Pathologisch internetgebruik en risicogedrag onder Europese adolescenten (2016)

Int. J. Environ. Res. Volksgezondheid 2016, 13(3), 294; doi:10.3390 / ijerph13030294

Tony Durkee 1,*, Vladimir Carli 1, Birgitta Floderus 2, Camilla Wasserman 3,4, Marco Sarchiapone 3,5Alan Apter 6, Judit A. Balazs 7,8, Julio Bobes 9, Romuald Brunner 10, Paul Corcoran 11Doina Cosman 12, Christian Haring 13, Christina W. Hoven 4,14, Michael Kaess 10, Jean-Pierre Kahn 15, Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9, Peeter Värnik 17 en Danuta Wasserman 1
1
Nationaal centrum voor zelfmoordonderzoek en preventie van geestelijke gezondheidsproblemen (NASP), Karolinska Institutet, Stockholm SE-17177, Zweden
2
Afdeling Klinische Neurowetenschappen, Karolinska Institutet, Stockholm SE-17177, Zweden
3
Afdeling Geneeskunde en Gezondheidswetenschappen, Universiteit van Molise, Campobasso 86100, Italië
4
Afdeling Kinder- en Jeugdpsychiatrie, Psychiatrisch Instituut New York State, Columbia University, New York, NY 10032, VS
5
Nationaal instituut voor migratie en armoede, Via San Gallicano, Roma 25 / A, Italië
6
Feinberg Child Study Centre, Schneider Children's Medical Center, Tel Aviv University, Tel Aviv 49202, Israël
7
Vadaskert Child and Adolescent Psychiatric Hospital, Budapest 1021, Hongarije
8
Institute of Psychology, Eötvös Loránd University, Boedapest 1064, Hongarije
9
Afdeling Psychiatrie, Centrum voor Biomedisch Onderzoek in het Netwerk voor Geestelijke Gezondheid (CIBERSAM), Universiteit van Oviedo, Oviedo 33006, Spanje
10
Sectie voor aandoeningen van de ontwikkeling van persoonlijkheid, Kliniek voor kinder- en jeugdpsychiatrie, Centrum voor psychosociale geneeskunde, Universiteit van Heidelberg, Heidelberg 69115, Duitsland
11
National Suicide Research Foundation, Western Rd., Cork, Ierland
12
Afdeling Klinische Psychologie, Iuliu Hatieganu Universiteit voor Geneeskunde en Farmacie, Str. Victor Babes Nr. 8, Cluj-Napoca 400000, Roemenië
13
Onderzoeksafdeling voor Geestelijke Gezondheid, Universiteit voor Medische Informatietechnologie (UMIT), Klagenfurt, Innsbruck 6060, Oostenrijk
14
Afdeling Epidemiologie, Mailman School of Public Health, Columbia University, New York, NY 10032, VS.
15
Afdeling Psychiatrie, Centre Hospitalo-Universitaire de Nancy, Université de Lorraine, Nancy, Vandoeuvre-lès-Nancy 54500, Frankrijk
16
Sloveense centrum voor zelfmoordonderzoek, Andrej Marušič Instituut, Universiteit van Primorska, Koper 6000, Slovenië
17
Centrum voor Gedrags- en Gezondheidswetenschappen, Estonian-Swedish Mental Health & Suicidology Institute, Tallinn University, Tallinn 10120, Estland
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Academische editor: Paul B. Tchounwou
Ontvangen: 1 december 2015 / geaccepteerd: 3 maart 2016 / Gepubliceerd: 8 maart 2016

Abstract

: Risicogedrag levert een belangrijke bijdrage aan de belangrijkste oorzaken van morbiditeit bij adolescenten en jongeren; hun associatie met pathologisch internetgebruik (PIU) is echter relatief onontgonnen, vooral in de Europese context. Het hoofddoel van deze studie is om de associatie tussen risicogedrag en PIU bij Europese adolescenten te onderzoeken. Deze cross-sectionele studie werd uitgevoerd in het kader van het FP7 European Union project: Saving and Empowering Young Lives in Europe (SEYLE). Gegevens over adolescenten werden verzameld van gerandomiseerde scholen op studiedoeleinden in elf Europese landen. PIU werd gemeten met Young's Diagnostic Questionnaire (YDQ). Risicogedrag werd beoordeeld aan de hand van vragen van de Global School-Based Student Health Survey (GSHS). Een totaal van 11,931-adolescenten werden opgenomen in de analyses: 43.4% mannelijk en 56.6% vrouwelijk (M / F: 5179 / 6752), met een gemiddelde leeftijd van 14.89 ± 0.87 jaar. Adolescenten die slechte slaapgewoonten en risicovolle acties rapporteerden, vertoonden de sterkste associaties met PIU, gevolgd door tabaksgebruik, slechte voeding en fysieke inactiviteit. Onder adolescenten in de PIU-groep werd 89.9% gekenmerkt door meerdere risicogedragingen. De significante associatie tussen PIU en risicogedrag, in combinatie met een hoge mate van gelijktijdig voorkomen, onderstreept het belang van het overwegen van PIU bij het screenen, behandelen of voorkomen van risicogedrag onder adolescenten.

Sleutelwoorden: pathologisch internetgebruik; Internet verslaving; risico-gedrag; meervoudig risicogedrag; ongezonde levensstijl; adolescenten; Seyle

1. Inleiding

De adolescentie is een overgangsperiode die wordt gekenmerkt door aanzienlijke veranderingen in fysieke, sociale en psychologische kenmerken [1]. Bovendien ondergaan relaties met leeftijdsgenoten, familie en samenleving verschillende veranderingen gedurende deze voorbijgaande periode, aangezien adolescenten autonomie beginnen te stellen over hun beslissingen, emoties en gedragingen [2]. Sociale vaardigheden bij adolescenten ontwikkelen zich vaak in de loop van psychosociale interacties binnen verschillende leercontexten [3]. Gezien het uitgebreide platform voor het bevorderen van sociale cognitie en interpersoonlijke vaardigheden [4,5], het internet heeft bewezen een nieuw en uniek kanaal te zijn voor psychosociale ontwikkeling bij adolescenten [6,7].
Ondanks deze inherente voordelen, hebben studies aangetoond dat frequent en langdurig gebruik van online applicaties de neiging heeft om conventionele sociale interacties en relaties te verdringen [8,9]. Er zijn aanwijzingen dat accumulatieve online tijd de tijd verdrijft om rechtstreeks contact te hebben met familie en vrienden [10], deelname aan buitenschoolse activiteiten [11], voltooiing van academische taken [12], goede eetgewoonten [13], fysieke activiteit [14] en slapen [15]. Aangezien adolescenten meer tijd online doorbrengen, bestaat het risico dat hun internetgebruik overmatig of zelfs pathologisch wordt [16].
 
