Poprzednie badania dowiodły związku między zaburzeniami gry w Internecie (IGD) a depresją, ale kierunkowość związku pozostaje niejasna. Dlatego w badaniu podłużnym badaliśmy wzajemny związek między poziomem objawów depresyjnych a IGD wśród dzieci.
Metody
Panele badawcze do tego badania składały się z 366 uczniów szkół podstawowych w badaniu iCURE. Wszyscy uczestnicy byli aktualnymi użytkownikami Internetu, więc można ich uznać za populację zagrożoną IGD. Zgłaszane przez samych siebie nasilenie cech IGD i poziom depresji oceniono odpowiednio za pomocą ekranu objawów wywołanych przez gry internetowe i inwentarza depresji dziecięcej. Ocena kontrolna została zakończona po 12 miesiącach. Dopasowaliśmy krzyżowo opóźnione modele równań strukturalnych, aby zbadać związek między dwiema zmiennymi w dwóch punktach czasowych jednocześnie.
Analiza opóźniona wykazała, że poziom depresji na początku istotnie prognozował nasilenie cech IGD w 12-miesięcznym okresie obserwacji (β = 0.15, p = 003). Nasilenie cech IGD na wizycie początkowej również istotnie wskazywało na poziom depresji po 12 miesiącach obserwacji (β = 0.11, p = 018), kontrolując możliwe czynniki zakłócające.
Analiza ścieżki opóźnionej wskazuje na wzajemny związek między nasileniem cech IGD a poziomem objawów depresyjnych. Zrozumienie wzajemnego związku między objawami depresyjnymi a nasileniem cech IGD może pomóc w interwencjach zapobiegających obu stanom. Odkrycia te zapewniają teoretyczne wsparcie dla planów zapobiegania i leczenia IGD i objawów depresyjnych u dzieci.
Wprowadzenie
Dzieci rozwijają się w dobie technologii cyfrowej i od najmłodszych lat zapoznają się z komputerami, urządzeniami mobilnymi i Internetem. Zaburzenia związane z grami stają się głównym problemem zdrowia psychicznego dzieci i młodzieży na całym świecie (Ioannidis i in., 2018), chociaż toczy się dyskusja, czy gra jest korzystna, czy szkodliwa dla dzieci i młodzieży.
Połowa wszystkich chorób psychicznych rozpoczyna się w wieku 14 lat, a problemy z regulacją nastroju czasami zaczynają się w wieku około 11 lat, przed okresem dojrzewania (Forbes i Dahl, 2010; Guo i in., 2012). Problemy ze zdrowiem psychicznym stanowią największą przyczynę chorób wśród młodych ludzi. Wcześniejsze badania wykazały powiązania między uzależnieniem od Internetu a objawami psychiatrycznymi, takimi jak depresja, lęk i samotność wśród nastolatków. Wśród kategorii objawów psychiatrycznych objawy depresyjne wykazują najsilniejszy wpływ na rozwój uzależnienia od Internetu u dzieci i młodzieży (Erceg, Flandria i Brezinšćak, 2018; Niall McCrae, Gettings i Purssell, 2017; Piko, Milin, O'Connor i Sawyer, 2011).
Zaburzenie gier internetowych (IGD) i depresja wchodzą ze sobą w interakcje i dzielą mechanizmy neuronowe (Choi i in., 2017; Liu i in., 2018). Podobne regiony mózgu wykazują nieprawidłowe funkcjonowanie zarówno w depresji, jak i IGD. Ciało migdałowate, kora przedczołowa, zakręt i połączenie między płatem czołowo-ciemieniowym a ciałem migdałowatym wydają się podobnie zaburzone u osób z problemami z grami i u osób z depresją.
Systematyczny przegląd wykazał, że osoby z objawami depresyjnymi są prawie trzy razy bardziej narażone na uzależnienie od Internetu niż osoby bez objawów depresyjnych (Carli i in., 2013). Jednak 19 z 20 badań w przeglądzie było badaniami przekrojowymi, w których nie można było określić kierunkowości związków między depresją a uzależnieniem od Internetu. Niemniej jednak 75% badań wykazało istotne korelacje między problematycznym korzystaniem z Internetu a depresją.
Ograniczona liczba badań podłużnych oceniała związki między IGD a wynikami zdrowia psychicznego wśród młodych ludzi. Prospektywne badanie kohortowe w Chinach wykazało, że studenci college'u, którzy początkowo nie mieli problemów ze zdrowiem psychicznym na początku badania, oceniani na podstawie samoopisowej skali depresji, byli 2.5 razy bardziej narażeni na rozwój depresji w 9-miesięcznej obserwacji, jeśli wykazywali problematyczne korzystanie z Internetu na początku badania (Lam, Peng, Mai i Jing, 2009). W dwuletnim badaniu podłużnym dzieci i młodzieży Gentile i in. (2011) odkryli, że problematyczne gry statystycznie przewidywały przyszłe wyższe poziomy depresji, fobii społecznej i lęku, mierzone na podstawie samooceny stanu zdrowia psychicznego (Gentile i in., 2011). Wyższe poziomy depresji były związane z wyższymi zachowaniami uzależniającymi od Internetu (Stavropoulos i Adams, 2017).
Chociaż wcześniejsze badania mogą pomóc zidentyfikować czynniki związane z porządkiem czasowym relacji między depresją a IGD, nadal nie jest jasne, czy IGD jest związana z rozwojem depresji, czy też zachodzi również odwrotna zależność. Dlatego zbadaliśmy stabilność i relacje między objawami depresyjnymi a IGD w czasie, aby lepiej zrozumieć, w jaki sposób te dwie zmienne wpływają na siebie w czasie, stosując model ścieżki z opóźnieniem krzyżowym. Oceniliśmy wzajemny związek między objawami depresyjnymi a nasileniem cech IGD u dzieci przed okresem dojrzewania, aby zmniejszyć wpływ zmian nastroju w okresie dojrzewania.
