Addict Behav. 2018 feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.
Abstract
ACHTERGROND EN DOEL:
Problematisch internetgebruik (PIU, ook wel bekend als internetverslaving) is een groeiend probleem in moderne samenlevingen. Er is weinig kennis van de demografische variabelen en specifieke internetactiviteiten die verband houden met PIU en een beperkt begrip van hoe PIU moet worden geconceptualiseerd. Ons doel was om specifieke internetactiviteiten in verband met PIU te identificeren en de modererende rol van leeftijd en geslacht in die verenigingen te onderzoeken.
Methode:
We hebben 1749-deelnemers van 18 en hoger gerekruteerd via media-advertenties in een op internet gebaseerde enquête op twee locaties, één in de VS en één in Zuid-Afrika; we hebben Lasso-regressie gebruikt voor de analyse.
RESULTATEN:
Specifieke internetactiviteiten werden geassocieerd met hogere problematische scores voor internetgebruik, waaronder algemeen surfen (lasso β: 2.1), internetgamen (β: 0.6), online winkelen (β: 1.4), gebruik van online veilingwebsites (β: 0.027), netwerken (β: 0.46) en gebruik van online pornografie (β: 1.0). Leeftijd modereerde de relatie tussen PIU en rollenspellen (β: 0.33), online gokken (β: 0.15), gebruik van veilingwebsites (β: 0.35) en streaming media (β: 0.35), waarbij oudere leeftijd geassocieerd met hogere niveaus van PIU. Er was geen doorslaggevend bewijs dat geslacht en geslacht × internetactiviteiten verband hielden met problematische scores voor internetgebruik. Attention-deficit hyperactivity disorder (ADHD) en sociale angststoornis waren geassocieerd met hoge PIU-scores bij jonge deelnemers (respectievelijk leeftijd ≤ 25, β: 0.35 en 0.65), terwijl gegeneraliseerde angststoornis (GAS) en obsessief-compulsieve stoornis (OCS) werden geassocieerd met hoge PIU-scores bij de oudere deelnemers (leeftijd> 55, β: respectievelijk 6.4 en 4.3).
Conclusies:
Veel soorten online gedrag (bijvoorbeeld winkelen, pornografie, algemeen surfen) hebben een sterkere relatie met slecht adaptief internetgebruik dan gamen dat de diagnostische classificatie van problematisch internetgebruik als een veelzijdige aandoening ondersteunt. Bovendien variëren internetactiviteiten en psychiatrische diagnoses in verband met problematisch internetgebruik met de leeftijd, met gevolgen voor de volksgezondheid.
trefwoorden: Gedragsverslaving; Internet verslaving; Internetgokken-stoornis; Lasso; Machine learning; Problematisch internetgebruik
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
Introductie
Problematisch internetgebruik (PIU, ook wel bekend als internetverslaving) is een probleem voor de volksgezondheid in moderne samenlevingen overal ter wereld. De epidemiologie van PIU is nog steeds onduidelijk (
; ) met een breed scala aan gerapporteerde puntprevalentieschattingen (1% tot 36.7%), die waarschijnlijk niet alleen populatieverschillen weerspiegelen, maar ook de diversiteit van beoordelingsinstrumenten en verschillende operationele definities van PIU-gedrag. DSM-5 heeft internetgokverslaving naar voren gebracht als een voorwaarde voor verder onderzoek (), waarbij specifiek andere op internet gebaseerde activiteiten zoals gokken en het gebruik van sociale media worden uitgesloten, ondanks het toenemende bewijs dat problematisch internetgebruik een veelzijdig probleem is dat verder gaat dan online gamen (; ;). Van veel verschillende onlinegedragingen is beschreven dat ze in staat zijn om het normale functioneren te belemmeren wanneer ze buitensporig worden ondernomen, waaronder onlinegames en massively-multiplayer online rollenspellen (;;;;;), onlinegokken (;), online winkelen (; ;), het bekijken van pornografie (;;), het regelmatig controleren van e-mails, instant messaging (;;) en overmatig gebruik van sociale media (;). Onlinegedrag kan ook aanleiding geven tot bezorgdheid over de lichamelijke gezondheid van personen (;) of de basis leggen voor criminele handelingen (). Impulsieve en dwangmatige kenmerken kunnen problematisch internetgedrag ondersteunen (;;;;), terwijl specifieke internetactiviteiten in verband zijn gebracht met psychiatrische stoornissen; online winkelen is bijvoorbeeld in verband gebracht met depressie en hamsteren (
).
Jongeren en studenten worden als het meest kwetsbaar beschouwd voor PIU (
; ; ; ; ), maar populaties van middelbare en oudere leeftijd zijn niet uitgebreid onderzocht. Jonge leeftijd is geassocieerd met problematisch online winkelen (;). Er zijn echter een aantal onderzoeken geweest waarin problematische internetactiviteiten, waaronder buitensporig internetgebaseerd winkelen, bij volwassen bevolkingsgroepen worden geïdentificeerd (
). Over het algemeen is de natuurlijke geschiedenis van problematisch internetgebruik nog steeds onbekend en kunnen er leeftijdsgebonden verschillen zijn in PIU in het algemeen, of in verschillende problematische online gedragingen.
PIU wordt beschouwd als een mannelijk overwicht (
; ) en komt waarschijnlijk meer voor onder Aziatische mannelijke jongeren, maar vrouwen kunnen ook kwetsbaar zijn (;). Op klinisch niveau omvatte het merendeel van de PIU-onderzoeken alleen mannelijke deelnemers () en het is onduidelijk of vrouwelijke klinische populaties mogelijk niet voldoende zijn onderzocht. Er zijn aanwijzingen uit observationele studies dat mannen en vrouwen verschillen in de manier waarop ze in de online omgeving opereren in termen van activiteiten die ze kiezen en hun negatieve gevolgen (;). Overmatig gebruik van chatten en sociale media is geassocieerd met het vrouwelijk geslacht bij jonge studenten (;;;; S). Vrouwelijk geslacht is ook geïdentificeerd als een voorspeller van problematisch online winkelen (), maar het tegendeel is ook gemeld (;). Online gamen is geassocieerd met mannelijk geslacht (), maar massaal multiplayer online RPG is gerapporteerd in beide geslachten (). Online pornografie en online gokken zijn vaker gemeld bij volwassen mannen (), maar er is wel gesteld dat de rol van beloningsversterking, cue-reactiviteit en verlangen naar online seks vergelijkbaar zijn voor beide geslachten (). Bepaalde platforms van sociale media met verslavend potentieel, zoals netwerksites zoals Facebook, worden door beide geslachten gebruikt en er is betoogd dat vrouwen een bijzonder risico lopen (). Over het algemeen kunnen er geslachtsspecifieke verschillen zijn voor aspecten van PIU; Als alternatief kan het zijn dat zodra de klinische en gedragskenmerken / verwarringen in aanmerking worden genomen, beide geslachten op dezelfde manier worden beïnvloed (;
).
Over het algemeen vereisen problematisch internetgebruik, inclusief de grote verscheidenheid aan problematisch internetgedrag, meer rigoureuze onderzoeken die licht werpen op welke specifieke activiteiten als problematisch of disfunctioneel moeten worden beschouwd of in het algemeen bijdragen aan het fenomeen dat als PIU wordt beschreven. De manier waarop leeftijd en geslacht de relatie tussen bepaalde internetactiviteiten en PIU modereren, is onderbelicht en verdient meer aandacht.
Ons doel was om specifieke internetgerelateerde activiteiten te identificeren die statistisch geassocieerd zijn met PIU en of er interacties zijn met leeftijd of geslacht die deze relaties matigen.