Pathologisch internetgebruik (PIU) wordt gekenmerkt door overmatige of slecht gecontroleerde preoccupaties, drang of gedrag met betrekking tot internetgebruik dat leidt tot beperking of distress [17]. PIU is conceptueel gemodelleerd als een impuls-controle stoornis en geclassificeerd als een taxonomie van gedragsverslaving vergelijkbaar met de aard van pathologisch gokken [18]. Ondanks recente vooruitgang in PIU-onderzoek, worden inspanningen om dit fenomeen te begrijpen belemmerd door het gebrek aan internationale consensus over de diagnostische criteria van de aandoening. Het is niet opgenomen in de Diagnostic and Statistical Manual of Mental Disorders (DSM) noch in de nosologische systemen van de International Classification of Diseases (ICD). De grootste uitdaging voor PIU-onderzoek is de conceptie ervan als een verslavende stoornis.
 
In het licht van deze beweringen is de onlangs gepubliceerde DSM-5 [19] heeft gedragsverslaving (niet-substantie gerelateerde verslavende aandoeningen) als een officiële diagnostische categorie omvat, waarbij gokstoornis (GD) de enige voorwaarde is die in deze nieuwe classificatie wordt vermeld. Internetgaming-stoornis (IGD) is ook een potentieel subtype van gedragsverslaving dat in aanmerking werd genomen voor opname in het nosologische systeem van DSM; Er was echter nog steeds geen bewijs voor ondersteuning van IGD als diagnostische aandoening. IGD werd vervolgens opgenomen in deel III van de DSM-5, als voorwaarde die nader moet worden onderzocht [20], om de uiteindelijke geschiktheid ervan als een diagnostische aandoening te bepalen. Ondanks de huidige nosologische ambiguïteit van PIU, blijft er bewijsmateriaal overeind komen dat een sterk verband tussen PIU en andere vormen van verslaving [21,22,23,24].
Onderzoek toont aan dat personen met PIU neurologische, biologische en psychosociale kenmerken delen met zowel gedrags- als stofgerelateerde verslavingen [25,26,27,28,29]. Gebaseerd op een theoretisch model aangegeven door Griffiths [30], zijn er zes kernsymptomen aanwezig in verslavende aandoeningen die van toepassing zijn op PIU. Deze omvatten: opvallendheid (preoccupatie met online activiteiten), stemmingswijziging (gebruik van internet om te ontsnappen of stress verlichten), tolerantie (noodzaak om langer online te blijven), terugtrekking (depressie en geïrriteerdheid wanneer offline), conflicten (interpersoonlijk en intrapsychisch) en terugval (mislukte pogingen om het gebruik van internet te beëindigen). Deze kerncomponenten bieden een theoretisch raamwerk voor het schatten van de omvang van PIU.
 
De prevalentiepercentages voor PIU verschillen aanzienlijk van land tot land, deels vanwege de heterogeniteit van de definitie, nomenclatuur en diagnostische beoordeling. In een poging om een ​​wereldwijde prevalentie te schatten, Cheng en Li [31] heeft deze discrepanties aangepakt door een willekeurige effectenmeta-analyse toe te passen met behulp van studies met vergelijkbare psychometrische instrumenten en criteria. Deze aanpak leverde een totaal van 89,281-deelnemers op uit 31-landen verspreid over verschillende wereldregio's. De resultaten toonden aan dat de wereldwijde prevalentie van PIU 6.0% (95% CI: 5.1-6.9) was met slechts een matige heterogeniteit.
Prevalentieonderzoeken die PIU op Europees niveau beoordelen met behulp van representatieve monsters zijn beperkt. Ondanks deze schaarste, is er een groeiend epidemiologisch bewijs dat wijst op stabiele trends in de prevalentiecijfers van deze doelgroep. In een representatieve steekproef van Europese adolescenten (n = 18,709) met een leeftijd van 11-16 jaar, Blinka et al. [32] toonde aan dat de prevalentie van PIU 1.4% was. Dit valt samen met de cijfers gerapporteerd door Tsitsika et al. [33], die een PIU-prevalentie van 1.2% schatte in een representatieve steekproef van Europese jongeren (n = 13,284) met een leeftijd van 14-17 jaar. Durkee en collega's [34], echter, observeerde een iets hogere PIU-prevalentie van 4.4% in een representatieve steekproef van Europese adolescenten (n = 11,956) met een leeftijd van 14-16 jaar. De prevalentiecijfers voor PIU in Europa bleken significant hoger bij mannen dan bij vrouwen, nemen toe met de leeftijd, verschillen per land en zijn verbonden met een reeks mentale en gedragsstoornissen [35,36,37,38,39].
 
Het begin van risicogedrag komt vaak voor tijdens de adolescentie met een hoge kans op continuïteit in de volwassenheid. Mannen hebben een hogere prevalentie dan vrouwen, en de frequentie van risicogedrag neigt te stijgen met de leeftijd [40]. Er zijn verschillende niveaus van ernst variërend van laag risico (slechte slaapgewoonten, slechte voeding en lichamelijke inactiviteit) tot hoog risico (overmatig alcoholgebruik, ongeoorloofd drugsgebruik en tabaksgebruik) gedrag. Onderzoek heeft risicogedrag doorgaans beoordeeld als onafhankelijke entiteiten, hoewel er duidelijk bewijs is dat ze gelijktijdig voorkomen, zelfs op jonge leeftijd [41,42]. Populaties met meerdere risicogedragsten hebben het grootste risico op chronische ziekten, psychiatrische stoornissen, zelfmoordgedrag en voortijdige sterfte in vergelijking met personen met een enkel of geen risicogedrag [43,44]. Gezien de gelijktijdige aard van risicogedrag, is het noodzakelijk om hun implicatie voor het risico van PIU voor adolescenten te begrijpen.
 
Het Jeugdrisicogedrag Surveillance System (YRBSS) in de VS stelt vast dat risicogedrag een belangrijke bijdrage levert aan de belangrijkste oorzaken van morbiditeit bij adolescenten en jongeren [45]. Afgezien van deze impliciete veronderstelling, is er relatief weinig onderzoek dat systematisch onderzoekt in hoeverre deze gedragsvormen verband houden met PIU voor adolescenten, vooral in de Europese context. Epidemiologische onderzoeken zijn nodig om dit fenomeen beter te begrijpen.
 
Op basis van een grote, representatieve steekproef van schoolgaande adolescenten in Europa, is het primaire doel van deze studie om de associatie tussen risicogedrag (dwz alcoholgebruik, gebruik van illegale drugs, tabaksgebruik, nemen van risico's, spijbelen, slechte slaapgewoonten, slechte voeding en lichamelijke inactiviteit) en verschillende vormen van internetgebruik.

2. Materialen en methodes

2.1. Studieontwerp en bevolking

De huidige cross-sectionele studie werd uitgevoerd in het kader van het project van de Europese Unie: levens redden en empoweren in Europa (SEYLE) [46]. Adolescenten werden gerekruteerd uit willekeurig geselecteerde scholen op verschillende locaties in Oostenrijk, Estland, Frankrijk, Duitsland, Hongarije, Ierland, Israël, Italië, Roemenië, Slovenië en Spanje, met Zweden als coördinerende instantie.
 