Metody
Badana populacja pochodziła z badania iCURE, które zostało szczegółowo opisane w innym miejscu (Jeong i in., 2017). W skrócie, badanie iCURE jest trwającym szkolnym badaniem podłużnym mającym na celu zbadanie historii naturalnej IGD wśród uczniów szkół podstawowych w klasach 3 i 4 oraz uczniów gimnazjów w klasie 7 w Korei. Wszyscy uczestnicy zgłosili, że są aktualnymi użytkownikami Internetu, więc zostali uznani za populację zagrożoną IGD. Pierwsza ocena uzupełniająca została zakończona 12 miesięcy po ocenie wyjściowej. Aby zmniejszyć możliwy wpływ zmian nastroju w okresie dojrzewania na wyniki badania, panele badawcze do tego badania składały się wyłącznie z uczniów klas 3 i 4, którzy brali udział w badaniu iCURE. Spośród 399 uczniów szkół podstawowych, którzy wzięli udział w badaniu iCURE na początku badania, 366 (91.5%) ukończyło 12-miesięczną ocenę kontrolną i zostało włączonych do tego badania.
Podczas oceny początkowej wszyscy uczestnicy wypełnili kwestionariusze w warunkach klasowych; asystent naukowy przeczytał pytania za pomocą standardowego skryptu, aby pomóc w zrozumieniu. W ramach 12-miesięcznej oceny uzupełniającej wszyscy studenci samodzielnie wypełniali kwestionariusze, korzystając z internetowej metody samodzielnego zarządzania, z nadzorującym asystentem badawczym, który odpowiadał na pytania.
Nasilenie funkcji IGD oceniono za pomocą ekranu objawów wywołanych przez gry internetowe (IGUESS). Narzędzie to zostało stworzone w oparciu o dziewięć kryteriów DSM-5 IGD, przy czym każda pozycja oceniana jest na 4-stopniowej skali (1 = kategorycznie się nie zgadzam, 2 = trochę się nie zgodzić, 3 = trochę się zgadzam, 4 = stanowczo się zgadzam). Wyższy wynik wskazuje na większe nasilenie cech IGD. Ta skala jest wiarygodna, z α Cronbacha na poziomie 85 w tym badaniu. Uznano, że nasilenie IGD ma ciągły wymiar dotkliwości, gdzie wyższe wyniki w IGUESS wskazywały na większą dotkliwość do analizy z modelem ścieżki z opóźnieniem krzyżowym. Najlepszy wynik odcięcia wynosił 10, co można uznać za podwyższone ryzyko IGD (Jo i in., 2017). Wykorzystaliśmy ten wynik progowy do analiz dychotomicznych.
Poziom depresji oceniono za pomocą Inwentarza Depresji Dziecięcej (CDI). CDI składa się z 27 pozycji określających ilościowo objawy, takie jak obniżony nastrój, zdolności hedoniczne, funkcje wegetatywne, samoocena i zachowania interpersonalne. Każda pozycja składa się z trzech stwierdzeń ocenianych w celu zwiększenia nasilenia od 0 do 2; dzieci wybierają tę, która najlepiej charakteryzuje ich objawy w ciągu ostatnich 2 tygodni. Wyniki pozycji są łączone w całkowity wynik depresji, który waha się od 0 do 54. Wykorzystaliśmy koreańską wersję CDI, która ma dobrą wiarygodność i trafność do oceny objawów depresyjnych (Cho & Choi, 1989). Uznano, że poziom objawów depresyjnych ma ciągły wymiar nasilenia, gdzie wyższe wyniki w CDI wskazywały na większe nasilenie objawów depresyjnych do analizy za pomocą modelu ścieżki krzyżowej. Całkowity wynik 22 lub więcej uznano za wskazujący na objawy depresyjne w analizie dychotomicznej. Zarówno nasilenie cech IGD, jak i poziom depresji oceniano na początku badania i podczas 12-miesięcznej obserwacji za pomocą samooceny kierowanej przez ankietera.
Ogólna charakterystyka, w tym wiek, płeć, typ rodziny i średni dzienny czas spędzony na graniu w gry internetowe, została uzyskana z danych wyjściowych uzyskanych z samoopisu dzieci kierowanego przez ankietera. W przypadku typu rodziny rodzinę nienaruszoną zdefiniowano jako dzieci mieszkające z obojgiem rodziców; te określone jako nienaruszone obejmowały dzieci mieszkające tylko z matką lub ojcem lub bez żadnego z rodziców z powodu rozwodu, śmierci lub separacji rodziców. Dojrzałość płciową określono na podstawie odpowiedzi uczestników na dwa pytania: albo „Czy zacząłeś swój okres?” dla dziewczynek lub „Czy zaczęły ci rosnąć włosy pod pachami?” dla chłopców. Jeśli uczestnicy odpowiedzieli „tak”, uznaliśmy, że weszli w okres dojrzewania. Zarówno wyniki w nauce ich dzieci, jak i status społeczno-ekonomiczny (SES) uzyskano na podstawie oceny samoopisowej rodziców.
Statystyki opisowe i wzajemne powiązania między badanymi zmiennymi przeprowadzono za pomocą SAS 9.4 (SAS Institute Inc., Cary, Karolina Północna, USA). Modelowanie paneli z opóźnieniem krzyżowym przeprowadzono przy użyciu modelowania równań strukturalnych (SEM) za pomocą pakietu statystycznego Analysis of Moment Structures, wersja 23.0. (IBM Inc., Chicago, IL, USA). Dane opisowe są podsumowywane liczbami i procentami dla zmiennych kategorycznych lub średnią ± SD lub medianą (zakresem) dla zmiennych ciągłych. Podłużny związek między nasileniem cech IGD a poziomem depresji oceniono za pomocą modeli panelowych z opóźnieniem krzyżowym. Przed przeprowadzeniem analizy zarówno poziom depresji, jak i nasilenie cech IGD zostały przekształcone w log do przybliżonej normalności.
