standaardfout wanneer er meerdere covariaten aanwezig zijn, naast de selectiebias [22]. Dus, het inschatten van de effecten van verslaving door simpelweg onderzoek van een bepaald resultaat, zoals depressie en angst, zou vertekend zijn door de onevenwichtigheid van de demografische en sociaal-economische factoren geassocieerd met IA en SA. Bovendien hebben nog geen studies de differentiële effecten onderzocht volgens de kenmerken van internet- en smartphonegebruikers, inclusief milieucontext en psychologische profielen van gebruikers, van IA en SA voor depressie en angst. Propensity score matching (PSM) is een populaire methode geworden om de selectiebias in observationele studies [23,24]. In dit artikel hebben we PSM-analyse toegepast om de effecten van IA en SA op depressie en angst te onderzoeken, om de selectiebias in onze gegevens te verminderen. We kozen voor geslacht, leeftijd, opleiding, burgerlijke staat en inkomen als verstorende variabele, gezien de associatie van deze sociodemografische variabelen met IA en SA in onze studie [9,25].
Het primaire doel van deze studie is om de onderlinge relaties tussen IA, SA en gemoedstoestand te onderzoeken, namelijk depressie en angst, met behulp van een propensity score matching-analyse. Ten tweede willen we ontdekken hoe de effecten van depressie en angst verschillen tussen IA en SA.

 

 

2. Materialen en methodes

 

 

2.1. Deelnemers bestuderen

De gegevens bestonden uit de online anonieme zelfdiagnose-enquêtereacties van 5003 Koreaanse volwassenen (leeftijd 19-49 jaren), uitgevoerd door de Katholieke Universiteit van Korea, Seoul; en St. Mary's Hospital in december 2014 [26]. De studie werd uitgevoerd in overeenstemming met de Verklaring van Helsinki. De institutionele beoordelingsraden van de Catholic University of Korea, Seoul; en St. Mary's Hospital heeft deze studie goedgekeurd. Alle deelnemers werden op de hoogte gebracht van de studie en verstrekten schriftelijke geïnformeerde toestemming. De deelnemers aan de enquête werden gerekruteerd door een panel van een onderzoeksbureau en zelfrapportagevragenlijsten werden zonder enige vergoeding via internet beheerd. Alleen 149-respondenten die geen smartphones gebruikten, werden uitgesloten. Ten slotte hebben we de gegevens van 4854-deelnemers geanalyseerd. In het laatste voorbeeld werden de leeftijden ingedeeld in drie categorieën: onder 30 (33.19%), 30-39 (43.94%) en 40-49 (22.87%). Er waren 2573-mannetjes (53.01%) en 2281-vrouwen (46.99%). De aanvullende demografische variabelen van de overwogen deelnemers waren opleiding, burgerlijke staat en inkomen.

 

 

2.2. Maatregelen

 

 

2.2.1. Meting van internetverslaving

De Koreaanse schaal voor internetverslaving (K-schaal) is in Korea ontwikkeld om IA te beoordelen en is gevalideerd in de Koreaanse bevolking met een hoge betrouwbaarheid van interne consistentie [27]. De Cronbach-coëfficiënt voor de K-schaal was 0.91 [28]. Het heeft zeven subschalen en 40-items, die de dagelijkse verstoring van het leven, verstoring van het testen van de realiteit, automatisch verslavende gedachten, virtuele interpersoonlijke relaties, afwijkend gedrag, terugtrekking en tolerantie meten. Deze Likert-typeschaal is ingesteld van 1 (helemaal niet) tot 4 (altijd). Volgens het vorige rapport met deze schaal, werden de deelnemers ingedeeld in drie groepen: normaal, potentieel risico en hoog risico [29]. De hoogrisicogroep was gedefinieerd als een gestandaardiseerde score van 70 of hoger, in dagelijkse verstoringen, automatische verslavende gedachten, tolerantiefactoren, of in ieder geval 70 in totaal. De potentiële risicogroep is gedefinieerd als een score van 62 of hoger voor dagelijkse verstoringen, automatische verslavende gedachten, tolerantiefactoren, of in ieder geval 63. De normale gebruikscategorie bevatte die scores onder deze nummers. In deze studie waren IA-groepen samengesteld uit de potentiële risico- en hoogrisicogroepen.