De inclusiecriteria voor het selecteren van in aanmerking komende scholen waren gebaseerd op de volgende voorwaarden: (1) scholen waren openbaar; (2) bevatte tenminste 40-studenten van 15-jaren; (3) had meer dan twee leraren voor studenten van 15-jaren; en (4) had niet meer dan 60% van studenten van hetzelfde geslacht. In aanmerking komende scholen werden gecategoriseerd op grootte: (i) klein (≤het mediane aantal studenten in alle scholen van de studiedienst); en (ii) groot (≥het mediane aantal studenten in alle scholen van de studielocatie) [46]. Met behulp van een generator voor willekeurige getallen werden de scholen gerandomiseerd volgens de SEYLE-interventies en de schoolgrootte met betrekking tot sociaal-culturele factoren, schoolomgeving en de structuur van het schoolsysteem op elke studeerlocatie.
 
Gegevens werden verzameld via gestructureerde vragenlijsten die werden toegediend aan adolescenten in het schoolmilieu.
Representativiteit, instemming, participatie en responspercentages van de steekproef worden gerapporteerd in een methodologische analyse [47].
De huidige studie werd uitgevoerd in overeenstemming met de Verklaring van Helsinki en het protocol werd goedgekeurd door de plaatselijke Ethische Commissie in elk deelnemend land (Project nr. HEALTH-F2-2009-223091). Voordat zij deelnamen aan het onderzoek, verstrekten zowel adolescenten als ouders hun geïnformeerde toestemming voor deelname.

2.2. Afmetingen

PIU werd beoordeeld met behulp van Young's Diagnostic Questionnaire (YDQ) [18]. De YDQ is een 8-item vragenlijst die patronen van internetgebruik beoordeelt die leiden tot psychologische of sociale beperkingen tijdens de periode van zes maanden voorafgaand aan het verzamelen van gegevens [48]. De acht items in de YDQ komen overeen met de zes items in het componentenmodel van Griffiths en negen items in de diagnostische criteria van IGD in de DSM-5 [49,50]. Op basis van de YDQ-score, variërend van 0-8, werden internetgebruikers onderverdeeld in drie groepen: adaptieve internetgebruikers (AIU) (score 0-2); maladaptieve internetgebruikers (MIU) (score 3-4); en pathologische internetgebruikers (PIU) (score ≥ 5) [51]. Bovendien werden uur online per dag gemeten met behulp van een vraag met één item in de gestructureerde vragenlijst.
Gegevens over risicogedrag werden verkregen met behulp van vragen uit de Global School-Based Student Health Survey (GSHS) [52]. Ontwikkeld door de Wereldgezondheidsorganisatie (WHO) en medewerkers, is de GSHS een op scholen gebaseerd onderzoek naar gezondheidsrisicogedrag onder adolescenten van 13-17 jaar. Deze zelfrapportvragenlijst bevat items die overeenkomen met de belangrijkste oorzaken van morbiditeit van 10 bij adolescenten en jongeren.

2.3. Individueel risicogedrag

Op basis van de GSHS werden de individuele risicogedragten in drie categorieën ingedeeld: (i) middelengebruik; (ii) sensatiezoekend; (iii) en levensstijlkenmerken. Het daaruit voortvloeiende individuele risicogedrag werd gecodeerd als dichotome variabelen.

2.3.1. Substantie gebruik

Het gebruik van stoffen betrof alcoholgebruik, ongeoorloofd drugsgebruik en gebruik van tabak. De variabelen werden dienovereenkomstig geclassificeerd: (1) frequentie van alcoholgebruik: ≥2 maal / week vs. ≤1 maal / week; (2) aantal drankjes op een typische drinkdag: ≥3 drankjes vs. ≤2 drankjes; (3) levenslange incidentie van drinken tot het punt van dronkenschap (alcoholintoxicatie): ≥3 maal versus ≤2 maal; (4) levenslange incidentie van een kater na het drinken: ≥3 maal vs. ≤2 maal; (5) ooit gebruikte medicijnen: ja / nee; (6) ooit hasj of marihuana gebruikt: ja / nee; (7) ooit gebruikte tabak: ja / nee; en (8) momenteel rokende sigaretten: ≥6 / dag vs. ≤5 / dag.

2.3.2. Sensatie zoeken

Sensation-seeking omvatte vier items die wijzen op risicovolle acties gedurende de afgelopen twaalf maanden: (1) in een voertuig bestuurd door een vriend die alcohol had gedronken; (2) bereden met een skateboard of met een rollerbladig verkeer zonder helm en / of (3) getrokken langs een bewegend voertuig; en (4) 's nachts naar gevaarlijke straten of steegjes gegaan. Responsalternatieven waren ja / nee in alle vier de items.

2.3.3. Kenmerken van de levensstijl

Kenmerken van levensstijl omvatten variabelen gerelateerd aan slaap, voeding, lichaamsbeweging en schoolbezoek. Slaapgewoonten naar de afgelopen zes maanden: (1) moe voelen in de ochtend voor school: ≥3 dagen / week vs. ≤2 dagen / week; (2) dutten na school: ≥3 dagen / week vs. ≤2 dagen / week; en (4) slapen: ≤6 uur / nacht vs. ≥7 uur / nacht. Voeding naar de afgelopen zes maanden: (4) fruit / groenten consumeren: ≤1 tijd / week versus ≥2 maal / week; en (5) ontbijt vóór school: ≤2 dagen / week versus ≥3 dagen / week. Fysieke activiteit naar de afgelopen zes maanden: (6) fysieke activiteit gedurende minstens 60 minuten gedurende de afgelopen twee weken: ≤3 dagen vs. ≥4 dagen; en (7) sporten op regelmatige basis: ja / nee. Schoolbezoek bestond uit één item over het aantal onvervuld verzuim van school in de afgelopen twee weken: ≥3 dagen vs. ≤2 dagen.

2.4. Meerdere risicogedragingen

Het totale aantal risicogedragingen werd berekend in een enkele variabele en gecodeerd als een ordinale maat. Split-halfbetrouwbaarheid (rsb = 0.742) en interne consistentie (α = 0.714) waarden duidden op een acceptabel niveau van homogeniteit tussen items in de meervoudige risicogedragsmaatregel