Modele panelowe z opóźnieniem krzyżowym umożliwiają jednoczesne badanie powiązań między dwiema lub więcej wielokrotnie mierzonymi zmiennymi. Dlatego korelacje krzyżowe z opóźnieniem wskazują wpływ zmiennej w danym momencie na wartości innej zmiennej w późniejszym czasie, kontrolując korelacje przekrojowe i autokorelacje.
Jak pokazano na rysunku 1A, pierwszy współczynnik opóźnienia krzyżowego βCL (a) reprezentuje związek między poziomem depresji mierzonym na początku badania a nasileniem cech IGD mierzonych podczas 12-miesięcznej obserwacji. Drugi współczynnik opóźnienia krzyżowego βCL (b) reprezentuje związek między nasileniem cech IGD mierzonych na początku badania a poziomem depresji mierzonym podczas 12-miesięcznej obserwacji. Przekrojowy związek między nasileniem cech IGD a poziomem depresji jest przedstawiony jako linia podstawowa βCL. Przedstawiono współczynniki autoregresji βAR-depression i βAR-IGD, reprezentujące odpowiednio stabilność depresji i nasilenie cech IGD od wartości wyjściowej do 12-miesięcznej obserwacji. Model został dostosowany pod kątem potencjalnych czynników zakłócających, takich jak wiek, płeć, typ rodziny, osiągnięcia w nauce i SES.
Rysunek 1. (A) Ogólne modelowanie stosowane w modelach paneli z opóźnieniem krzyżowym. (B) Model panelowy z opóźnieniem krzyżowym analizujący podłużny związek między IGD a depresją. Wartości numeryczne to standardowe współczynniki regresji strukturalnej. AR: autoregresja; CL: z opóźnieniem krzyżowym; CS: przekrój poprzeczny. *p <05. **p <01.
Aby przetestować efekt mediacji, zastosowano 2,000 ponownych próbek z ładowaniem początkowym i 95% przedział ufności (CI) w celu skonstruowania ścieżki pośredniej. CI skorygowane o błąd, które nie zawierały 0, uznano za istotne dla efektu pośredniego. Wielkości efektu zinterpretowane jako małe (0.01), średnie (0.09) i duże (0.25) na podstawie poprzedniego zalecenia (Kaznodzieja i Kelley, 2011).
Dopasowanie modelu oceniono za pomocą wielu wskaźników dopasowania, w tym wskaźników dopasowania bezwzględnego, wskaźników dopasowania przyrostowego i wskaźników dopasowania oszczędnego. Inkrementalne wskaźniki dopasowania oceniono za pomocą χ2 nad stopniami swobody (χ2/df), współczynnik dopasowania (GFI), wskaźnik dopasowania porównawczego (CFI) i pierwiastek średniokwadratowego błędu aproksymacji (RMSEA). Przyrostowe wskaźniki dopasowania oceniono za pomocą wskaźnika Tuckera-Lewisa (TLI), znormalizowanego wskaźnika dopasowania, względnego wskaźnika dopasowania (RFI) i porównawczego wskaźnika dopasowania (CFI). Skorygowany GFI (AGFI) został użyty do wskaźników dopasowania oszczędnościowego. Literatura SEM sugeruje, że dopasowanie modelu jest dobre, gdy χ2/df ≤ 3; CFI ≥ 0.95, TLI ≥ 0.95, GFI ≥ 0.95, NFI ≥ 0.95, RFI ≥ 0.95, AGFI ≥ 0.95 i RMSEA ≤ 0.06 (Kline, 2011).
W dodatkowej analizie podwyższone ryzyko IGD zdefiniowano jako całkowity wynik 10 lub wyższy w skali IGUESS, a wysoki poziom objawów depresyjnych zdefiniowano jako całkowity wynik w skali CDI równy 22 lub wyższy. Zastosowaliśmy model logarytmiczny dwumianowy prowadzony z PROC GENMOD, aby oszacować względne ryzyko (RR) dla związku między wysokim poziomem objawów depresyjnych a incydentem podwyższonego ryzyka IGD podczas 12-miesięcznego okresu obserwacji wśród dzieci z niższym ryzykiem IGD (<10 punktów IGURSS) na początku badania. Częstość występowania wysokiego poziomu objawów depresyjnych w 12-miesięcznej obserwacji została obliczona wśród dzieci bez objawów depresyjnych na początku badania. Obliczyliśmy surowe i skorygowane RR, kontrolując potencjalne czynniki zakłócające.
Aby wziąć udział w badaniu iCURE, uzyskano pisemną świadomą zgodę od wszystkich uczestników i ich rodziców lub opiekunów prawnych po wyjaśnieniu charakteru zasad badania, w tym poufności i swobody wyboru udziału, zgodnie z Deklaracją Helsińską z 1975 r. (Światowe Stowarzyszenie Lekarzy, 2013). Badanie to zostało w pełni zweryfikowane i zatwierdzone przez Institutional Review Board of the Catholic University of Korea (MC19ENSI0071). Rada zarządzająca danymi iCURE udostępniła pozbawione elementów umożliwiających identyfikację dane do analizy danych.
Efekt
Charakterystykę demograficzną i kliniczną 366 uczestników podsumowano w tabeli 1. Mediana wieku uczestników wynosiła 10 lat (zakres: 9–12 lat). Spośród 366 uczestników 188 (51.4%) stanowili chłopcy. Większość uczestników (n = 337; 92.1%) pochodziło z nienaruszonych rodzin, 68% uczestników miało dobre wyniki w nauce, a 71% stwierdziło, że ich SES był niski do umiarkowanego.