2
Materiaal en methoden
2.1
Instelling en maatregelen
Meer details over de setting en metingen van deze studie zijn ook beschreven in onze vorige publicatie over PIU (
). Rapportage van methoden voor dit onderzoek volgt de STROBE-richtlijn (
). Het huidige onderzoek is uitgevoerd vanaf januari 2014-februari 2015. Personen van 18 jaar en ouder werden gerekruteerd op twee locaties: Chicago (VS) en Stellenbosch (Zuid-Afrika) met behulp van internetadvertenties (gemiddelde leeftijd 29 [18-77]; 1119-mannetjes [64%]; 1285 blank [73%]). In de advertenties werd aan individuen gevraagd deel te nemen aan een online enquête over internetgebruik. Deelnemers voltooiden de enquête anoniem met behulp van de Survey Monkey-software. Het onderzoek werd via Craigslist verstuurd, zodat alleen deelnemers uit de specifieke locaties werden getarget. De studie werd goedgekeurd door de institutionele beoordelingsraden op elke onderzoekslocatie. Deelnemers ontvingen geen compensatie voor deelname maar werden ingeschreven in een willekeurige loterij waarbij vijf prijzen beschikbaar waren met elke prijs die werd gewaardeerd tussen $ 50 en $ 200 in de VS en drie prijzen tussen ZAR250 en ZAR750 in Zuid-Afrika.
De online enquête bevatte vragen over de leeftijd, het geslacht, het ras, de relatiestatus, de seksuele geaardheid en de opleidingsachtergrond van elk individu, samen met verschillende metingen van specifieke internetactiviteiten. We hebben een aantal verschillende internetactiviteiten gemeten, waaronder 1) algemeen surfen 2) totaal internetgamen 3) Online rollenspellen (RPG) 4) Tijdverspilling / vaardigheidsspellen (bijv. Apps op iPod / iPad / mobiele telefoon, Tetris, Jewels) 5 ) Online actiemultiplayer (bijv. Call of Duty, Gears of War) 6) Online winkelen 7) Veilingwebsites (bijv. Ebay) 8) Online gokken 9) Sociaal netwerken 10) Online sport (bijv. Fantasy sports, ESPN) 11) Pornografie / seks op internet 12) Berichten / bloggen (dwz AIM, Skype) en 13) Streaming video's / media (dwz YouTube, Hulu). De enquête omvatte ook klinische maatregelen: de Internet Addiction Test (IAT) (
) om een indicatie te geven van onaangepast internetgebruik; selecteer Mini International Neuropsychiatric Interview (MINI) modules () om waarschijnlijke sociale angststoornis (SAD), gegeneraliseerde angststoornis (GAD) en obsessief-compulsieve stoornis (OCD) te identificeren; de Adult ADHD Self-Report Scale Symptom Checklist (ASRS-v1.1) () om aandachtstekortstoornis met hyperactiviteit (ADHD) te identificeren; de Padua-inventaris (PI) () om obsessief-compulsieve tendensen te identificeren; en de Barratt Impulsiveness Scale (BIS-11) om impulsieve persoonlijkheid te kwantificeren (
). Beschrijvende statistiek voor alle variabelen wordt samengevat en gestratificeerd naar leeftijd in aanvullende tabel S1a.
De IAT omvat 20-vragen die facetten van PIU onderzoeken. Scores op het IAT-bereik van 20 tot 100 met 20-49 als gevolg van mild internetgebruik, 50-79 matig internetgebruik en 80-100 als gevolg van ernstig internetgebruik. De PI bestaat uit 39-items die algemeen obsessie- en dwangmatig gedrag beoordelen. De BIS-11 is een zelfrapportagevragenlijst die wordt gebruikt om niveaus van impulsiviteit te bepalen.
We hebben een Principal Components Analysis (PCA) uitgevoerd om te bepalen of een paar componenten van internetactiviteiten een significant deel van de variantie zouden kunnen verklaren. Deze analyse toonde echter aan dat we> 11 van de 13 componenten nodig hadden om> 90% variantie te bereiken, wat aangeeft dat een aanzienlijk deel van de variabelen van internetactiviteiten op unieke wijze bijdragen aan de variantie. We hebben daarom besloten om elke variabele afzonderlijk in onze analyse te gebruiken.
Alleen gegevens van deelnemers die de volledige online enquête hebben ingevuld, inclusief de metingen van internetactiviteit, zijn in de analyses meegenomen. De oorspronkelijke steekproef omvatte 2551 personen. 63 personen werden uitgesloten omdat ze geen IAT-scores hadden. Nog eens 18 personen werden uitgesloten voor het rapporteren van transgender geslacht en 459 voor het missen van belangrijke voorspellende variabelen, zoals PI- of BIS-vragenlijstscores. Vijf personen werden uitgesloten voor het rapporteren van een leeftijd <18 jaar. Nog eens 257 personen werden uitgesloten vanwege het ontbreken van metingen van internetactiviteit. De laatste volledige set omvatte 1749 personen met volledige scores op alle variabelen. Deze laatste stap van het uitsluitingsproces verklaart het verschil in steekproef tussen de huidige studie en
. Deze laatste volledige set omvatte 1063 personen van de locatie in Stellenbosch en 686 personen van de locatie in Chicago. De geschatte puntprevalentie van PIU was ~ 8.5% met een IAT-cut-off van 50 of hoger. Als we de twee populaties van de onderzoekslocaties vergelijken, had de locatie in Stellenbosch jongere deelnemers [gemiddelde (bereik) 24.3 (18-76) vs 36.3 (18-77), ANOVA F <0.05, η 2 : 0.20], een lager deel van het mannelijk geslacht [58% versus 73%, χ 2 <0.05, φ : 0.15], hogere verhouding van heteroseksuele seksuele geaardheid [91% versus 84%, χ 2 <0.05, φ : 0.10], hogere percentages ADHD [50% versus 41% χ 2 <0.05, φ : 0.9], lagere percentages online winkelen [gemiddelde (bereik) 0.48 (0-5) versus 1.27 (0-5), ANOVA F <0.05, η 2 : 0.18] en iets lagere IAT-scores [gemiddelde (bereik) 30.3 (20-94) versus 35.9 (20-85), ANOVA F <0.05, η 2 : 0.06]. Een meer gedetailleerde vergelijking wordt gepresenteerd in de aanvullende tabel S1b. Het wervings- en uitsluitingsproces wordt grafisch gepresenteerd in Fig 1 . Alle continue variabelen (dwz BIS-score) werden gestandaardiseerd om de interpreteerbaarheid van de modelcoëfficiënten te vergroten. De voorspellingsmethoden hebben de IAT-score als een numerieke variabele gebruikt (bereik 20-94, Mean 32.48). Alle analyses zijn uitgevoerd in R Studio-versie 3.1.2. Lasso gegeneraliseerde lineaire modellen werden uitgevoerd met behulp van het "glmnet" -pakket (Package glmnet-versie 2.0-5 (
)). Meer details over het analyseproces zijn te vinden in het Supplement (methodologie bijlage).
2.2
Verkenning van correlaties
We hebben de correlaties tussen de variabelen in onze gegevens onderzocht (zie Fig 2 ). Alle verschillende internetactiviteiten hadden een zwakke positieve correlatie met de IAT-score (Pearson-correlatiecoëfficiëntbereik 0.23-0.48). Er werden enkele gematigde positieve correlaties tussen variabelen op het gebied van internetactiviteit gevonden, namelijk totale internetgaming en RPG (r = 0.57), totale internetgaming en actie-multiplayer-games (r = 0.55), online winkelen en gebruik van veilingwebsites (r = 0.55), algemeen surfen en winkelen (r = 0.44), algemeen surfen en sociaal netwerken (r = 0.44), algemeen surfen en streaming media (r = 0.44). Er waren zwakke positieve correlaties tussen sport en pornografie (r = 0.38), mannelijk geslacht en sport (r = 0.30) of pornografie (r = 0.39) of actie-multiplayer-gaming (r = 0.27). Er waren zwakke correlaties tussen online gokken en actiemultiplayer (r = 0.41), RGP (r = 0.32), veilingwebsites (r = 0.38), sport (r = 0.38) of pornografie (r = 0.39). Impulsiviteit was zwak positief gecorreleerd met algemeen surfen, online winkelen, gebruik van veilingwebsites, sociale netwerken, streaming media en pornografie (0.2 ≤ r ≤ 0.3). Er was ook een zwakke correlatie tussen oudere leeftijd en winkelactiviteiten (r = 0.33) of het gebruik van veilingwebsites (r = 0.22), en tussen niet-heteroseksuele seksuele geaardheid en pornografie (r = 0.22). Alle andere correlaties tussen internetactiviteiten en leeftijd, geslacht, relatiestatus, seksuele geaardheid, opleidingsniveau, ras en niveaus van impulsiviteit en compulsiviteit waren erg zwak (-0.2 <r <0.2).