 

 

2.2.2. Meting van verslaving aan de smartphone

De Smartphone Addiction Proneness Scale (K-SAS) is gevalideerd en op grote schaal gebruikt voor screening op SA [30]. Het bestaat uit 15-items die zijn geclassificeerd in een vierpunts Likert-schaal van distress van 1 (helemaal niet) naar 4 (altijd). De vragen onderzochten drie factoren: dagelijkse verstoring van het leven, automatische verslavende gedachten en tolerantie. De Cronbach-alpha-coëfficiënt voor de K-SAS was 0.880 [5].
Op basis van een eerder rapport met deze schaal hebben we de scores gebruikt om de deelnemers in drie groepen te indelen: Normaal, potentieel risico en hoog risico [30]. De hoogrisicogroep was gedefinieerd als een score van 44 of meer in totaal, of een subscore van 15 of meer in de dagelijkse verstoring van het dagelijks leven, samen met subscores van 13 of meer, zowel in automatische verslavende gedachten als tolerantie. De potentiële risicogroep werd gedefinieerd als het hebben van 41 of meer in de totale score, of 15 of meer in de dagelijkse levensfactor. De normale gebruikscategorie bevatte die scores onder deze nummers [30]. In deze studie bestond de smartphone-verslaafde groep uit risicogroepen met een hoog risico en potentieel.

 

 

2.2.3. Meting van geestelijke gezondheidsproblemen: depressie en angst

De SCL-90-R is een multidimensionale vragenlijst die is ontwikkeld om een ​​reeks psychologische en psychopathologische kenmerken van 9-subschalen te screenen: somatisatie, obsessief-compulsieve, interpersoonlijke gevoeligheid, depressie, angst, vijandigheid, fobische angst, paranoïde ideatie en psychoticisme [31]. De SCL-90 bevat 90-items met een 5-puntschaal van distress van 0 (geen) tot 4 (extreem). De test-hertest betrouwbaarheid van de SCL-90-R in de Koreaanse taal was 0.76 voor depressie en 0.77 voor angst. De interne consistentie was 0.89 voor depressie en 0.86 voor angst [31]. Depressie en angst zijn de psychiatrische symptomen die het sterkst worden geassocieerd met IA en SA [12,13]. De specifieke dimensies van interesse voor screening in dit onderzoek omvatten de SCL-90-R-subschalen voor depressie en angst.

 

 

2.3. Gegevensanalyse

 

 

2.3.1. Statistische definitie

Laat Zi

 

een binaire verslavingsindicator zijn voor het ie onderwerp; dat is, Zi=1 als het net het onderwerp verslaafd is (IA of SA), en Zi=0 anders. De mogelijke uitkomst van een mentaal probleem (depressie of angst) wordt gedefinieerd als Yi(Zi. Merk op dat slechts één van de mogelijke uitkomsten tegelijkertijd voor elk onderwerp wordt waargenomen, dus directe berekening van Yi(1)-Yi is onmogelijk. In plaats van het individuele effect, is de belangrijkste interessante parameter het verwachte verslavende effect op de verslaafde populatie

τ=E(Yi(1)-Yi(0)|
 
Echter, de schatting van τ

heeft nog steeds een probleem omdat E(Yi(0)|Zi kan niet direct worden geschat. Natuurlijk, in gerandomiseerde experimenten, E(Yi(0)|Zi is tevreden, dus τ kan gemakkelijk worden geschat. Echter, in een observatiestudie, de naïeve schatting van τ kan bevooroordeeld zijn omdat E(Yi(0)|Zi. Om deze selectiebias aan te passen, gaan we ervan uit dat we de covariaten kunnen observeren Xi die niet van invloed zijn door een verslaving en voor een gegeven covariaten Xi, de mogelijke uitkomsten Yi(1), Yi zijn conditioneel onafhankelijk van de indicator van de verslaving Zi. Verder, als potentiële uitkomsten onafhankelijk zijn van de verslaving, afhankelijk van covariaten Xi, ze zijn ook onafhankelijk van de verslaving afhankelijk van de propensity-score P(Xi)= P(Zi=1|Xi[19]. De PSM-schatter voor τ wordt

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. De propensity score inschatten