|
Tabela 1. Ogólna i kliniczna charakterystyka 366 uczniów szkół podstawowych w badaniu iCURE
| Zmienne | N (%) | Mediana (zakres) | Α Cronbacha |
|---|---|---|---|
| Seks | |||
| Chłopcy | 188 (51.4) | ||
| Dziewczynkyi | 178 (48.6) | ||
| Wiek | 10 (9 - 12) | ||
| Struktura rodzinna | |||
| Nienaruszona rodzina | 337 (92.1) | ||
| Nienaruszona rodzina | 29 (7.9) | ||
| Status społeczno ekonomiczny | |||
| Niski i średni | 263 (71.9) | ||
| Wysoki | 103 (28.1) | ||
| Osiągnięcia akademickie | |||
| Dobry | 249 (68.0) | ||
| Łazienka | 117 (32.0) | ||
| Oceny bazowe | |||
| Internetowe zaburzenie gry | 2 (0 - 22) | .78 | |
| Depresja | 6 (0 - 46) | .88 | |
| Poczucie niepokoju | 26 (20 - 58) | .89 | |
| Oceny uzupełniające po 12 miesiącach | |||
| Internetowe zaburzenie gry | 2 (0 - 23) | .86 | |
| Depresja | 5 (0 - 45) | .89 | |
| Poczucie niepokoju | 24 (20 - 58) | .94 |
Korelacje między głównymi zmiennymi będącymi przedmiotem zainteresowania przedstawiono w tabeli 2. W przekroju poprzecznym poziom depresji na początku badania był dodatnio skorelowany z nasileniem IGD zarówno na początku badania, jak iw 12-miesięcznej obserwacji. Podłużnie poziom depresji (linia podstawowa) był dodatnio skorelowany z nasileniem IGD (12-miesięczna obserwacja), a nasilenie IGD (linia wyjściowa) było dodatnio skorelowane z poziomem depresji (12-miesięczna obserwacja).
|
Tabela 2. Macierz korelacji, średnia i odchylenie standardowe (SD) dla głównych zmiennych
| Zmienne | 1 | 2 | 3 | 4 | Oznaczać | SD |
|---|---|---|---|---|---|---|
| 1. Poziom depresji (wyjściowy) | 1 | 7.4 | 6.5 | |||
| 2. Nasilenie IGD (poziom wyjściowy) | .443 * | 1 | 2.6 | 3.2 | ||
| 3. Poziom depresji (obserwacja 12 miesięcy) | .596 * | .339 * | 1 | 6.7 | 6.6 | |
| 4. Nasilenie IGD (12-miesięczna obserwacja) | .359 * | .453 * | .447 * | 1 | 2.9 | 3.6 |
Notatka. IGD: Zaburzenia gier internetowych.
*p <001.
Postać 1 pokazuje model teoretyczny (A) i model analizowany (B) ze standardowymi ładunkami ścieżek (standaryzowany beta, β). Jeśli chodzi o ścieżki autokorelowane, poziom depresji na początku statystycznie przewidywał nasilenie cech IGD w 12-miesięcznej obserwacji (β = 0.55, XNUMX, p < 001). Ponadto nasilenie cech IGD na wyjściowym statystycznie przewidywanym poziomie depresji w 12-miesięcznej obserwacji (β = 0.37, p < 001). Wyniki wykazały, że zarówno nasilenie objawów depresyjnych, jak i nasilenie cech IGD były istotnie skorelowane między stanem wyjściowym a 12-miesięczną obserwacją. Podobnie nasilenie funkcji IGD było skorelowane w dwóch punktach czasowych.
Jeśli chodzi o ścieżkę korelacji przekrojowej, poziom objawów depresyjnych i nasilenie cech IGD były dodatnio skorelowane w każdym punkcie czasowym (β = 0.46, p < 0.001 na początku badania i β = 0.27, p < 001 w 12-miesięcznej obserwacji). Wyniki wykazały dodatnią korelację między nasileniem objawów depresyjnych a nasileniem cech IGD w każdym punkcie czasowym.
Analizy z opóźnieniem krzyżowym ujawniły, że poziom depresji na początku statystycznie przewidywał nasilenie cech IGD w 12-miesięcznej obserwacji (β = 0.15, p = 003). Nasilenie cech IGD na początku badania również przewidywało statystycznie poziom depresji w 12-miesięcznej obserwacji (β = 0.11, p = 018), po uwzględnieniu możliwych czynników zakłócających. Analiza ścieżki krzyżowo-opóźnionej wykazała wzajemną zależność między nasileniem cech IGD a nasileniem objawów depresyjnych.
Nasz ogólny model wykazał dobre dopasowanie w oparciu o wskaźniki dopasowania. Stosunek χ2 do stopni swobody wynosiła 1.336, co wskazuje na dobre dopasowanie modelu. RMSEA wyniósł 0.03, GFI 0.997, TLI 0.976, CFI 0.997, a AGFI 0.964, co również wskazuje na dobre dopasowanie. Zebrane razem statystyki dopasowania sugerują, że wystarczyło to do stworzenia prawidłowego modelu opartego na mocnych ramach teoretycznych a priori i akceptowalnych rzetelnościach.
Spośród 366 uczestników 351 nie zgłosiło podwyższonego ryzyka IGD na początku badania. Spośród tych 351 uczestników, 15 (4.3%) zostało sklasyfikowanych jako osoby z podwyższonym ryzykiem IGD podczas 12-miesięcznej obserwacji. Po uwzględnieniu potencjalnych czynników zakłócających, uczestnicy z objawami depresyjnymi na początku badania mieli 3.7-krotnie większy RR IGD po 12 miesiącach niż uczestnicy bez objawów depresyjnych na początku badania (RR = 3.7, 95% CI = 1.1–13.2).