2.3
Omgaan met overmatig passen
Voor onze statistische methoden hebben we modellen gebruikt die demografische variabelen bevatten (leeftijd, ras, opleidingsniveau, geslacht, relatiestatus, seksuele geaardheid), klinische kenmerken (diagnoses van ADHD, GAD, sociale angst en OCD), gedragsdimensies waarvan bekend is dat ze verband houden met PIU (impulsiviteit en compulsiviteit), internetactiviteiten en interactiebepalingen tussen internetactiviteiten × leeftijd of geslacht; de laatste werd besloten om de hypothese te testen dat leeftijd of geslacht de relatie tussen internetactiviteiten en problematische internetgebruikscores matigen. We hebben een totaal van 51-voorspellervariabelen opgenomen. Door een overvloed aan variabelen op te nemen, mikten we op een model dat nauwkeuriger is en dat tegelijkertijd complexe interacties tussen demografische en internetactiviteitsvariabelen vastlegt. Het nadeel van het hebben van veel voorspellende variabelen is echter dat dit typisch leidt tot over-passen gepaard gaande met grote coëfficiënten. Bovendien neigt in-sample lineaire regressie ook te overmatig te passen, vooral in complexe modellen, en is fundamenteel onjuist in het maken van voorspellingen over nieuwe gegevens. Er is uitgebreid bewijs voor de nadelen van overmaatse modellen (
). Om over-passen te verhelpen, hebben we het gebruik van out-of-sample statistische methoden besproken (cross-validatie) om een schatting te krijgen van de generalisatie- en voorspellingsfout van het model (
). We hebben deze benadering onderzocht in onze huidige gegevens toen we een niet-steekproef kruisvalideerde schatting gebruikten van de root-mean-squared-error in combinatie met een achterwaartse selectie van variabelen om te testen of modellen verbeteren door een groot aantal variabelen toe te voegen aan de subsets van mogelijke combinaties van voorspellers, en we zagen dat spaarzame modellen (dwz met ongeveer tussen 13 en 16 variabelen) niet inferieur waren in termen van kruis-gevalideerde RMSE in vergelijking met meer complexe modellen (inclusief> 16 variabelen). Dit blijkt uit verkennend Fig 3 (linksboven).
2.4
Gereguleerde regressie met sparsity-beperkingen
Om de redenen die in de vorige paragraaf zijn genoemd, wilden we een voorspellingsmethode gebruiken die niet te veel zou passen, terwijl hij vergelijkbaar was met standaard statistische methoden voor het voorspellen van PIU-scores. Het zou ook waardevol zijn als onze methode ook variabele selectie zou kunnen doen (dwz door het aantal voorspellers met niet-nulcoëfficiënten te verminderen), om te helpen met de interpreteerbaarheid van het model. Regularisatie, oorspronkelijk ontworpen door Tikhonov om integrale vergelijkingen op te lossen (
) en later geïntroduceerd in de statistische wetenschap door heeft enkele van de gewenste bovengenoemde eigenschappen van verschuivende modelconstructie in de richting van sparsity en het verminderen van over-fitting (). Lasso (gegeneraliseerd lineair model met bestrafte maximale waarschijnlijkheid, bekend als regressie met het gebruik van de minst absolute krimp en selectieoperator (Lasso of LASSO ())) is een regularisatie- en regressieanalysemethode die nu vaak wordt gebruikt in de medische wetenschappen (;) en potentieel heeft voor gebruik in klinische voorspellingsmodellering in de psychiatrie (RC). Ridge-regressie is een andere vorm van geregulariseerde lineaire regressie die coëfficiënten krimpt door een coëfficiënt-penalty () in te voeren. Het elastische net is een tussenmodel tussen nok en lasso en de straf wordt gecontroleerd door α, dat de kloof tussen Lasso (α = 1) en richel overbrugt (α = 0). De afstemmingsparameter λ bestuurt de algehele sterkte van de straf. Lasso gebruikt de L1 penalty en ridge gebruikt de L2-straf. In tegenstelling tot nokregressie is het effect van de Lasso L1-penalty dat de meeste coëfficiënten naar nul worden gedreven, wat leidt tot een geregelde oplossing die tegelijkertijd schaars is. Door dit mechanisme voert de Lasso een variabele selectie uit die de interpretatie aanzienlijk kan vereenvoudigen, vooral als er veel voorspellers bij het model betrokken zijn. Een andere niet-standaardmethode die bekend staat om zijn hoge nauwkeurigheid en het vermogen om overmatig passen te voorkomen, is willekeurige bossen (
). Willekeurige forests zijn een machine-leermethode die goed presteert tegen niet-lineaire afhankelijkheden en daarom zou het onderzoeken van de prestaties van dit model ons inzicht kunnen verschaffen in, mogelijk 'verborgen', complexe associaties.
2.5
Voorspellingsmethoden
Om het juiste model in onze analyse te kiezen, vergeleken we lineaire regressie, nokregressie, elastic-net, Lasso en willekeurige bosmodellen met elkaar en tegen een naïeve basislijn, met behulp van een kruiselings gevalideerde schatting van RMSE buiten de steekproef. Onze kruisvalidatie omvatte het willekeurig splitsen van de gegevens in een training- en testset, het afstemmen van de modelparameters in de trainingsset en het maken van voorspellingen voor IAT-scores in de testset. Vanwege de willekeurige aard van het splitsen van de gegevens in vouwen, hebben we dit proces 50 keer herhaald om een stabiele en repliceerbare schatting te krijgen. Vervolgens vergeleken we de uiteindelijke vectoren van RMSE-scores met behulp van door Exact Wilcoxon-Pratt ondertekende ranktests. Alle modellen waren significant superieur aan de naïeve basislijn (p gecorrigeerd <0.001, 0.87, Cohen's d = -2, 3) (zie aanvullende tabel S0.01). Samenvattende statistieken van RMSE-scores worden gepresenteerd in aanvullende tabel S0.51. Lasso en elastisch net waren superieur aan nokregressie (p-gecorrigeerd <0.49, d = 0.001, d = 0.76) en lineaire regressie (p gecorrigeerd <0.05, d = 0.08) en niet statistisch verschillend tussen elkaar (p-gecorrigeerd> 0.12, d = -0.05). Willekeurig bos was niet superieur aan ofwel lasso (p = 10) of elastisch net (p gecorrigeerd> XNUMX). Daarom hebben we in onze analyse Lasso gebruikt, omdat Lasso, naast goede voorspellingsprestaties buiten de steekproef, variabele selectie kon uitvoeren door coëfficiënten tot nul te verkleinen en daardoor de interpreteerbaarheid te vergroten. Hoewel het elastische net ook variabele selectie kan uitvoeren, heeft het de neiging om meer variabelen te selecteren, en ondanks dat het een complexer en krachtiger model was, gaf het geen significant betere prestatie dan lasso. In onze uiteindelijke analyse van volledige gegevens en subgroepanalyses hebben we XNUMX-voudige kruisvalidatie gebruikt om de optimale lambda voor elk lassomodel te produceren en coëfficiënten te rapporteren die door die modellen zijn geproduceerd. Verklarende plots die zijn afgeleid van de volledige gegevensanalyse worden weergegeven in Fig 3 .