Propensity-scores worden berekend met behulp van logistische regressie, een model dat wordt gebruikt om de kans te voorspellen dat een verslaving optreedt 

inloggenP(Zi=1|Xi)

 

 

 
In deze paper, zoals de covariaten voor Xi

 

 

we beschouwen vijf categoriale covariaten: geslacht (1 = mannelijk en 2 = vrouwelijk), leeftijd (1 = 20-29, 2 = 30-39 en 3 = 40-49), onderwijs (1 = middelbare school, 2 = hoog school, en 3 = universiteit of hoger), burgerlijke staat (1 = single, 2 = samenwonen, 3 = getrouwd, 4 = gescheiden, en 5 = nabestaanden) en inkomen (1 = laag, 2 = mid-low, 3 = middelste, 4 = mid-high en 5 = high). In sectie 1, deze covariaten kunnen tegelijkertijd de uitkomsten (depressie of angst) en verslavingen beïnvloeden. Zo schatten we voor elk onderwerp de propensity-scores; dat wil zeggen, de voorwaardelijke kans om verslaafd te zijn gezien de waargenomen covariaten [32].

 

 

2.3.3. Overeenkomende methoden op basis van de geschatte propensity score

Zodra de propensity-scores zijn geschat, kan matching worden gebruikt om het behandelingseffect te schatten na aanpassing aan de verschillen tussen de twee groepen [33]. Het doel van matching is om een ​​gematcht monster te produceren dat de verdeling van de patiënt van een studie in evenwicht brengt en overeenkomt met de covariaten van de waargenomen controlegroepen. Met deze aanpassingsmethode kunnen we de storende variabelen besturen. In deze studie hebben we twee veelgebruikte combinatiemethoden toegepast, de optimale en genetische matching [34].

 

 

2.3.4. Schatting van de relatieve risico's van verslaving op geestelijke gezondheidsproblemen na afstemming van de propensiteitsscore

Na propensity score matching door gebruik te maken van de waargenomen covariaten (leeftijd, geslacht, huwelijk, inkomen en opleiding) hebben we een meer uitgebalanceerde dataset. Om het probleem van de geestelijke gezondheid (depressie of angst) te modelleren, pasten we gegeneraliseerde lineaire modellen (GLM's) toe op het gematchte monster. Omdat de scores voor de geestelijke gezondheid positief en vooringenomen zijn, wordt de gammadistributie met loglink aangepast. Laat Yi

 

een uitkomst zijn van interesse (een score van depressie of angst) met gemiddelde μi, we kunnen het Gamma GLM-raamwerk gebruiken met covariaten Xi:

 

inloggenμi=γT
 
 
Via modellering schatten we eγ

 

 

als de relatieve risico's (als een verwacht gemiddeld verschil tussen groepen) van IA en SA voor elke covariabele.

 

 

3. Resultaten

Naast de 4854-deelnemers werden 126 (2.60%) opgenomen in de IA-groep en 652 (13.43%) werden opgenomen in de SA-groep. Tabel 1 toont de beschrijvende statistieken van de depressie- en angstscores. De gemiddelde scores van depressie en angst van IA en SA-groepen zijn groter dan die van de normaalgebruik (NU) -groep.
Tafel 1. Beschrijvende statistieken van depressies en angstscores.
tafel

 

 

3.1. Overeenkomende kwaliteit van de methode Propensity Score Matching

Hoewel we slechts een paar van de covariaten in de vragenlijsten van deze studie conditioneren, via de propensity-score, vonden we dat de koppelingsprocedure voldoende was om de verdeling van elke covariantie in evenwicht te brengen, Tabel 2 en Tabel 3. We hebben de afstanden in de marginale distributies van Xi

 

 

 

. Voor elke covariantie hebben we de bias berekend; dat wil zeggen, het verschil in steekproefgemiddelden van de verslaafde en normale monsters. Voordat de propensity score matching werd toegepast, werden de biases niet genegeerd. Echter, na propensity score matching hadden de verslaving en normale subsamples een zeer vergelijkbare marginale verdeling voor alle covariaten.
Tafel 2. Vergelijking van het gemiddelde percentage baselinekarakteristieken tussen IA en normale gebruiksgroepen, in het oorspronkelijke monster en het qua aannemingsscore aangepaste monster, met behulp van de genetische en optimale matching.
tafel
Tafel 3. Vergelijking van het gemiddelde percentage baselinekarakteristieken tussen SA en normale groepen, in het oorspronkelijke monster en het geproportioneerde propensity-score, met behulp van de genetische en optimale matching.
tafel