Spośród 366 uczestników 353 nie zgłosiło wysokiego poziomu objawów depresyjnych na początku badania. Spośród tych 353 uczestników, 8 (2.3%) zostało sklasyfikowanych jako osoby z wysokim poziomem objawów depresyjnych podczas 12-miesięcznej obserwacji. Po uwzględnieniu potencjalnych czynników zakłócających, uczestnicy z podwyższonym ryzykiem IGD na początku badania mieli 3.6-krotnie zwiększone ryzyko depresji w 12-miesięcznej obserwacji w porównaniu z uczestnikami, którzy nie byli narażeni na podwyższone ryzyko IGD na początku badania, jednak to nie był istotny statystycznie (RR = 3.6, 95% CI = 0.5–29.0; Tabela 3).
|
Tabela 3. Częstość występowania zarówno IGD, jak i depresji wśród dzieci w 12-miesięcznej obserwacji
| Tak | Nie | IR | RR | aRRa | ||
|---|---|---|---|---|---|---|
| 12-miesięczny IGDb | ||||||
| Depresja podstawowa | Tak | 2 | 8 | 20 | 5.2 (1.4 - 20.2) | 3.7 (1.1 - 13.2) |
| Nie | 13 | 328 | 3.8 | |||
| Depresja 12 miesięcyc | ||||||
| Wyjściowa IGD | Tak | 1 | 11 | 8.3 | 4.1 (0.5 - 30.4) | 3.6 (0.5 - 29.0) |
| Nie | 7 | 334 | 2.1 | |||
Notatka. IR: współczynnik zapadalności; RR: ryzyko względne; aRR: skorygowane ryzyko względne; IGD: Zaburzenie gier internetowych.
aDostosowane ze względu na płeć, typ rodziny, osiągnięcia w nauce i status społeczno-ekonomiczny.
bCzęstość występowania IGD w 12-miesięcznej obserwacji wśród dzieci bez IGD na początku badania (n = 351).
cCzęstość występowania depresji w 12-miesięcznej obserwacji wśród dzieci bez depresji na początku badania (n = 353).
Dyskusja
Stwierdziliśmy istotną dodatnią korelację między poziomem objawów depresyjnych a nasileniem cech IGD zarówno na początku badania, jak iw 12-miesięcznej obserwacji u dzieci. Wyniki te sugerują, że objawy depresyjne stanowią potencjalny czynnik ryzyka podwyższonego nasilenia IGD, a nasilenie cech IGD może stanowić potencjalny czynnik ryzyka wystąpienia objawów depresyjnych rok później.
Analiza ścieżek z opóźnieniem krzyżowym umożliwia jednoczesną analizę wielu zależności, tworząc bardziej złożone modele statystyczne, niż można by uzyskać, przeprowadzając kilka oddzielnych regresji liniowych. Względne siły zależności podłużnych można określić poprzez porównanie znormalizowanych współczynników korelacji. Zarówno nasilenie cech IGD, jak i poziom objawów depresyjnych wykazały istotne współczynniki korelacji przekrojowej, autokorelacji i opóźnionej korelacji krzyżowej.
Korelacje przekrojowe ujawniły pozytywny związek między poziomem objawów depresyjnych a nasileniem cech IGD w każdym punkcie czasowym. Podobnie autokorelacja ujawniła, że zarówno poziom objawów depresyjnych, jak i nasilenie cech IGD były istotnie skorelowane ze stabilnością w dwóch punktach czasowych. Analiza ścieżki krzyżowej wykazała wzajemną przyczynowość między ryzykiem IGD a poziomem objawów depresyjnych. Te przekrojowe i podłużne powiązania utrzymywały się po uwzględnieniu potencjalnych czynników zakłócających. Siła związku była silniejsza między wyjściowym poziomem depresji a 12-miesięcznym nasileniem cech IGD (β = 0.15, p = 003) niż między wyjściowym nasileniem cech IGD a 12-miesięcznym poziomem depresji (β = 0.11, p = 018), które są sugerowane jako średnia wielkość efektu. To odkrycie sugeruje, że depresja jest najsilniejszym czynnikiem przyczyniającym się do nasilenia cech IGD niż odwrotnie, i że istnieje wzajemna zależność w czasie.
Powiązania między IGD a depresją były czasami wyjaśniane hipotezą poprawy nastroju, która sugeruje, że osoby z negatywnymi emocjami najprawdopodobniej szukają zajęć rekreacyjnych, aby uciec od stanów dysforycznych. Wcześniejsze badania były zgodne z hipotezą poprawy nastroju, ponieważ zaobserwowano znaczący, pozytywny związek między depresją a IGD (Ostovar i in., 2019; Seyrek, Cop, Sinir, Ugurlu i Senel, 2017; Jen, Chou, Liu, Yang i Hu, 2014; Younes i in., 2016). Próby ucieczki przed depresją i problemami w świecie rzeczywistym poprzez interakcje online mogą skutkować błędnym kołem, które pogłębia depresję.
Zgodnie z hipotezą przemieszczenia społecznego, im więcej czasu dana osoba spędza robiąc jedną rzecz, tym mniej czasu może poświęcić na inną. Dzieci, które spędzają zbyt dużo czasu na grach internetowych, zazwyczaj spędzają mniej czasu na interakcjach z innymi ludźmi (Caplan, 2003). Założeniem efektu przemieszczenia społecznego jest to, że czas spędzony na grach wyprze inne czynności, takie jak interakcje społeczne, które są niezbędne dla rozwoju psychospołecznego dzieci (Zamani, Kheradmand, Cheshmi, Abedi i Hedayati, 2010). Brak interakcji społecznych może prowadzić do negatywnych emocji. Gentile i in. (2011) zgłaszali zwiększone objawy depresyjne po rozpoczęciu problemów z grami wideo, a objawy te utrzymywały się (Gentile i in., 2011). Jeśli hipoteza przemieszczenia społecznego jest poprawna, to IGD może prowadzić do depresji (Amorosi, Ruggieri, Franchi i Masci, 2012; Dalbudak i in., 2013).
Objawy depresyjne u nastolatków zwykle pojawiają się przed okresem dojrzewania. Jeśli chodzi o genetyczną podatność na duże zaburzenie depresyjne, doświadczenie stresujących wydarzeń życiowych lub obecność zaburzeń psychicznych w dzieciństwie zostały powiązane z początkiem depresji (Piko i in., 2011; Shapero i in., 2014). Odkąd depresja przedpokwitaniowa została powiązana z rozwojem zaburzeń antyspołecznych i uzależnień (Ryana, 2003), prawdopodobne jest, że działania profilaktyczne dotyczące uzależnienia od Internetu powinny być wdrażane w młodym wieku, aby zminimalizować zaostrzające się skutki depresji. Dlatego należy zwrócić większą uwagę na depresję i jej potencjalny wpływ na rozwój IGD u dzieci.