3
Resultaten
Lasso-regressieresultaten zijn samengevat in de hele steekproef en gestratificeerd naar leeftijd in Tabellen 1 en 2 . Volledige tabellen met resultaten voor subgroepanalyses, inclusief gestratificeerd naar leeftijd en naar studielocatie, worden gepresenteerd in de online aanvullende tabellen (tabellen S4-S10). Verkennende grafieken van de gegevens worden gepresenteerd in Aanvullende figuren (afb. S1-S3). Resultaten van de meer standaard statistische benadering van lineaire regressie worden ook gepresenteerd in Aanvullende tabellen S4-S10 en eventuele verschillen in structurele gevolgtrekking in vergelijking met de belangrijkste resultaten hieronder zijn afhankelijk van de keuze van een ander model.
| Internetactiviteit | Alles (n = 1749) | 18 ≤ Leeftijd ≤ 25 (n = 1042) | 26 ≤ Leeftijd ≤ 55 (n = 592) | Leeftijd> 55 (n = 115) |
|---|---|---|---|---|
| Algemeen surfen | 2.100 | 2.400 | 1.500 | 0.590 |
| Internetgamen | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Tijdverspillers | 0.000 | 0.000 | 0.000 | 0.450 |
| Actiemultiplayer | 0.000 | 0.000 | 0.000 | 0.000 |
| Winkelen | 1.400 | 0.840 | 1.500 | 0.000 |
| Veiling websites | 0.027 | 0.000 | 0.990 | 0.230 |
| Gokken | 0.000 | 0.000 | 0.780 | 0.000 |
| Sociaal netwerken | 0.460 | 0.000 | 1.300 | 0.000 |
| Sport | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornografie | 1.000 | 1.400 | 0.210 | 0.000 |
| messaging | 0.000 | 0.000 | 0.110 | 0.000 |
| Streaming media | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| ADHD-diagnose | 1.700 | 0.350 | 3.100 | 0.000 |
| GAD-diagnose | 0.230 | 0.000 | 0.000 | 6.400 |
| Sociale angstdiagnose | 0.000 | 0.560 | 0.000 | 0.000 |
| OCD-diagnose | 0.270 | 0.000 | 0.000 | 4.300 |
| Internetactiviteit | Alles (n = 1749) | 18 ≤ Leeftijd ≤ 25 (n = 1042) | 26 ≤ Leeftijd ≤ 55 (n = 592) | Leeftijd> 55 (n = 115) |
|---|---|---|---|---|
| Demografische variabelen | 0.000 | 0.000 | 0.000 | 0.000 |
| Geslacht × elke internetactiviteit | 0.000 | 0.000 | 0.000 | 0.000 |
| Leeftijd × algemeen surfen | 0.000 | - | - | - |
| Leeftijd × Internetgamen | 0.000 | - | - | - |
| Leeftijd × RPG | 0.330 | - | - | - |
| Age × time wasters | 0.000 | - | - | - |
| Age × actiemultiplayer | 0.000 | - | - | - |
| Leeftijd × winkelen | 0.000 | - | - | - |
| Leeftijd × gokken | 0.150 | - | - | - |
| Leeftijd × veilingwebsites | 0.350 | - | - | - |
| Leeftijd × sociale netwerken | 0.000 | - | - | - |
| Leeftijd × sport | 0.000 | - | - | - |
| Leeftijd × pornografie | 0.000 | - | - | - |
| Leeftijd × berichten | 0.000 | - | - | - |
| Leeftijd × streaming media | 0.350 | - | - | - |
3.1
Demografie
Bij lasso-regressie was geen variabele inclusief leeftijd, geslacht, ras, opleidingsniveau, relatiestatus of seksuele geaardheid geassocieerd met PIU in elke leeftijdsubgroep of in de volledige gegevens.
3.2
Internet-activiteiten
In de Lasso-regressie met volledige gegevens werden een aantal internetactiviteiten geassocieerd met hoge PIU-scores, waaronder algemeen surfen (β: 2.1), internetgamen (β: 0.6), online winkelen (β: 1.4), gebruik van veilingwebsites (β: 0.027), sociale netwerken (β: 0.46) en gebruik van online pornografie (β: 1.0). De relaties tussen PIU en rollenspellen (RPG's), online gokken, gebruik van veilingwebsites en het gebruik van streaming media werden gemodereerd naar leeftijd (respectievelijk β: 0.33, 0.15, 0.35 en 0.35), waarbij hogere leeftijd geassocieerd is met hogere PIU-scores . In leeftijd-subgroepanalyse (jonge deelnemers leeftijd ≤ 25, middelbare leeftijd deelnemers 25 <leeftijd ≤ 55; oudere deelnemers leeftijd> 55), werd algemeen surfen geassocieerd met PIU in alle leeftijdsgroepen, maar sterker bij jongeren (β: 2.4) , minder op middelbare leeftijd (β: 1.5), en nog minder bij de oudere deelnemers (β: 0.59). Een vergelijkbare trend werd gezien bij internetgamen (respectievelijk β: 0.45, 0.11 en 0.0 voor de drie leeftijdsgroepen) en het gebruik van online pornografie (β: 1.4, 0.21 en 0.0). Sommige internetactiviteiten, zoals het gebruik van online RPG's, waren sterker geassocieerd met PIU bij deelnemers van middelbare leeftijd in vergelijking met andere leeftijdsgroepen (β: 0.71). Hetzelfde gold voor online gokken (β: 0.78), instant messaging (β: 0.11) en online sociale netwerken (β: 1.3). Het gebruik van veilingwebsites was ook sterker geassocieerd met PIU bij deelnemers van middelbare leeftijd (β: 0.99), maar ook voorspellend bij de oudere deelnemers (β: 0.23). Het streamen van online media en het gebruik van tijdverspillers waren geassocieerd met PIU bij de oudere deelnemers (respectievelijk β: 1.2, 0.45), maar niet in een andere leeftijdsgroep.
3.3
Klinische en gedragskenmerken
Symptomen van attention-deficit hyperactivity disorder (ADHD) (β: 1.7), gegeneraliseerde angststoornis (GAD) (β: 0.23) en obsessief-compulsieve stoornis (OCD) (β: 0.27) waren geassocieerd met hogere PIU-scores. In leeftijd-subgroepanalyse werden ADHD en SAD geassocieerd met hogere PIU-scores in jongere deelnemers (β: 0.35 en 0.56 respectievelijk), terwijl ADHD significant bleef in de subgroep van middelbare leeftijd (β: 3.1). GAD en OCD waren geassocieerd met hogere PIU-scores in de subgroep van oudere deelnemers (β: 6.4 en 4.3 respectievelijk), maar niet in de andere leeftijdsgroepen. BIS-scores (impulsieve persoonlijkheid) en PADUA-scores (obsessief-compulsieve tendensen) werden geassocieerd met hogere PIU-scores in de volledige gegevens (β: 0.066 en 0.074 respectievelijk) en in alle leeftijdssubgroepenanalyses.