 

 

3.2. Effecten van de internetverslaving op depressie en angst

De effecten van IA op depressie en angst verkregen met behulp van propensity score matching worden gerapporteerd in Tabel 4. Door genetische matching werden 3846 monsters geselecteerd. De IA was gerelateerd aan een groter risico op depressie (relatief risico 1.207, 95% betrouwbaarheidsinterval 1.128–1.292 en p <0.001) en angst (relatief risico 1.264, 95% betrouwbaarheidsinterval 1.173–1.362 en p <0.001). Al deze relatieve risicoverhoudingen zijn significant omdat het betrouwbaarheidsinterval niet de 1 bevat. Door optimale afstemming zijn 252 steekproeven geselecteerd. De IA was gerelateerd aan een grotere depressie (relatief risico 1.243, 95% betrouwbaarheidsinterval 1.145–1.348 en p <0.001) en angst (relatief risico 1.308, 95% betrouwbaarheidsinterval 1.192–1.435 en p <0.001). Net als bij genetische matching, zijn de relatieve risicoverhoudingen voor zowel depressie als angst significant groter dan 1.
Tafel 4. Effecten van internet- en smartphoneverslaving op depressie en angst, gebaseerd op het matchen van propensiteitsscores.
tafel

 

 

3.3. Effecten van de Smartphone-verslaving op depressie en angst

De effecten van SA op depressie en angst met behulp van propensity score matching worden gerapporteerd in Tabel 4. Door genetische matching werden 4516 monsters geselecteerd. De SA was gerelateerd aan een groter risico op depressie (relatief risico 1.337, 95% betrouwbaarheidsinterval 1.296–1.378 en p <0.001) en angst (relatief risico 1.402, 95% betrouwbaarheidsinterval 1.355–1.450 en p <0.001). Door optimale afstemming zijn 1304 samples geselecteerd. De SA was gerelateerd aan een groter risico op depressie (relatief risico 1.386, 95% betrouwbaarheidsinterval 1.334–1.440 en p <0.001) en angst (relatief risico 1.440, 95% betrouwbaarheidsinterval 1.380–1.503 en p <0.001). Al deze relatieve risicoverhoudingen zijn significant.

 

 

3.4. Verschillen in effecten van internet en smartphoneverslaving op depressie en angst

De relatieve risicoverhoudingen voor depressie en angst, zowel voor genetische als voor optimale matching, waren 10% hoger voor SA dan voor IA. Dit betekent dat SA een groter risico op depressie en angst heeft dan IA. Die betrouwbaarheidsintervallen bevatten de 1 niet, dus we kunnen zeggen dat SA 34-44% meer kans op een psychische stoornis heeft.

 

 