Dzieci z objawami depresyjnymi na początku badania wykazywały 3.7-krotnie zwiększone ryzyko wystąpienia objawów IGD w 12-miesięcznej obserwacji w porównaniu z dziećmi bez objawów depresyjnych na początku badania, po uwzględnieniu potencjalnych czynników zakłócających. Ponieważ 95% przedział ufności wynosi od 1.1 do 13.2, mogą istnieć ograniczenia zapewniające dokładność szacunków, dlatego wyniki te należy interpretować z ostrożnością. Ponadto dzieci z objawami IGD na początku badania mogą być narażone na zwiększone ryzyko wystąpienia objawów depresyjnych podczas 12-miesięcznej obserwacji w porównaniu z dziećmi bez objawów IGD na początku badania; jednakże wyniki nie były istotne statystycznie.
Dziewczęta osiągają dojrzałość płciową około 12 lat wcześniej niż chłopcy. Średni wiek, w którym dziewczęta rozpoczynają okres dojrzewania, to 12.7 lat w reprezentatywnych próbach ogólnokrajowych (Lee, Kim, Oh, Lee i Park, 2016). Z tej perspektywy większość uczestników tego badania nie przeszłaby jeszcze okresu dojrzewania. Stwierdzono, że w sumie 8 (2.2%) dzieci osiągnęło dojrzałość płciową (3 na początku badania; 5 w 12-miesięcznej obserwacji). Ze względu na niewielką liczbę dzieci, które weszły w okres dojrzewania, na wyniki tego badania prawdopodobnie nie miały wpływu zmiany związane z okresem dojrzewania.
Wskaźnik ścierania się w 12-miesięcznej obserwacji wyniósł 9.1% (33 dzieci). Całe wyniszczenie nastąpiło, ponieważ uczniowie przenieśli się do innej szkoły. Nie było znaczących różnic w charakterystyce wyjściowej, w tym płci, wieku, typie rodziny, wynikach w nauce, SES, aktywności w Internecie lub nasileniu cech IGD, między uczestnikami, którzy ukończyli i nie ukończyli badania.
Czynniki związane z depresją mogą różnić się w poszczególnych krajach. Depresja jest chorobą wieloczynnikową, która wykazuje znaczne różnice między różnymi populacjami i jest związana z wieloma czynnikami genetycznymi i społeczno-środowiskowymi, z kilkoma podtypami o różnej etiologii. Korea była pierwszym krajem, który przeznaczył budżet narodowy na rozwiązanie problemów związanych z uzależnieniem od Internetu i gier (Ko, 2015). Różnice psychospołeczne, środowiskowe i kulturowe mogą wpływać na relacje między objawami depresyjnymi a nasileniem cech IGD, chociaż można oczekiwać, że fundamentalny związek między depresją a IGD będzie obserwowany w różnych jurysdykcjach i kulturach. W związku z tym wyniki tego badania mogą odnosić się do dzieci w innych krajach, chociaż zaleca się ostrożność przy uogólnianiu wyników. Ponieważ respondenci zostali wybrani spośród młodzieży uczęszczającej do szkół i wykluczyli dzieci nieuczęszczające do szkoły. Uczestniczące szkoły, a także dzieci i rodzice byli zaangażowani dobrowolnie; w związku z tym szkoły te były zainteresowane zapobieganiem IGD w porównaniu ze szkołami nieuczestniczącymi. Nie można wykluczyć możliwości błędu selekcji i niedoszacowania występowania IGD.
Dzieciństwo jest okresem ryzyka rozwoju zarówno depresji, jak i IGD. Te dwa zaburzenia często współwystępują w dzieciństwie i wiążą się ze znacznym upośledzeniem czynnościowym w późniejszym życiu. Biorąc pod uwagę ciągły rozwój cech psychicznych w okresie dojrzewania i wczesnej dorosłości, lepsze zrozumienie kierunku wystąpienia i przebiegu tych zaburzeń w dzieciństwie będzie pomocne w opracowaniu skuteczniejszych strategii zapobiegania i leczenia.
Analiza ścieżki krzyżowej wykazała dwukierunkowe zależności między nasileniem cech IGD a poziomem depresji. Wyższy poziom objawów depresyjnych na początku badania przewidywał większe nasilenie cech IGD po 12 miesiącach. Ponadto wyjściowe nasilenie cech IGD było istotnie związane z wyższym poziomem objawów depresyjnych po 12 miesiącach u dzieci. Zrozumienie wzajemnych relacji między objawami depresyjnymi a nasileniem cech IGD może pomóc w interwencjach zapobiegających obu stanom. Odkrycia te zapewniają teoretyczne wsparcie dla planów zapobiegania i leczenia IGD i objawów depresyjnych wśród dzieci.
HJ przeprowadził analizy i kierował pisaniem manuskryptu. HWY kierował i nadzorował pisanie manuskryptu. HJ i HWY opracowali i zaproponowali podstawową ideę badania. S-YL, HL i MNP dokonali przeglądu treści naukowych i zredagowali manuskrypt. Badanie przeprowadzili HWY, HJ, S-YJ i HS. Wszyscy autorzy wnieśli uwagi redakcyjne do manuskryptu.
Autorzy nie deklarują konfliktu interesów w odniesieniu do treści manuskryptu. Dr MNP zgłasza następujące ujawnienia. Konsultował i doradzał Game Day Data, Addiction Policy Forum, RiverMend Health, Lakelight Therapeutics/Opiant i Jazz Pharmaceuticals; otrzymał wsparcie badawcze od kasyna Mohegan Sun i Narodowego Centrum Odpowiedzialnej Gry; brał udział w ankietach, mailingach lub konsultacjach telefonicznych związanych z uzależnieniem od narkotyków, zaburzeniami kontroli impulsów lub innymi tematami zdrowotnymi; oraz doradzał kancelariom prawnym i podmiotom hazardowym w kwestiach związanych z kontrolą impulsów czy uzależnieniami.