4
Discussie
Deze paper is de eerste poging om de verschillende soorten internetactiviteiten die gepaard gaan met slecht adaptief gebruik van internet, namelijk met problematisch internetgebruik, uitgebreid te verkennen. In het vorige werk is over het algemeen de kwestie van specifieke internetactiviteiten die tot problematisch gebruik leiden, aangepakt door zich te concentreren op geïsoleerde internetactiviteiten (
; ; ; ; ). We hebben hier laten zien dat een reeks internetactiviteiten, waaronder algemeen surfen, internetgamen, online winkelen, gebruik van veilingsites, online gokken, sociale netwerken en het gebruik van online pornografie, afzonderlijk en uniek bijdragen aan PIU, en bewijzen dat PIU een complex geheel is fenomeen dat verschillende problematische gedragingen omvat. Verder hebben we aangetoond dat deze gedragingen hun statistisch significante associaties met PIU behouden, zelfs wanneer psychiatrische symptomen waarvan bekend is dat ze geassocieerd zijn met PIU (dwz symptomen van ADHD, GAD en OCD) (;) en gedragsdimensies waarvan bekend is dat ze voorspellend zijn voor PIU (dwz persoonlijkheidsmetingen van impulsiviteit en compulsiviteit) (;;;
) wordt rekening mee gehouden. We hebben verder aangetoond dat specifieke internetactiviteiten zoals RPG, online gokken, gebruik van veilingsites en streaming media worden geassocieerd met hogere PIU-scores en dat deze relatie wordt beïnvloed door de leeftijd. Ten slotte laten onze gegevens zien dat andere vormen van online gedrag (bijvoorbeeld winkelen, pornografie, algemeen surfen) een sterkere relatie hebben met onaangepast gebruik van internet dan gamen en het is mogelijk dat dit verband houdt met het feit dat eerdere studies niet zo'n breed scala aan internetgerelateerde activiteiten. Deze resultaten hebben significante implicaties voor de conceptualisering van PIU als een klinisch betekenisvolle stoornis, omdat ze de aandacht wegtrekken van de eendimensionale en relatief smalle constructie van 'internetgaming-stoornis', naar een multidimensionale entiteit van problematisch internetgebruik of internetverslaving met meerdere facetten van menselijk online gedrag.
Bovendien hebben we met behulp van out-of-sample kruisvalidatie aangetoond dat de 'niet-standaard' benadering van het gebruik van Lasso-regressie nauwkeuriger is in het voorspellen van PIU-scores in vergelijking met de 'meer standaard "lineaire regressie. Het gebruik van out-of-sample schatting van de voorspellende waarde van een model helpt vaak bij het aanpakken van het fenomeen waardoor significanties in replicatie-onderzoeken vervallen. De keuze voor Lasso-regressie komt echter met de waarschuwing dat variabelen die niet door het model worden geselecteerd (met nulcoëfficiënten) nog steeds voorspellend kunnen zijn, vooral als er hoge correlaties zijn tussen geselecteerde en niet-geselecteerde variabelen. In onze dataset hadden we geen sterk gecorreleerde variabelen, maar deze beperking houdt niettemin in dat we eventuele negatieve resultaten voorzichtig zouden moeten behandelen. Bijvoorbeeld, het gebrek aan associatie tussen geslacht en PIU evenals het gebrek aan associatie tussen geslachts × internetactiviteiten met PIU ondersteunt aantoonbaar de hypothese dat als een breder scala van PIU-gedrag en potentiële confounders in aanmerking worden genomen, beide geslachten even kwetsbaar zijn ontwikkelende facetten van PIU (
; ). Vanwege de beperkingen van onze analyse kunnen we echter niet uitsluiten dat er andere verbanden tussen PIU en geslacht bestaan. Er is bijvoorbeeld gesuggereerd dat gender de relatie tussen online winkelen en PIU modereert en dat vrouwen meer risico lopen (). Van belang kan zijn dat dwangmatige koopstoornis, een aandoening die prominent aanwezig is in groepen van middelbare leeftijd, een vrouwelijke overheersing heeft door de 5: 1-ratio (), en mogelijk dergelijke bevindingen veroorzaakt. We hadden geen gegevens over deze aandoening om deze hypothese te testen. Het is ook belangrijk op te merken dat het hier gebruikte IAT-instrument kritiek heeft gekregen op het gebrek aan robuustheid met betrekking tot de factorstructuur, verschillen met de huidige DSM-5-operationalisering (gokverslaving) en achterblijvend bij de technologische vooruitgang van internettoepassingen (;
). Toekomstig PIU-onderzoek zou goed gediend zijn met methodologisch robuuste, gevalideerde instrumenten, die ook in staat zouden zijn om het snel evoluerende karakter van PIU te vangen vanuit een technologisch en gedragsmatig perspectief.
Onze leeftijds-subgroepanalyse gaf inzicht in de leeftijdsgebonden associaties tussen PIU en verschillende internetactiviteiten. De algemene opvatting dat PIU een jeugdstoornis is, is niet noodzakelijkerwijs correct en kan gebaseerd zijn op het ontbreken van adequaat ontworpen onderzoeken die online gedrag in alle leeftijdsgroepen vastleggen. Onvoldoende kennis van de natuurlijke geschiedenis van PIU gedurende de levensduur maakt een uitgebreide verkenning van kwetsbaarheden in de oudere populaties niet mogelijk in termen van risico om PIU te ontwikkelen. Onze resultaten geven echter aan dat deze kwetsbaarheden bestaan en verder onderzoek is nodig om de kenmerken van de risicopopulaties in kaart te brengen. Het hebben van ADHD of sociale angstsymptomen kan bijvoorbeeld een voorspeller zijn voor PIU bij jonge populaties, terwijl het hebben van OCD- of GAD-symptomen mogelijk een voorspeller is voor PIU bij oudere populaties. Het feit dat OCD in een recente meta-analyse niet werd geassocieerd met PIU (
) kan een indicator zijn dat oudere bevolkingsgroepen te laag zijn beoordeeld. Het feit dat ADHD sterk geassocieerd was met hoge PIU-scores is niet verrassend, aangezien andere studies een zeer hoge prevalentie van ADHD (tot 100%) in PIU-populaties () hebben gerapporteerd. Tegelijkertijd kunnen specifieke populaties van middelbare leeftijd (tussen 26 en 55) meer risico lopen op PIU, als ze ook lijden aan een compulsieve koopstoornis of gokziekte, gezien de natuurlijke geschiedenis van die stoornissen, die hun hoogtepunt bereiken op middelbare leeftijd (
).
Bovendien impliceren de bevindingen dat een bepaalde online activiteit alleen in specifieke leeftijdsgroepen geassocieerd was met PIU, dat bepaalde leeftijdsgroepen het risico kunnen lopen aspecten van PIU te ontwikkelen. Hoewel jonge mensen mogelijk meer risico lopen om PIU te ontwikkelen met een neiging om pornografie te bekijken, een kwetsbaarheid die op middelbare leeftijd minder sterk kan zijn en later in het leven afneemt, kunnen oudere personen gevoeliger zijn voor het ontwikkelen van PIU gekenmerkt door problematisch gebruik van tijd verspillers en streaming media (zie verkennend Fig 4 ). Ten slotte kan algemeen surfen een onderschat facet van PIU zijn, dat sterker lijkt te worden geassocieerd met hogere PIU-scores bij jonge mensen, maar belangrijk in alle leeftijdsgroepen; deze bevinding kan te maken hebben met het feit dat het vroege volwassen leven minder doelgericht kan zijn en dat de jongeren meer tijd doorbrengen tijdens ongestructureerde activiteiten in online omgevingen vergeleken met andere oudere leeftijdsgroepen.
Onze resultaten hebben ook gevolgen voor de volksgezondheid met betrekking tot de regulering van online-inhoud en gerichte interventies. Als bepaalde activiteiten sterker verband houden met de ontwikkeling van problematisch gebruik dan andere, rijst de vraag of het volksgezondheidsbeleid zich moet richten op groepen kwetsbare individuen om hun weerbaarheid tegen het risico op PIU te verbeteren, of dat meer universele interventies gericht zijn op specifieke facetten. van internetgedrag, moet worden overwogen om de online-omgevingen minder verslavend te maken. Zo kunnen onlineplatforms in sommige gevallen specifieke architecturen gebruiken die profiteren van de kwetsbaarheden van gebruikers (dwz impulsieve of dwangmatige eigenschappen) en die erop gericht zijn de verblijfsduur van gebruikers in de onlineomgeving te maximaliseren. Hoewel dit vanuit marketingperspectief logisch is, geeft het wel aanleiding tot bezorgdheid over de vraag of deze omgevingen ook een gezondheidswaarschuwing aan de gebruiker moeten geven.