4. Discussie

Onze bevindingen zijn dat zowel IA als SA significante effecten hebben op depressie en angst, zelfs na controle van de confounders met behulp van propensity score matching. Epidemiologische studies schatten een hogere prevalentie van depressie in IA [35,36]. Een aantal cross-sectionele onderzoeken hebben gemeld dat personen met IA of SA hogere niveaus van depressie en angst vertoonden dan normale gebruikers [13,37]. In de huidige studie tonen onze resultaten de rollen van IA en SA bij het ontwikkelen van depressie en angst. Er zijn enkele mogelijke verklaringen voor de huidige bevindingen. Ten eerste kan verslavend gebruik van internet en smartphones interpersoonlijke problemen verhogen, die verband houden met depressie en angst, zoals familieconflicten, gebrek aan off-line relaties en een verhoogde behoefte aan goedkeuring in cyberspace. Ten tweede worden ontwenningsverschijnselen voorgesteld als psychopathologische patronen in IA en SA, vergelijkbaar met stoornissen in verband met middelenmisbruik [5]. Wanneer ze geen toegang hebben tot een pc of smartphone, kunnen de personen met IA of SA angstig worden en vervolgens het internet of een smartphone gebruiken om aan dergelijke negatieve gevoelens te ontsnappen [38]. Een andere mogelijke verklaring is dat in tegenstelling tot andere verslavende middelen, zoals alcohol en nicotine, internetgebruikers en gebruikers van smartphones mogelijk weinig inzicht hebben in hun overmatig gebruik in het dagelijks leven vanwege de gratis en flexibele toegang tot de apparaten [3], waardoor ze hun overmatige gebruik ervaren als een ergernis in plaats van als een teken van problematisch gedrag [39]. Een andere interessante bevinding was dat SA een sterker effect op depressie en angst had dan IA. Dit brengt ons ertoe te speculeren dat IA en SA verschillende invloeden hebben op psychische problemen. Er kunnen verschillende mogelijke verklaringen zijn voor deze bevinding. Ten eerste is het gezien de mediakarakteristieken gemakkelijker om het overmatige gebruik van de smartphone te ontwikkelen door middel van de gewoonte-vormende aard van het apparaat, vanwege de hogere toegankelijkheid van het draadloze netwerk en 24 h van frequente meldingen [39]. Ten tweede kan deze bevinding met betrekking tot omgevingsfactoren een weerspiegeling zijn van de huidige radicale verandering van het dagelijks gemiddelde van pc's naar smartphones. Mensen kunnen internet op de pc gebruiken voor ingewikkeld werk en de andere dagelijkse taken met smartphones uitvoeren, wat leidt tot een lagere arbeidsproductiviteit en een hoger niveau van stress [40]. Ten slotte kunnen personen met SA smartphones gebruiken om relaties te onderhouden en een gevoel van verbondenheid met het online sociale netwerk [41], leidend tot de angst om te missen en de angst voor verlies van verbinding, terwijl een hoger gebruik van de smartphone wordt geactiveerd [42].
Deze studie heeft verschillende beperkingen om bevindingen te generaliseren naar de gehele populatie, zoals de cross-sectionele aard van de datalimieten en de interpretatie van causale gevolgtrekkingen tussen internet- en smartphoneverslaving, depressie en angst. Propensity matching heeft ook beperkingen en vereisten. De belangrijkste beperking is dat propensity-scores alleen kunnen controleren door waargenomen confounders [43]. De mogelijkheid van niet-geobserveerde confounders kan blijven bestaan, wat de studiebevinding voor generalisatie beperkt. Bovendien, omdat alle waargenomen confounders in deze studie werden verzameld als categorische variabelen, kan er informatie verloren gaan bij het bouwen van een PSM-model. Daarom moeten onze bevindingen voorzichtig worden geïnterpreteerd. Om echter de robuuste resultaten van matching te krijgen, hebben we twee matching-methoden overwogen, namelijk genetische matching en optimale matching. In het bijzonder maakt genetische matching gebruik van een genetisch zoekalgoritme, zodat het proces een goede matchingsoplossing kan vinden met minder verlies van informatie [44]. Ten slotte werd de beoordeling van het depressie- en angstsymptoom uitgevoerd door middel van een zelfrapporterende psychologische symptoommaatstaf met behulp van SCL-90-R. Om geestelijke gezondheidsproblemen nauwkeuriger en consistent te evalueren. Een gestructureerd interview door een clinicus moet worden uitgevoerd in verdere studies.

 

 

5. conclusies

In deze studie hebben we onderzocht hoe IA en SA psychische gezondheidsproblemen, depressie en angst beïnvloeden. Voor zover ons bekend is dit de eerste studie om de associatie tussen IA, SA en psychopathologie te schatten met behulp van propensity matching score-methode uit transversale gegevens, en om het differentiële effect in de psychopathologie tussen IA en SA te onderzoeken. Concluderend tonen onze bevindingen aan dat zowel IA als SA het risico op depressie en angst verhogen. SA toonde bovendien een sterkere relatie met depressie en angst vergeleken met IA.
Een implicatie van deze bevindingen is dat personen met een problematisch smartphonegebruik nauwlettend moeten worden gevolgd op psychische problemen, waarbij de nadruk wordt gelegd op de noodzaak van preventie- en beheerbeleid gericht op het pre-klinische niveau van SA. Verdere prospectieve studies zouden de causale richtingen van de relaties tussen IA, SA en psychische problemen moeten onderzoeken en de discriminerende factoren van IA en SA moeten identificeren.