Zestawy danych wygenerowane podczas i/lub przeanalizowane podczas tego badania są dostępne u odpowiedniego autora.
Referencje
| amorosi, M., Ruggieri, F., Franchi, G., & Masci, I. (2012). Depresja, patologiczne uzależnienia i zachowania ryzykowne w okresie dojrzewania. Psychiatria Danubina, 24 (Suppl. 1), S77-S81. Medline, Google Scholar | |
| Caplana, SE (2003). Preferencje dla interakcji społecznych online teoria problematycznego korzystania z Internetu i dobrostanu psychospołecznego. Badania komunikacji, 30(6), 625-648. doi:https://doi.org/10.1177/0093650203257842 CrossRef, Google Scholar | |
| Carli, V., Durkee, T., Wassermana, D., Hadlaczky, G., Despalins, R., & Kramarza, E. (2013). Związek między patologicznym korzystaniem z Internetu a współistniejącą psychopatologią: przegląd systematyczny. Psychopatologia, 46 (1), 1-13. doi:https://doi.org/10.1159/000337971 CrossRef, Medline, Google Scholar | |
| Cho, S., & Choi J. (1989). Opracowanie Skali Lęku Stan-Cecha dla koreańskich dzieci. Medicine Journal of Seoul National University, 14(3), 150-157. Google Scholar | |
| Choi J., Cho, H., Kim, J. Y., Junga, D. J., Ahn K. J., Kang H. B., Choi J. S., Chun, J. W., & Kim, D. J. (2017). Zmiany strukturalne w korze przedczołowej pośredniczą w związku między zaburzeniami gier internetowych a obniżonym nastrojem. Raporty naukowe, 7 (1), 1245. doi:https://doi.org/10.1038/s41598-017-01275-5 CrossRef, Medline, Google Scholar | |
| Dalbudak, E., Evren, C., Aldemir, S., Koskun, K. S., Ugurlu, H., & Yildirim, F. G. (2013). Związek nasilenia uzależnienia od Internetu z depresją, lękiem i aleksytymią, temperamentem i charakterem u studentów. Cyberpsychologia, zachowania i sieci społecznościowe, 16 (4), 272-278. doi:https://doi.org/10.1089/cyber.2012.0390 CrossRef, Medline, Google Scholar | |
| Erceg, T., Flandria, G., & Brezinšćak, T. (2018). Związek między kompulsywnym korzystaniem z Internetu a objawami depresji i lęku w okresie dojrzewania. Badania nad alkoholizmem i psychiatrią, 54(2), 101-112. doi:https://doi.org/10.20471/dec.2018.54.02.02 CrossRef, Google Scholar | |
| Forbes E. E., & Dahla, R. E. (2010). Rozwój i zachowanie w okresie dojrzewania: Hormonalna aktywacja tendencji społecznych i motywacyjnych. Mózg i funkcje poznawcze, 72(1), 66-72. doi:https://doi.org/10.1016/j.bandc.2009.10.007 CrossRef, Medline, Google Scholar | |
| Poganin, D. A., Choo, H., Liau, A., Tak, T., Li, D., Grzyb D., & Choo, A. (2011). Patologiczne wykorzystanie gier wideo wśród młodzieży: dwuletnie badanie podłużne. Pediatria, 127(2), e319-e329. doi:https://doi.org/10.1542/peds.2010-1353 CrossRef, Medline, Google Scholar | |
| Guo, J., Chen, L., Łang, X., Liu, Y., Chui, C. H., on, H., Qu Z., & Tian, D. (2012). Związek między uzależnieniem od Internetu a depresją wśród dzieci migrantów i dzieci pozostawionych w Chinach. Cyberpsychologia, zachowania i sieci społecznościowe, 15 (11), 585-590. doi:https://doi.org/10.1089/cyber.2012.0261 CrossRef, Medline, Google Scholar | |
| Ioannidis, K., Treder, SM., Szambelan, S. R., Kirali, F., Czerwienić, S. A., Stein D. J., Lochnera, C., & Dotacja, J. E. (2018). Problematyczne korzystanie z Internetu jako wieloaspektowy problem związany z wiekiem: dowody z ankiety przeprowadzonej na dwóch stronach. Wciągające zachowania, 81, 157-166. doi:https://doi.org/10.1016/j.addbeh.2018.02.017 CrossRef, Medline, Google Scholar | |
| Dżung, H., Yim, HW, jo, S. J., Zawietrzny, S. Y., Kim, E., Syn, H. J., Han H. H., Zawietrzny, H. K., Kweon, Y. S., Bhang, S. Y., Choi J. S., Kim, B. N., Poganin, D. A., & Potenza, M. N. (2017). Protokół badania internauty Cohort for Unbiased Recognition of Gaming Disorder in Early adolescence (iCURE), Korea, 2015–2019. BMJ Open, 7(10), e018350. doi:https://doi.org/10.1136/bmjopen-2017-018350 CrossRef, Medline, Google Scholar | |
| jo, S. J., Yim, HW, Zawietrzny, H. K., Zawietrzny, HC, Choi J. S., & Baek, K. Y. (2017). Ekran symptomów wywołanych użyciem gier internetowych okazał się przydatnym narzędziem dla nastolatków w wieku 10–19 lat. Acta Pediatrica, 107(3), 511-516. doi:https://doi.org/10.1111/apa.14087 CrossRef, Medline, Google Scholar | |
| Kline, R. B. (2011). Zasady i praktyka modelowania równań strukturalnych (3rd ed.). Nowy Jork, NY/Londyn, Wielka Brytania: The Guilford Press. Google Scholar | |
| ko, Y. (2015). Koreańska krajowa polityka dotycząca uzależnienia od Internetu, w C. Poniedziałek & M. Reuter (red.), Neuronaukowe podejście do uzależnienia od Internetu i interwencje terapeutyczne (str. 219-234). Londyn, Wielka Brytania: Rycerz. CrossRef, Google Scholar | |