3. Statistische analyse

De prevalentie van individueel risicogedrag onder internetgebruikersgroepen werd berekend voor mannen en vrouwen. Om statistisch significante verschillen tussen groepsverhoudingen vast te stellen, werden meerdere paarsgewijze vergelijkingen uitgevoerd met behulp van de tweezijdige z-test met Bonferroni-aangepaste p-waarden. Uitgebreide analyses werden uitgevoerd om het effect van individueel risicogedrag op MIU en PIU te testen met behulp van gegeneraliseerde lineaire gemengde modellen (GLMM) met een multinomiale logit-koppeling en volledige maximale likelihoodschatting. In de GLMM-analyse werden MIU en PIU ingevoerd als de uitkomstmaten met AIU als de referentiecategorie, individuele risicogedragingen werden ingevoerd als Level 1 fixed effects, school als Level 2 random intercept en land als Random Random 3-intercept. Variantiecomponenten werden gebruikt als de covariantiestructuur voor de willekeurige effecten. Om het modererende effect van geslacht te bestuderen, werden interactietermen (geslacht * risicogedrag) in het regressiemodel ingepast. Aanpassingen voor leeftijd en geslacht werden toegepast op relevante GLMM-modellen. Odds ratio's (OR) met 95% betrouwbaarheidsintervallen (CI) worden gerapporteerd voor de respectieve modellen.
In de analyse van meerdere risicogedragingen werden de gemiddelde (M) en standaardfout van het gemiddelde (SEM) berekend voor de verschillende internetgebruikersgroepen en gestratificeerd naar geslacht. Box- en whiskerplots werden gebruikt om deze relaties te illustreren. Statistische significantie tussen meerdere risicogedrag en geslacht werd beoordeeld met behulp van onafhankelijke steekproeven t-test. Eenwegsanalyse van variantie (ANOVA) met post-hoc paarsgewijze vergelijkingen werd gebruikt om de statistische significantie te bepalen tussen meerdere risicogedragingen en internetgebruikersgroepen.
Een regressievariabelenplot werd uitgevoerd om de lineaire relatie tussen het aantal uren online per dag en het aantal risicogedragingen onder internetgebruikersgroepen te verduidelijken. Alle statistische tests zijn uitgevoerd met IBM SPSS Statistics 23.0. Een kritische waarde van p <0.05 werd als statistisch significant beschouwd.

4. Resultaten

4.1. Kenmerken van het studiemonster

Onder de eerste SEYLE-steekproef van 12,395 adolescenten waren er 464 (3.7%) proefpersonen uitgesloten vanwege ontbrekende gegevens over relevante variabelen. Dit leverde een steekproefgrootte van 11,931 schoolgaande adolescenten op voor de huidige studie. De steekproef bestond uit 43.4% mannelijke en 56.6% vrouwelijke adolescenten (M / V: 5179/6752) met een gemiddelde leeftijd van 14.89 ± 0.87 jaar. De prevalentie van MIU was significant hoger bij vrouwen (14.3%) vergeleken met mannen (12.4%), terwijl PIU significant hoger was bij mannen (5.2%) dan bij vrouwen (3.9%) (χ² (2, 11928) = 19.92, p < 0.001).

4.2. Prevalentie van risicogedrag

Tabel 1 beschrijft de prevalentie van risicogedrag gestratificeerd door de internetgebruikersgroep. De gemiddelde prevalentiepercentages bij internetgebruikersgroepen (AIU, MIU en PIU) waren 16.4%, 24.3% en 26.5% voor middelengebruik (alcoholgebruik, gebruik van illegale drugs en tabaksgebruik); 19.0%, 27.8% en 33.8% voor sensatiezoekend gedrag (risicovolle acties); en 23.8%, 30.8% en 35.2% voor levensstijlkenmerken (slechte slaapgewoonten, slechte voeding, lichamelijke inactiviteit en spijbelen), respectievelijk. De prevalentie binnen MIU- en PIU-groepen was significant hoger in vergelijking met de AIU-groep in alle risicocategorieën (middelengebruik, sensatiezoekende en levensstijlkenmerken). Met uitzondering van vijf subcategorieën, toonden paarsgewijze vergelijkingen aan dat prevalentiepercentages niet significant verschilden tussen MIU- en PIU-groepen.

tafel
Tafel 1. Prevalentie van risicogedrag onder adolescenten gestratificeerd per geslacht en internetgebruikersgroep 1,2a-c.

4.3. Meerdere risicogedragingen

De resultaten toonden aan dat 89.9% van de adolescenten in de PIU-groep meerdere risicogedragingen rapporteerde. De eenrichtings-ANOVA-test onthulde dat het gemiddelde percentage van meervoudig risicogedrag significant toenam van adaptief gebruik (M = 4.89, SEM = 0.02) naar onaangepast gebruik (M = 6.38, SEM = 0.07) naar pathologisch gebruik (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Deze trend was vrijwel gelijk voor mannen en vrouwen (Figuur 1).

IJerph 13 00294 g001 1024
Figuur 1. Box- en whiskerplanning van meerdere risicogedragingen tussen adaptieve internetgebruikers (AIU), maladaptieve internetgebruikers (MIU) en pathologische internetgebruikers (PIU) gestratificeerd naar geslacht *.
Bovendien werd geen statistisch verschil waargenomen tussen geslachten in zowel MIU (t (1608) = 0.529, p = 0.597) en PIU (t (526) = 1.92, p = 0.054) groepen (Tabel 2). Er moet echter worden opgemerkt dat de p-waarde voor de PIU-groep relatief dicht bij het bereiken van statistische significantie kwam (p = 0.054). 

tafel
Tafel 2. Onafhankelijke steekproeven t-test van veelvoudig risicogedrag en geslacht door internetgebruikersgroep 1-3.
De regressievariabele plot vertoonde een duidelijke lineaire relatie tussen het aantal uren online per dag en het aantal risicogedrag bij adolescenten. Deze trend was betrekkelijk identiek tussen internetgebruikersgroepen (Figuur 2). 

IJerph 13 00294 g002 1024
Figuur 2. Lineaire relatie tussen het aantal uren online per dag en het aantal risicogedrag onder AIU, MIU en PIU-groepen *.

4.4. GLMM-analyse van de associatie tussen risicogedrag, MIU en PIU

Risicogedrag dat significant geassocieerd was met MIU was ook significant geassocieerd met PIU, met uitzondering van de drie subcategorieën die werden genoteerd bij risicovolle acties en spijbelen (Tabel 3). De GLMM-analyse toonde aan dat alle subcategorieën van slechte slaapgewoonten de relatieve kansen van PIU aanzienlijk verhoogden met effectgroottes variërend van OR = 1.45 tot OR = 2.17. Er werden significante associaties waargenomen tussen risicovolle acties en PIU met effectgroottes variërend van OR = 1.55 tot OR = 1.73. Bovendien waren oddsratio's voor afzonderlijke subcategorieën binnen het gebruik van tabak (OR = 1.41), slechte voeding (OR = 1.41) en fysieke inactiviteit (OR = 1.39) domeinen statistisch significant.

tafel
Tafel 3. Gegeneraliseerd lineair gemengd model (GLMM) van de associatie tussen individueel risicogedrag, maladaptief gebruik en pathologisch gebruik met een uitgebreide analyse van genderinteracties 1-4.

4.5. Gender-interacties

Uit de analyse van genderinteracties bleek dat de relatie tussen risicovolle acties, slechte slaapgewoonten en PIU significant hoger was bij vrouwen, terwijl de associatie tussen spijbelen, slechte voeding en PIU significant hoger was bij mannen (Tabel 3).