 

 

Bijdragen van auteurs

D.-JK en DL bedacht en ontwierpen de experimenten; HMJ analyseerde de gegevens; Y.-JK schreef de krant. YL hield toezicht op de gegevensverzameling. Alle auteurs hebben bijgedragen aan de ontwikkeling van het manuscript, het kritisch herzien en het definitieve manuscript goedgekeurd.

 

 

Dankwoord

Dit werk werd ondersteund door een subsidie ​​van de National Research Foundation of Korea (Grant No. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Belangenconflicten

De auteurs verklaren geen belangenconflict.

 

 

Referenties

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S .; Ahn, H .; Choi, E.-J .; Song, W.-Y .; Kim, S .; Youn, H. Vergelijking van risico- en beschermingsfactoren in verband met smartphone-verslaving en internetverslaving. J. Behav. Addict. 2015, 4, 308-314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 de enquête over overdaad aan internet; Ministerie van Wetenschap, ICT en Toekomstplanning: Seoul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. De duistere kant van smartphonegebruik: psychologische trekken, dwangmatig gedrag en technostress. Comput. Brommen. Behav. 2014, 31, 373-383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Afhankelijkheid van smartphonegebruik en de associatie met angst in Korea. Volksgezondheid Rep. 2016, 131, 411-419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Ontwikkeling van smartphone-verslavingsdrempel voor volwassenen: zelfrapportage. Korean J. Couns. 2012, 13, 629-644. [Google Scholar]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Ontwikkeling en validatie van een smartphone-verslavingsschaal (SAS). PLoS ONE 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internetverslaving: een systematisch overzicht van epidemiologisch onderzoek gedurende het laatste decennium. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. De relatie tussen verslavend gebruik van sociale media en videogames en symptomen van psychiatrische stoornissen: een grootschalige cross-sectionele studie. Psychol. Addict. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Smartphone-verslaving onder universiteitsstudenten in het licht van enkele variabelen. Comput. Brommen. Behav. 2016, 61, 155-164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Internetgebruik en problematisch internetgebruik: een systematische review van longitudinale onderzoekstrends in adolescentie en opkomende volwassenheid. Int. J. Adolesc. Jeugd 2017, 22, 430-454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, MP Smartphone-gebruik en smartphone-verslaving onder jongeren in Zwitserland. J. Behav. Addict. 2015, 4, 299-307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. De associatie tussen internetverslaving en psychiatrische stoornissen: een overzicht van de literatuur. EUR. Psychiatrie 2012, 27, 1-8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Relatie van smartphone gebruiken ernst met slaapkwaliteit, depressie en angst bij universiteitsstudenten. J. Behav. Addict. 2015, 4, 85-92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M .; Young, KS; Laier, C .; Wölfling, K .; Potenza, MN Psychologische en neurobiologische overwegingen integreren met betrekking tot de ontwikkeling en het onderhoud van specifieke internetgebruiksstoornissen: een interactie van persoon-affect-cognitie-uitvoering (I-PACE) model. Neurosci. Biobehav. Rev. 2016, 71, 252-266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. De cognitieve ontregeling van internetverslaving en de neurobiologische correlaten ervan. Voorkant. Biosci (Elite ed.) 2017, 9, 307-320. [Google Scholar]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Wie is er verslaafd aan de smartphone en / of internet? Psychol. Knal. Media Cult. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B .; Cooper, AJ; Montag, C. De rol van empathie en levensgetrouwheid in internet en smartphonegebruiksstoornis. Voorkant. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Pantic, I. Relatie tussen internetgebruik en depressie: focus op fysiologische gemoedsstrillingen, sociale netwerken en online verslavend gedrag. Comput. Brommen. Behav. 2015, 43, 308-312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Internetverslaving en depressie, angst en stress. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Noch MBM; Griffiths, MD Internetverslaving en zijn psychosociale risico's (depressie, angst, stress en eenzaamheid) onder Iraanse adolescenten en jonge volwassenen: een structureel vergelijkingsmodel in een cross-sectioneel onderzoek. Int. J. Ment. Gezondheid Addict. 