| Chłostać, L. T., Penga, ZARAZ WRACAM., Mai J. C., & Jing, J. (2009). Czynniki związane z uzależnieniem od Internetu wśród młodzieży. CyberPsychology & Behavior, 12 (5), 551-555. doi:https://doi.org/10.1089/cpb.2009.0036 CrossRef, Medline, Google Scholar | |
| Zawietrzny, M. H., Kim, S. H., O, M., Zawietrzny, KW, & Park, M. J. (2016). Wiek pierwszej miesiączki u koreańskich nastolatków: trendy i czynniki wpływające. Zdrowie reprodukcyjne, 42(1), 121-126. doi:https://doi.org/10.1530/jrf.0.0420121 CrossRef, Google Scholar | |
| Liu, L., Tak, Y. W., Li, CR, Zhang, J. T., Xia C. C., Lan, J., Mama, S. S., Zhou, N., & Kieł, X. Y. (2018). Współwystępowanie zaburzeń gier internetowych i depresji: wzajemne powiązania i mechanizmy neuronowe. Psychiatria frontowa, 9, 154. doi:https://doi.org/10.3389/fpsyt.2018.00154 CrossRef, Medline, Google Scholar | |
| Niall McCrae, N., Dostawy, S., & Purssella, E. (2017). Media społecznościowe i objawy depresyjne w dzieciństwie i okresie dojrzewania: przegląd systematyczny. Przegląd badań nad młodzieżą, 2(4), 315-330. doi:https://doi.org/10.1007/s40894-017-0053-4 CrossRef, Google Scholar | |
| Ostovar, S., Allahyar, N., Aminpoor, H., Moafian, F., Ani, M., & Griffiths, M. D. (2019). Uzależnienie od Internetu i jego zagrożenia psychospołeczne (depresja, lęk, stres i samotność) wśród irańskich nastolatków i młodych dorosłych: model równania strukturalnego w badaniu przekrojowym. International Journal of Mental Health and Addiction, 14 (3), 257-267. doi:https://doi.org/10.1007/s11469-015-9628-0 CrossRef, Google Scholar | |
| Piko, B. F., Milin, R., O'Connor, R., & Tracz, M. (2011). Wielodyscyplinarne podejście do depresji u dzieci i młodzieży. Badania i leczenie depresji, 2011, 1-3. doi:https://doi.org/10.1155/2011/854594 CrossRef, Google Scholar | |
| Kaznodzieja, K. J., & Kelleya, K. (2011). Miary wielkości efektu dla modeli mediacji: Strategie ilościowe komunikowania efektów pośrednich. Metody psychologiczne, 16(2), 93-115. doi:https://doi.org/10.1037/a0022658 CrossRef, Medline, Google Scholar | |
| Ryanie, N.D. (2003). Depresja dziecięca i młodzieżowa: krótkoterminowa skuteczność leczenia i długoterminowe możliwości. International Journal of Methods in Psychiatric Research, 12(1), 44-53. doi:https://doi.org/10.1002/mpr.141 CrossRef, Medline, Google Scholar | |
| Seyrek, S., Policjant, E., Sinir, H., Ugurlu, M., & Senel, S. (2017). Czynniki związane z uzależnieniem od Internetu: badanie przekrojowe tureckiej młodzieży. Międzynarodowa Pediatria, 59(2), 218-222. doi:https://doi.org/10.1111/ped.13117 CrossRef, Medline, Google Scholar | |
| Shapro, B. G., Czarny, SK, Liu, R. T., Klugmana, J., Giętarka, R. E., Abramsonie, LY, & Stop, FUNT. (2014). Stresujące wydarzenia życiowe i objawy depresji: wpływ nadużyć emocjonalnych w dzieciństwie na reaktywność na stres. Dziennik Psychologii Klinicznej, 70(3), 209-223. doi:https://doi.org/10.1002/jclp.22011 CrossRef, Medline, Google Scholar | |
| Stavropoulos, V., & Adamsa, B.L.M. (2017). Objawy zaburzeń gier internetowych w wyłaniającej się dorosłości: wzajemne oddziaływanie między lękiem a spójnością rodziny. Journal of Behavioral Addictions, 6 (2), 237-247. doi:https://doi.org/10.1556/2006.6.2017.026 Połączyć, Google Scholar | |
| Światowe Stowarzyszenie Medyczne (2013). Deklaracja Helsińska: Zasady etyczne dotyczące badań medycznych z udziałem ludzi. JAMA, 310(20), 2191-2194. doi:https://doi.org/10.1001/jama.2013.281053 CrossRef, Medline, Google Scholar | |
| Jen, C. F., Rozetka, WJ, Liu, T. L., Yang, P., & Hu, H. F. (2014). Związek objawów uzależnienia od Internetu z lękiem, depresją i poczuciem własnej wartości wśród nastolatków z zespołem nadpobudliwości psychoruchowej z deficytem uwagi. Kompleksowa psychiatria, 55 (7), 1601-1608. doi:https://doi.org/10.1016/j.comppsych.2014.05.025 CrossRef, Medline, Google Scholar | |
| Younes, F., Halawi, G., Jabbour, H., El Osta, N., Karama, L., hadżdż, A., & Rabba Chabaz, L. (2016). Uzależnienie od Internetu i związki z bezsennością, lękiem, depresją, stresem i poczuciem własnej wartości u studentów: przekrojowe zaprojektowane badanie. PLoS One, 11 (9), e0161126. doi:https://doi.org/10.1371/journal.pone.0161126 CrossRef, Medline, Google Scholar | |
| Zamani, E., Cheradmand, A., Cheszmi, M., Abedi, A., & Hedajati, N. (2010). Porównanie umiejętności społecznych uczniów uzależnionych od gier komputerowych z uczniami normalnymi. Uzależnienie i zdrowie, 2(3–4), 59-65. doi:https://doi.org/10.1016/S0924-9338(12)74212-8 Medline, Google Scholar |
;