5. Discussie

5.1. Prevalentie van risicogedrag

De huidige studie probeerde de relatie tussen PIU en risicogedrag te onderzoeken. De resultaten toonden aan dat de prevalentie van risicogedrag significant hoger was bij pathologische gebruikers vergeleken met adaptieve gebruikers met enkele variaties tussen geslachten. De hoogste prevalentie waargenomen bij maladaptieve en pathologische gebruikers was een slecht slaapgedrag gevolgd door tabaksgebruik. Deze schattingen zijn aanzienlijk hoger in vergelijking met de prevalentiepercentages die zijn gemeld in studies die buiten de EU zijn uitgevoerd, namelijk in de regio's Azië en Pacific [53,54]. Een plausibele verklaring zou kunnen worden gerelateerd aan de waargenomen variaties op ecologisch niveau (bijvoorbeeld penetratiegraden) tussen deze respectieve regio's. Statistieken tonen aan dat de Europese regio wereldwijd de hoogste internetpenetratie heeft (78%). Europese tarieven zijn meer dan het dubbele in vergelijking met die in de regio's Azië en Pacific (36%) [55]. De werkelijke rol penetratiegraden hebben op het beïnvloeden van de prevalentie van PIU nog steeds ambigu; toekomstige inspanningen om deze relatie te onderzoeken, zouden dus van grote waarde zijn om dit verband te verklaren.

5.2. Substantie gebruik

De kenmerken tussen risicogedrag en verslavend gedrag overlappen elkaar sterk. Dit is misschien het meest evident met het gebruik van middelen. Het gebruik van stoffen wordt vaak geclassificeerd als risicogedrag; het is echter ook een antecedent van middelenmisbruik. Als risicovol gedrag dezelfde onderliggende mechanismen deelt, kan het hebben van één probleemgedrag de drempel verlagen om ander probleemgedrag te ontwikkelen. Deze bewering wordt bevestigd door empirisch onderbouwd onderzoek dat een hoge mate van verwevenheid tussen verschillende risicogedragen [56]. Op basis van dit concept is het aannemelijk dat adolescenten met reeds bestaand risicogedrag waarschijnlijk een hoger risico op PIU hebben in vergelijking met adolescenten zonder risicogedrag.

5.3. Sensatie zoeken

In overeenstemming met het voorgaande onderzoek [57], toonden de resultaten aan dat de meeste risicovolle acties binnen de sensatiezoekende categorie significant geassocieerd waren met PIU. Sensatie-zoeken is een persoonlijkheidskenmerk geassocieerd met tekortkomingen in zelfregulering en uitgestelde bevrediging [58]. Deze eigenschappen bij jongeren houden vaak verband met een perceptuele predispositie van een 'optimistisch bias-effect', waarbij adolescenten eerder risico's voor zichzelf afzwakken, terwijl risico's voor anderen overschatten [59]. Adolescenten die deze afleidende eigenschappen vertonen, hebben waarschijnlijk een hogere neiging tot gedragsproblemen.

5.4. Kenmerken van de levensstijl

Slechte slaapgewoonten bleken de sterkste factoren te zijn in verband met PIU. Dit komt waarschijnlijk door een verplaatsingseffect van slaap voor online activiteiten. Er zijn bepaalde online activiteiten die gebruikers er expliciet toe aanzetten langer online te blijven dan verwacht. Een onderzoek naar massaal multiplayer online role-playing games (MMORPG) gaf aan dat gebruikers worden verleid om langer online te blijven om de progressieve verhaallijn van hun online karakter te volgen [60]. Overmatig gebruik van sociale netwerksites is de laatste jaren ook naar voren gekomen, wat zowel duidt op een toename in online doorgebrachte tijd als negatieve correlaties met sociale interacties in het echte leven [61,62]. Studies tonen aan dat adolescenten die overdreven internet gebruiken de neiging hebben om slaapstoornissen te ontwikkelen als gevolg van hun langere tijd online [63,64]. De chronische slaapverplaatsing voor online activiteiten kan leiden tot slaapgebrek, waarvan bekend is dat het ernstige nadelige effecten heeft op sociaal, psychologisch en somatisch functioneren.
Verstoringen in gereguleerde slaappatronen kunnen ook een bemiddelende factor zijn in de relatie tussen spijbelen en onaangepast gebruik van internet. Adolescenten die zich in buitensporige mate bezighouden met online activiteiten, lopen het risico hun natuurlijke slaaptoestand te verstoren. Er zijn aanwijzingen dat verhoogde slaaplatentie en afgenomen snelle oogbewegingsslaap (REM-slaap) significant geassocieerd zijn met overmatig gebruik van internet [65], terwijl subjectieve insomnias en parasomnieën verband houden met spijbelen [66]. Slaapstoornissen hebben uitgesproken effecten op het functioneren overdag en academische prestaties. Dit kan ertoe leiden dat jongeren ongeïnteresseerd op school raken, waardoor het risico op schoolweigering en chronisch verzuim toenemen [66].
Slechte voeding en lichamelijke inactiviteit bleken significant geassocieerd te zijn met PIU. Adolescenten die langer online uren doorbrengen, kunnen mogelijk naar ongezonder voedsel gaan. Er wordt verondersteld dat online gamers energiedranken met een hoge caffeïnegehalte drinken en high-sugar snacks eten om de alertheid voor online gamen te verhogen [67]. Vervolgens kunnen deze factoren ervoor zorgen dat online gamers meer geneigd zijn om sedentair gedrag te vertonen in vergelijking met niet-gamers. Bovendien is er een uitgebreide loyaliteit onder gamers, vooral diegenen die voedsel, persoonlijke hygiëne en fysieke activiteit verdringen, om door te gaan met online games [68]. Dit kan ernstige gezondheidsrisico's opleveren en kan leiden tot ernstige psychosomatische symptomen.

5.5. Meerdere risicogedragingen

Van risicogedrag werd geconcludeerd dat het gelijktijdig van aard was, met 89.9% van de adolescenten in de PIU-groep die meerdere risicogedragswijzen rapporteren. Deze resultaten komen overeen met de theorie van Jessor over probleemgedrag [69,70]. De probleemgedragstheorie is een psychosociaal model dat de gedragsuitkomsten bij adolescenten probeert te verklaren. Het bestaat uit drie conceptuele systemen gebaseerd op psychosociale componenten: persoonlijkheidsstelsel, waargenomen omgevingssysteem en gedragssysteem. In het laatste systeem neigen risicogestuurde structuren (bijv. Alcoholgebruik, tabakgebruik, delinquentie en afwijkendheid) samen voor te komen en te clusteren in een algemeen 'risico-gedragssyndroom' [71]. Volgens Jessor komen deze probleemgedragingen vaak voort uit de bewering van adolescenten over onafhankelijkheid van ouders en maatschappelijke invloeden.
Jongeren die strijden voor autonomie zouden gedeeltelijk kunnen verklaren waarom er een significante lineaire trend is opgetekend tussen uren online per dag en meerdere risicogedragingen. Deze trend was in alle internetgebruikersgroepen vergelijkbaar. Deze bevindingen zijn zeer relevant, omdat ze suggereren dat buitensporige uren online op zich het aantal risicogedrag voor alle adolescenten en niet alleen voor degenen met de diagnose PIU kan verhogen. Te lange uren online kan ook een matigende factor zijn in de relatie tussen PIU en risicogedrag; echter, verder onderzoek naar deze relatie is noodzakelijk.