2016, 14, 257-267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS De effecten van slapeloosheid en internetverslaving op depressie bij Hongkong Chinese adolescenten: een verkennende cross-sectionele analyse. J. Sleep Res. 2011, 20, 311-317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Vergelijking van logistische regressie versus propensity score wanneer het aantal evenementen laag is en er meerdere confounders zijn. Am. J. Epidemiol. 2003, 158, 280-287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Een kritische beoordeling van de afstemming van de propensity-score in de medische literatuur tussen 1996 en 2003. Stat. Med. 2008, 27, 2037-2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, pc; Grootendorst, P .; Anderson, GM Een vergelijking van het vermogen van verschillende propensity-score-modellen om gemeten variabelen in evenwicht te brengen tussen behandelde en onbehandelde personen: een Monte Carlo-onderzoek. Stat. Med. 2007, 26, 734-753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Prevalentie van internetverslaving onder de algemene bevolking: resultaten van een Duitse bevolkingsenquête. Behav. Inf. Technol. 2014, 33, 757-766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Risicofactoren voor internetgame-stoornis: psychologische factoren en kenmerken van internetgames. Int. J. Environ. Res. Volksgezondheid 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. National Information Service Agency. Een studie naar de groei van volwassenen met verslaving aan verslaving; National Information Service Agency: Seoul, Korea, 2005. [Google Scholar]
  28. Kim, D. De vervolgstudie van de schaalbaarheid van internetverslaving; Korea Agency for Digital Opportunity and Promotion: Seoul, Korea, 2008; Beschikbaar online: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (toegankelijk via 8 Mei 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Ontwikkeling van internetverslavingsverschijnselen schaal-korte vorm (KS-schaal). Korean J. Couns. 2008, 9, 1703-1722. [Google Scholar]
  30. National Information Service Agency. Ontwikkeling van Koreaanse smartphoneverslaving Proness-schaal voor jeugd en volwassenen; National Information Service Agency: Seoul, Korea, 2011; pp. 85-86. [Google Scholar]
  31. Kim, KI .; Kim, JW. De standaardisatie-studie van symptoomchecklist-90-R in Korea III. Ment. Gezondheid Res. 1984, 2, 278-311. [Google Scholar]
  32. Heckman, J .; Smith, J. Beoordeling van de casus voor sociale experimenten. J. Econ. Perspect. 1995, 9, 85-110. [Google Scholar] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Enkele praktische richtlijnen voor de implementatie van het matchen van propensity-scores. J. Econ. Surv. 2008, 22, 31-72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamond, A. Genetic Matching for Estimating Causal Effects, unpublished Manuscript. Gepresenteerd tijdens de jaarlijkse bijeenkomst van de politieke methodologie, Tallahassee, FL, VS, juli 2005. [Google Scholar]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Prevalentie van internetverslaving en vergelijking van internetverslaafden en niet-verslaafden op Iraanse middelbare scholen. Cyberpsychol. Behav. 2008, 11, 731-733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. De comorbide psychiatrische symptomen van internetverslaving: Attention deficit and hyperactivity disorder (ADHD), depressie, sociale fobie en vijandigheid. J. Adolesc. Gezondheid 2007, 41, 93-98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Is internetverslaving een psychopathologische aandoening die verschilt van pathologisch gokken? J. Addict. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online sociale netwerken en verslaving - Een overzicht van de psychologische literatuur. Int. J. Environ. Res. Volksgezondheid 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Habits maken smartphonegebruik meer doordringend. Pers. Ubiquitous Comput. 2012, 16, 105-114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Smartphone-verslaving, dagelijkse onderbrekingen en zelfgerapporteerde productiviteit. Addict. Behav. Rep. 2017, 6, 90-95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Sociale netwerksites en verslaving: tien geleerde lessen. Int. J. Environ. Res. Volksgezondheid 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Negatieve gevolgen van zware sociale netwerken bij adolescenten: de bemiddelende rol van angst om te missen. J. Adolesc. 2017, 55, 51-60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Uitgenodigd commentaar: Propensity-scores. Am. J. Epidemiol. 1999, 150, 327-333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Genetische matching voor het schatten van causale effecten: een nieuwe methode om evenwicht te bereiken in observationele studies. Eer Econ. Stat. 2013, 95, 932-945. [Google Scholar] [CrossRef]