4.1
Beperkingen
Dit was een cross-sectioneel online onderzoek, daarom kunnen er geen oorzakelijke verbanden worden gelegd. Bovendien, vanwege de rekruteringsmethodologie en de mogelijke neiging voor mensen met PIU om meer geneigd te zijn om een online enquête in te vullen, kunnen de huidige bevindingen mogelijk niet generaliseren naar PIU in de algemene achtergrondpopulatie in het algemeen. Een andere beperking van onze studie is het gebrek aan klinische gegevens voor sommige diagnostische entiteiten die verband houden met PIU, bijvoorbeeld depressie of drugsmisbruik. Daarom is het mogelijk dat depressie of middelenmisbruik de verklaring zouden kunnen zijn voor enkele van de associaties die in ons onderzoek zijn waargenomen. Toekomstige studies zouden een breder scala aan klinische parameters moeten omvatten om te onderzoeken of deze de waargenomen associaties tussen PIU en internetactiviteiten verklaren. Er zijn nog meer beperkingen met betrekking tot onze klinische gegevens die voortvloeien uit het gebruik van de MINI; dit wordt gevalideerd om te worden afgeleverd door een getraind persoon in een persoonlijk interview, terwijl het in onze studie werd afgeleverd via een online tool. Onze klinische gegevens zijn echter in overeenstemming met eerdere onderzoeken in PIU. Bovendien was een ander nadeel van onze gegevensverzameling dat we internetactiviteit hebben beoordeeld met behulp van de tijd die aan de activiteit is besteed als een proxy-maat voor PIU van die activiteit. Hoewel dit overmatig en dus problematisch gebruik kan opvangen, kan het mogelijk ook essentieel gebruik omvatten. Hoewel de in dit onderzoek beoordeelde activiteiten vaak standaard niet-essentieel waren vanwege hun aard (bijv. Tijdverspillers), of wanneer ze in ernstige mate worden uitgevoerd (bijv.> 8 uur / dag winkelen, gokken of pornografie), kunnen toekomstige onderzoeken maatregelen omvatten die essentieel van niet-essentieel internetgebruik voor elke internetactiviteit kunnen onderscheiden, om dergelijke analyses mogelijk te maken. Een andere beperking van ons onderzoek is het gebrek aan gegevens voor kinderen en adolescenten. Kinderen en adolescenten kunnen op een andere manier met internet omgaan, maar worden ook blootgesteld aan online gebruik tijdens een ander neurologisch ontwikkelingsvenster. Daarom kunnen dergelijke verschillen verschillende kwetsbaarheden of veerkracht impliceren in termen van risico om PIU te ontwikkelen. Een vroege, lage blootstelling aan de onlineomgeving kan bijvoorbeeld een 'stressinoculatie'-effect hebben (
) dat individuen steelt van toekomstige ontwikkeling van PIU. Als dat het geval is, kan dit verder verklaren waarom oudere populaties die pas op volwassen leeftijd voor het eerst in aanraking zijn gekomen met online-omgevingen, kwetsbaarder kunnen zijn. Toekomstige studies kunnen die leeftijdsgroepen van kinderen en adolescenten omvatten en prospectief onderzoeken of specifieke internetactiviteiten voorspellend zijn voor PIU. Helaas was het aantal deelnemers dat melding maakte van transgender geslacht klein (n = 18), waardoor een zinvolle analyse van het effect van transgender geslacht niet mogelijk was. Een laatste beperking van onze studie is dat onze studiepopulatie bestaat uit gezonde volwassenen die slechts bij <1% lijden aan significant PIU-gedrag (IAT> 80). Toekomstige studies zouden baat hebben bij een specifieke focus op het hogere uiteinde van het PIU-spectrum om die ernstige PIU-populaties te kunnen vergelijken met een controlegroep van lage tot matige of niet-PIU-individuen. Hoewel de geschatte puntprevalentie van PIU in onze steekproef ~ 8.5, 50% was (met behulp van IAT ≥ XNUMX cut-off), blijven de drempels voor klinische caseness voor PIU omstreden en zou toekomstig onderzoek baat hebben bij een universeel aanvaarde maat en definitie van PIU.
4.2
Conclusie
Samenvattend benadrukt DSM-5 de internetgamingstoornis als een kandidaat-stoornis, maar andere vormen van online gedrag (bijv. Winkelen, pornografie, algemeen surfen) hebben een sterkere relatie met slecht adaptief gebruik van internet dan gamen. Psychiatrische diagnoses en internetactiviteiten in verband met Problematisch internetgebruik variëren met de leeftijd, een bevinding die gevolgen heeft voor de volksgezondheid. Deze resultaten dragen bij aan de beperkte kennis over internetactiviteiten die samenhangen met problematisch internetgebruik en kunnen bijdragen aan de diagnostische classificatie van problematisch internetgebruik als een veelzijdige aandoening.
De rol van financieringsbronnen
Dit onderzoek ontving interne departementale fondsen van de afdeling Psychiatrie van de Universiteit van Chicago. De onderzoeksactiviteiten van Dr. Ioannidis worden ondersteund door Health Education East of England Higher Training Special interest sessions. Auteurs ontvingen geen financiering voor de voorbereiding van dit manuscript. De financieringsbron speelde geen rol bij het ontwerp, de data-analyse of het schrijven van het onderzoek.
medewerkers
KI ontwierp het idee voor het manuscript, analyseerde de gegevens, schreef het grootste deel van het manuscript en aanvullend materiaal en coördineerde de bijdragen van de co-auteurs. MT en FK hebben deelgenomen aan het ontwerp en de herziening van de statistische analyse. SRC, SR, DJS, CL en JEG hebben het onderzoek ontworpen en gecoördineerd en de gegevens verzameld en beheerd. Alle auteurs lazen en keurden het definitieve manuscript goed en droegen bij aan het opstellen en herzien van de paper en aan de interpretatie van de resultaten.
Belangenverstrengeling
Dr. Grant heeft onderzoeksbeurzen ontvangen van NIDA (RC1DA028279-01), het National Center for Responsible Gaming en Roche and Forest Pharmaceuticals. Dr. Grant ontvangt een vergoeding van Springer als de hoofdredacteur van het Journal of Gambling Studies en heeft royalty's ontvangen van McGraw Hill, Oxford University Press, Norton en de APPI. Dr. Chamberlain consulteert voor Cambridge Cognition en zijn betrokkenheid bij dit onderzoek werd ondersteund door een Intermediate Clinical Fellowship van de Wellcome Trust (VK; 110049 / Z / 15 / Z). Dan Stein en Christine Lochner worden gefinancierd door de Medical Research Council van Zuid-Afrika. De andere auteurs rapporteren geen financiële relaties met commercieel belang. Geen van de bovengenoemde bronnen speelde een rol bij het ontwerp, de verzameling, analyse of interpretatie van de gegevens, het schrijven van het manuscript of de beslissing om het document ter publicatie in te dienen.
Erkenning
We zijn de vrijwilligers van beide sites die hebben deelgenomen aan de studie dank verschuldigd.
Appendix A
aanvullende gegevens
Aanvullend materiaal
Referenties
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P. en Haffen E .: Massaal multiplayer online role-playing games: Vergelijking van kenmerken van verslaafde versus niet-verslaafde online gerekruteerde gamers in een Franse volwassen bevolking. BMC Psychiatry 2011; 11: pp. 144
Bekijk in artikel - American Psychiatric Association, 2013. American Psychiatric Association: diagnostisch en statistisch handboek voor psychische stoornissen: DSM-5. Washington, DC: American Psychiatric Association, 2013.