5.6. Gender-interacties

De analyse van geslacht-interacties toonde aan dat significante associaties tussen risicogedrag en PIU gelijkmatig werden verdeeld tussen mannen en vrouwen. Dit is enigszins in tegenspraak met eerder onderzoek, wat meestal aantoont dat PIU en risicogedrag specifiek zijn voor het mannelijke geslacht. Deze genderverschuiving zou een aanwijzing kunnen zijn dat de genderkloof voor risicogedrag bij Europese adolescenten kleiner zou kunnen worden.
Vanuit een ander perspectief zou de relatie tussen geslacht en risicogedrag kunnen worden gemedieerd door een derde factor, zoals psychopathologie. In een grote, op gender gebaseerde studie van adolescenten (n = 56,086) met een leeftijd van 12-18 jaar, werd de prevalentie van PIU geschat op 2.8% van het totale monster met significant hogere percentages waargenomen bij mannen (3.6%) vergeleken met vrouwen ( 1.9%) [72]. In de betreffende studie werd opgemerkt dat vrouwen met emotionele problemen, zoals subjectieve onvrede of depressieve symptomen, een significant hogere PIU-prevalentie hebben dan mannen met vergelijkbare emotionele symptomen. Gendergebaseerde studies die het effect van genderinteracties op PIU onderzoeken, zijn een essentiële voorwaarde voor de toekomstige richting van PIU-onderzoek.

5.7. Het componentenmodel van Griffiths

Griffiths 'componentenmodel van verslaving [30] stelt de hypothese voor dat gedragsverslavingen (bijv. PIU) en verslavingen die verband houden met substanties verlopen via vergelijkbare biopsychosociale processen en een groot aantal fysiognomieën delen. De verslavingscriteria van de respectieve zes kerncomponenten in dit model zijn (1) opvallendheid, (2) stemmingsaanpassing, (3) tolerantie, (4) terugtrekking, (5) conflict en (6) terugval. Kuss et al. [73] beoordeelde het verslavingsmodel in twee onafhankelijke monsters (n = 3105 en n = 2257). De resultaten toonden aan dat het componentenmodel van PIU de gegevens zeer goed in beide monsters paste.
In de huidige studie werd de YDQ-meting gebruikt om adolescenten te beoordelen en te detecteren met maladaptieve en pathologische risico's die verband houden met hun internetgebruik en online gedrag. Omdat de YDQ-meting alle zes verslavingscriteria bevat die zijn vastgelegd in het componentenmodel van Griffiths, wordt de validiteit van de uitkomsten die in dit onderzoek zijn gerapporteerd, ondersteund door dit theoretische raamwerk.

5.8. Sterke punten en beperkingen

De grote, representatieve, transnationale steekproef is een belangrijke kracht van deze studie. De homogene methodologie en gestandaardiseerde procedures die in alle landen worden gebruikt, verhogen de validiteit, betrouwbaarheid en vergelijkbaarheid van de gegevens. Voor zover ons bekend was, was het geografische gebied in Europa de grootste ooit gebruikt om een ​​onderzoek naar PIU en risicogedrag uit te voeren.
Er zijn ook enkele beperkingen van de studie. Zelfgerapporteerde gegevens zijn vatbaar voor terugroeping en voorkeuren voor sociale wenselijkheid, die waarschijnlijk zal variëren tussen landen en culturen. Het ontwerp van de dwarsdoorsnede kan geen rekening houden met temporele relaties, waardoor de causaliteit niet kon worden vastgesteld. In de GSHS-meting vormen de subcategorieën van risicovolle handelingen slechts een deel van sensatiezoekend gedrag; dus moet voorzichtigheid worden betracht bij het interpreteren van de resultaten.

6. conclusies

Een aanzienlijk stijgende prevalentiepercentage tussen AIU, MIU en PIU-groepen werd waargenomen in alle risicocategorieën (middelengebruik, sensatiezoekende en levensstijlkenmerken). Adolescenten die slechte slaapgewoonten en risicovolle acties rapporteerden, vertoonden de sterkste associaties met PIU, gevolgd door tabaksgebruik, slechte voeding en fysieke inactiviteit. De significante associatie tussen PIU en risicogedrag, in combinatie met een hoge mate van gelijktijdig voorkomen, onderstreept het belang van het overwegen van PIU bij het screenen, behandelen of voorkomen van risicogedrag bij adolescenten.
Onder adolescenten in de PIU-groep werd 89.9% gekenmerkt door meerdere risicogedragingen. De inspanningen moeten dus gericht zijn op adolescenten die buitensporig internet gebruiken, aangezien er een significante lineaire trend werd waargenomen tussen uren online per dag en meerdere risicogedragingen. Deze trend was vergelijkbaar in alle internetgebruikersgroepen, wat aangeeft dat buitensporige uren online op zich een belangrijke factor is voor risicogedrag. Deze bevindingen moeten worden gerepliceerd en verder worden onderzocht voordat ze hun theoretische implicaties vaststellen.

Dankwoord

Het SEYLE-project werd ondersteund via Coördinatiethema 1 (Gezondheid) van het zevende kaderprogramma van de Europese Unie (FP7), subsidieovereenkomst nr. HEALTH-F2-2009-223091. De auteurs waren onafhankelijk van de financiers in alle aspecten van het onderzoeksontwerp, de data-analyse en het schrijven van dit manuscript. De projectleider en coördinator van het SEYLE-project is professor in psychiatrie en suïcidologie Danuta Wasserman, Karolinska Institute (KI), hoofd van het National Center for Suicide Research and Prevention of Mental Ill-Health and Suicide (NASP), bij KI, Stockholm, Zweden. Andere leden van het uitvoerend comité zijn hoofddocent Vladimir Carli, Nationaal Centrum voor Zelfmoordonderzoek en Preventie van Geestelijke Ziekten (NASP), Karolinska Instituut, Stockholm, Zweden; Christina WH Hoven en antropoloog Camilla Wasserman, afdeling kinder- en jeugdpsychiatrie, New York State Psychiatric Institute, Columbia University, New York, VS; en Marco Sarchiapone, Afdeling Gezondheidswetenschappen, Universiteit van Molise, Campobasso, Italië. Het SEYLE Consortium omvat centra in 12 Europese landen. Site-leiders voor elk respectief centrum en land zijn: Danuta Wasserman (NASP, Karolinska Institute, Zweden, Coordinating Center), Christian Haring (University for Medical Information Technology, Oostenrijk), Airi Varnik (Estonian Swedish Mental Health & Suicidology Institute, Estland), Jean-Pierre Kahn (Universiteit van Lorraine, Nancy, Frankrijk), Romuald Brunner (Universiteit van Heidelberg, Duitsland), Judit Balazs (Vadaskert kinder- en jeugdpsychiatrisch ziekenhuis, Hongarije), Paul Corcoran (National Suicide Research Foundation, Ierland), Alan Apter (Schneider Children's Medical Center of Israel, Tel Aviv University, Tel Aviv, Israel), Marco Sarchiapone (University of Molise, Italië), Doina Cosman (Iuliu Hatieganu University of Medicine and Pharmacy, Roemenië), Vita Postuvan (University of Primorska, Slovenië) ) en Julio Bobes (Universiteit van Oviedo, Spanje). Ondersteuning voor "Ethische kwesties in onderzoek met minderjarigen en andere kwetsbare groepen" werd verkregen door een subsidie ​​van de Botnar Foundation, Basel, voor hoogleraar ethiek, Stella Reiter-Theil, psychiatrische kliniek aan de universiteit van Basel, die als onafhankelijk ethisch adviseur diende het SEYLE-project.

Bijdragen van auteurs

Tony Durkee is de eerste en corresponderende auteur die het onderzoeksontwerp heeft ontwikkeld, de statistische analyses heeft uitgevoerd en alle fasen van het manuscript kritisch heeft herzien. Vladimir Carli, Birgitta Floderus en Danuta Wasserman namen deel aan het onderzoeksontwerp en maakten kritische herzieningen van het manuscript. Camilla Wasserman, Christina W. Hoven, Michael Kaess en Peeter Värnik gaven consultaties en maakten kritische herzieningen van het manuscript. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn en Vita Postuvan zijn principal investigators voor het SEYLE-project in hun respectievelijke landen en hebben bijgedragen aan kritische herzieningen van het manuscript. Bogdan Nemes en Pilar A. Saiz zijn projectmanagers van het SEYLE-project in hun respectievelijke landen en hebben deelgenomen aan belangrijke herzieningen van het manuscript.

Belangenconflicten

De auteurs verklaren geen belangenconflict.

Afkortingen

De volgende afkortingen worden gebruikt in dit manuscript: 

Seyle
Besparing en empowerment van jonge levens in Europa
YRBSS
Jeugdrisicogedrag surveillancesysteem
GSHS
Global School-Based Student Health Survey
YDQ
Young's Diagnostic Questionnaire
GLMM
Gegeneraliseerde lineaire gemengde modellen
ANOVA
One-way analyse van variantie
PIU
Pathologisch internetgebruik
MIU
Onaangepast gebruik van internet
AIU
Adaptief internetgebruik
CI
Betrouwbaarheidsintervallen
SEM
Standaardfout van het gemiddelde
M
Gemiddelde