Bekijk in artikel - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS, en Pallesen S .: Ontwikkeling van een Facebook-verslavingsschaal. Psychologische rapporten 2012; 110: pp. 501-517
Bekijk in artikel | Kruis Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. en Oren A. Internetverslaving bij Noorse volwassenen: een gestratificeerde kanssteekproefstudie. Scandinavian Journal of Psychology 2009; 50: pp. 121-127
Bekijk in artikel | Kruis Ref - Zwart, 2007. Black DW: een overzicht van compulsieve koopstoornis. World Psychiatry: Official Journal of the World Psychiatric Association (WPA) 2007; 6: pp. 14-18
Bekijk in artikel - Blokkeren, 2008. Block JJ: Issues for DSM-V: internetverslaving. American Journal of Psychiatry 2008; 165: pp. 306-307
Bekijk in artikel | Kruis Ref - Brand et al., 2011. Merk M., Laier C., Pawlikowski M., Schächtle U., Schöler T. en Altstötter-Gleich C .: Kijken naar pornografische afbeeldingen op internet: De rol van seksuele opwindingswaarderingen en psychologisch-psychiatrische symptomen voor het buitensporig gebruik van internetsseksites . Cyberpsychologie, Gedrag en sociaal netwerken 2011; 14: pp. 371-377
Bekijk in artikel | Kruis Ref - Breiman, 2001. Breiman L .: Statistische modellen: de twee culturen. Statistische wetenschap 2001; 16: pp. 199-215
Bekijk in artikel - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R. en Markuszewski MJ: PLS-gebaseerde en regularisatie-gebaseerde methoden voor de selectie van relevante variabelen in niet-gerichte metabolomics-gegevens. Grenzen in Molecular Biosciences 2016; 3: pp. 1-10
Bekijk in artikel - Burns et al., 1996. Burns GL, Keortge SG, Formea GM en Sternberger LG: Revision of the Padua Inventory of obsessive compulsive disorder symptoms: Distinctions between worry, obsessions and compulsions. Gedrag Onderzoek en therapie 1996; 34: pp. 163-173
Bekijk in artikel | Kruis Ref - Cao et al., 2007. Cao F., Su L., Liu T. en Gao X .: de relatie tussen impulsiviteit en internetverslaving in een steekproef van Chinese adolescenten. Europese psychiatrie 2007; 22: pp. 466-471
Bekijk in artikel | Kruis Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. en Kaess M .: De associatie tussen pathologisch internetgebruik en comorbide psychopathologie: een systematische review. Psychopathologie 2013; 46: pp. 1-13
Bekijk in artikel | Kruis Ref - Claes et al., 2016. Claes L., Müller A., en Luyckx K. .: Dwangmatig kopen en hamsteren als identiteitssubstituten: de rol van materialistische waardebekrachtiging en depressie. Comprehensive Psychiatry 2016; 68: pp. 65-71
Bekijk in artikel | Kruis Ref - Cole en Hooley, 2013. Cole SH en Hooley JM: klinische en persoonlijkheidsgerelateerde correlaties van MMO-gaming: angst en absorptie bij problematisch internetgebruik. Social Science Computer Review 2013; 31: pp. 424-436
Bekijk in artikel | Kruis Ref - Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR en Cloninger CR: Prevalentie en voorspellers van pathologisch gokken: resultaten van de St. Louis persoonlijkheid, gezondheid en levensstijl (SLPHL) studie. Journal of Psychiatric Research 2005; 39: pp. 377-390
Bekijk in artikel | Kruis Ref - von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP en Initiative S .: De verklaring voor het melden van observationele studies in epidemiologie (STROBE): richtlijnen voor het rapporteren van observationele studies. Journal of Clinical Epidemiology 2008; 61: pp. 344-349
Bekijk in artikel | Kruis Ref - Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M., en Martín V .: Problematisch internetgebruik bij universiteitsstudenten: geassocieerde factoren en verschillen in geslacht . Adicciones 2015; 27: pp. 265-275
Bekijk in artikel | Kruis Ref - Friedman et al., 2010. Friedman J., Hastie T. en Tibshirani R .: Regularisatiepaden voor gegeneraliseerde lineaire modellen via gecoördineerde afdaling. Journal of Statistical Software 2010; 33: pp. 1-22
Bekijk in artikel - Griffiths, 2003. Griffiths M .: Internetgokken: problemen, zorgen en aanbevelingen. Cyberpsychologie en gedrag: de impact van internet, multimedia en virtuele realiteit op gedrag en samenleving 2003; 6: blz. 557-568
Bekijk in artikel | Kruis Ref - Ha en Hwang, 2014. Ha Y.-M., en Hwang WJ: Geslachtsverschillen in internetverslaving geassocieerd met psychologische gezondheidsindicatoren bij adolescenten met behulp van een Nationale web-gebaseerde enquête. International Journal of Mental Health and Addiction 2014; 12: pp. 660-669
Bekijk in artikel | Kruis Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y. en Mak K.-K .: De associatie tussen internetverslaving en psychiatrische co-morbiditeit: een meta-analyse. BMC Psychiatry 2014; 14: pp. 183
Bekijk in artikel - Hoerl en Kennard, 1970. Hoerl AE, en Kennard RW: Ridge-regressie: vooringenomen schatting voor niet-orthogonale problemen. Technometrics 1970; 12: pp. 55-67
Bekijk in artikel - Huys et al., 2016. Huys QJM, Maia TV en Frank MJ: Computationele psychiatrie als een brug van neurowetenschappen naar klinische toepassingen. Nature Neuroscience 2016; 19: pp. 404-413
Bekijk in artikel | Kruis Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J. en Yoshida T .: Geen mobiel, geen leven: zelfperceptie en afhankelijkheid van tekstberichten tussen Japanse middelbare scholieren.
Bekijk in artikel - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. en Grant JE: Problematisch internetgebruik (PIU): associaties met het impulsief-compulsieve spectrum. Journal of Psych: Een toepassing van machine learning in de psychiatrie, 2016.
Bekijk in artikel - Janower, 2006. Janower CR: gokken op internet. Journal of Computer-Mediated Communication 2006; 2: pp. 0
Bekijk in artikel | Kruis Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E., en Walters EE: The World Health Organisation volwassen ADHD self-report scale (ASRS): een korte screening schaal voor gebruik in het algemeen bevolking. Psychological Medicine 2005; 35: pp. 245-256
Bekijk in artikel | Kruis Ref - Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. en Zaslavsky AM: testen van een algoritme voor computerleren om de persistentie en ernst van depressieve stoornissen te voorspellen uit baseline zelf-rapporten. Molecular Psychiatry 2016; 21: pp. 1366-1371
Bekijk in artikel | Kruis Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M. en Rothen S .: Factorstructuur van de internetverslavingstest bij online gamers en pokerspelers. JMIR geestelijke gezondheid 2015; 2:
Bekijk in artikel - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C., en Gao J .: Integratieve benadering voor de inferentie van genregulerende netwerken met behulp van op lasso gebaseerde willekeurige kenmerken van en toepassing op psychiatrische stoornissen. BMC Medical Genomics 2016; 9: pp. 50
Bekijk in artikel - King, 1999. King SA: internetgokken en pornografie: illustratieve voorbeelden van de psychologische gevolgen van communicatie-anarchie. Cyberpsychology & Behaviour 1999; 2: blz. 175-193
Bekijk in artikel - King en Barak, 1999. King SA en Barak A .: Dwangmatig gokken op internet. Cyberpsychology & Behaviour 1999; 2: blz. 441-456
Bekijk in artikel | Kruis Ref - Király et al., 2015. Király O., Griffiths MD en Demetrovics Z .: internetgaming-stoornis en de DSM-5: conceptualisering, debatten en controverses. Huidige verslavingsrapporten 2015; 2: pp. 254-262
Bekijk in artikel - Király et al., 2014. Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z. en Demetrovics Z .: Problematisch internetgebruik en problematisch online gamen zijn niet hetzelfde: bevindingen van een groot nationaal representatief adolescentensample. Cyberpsychologie, Gedrag en sociaal netwerken 2014; 17: pp. 749-754
Bekijk in artikel - Kittinger et al., 2012. Kittinger R., Correia CJ en Irons JG: relatie tussen het gebruik van Facebook en problematisch internetgebruik onder studenten. Cyberpsychologie, Gedrag en sociaal netwerken 2012; 15: pp. 324-327
Bekijk in artikel | Kruis Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S., en Chen C.-C .: De associatie tussen internetverslaving en psychiatrische stoornissen: een overzicht van de literatuur . Europese psychiatrie 2012; 27: pp. 1-8
Bekijk in artikel - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C., en Yang M.-J .: Factoren die voorspellend zijn voor de incidentie en remissie van internetverslaving bij jonge adolescenten: A prospectieve studie. Cyberpsychologie en gedrag: de impact van internet, multimedia en virtuele realiteit op gedrag en samenleving 2007; 10: blz. 545-551
Bekijk in artikel | Kruis Ref - Kuss en Griffiths, 2011. Kuss DJ, en Griffiths MD: Online sociale netwerken en verslaving - Een overzicht van de psychologische literatuur. International Journal of Environmental Research and Public Health 2011; 8: pp. 3528-3552
Bekijk in artikel | Kruis Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD en Binder JF: internetverslaving bij studenten: Prevalentie en risicofactoren. Computers in menselijk gedrag 2013; 29: pp. 959-966
Bekijk in artikel | Kruis Ref - Kuss en Lopez-Fernandez, 2016. Kuss DJ, en Lopez-Fernandez O .: internetverslaving en problematisch internetgebruik: een systematische review van klinisch onderzoek. World Journal of Psychiatry 2016; 6: pp. 143-176
Bekijk in artikel | Kruis Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF en Chabrol H .: problematisch internetgebruik, online bestede tijd en persoonlijkheidskenmerken. L'Encéphale 2016; 42: blz. 214-218
Bekijk in artikel | Kruis Ref - Laconi et al., 2014. Laconi S., Rodgers RF en Chabrol H .: De meting van internetverslaving: een kritische beoordeling van bestaande schalen en hun psychometrische eigenschappen. Computers in menselijk gedrag 2014; 41: pp. 190-202
Bekijk in artikel | Kruis Ref - Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP en Brand M .: Cybersex-verslaving: ervaren seksuele opwinding bij het kijken naar pornografie en geen echte seksuele contacten maakt het verschil. Journal of Behavioral Verslavingen 2013; 2: pp. 100-107
Bekijk in artikel | Kruis Ref - Lecardeur, 2013. Lecardeur L .: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: pp. 579-586
Bekijk in artikel | Kruis Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A. en Bian Y .: Geslachtsverschillen in de relatie tussen internetverslaving en depressie: een cross-lagged studie bij Chinese adolescenten. Computers in menselijk gedrag 2016; 63: pp. 463-470
Bekijk in artikel | Kruis Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O .: Hoe is het internetverslavingsonderzoek geëvolueerd sinds de opkomst van internetgaming? Een overzicht van cyberaddictions vanuit een psychologisch perspectief. Huidige verslavingsrapporten 2015; 2: pp. 263-271
Bekijk in artikel | Kruis Ref - Masten en Tellegen, 2012. Masten AS, en Tellegen A .: Veerkracht in ontwikkelingspsychopathologie: bijdragen van de projectcompetentie longitudinale studie. Ontwikkeling en psychopathologie 2012; 24: pp. 345-361
Bekijk in artikel | Kruis Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A. en de Zwaan M. .: Geschatte prevalentie van dwangmatig kopen in Duitsland en de associatie met sociaal-demografische kenmerken en depressieve symptomen. Psychiatrie Onderzoek 2010; 180: pp. 137-142
Bekijk in artikel | Kruis Ref - Patton et al., 1995. Patton JH, Stanford MS en Barratt ES: Factorstructuur van de Barratt-impulsiviteitsschaal. Journal of Clinical Psychology 1995; 51: pp. 768-774
Bekijk in artikel | Recupero, 2008. Recupero PR: forensische evaluatie van problematisch internetgebruik. The Journal of the American Academy of Psychiatry and the Law 2008; 36: pp. 505-514
Bekijk in artikel - Rose en Dhandayudham, 2014. Rose S. en Dhandayudham A .: Op weg naar een goed begrip van probleemgedrag op internet: het concept van online shoppingverslaving en de voorgestelde voorspellers. Journal of Behavioral Verslavingen 2014; 3: pp. 83-89
Bekijk in artikel | Kruis Ref - Rutland et al., 2007. Rutland JB, Sheets T. en Young T .: Ontwikkeling van een schaal om probleemgebruik van korte-berichtenservice te meten: de diagnostische vragenlijst voor SMS-probleemgebruik. Cyberpsychology & Behaviour 2007; 10: blz. 841-844
Bekijk in artikel | Kruis Ref - Rutter, 1993. Rutter M .: Veerkracht: enkele conceptuele overwegingen. The Journal of Adolescent Health: Official Publication of the Society for Adolescent Medicine 1993; 14: pp. 626-631
Bekijk in artikel | Kruis Ref - Shaw en Black, 2008. Shaw M. en Black DW: internetverslaving: definitie, beoordeling, epidemiologie en klinisch management. CNS Drugs 2008; 22: pp. 353-365
Bekijk in artikel | Kruis Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E. en Dunbar GC: The Mini-International Neuropsychiatric Interview (MINI): De ontwikkeling en validatie van een gestructureerd diagnostisch psychiatrisch interview voor DSM-IV en ICD-10. The Journal of Clinical Psychiatry 1998; 59:
Bekijk in artikel - Tam en Walter, 2013. Tam P., en Walter G .: Problematisch internetgebruik in de kindertijd en jeugd: Evolutie van een 21ST eeuw ellende. Australasian Psychiatry 2013; undefined:
Bekijk in artikel - Tibshirani, 1996. Tibshirani R .: Regressiekrimp en selectie via de lasso. Journal of the Royal Statistical Society, Series B 1996; 58: pp. 267-288
Bekijk in artikel - Tikhonov, 1963. Tikhonov AN: Oplossing van verkeerd geformuleerde problemen en de regularisatiemethode. Sovjet-wiskunde Doklady 1963; 5: pp. 1035-1038
Bekijk in artikel - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A., en Brand M .: Pathologisch online kopen als een specifieke vorm van internetverslaving: een op modellen gebaseerd experimenteel onderzoek. PLoS One 2015; 10:
Bekijk in artikel - Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC en Yang YK: de risicofactoren van internetverslaving? Een overzicht van universitaire eerstejaarsstudenten. Psychiatrie Onderzoek 2009; 167: pp. 294-299
Bekijk in artikel | Kruis Ref - Wallace, 2014. Wallace P .: Internetverslavingsstoornis en jeugd: er zijn groeiende zorgen over dwangmatige online activiteiten en dat dit de prestaties en het sociale leven van studenten zou kunnen belemmeren. EMBO-rapporten 2014; 15: blz.12-16
Bekijk in artikel | Kruis Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W., en Hong Z .: online activiteiten, prevalentie van internetverslaving en risicofactoren gerelateerd aan familie en school bij adolescenten in China. Verslavend gedrag Rapporteert 2018; 7: pp. 14-18
Bekijk in artikel | Kruis Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M. en Kozak K.: Internetafhankelijkheid in de collegiale bevolking: de rol van verlegenheid. Cyberpsychology & Behaviour 2004; 7: blz. 379-383
Bekijk in artikel | Kruis Ref - Young, 1998. Young KS: internetverslaving: de opkomst van een nieuwe klinische aandoening. CyberPsychology & Behaviour 1998; 1: blz. 237-244
Bekijk in artikel | Kruis Ref
;