Referenties

  1. Moshman, D. Cognitieve ontwikkeling na de kindertijd. In Handbook of Child Psychology, 5th ed; Kuhn, D., Damon, W., Siegler, RS, Eds .; Wiley: New York, NY, VS, 1998; Volume 2, pp. 947-978. [Google Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Sociale cognitieve ontwikkeling tijdens de adolescentie. Soc. Cogn. Beïnvloeden. Neurosci. 2006, 1, 165-174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Cognitieve ontwikkeling in de adolescentie. In Handbook of Psychology: Developmental Psychology; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, VS, 2003; Volume 6, pp. 325-350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Gross, E. De impact van computergebruik op de ontwikkeling van kinderen en adolescenten. J. Appl. Dev. Psychol. 2001, 22, 7-30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. De voordelen van Facebook "vrienden": gebruik van sociaal kapitaal en studenten van online sociale netwerksites. J. Comput. Med. Commun. 2007, 12, 1143-1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Sociaal kapitaal, zelfbeeld en gebruik van online sociale netwerksites: een longitudinale analyse. J. Appl. Dev. Psychol. 2008, 29, 434-445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Opgroeien Digitaal: The Rise of the Net Generation; McGraw-Hill Education: New York, NY, VS, 2008; p. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. Internetparadox. Een sociale technologie die sociale betrokkenheid en psychisch welzijn vermindert? Am. Psychol. 1998, 53, 1017-1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V .; Crawford, A. Internet paradox opnieuw bezocht. J. Soc. problemen 2002, 58, 49-74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Internetgebruik, interpersoonlijke relaties en gezelligheid: een tijdboekstudie. Op internet in het dagelijks leven; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd .: Oxford, UK, 2002; pp. 213-243. [Google Scholar]
  11. Nalwa, K .; Anand, AP Internetverslaving bij studenten: een reden tot bezorgdheid. Cyberpsychol. Behav. 2003, 6, 653-656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Verband tussen internetverslaving en academische prestaties onder universitaire studenten. Edu. Res. Rev. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Yurt, S .; Bulduk, S .; Atagöz, S. Internetverslaving en fysieke en psychosociale gedragsproblemen bij middelbare scholieren op het platteland. Nurs. Gezondheid Sci. 2015, 17, 331-338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. Zwaar internetgebruik en de associaties daarvan met gezondheidsrisico's en gezondheidsbevorderende gedragingen van Thaise universiteitsstudenten. Int. J. Adolesc. Med. Gezondheid 2014, 26, 187-194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Gebruik van informatie- en communicatietechnologie (ICT) en ervaren gezondheid tijdens de adolescentie: de rol van slaapgewoonten en vermoeidheid bij het wakker worden. J. Adolesc. 2007, 30, 569-585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. Beginselen voor het verstandige gebruik van computers door kinderen. Ergonomie 2009, 52, 1386-1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Zwarte, DW-internetverslaving: definitie, beoordeling, epidemiologie en klinisch management. CNS Drugs 2008, 22, 353-365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Internetverslaving: de opkomst van een nieuwe klinische stoornis. CyberPsychol. Behav. 1998, 1, 237-244. [Google Scholar] [CrossRef]
  19. American Psychiatric Association (APA). Diagnostische en statistische handleiding voor geestelijke aandoeningen. Beschikbaar online: http://www.dsm5.org (toegankelijk op 2 februari 2016).
  20. Petry, NM; O'Brien, CP Internet gaming disorder en de DSM-5. verslaving 2013, 108, 1186-1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Prevalentie van de verslavingen: een probleem van de meerderheid of de minderheid? Eval. Gezondheid Prof. 2011, 34, 3-56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsiviteit bij internetverslaving: een vergelijking met pathologisch gokken. Cyberpsychol. Behav. Soc. Netw. 2012, 15, 373-377. [Google Scholar] [CrossRef] [PubMed]
  23. 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? Addict. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N .; Raj, Z .; Abraham, A. Internetverslaving en verslavingsproblemen bij adolescente studenten - een cross-sectioneel onderzoek. J. Int. Med. Deuk. 2015, 2, 172-179. [Google Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Niet verslavend gedrag bij jongeren: pathologisch gokken en problematisch internetgebruik. Kind Adoles. Psychiatr. Clin. N. Am. 2010, 19, 625-641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Dysfunctie van de prefrontale cortex bij verslaving: Neuroimaging-bevindingen en klinische implicaties. Nat. Rev Neurosci. 2011, 12, 652-669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. De rol van het chrna4-gen bij internetverslaving: een case-control studie. J. Addict. Med. 2012, 6, 191-195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Risicofactoren en psychosociale kenmerken van mogelijk problematisch en problematisch internetgebruik bij adolescenten: een cross-sectioneel onderzoek. BMC volksgezondheid 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Grijze stofafwijkingen bij internetverslaving: een voxel-gebaseerde morfometrie-studie. EUR. J. Radiol. 2011, 79, 92-95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Een "componenten" -model van verslaving binnen een biopsychosociaal kader. J. Subst. Gebruik 2005, 10, 191-197. [Google Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Internet-verslavingsprevalentie en kwaliteit van het (echte) leven: een meta-analyse van 31-landen in zeven wereldregio's. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 755-760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Overmatig internetgebruik bij Europese adolescenten: wat bepaalt de verschillen in ernst? Int. J. Volksgezondheid 2015, 60, 249-256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Internetverslavend gedrag tijdens de adolescentie: een transversale studie in zeven Europese landen. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 528-535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. Prevalentie van pathologisch internetgebruik onder adolescenten in Europa: demografische en sociale factoren. verslaving 2012, 107, 2210-2222. [Google Scholar] [CrossRef] [PubMed]
  35. 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]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. De associatie tussen pathologisch internetgebruik en comorbide psychopathologie: een systematische review. psychopathologie 2013, 46, 1-13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. De associatie tussen internetverslaving en psychiatrische comorbiditeit: een meta-analyse. BMC Psychiatry 2014, 14, 1-10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Pathologisch internetgebruik onder Europese adolescenten: psychopathologie en zelfdestructief gedrag. EUR. Child Adolesc. Psychiatrie 2014, 23, 1093-1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD De klinische psychologie van internetverslaving: een overzicht van de conceptualisering, prevalentie, neuronale processen en implicaties voor de behandeling. Neurosci. Neuroeconomics 2015, 4, 11-23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Meervoudig risicogedrag tijdens de adolescentie. J. Volksgezondheid 2012, 34, i1-i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Lifestyle risicofactoren van studenten: een clusteranalytische benadering. Vorige. Med. 2010, 51, 73-77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Leefstijlmanagement van unipolaire depressie. Acta Psychiatr. Scand. 2013, 127, 38-54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Spring, B .; Nigg, CR Meervoudig onderzoek naar gedragsverandering bij gezondheid: een inleiding en overzicht. Vorige. Med. 2008, 46, 181-188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. Een nieuw geïdentificeerde groep adolescenten met een "onzichtbaar" risico voor psychopathologie en suïcidaal gedrag: bevindingen uit het SEYLE-onderzoek. Wereldpsychiatrie 2014, 13, 78-86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Jeugdgedrag risicogedrag-Verenigde Staten, 2013. MMWR Surveill. Summ. 2014, 63, 1-168. [Google Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. Besparing en empowerment van jonge levens in Europa (SEYLE): een gerandomiseerde gecontroleerde trial. BMC volksgezondheid 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. De reddende en empowerende jonge levens in Europa (SEYLE) gerandomiseerde gecontroleerde trial (RCT): methodologische kwesties en kenmerken van deelnemers. BMC volksgezondheid 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS gevangen in het net: hoe de tekenen van internetverslaving te herkennen - en een winnende strategie voor herstel; J. Wiley: New York, NY, VS, 1998; p. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Screening voor internetafhankelijkheid: verschillen de voorgestelde diagnostische criteria van normaal van afhankelijk internetgebruik? Cyberpsychol. Behav. 2009, 12, 21-27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Diagnostische criteria voor problematisch internetgebruik onder Amerikaanse universiteitsstudenten: een evaluatie van verschillende methoden. PLoS ONE 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD De conceptualisering en meting van dsm-5 internet gaming disorder: de ontwikkeling van de IGD-20-test. PLoS ONE 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Wereldgezondheidsorganisatie (WHO). Global School-Based Student Health Survey (GSHS). Beschikbaar online: http://www.who.int/chp/gshs/en/ (toegankelijk via 12 December 2015).
  53. Choi, K .; Son, H .; Park, M .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Overmatig internetgebruik en overmatige slaperigheid overdag bij adolescenten. Psychiatry Clin. Neurosci. 2009, 63, 455-462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B .; Demirci, AC Hoog risico op internetverslaving en de relatie met levenslange middelengebruik, psychologische en gedragsproblemen bij adolescenten van de 10-klas. Psychiatria Danub. 2014, 26, 330-339. [Google Scholar]
  55. Internationale telecommunicatie-unie (ITU). ICT feiten en cijfers. Beschikbaar online: http://www.itu.int/en (toegankelijk via 8 Augustus 2015).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Covariance bij meerdere gezondheidsrisicogedragingen bij adolescenten. PLoS ONE 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. De relatie tussen impulsiviteit en internetverslaving in een steekproef van Chinese adolescenten. EUR. Psychiatry: J. Assoc. EUR. Psychiatr. 2007, 22, 466-471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Vervreemding, agressie en sensatie zoeken als voorspellers van adolescent gebruik van gewelddadige film, computer en website-inhoud. J. Commun. 2003, 53, 105-121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Op weg naar een uitgebreide theorie van problematisch internetgebruik: evaluatie van de rol van zelfrespect, angst, flow en het zelfbeschouwd belang van internetactiviteiten. Comput. Brommen. Behav. 2009, 25, 490-500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Onderscheidende verslaving en hoge betrokkenheid bij online gamen. Comput. Brommen. Behav. 2007, 23, 1531-1548. [Google Scholar] [CrossRef]
  61. 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]
  62. Meena, PS; Mittal, PK; Solanki, RK Problematisch gebruik van sociale netwerksites tussen tieners in stedelijke scholen. Ind. Psychiatry J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Kenmerken van internetverslaving / pathologisch internetgebruik bij Amerikaanse universiteitsstudenten: een onderzoek naar de kwalitatieve methode. PLoS ONE 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Internetgamingverslaving, problematisch internetgebruik en slaapproblemen: een systematische review. Curr. Psychiatry Rep. 2014, 16, 1-9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N .; Gradisar, M. Elektronisch mediagebruik en -slapen bij schoolgaande kinderen en adolescenten: een evaluatie. Slaap Med. 2010, 11, 735-742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Prevalentie van slaapproblemen en de relatie tussen slaapproblemen en schoolweigering bij schoolgaande kinderen in kinder- en ouderbeoordelingen. psychopathologie 2014, 47, 119-126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC Sensation seeking en internetafhankelijkheid van Taiwanese middelbare school adolescenten. Comput. Brommen. Behav. 2002, 18, 411-426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. De rol van internetverslaving bij online game-loyaliteit: een verkennend onderzoek. Internet Res. 2008, 18, 499-519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Problem behaviour and Psychosocial Development: A Longitudinal Study of Youth; Academische pers: Cambridge, MA, VS, 1977; p. 281. [Google Scholar]
  70. Jessor, R. Probleemgedragstheorie, psychosociale ontwikkeling en probleemdrinken bij adolescenten. Br. J. Addict. 1987, 82, 331-342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Structurele equivalentie van betrokkenheid bij probleemgedrag van adolescenten in verschillende raciale groepen met behulp van analyse van meerdere confirmerende factorfactoren. Soc. Werk Res. 1996, 20, 168-177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Geslachtsverschillen in internetverslaving geassocieerd met psychologische gezondheidsindicatoren bij adolescenten met behulp van een nationale webgebaseerde enquête. Int. J. Ment. Gezondheid Addict. 2014, 12, 660-669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Korter, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Beoordeling van internetverslaving met gebruik van het spaarzame internetverslavingscomponentenmodel - een voorstudie. Int. J. Ment. Gezondheid Addict. 2014, 12, 351-366. [Google Scholar] [CrossRef]