Patologiczne korzystanie z Internetu i zachowania ryzykowne wśród europejskich nastolatków (2016)

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

Tony Durkee 1,*, Vladimir Carli 1, Birgitta Floderus 2, Camilla Wasserman 3,4, Marco Sarchiapone 3,5, Alan Apter 6, Judit A. Balazs 7,8, Julio Bobes 9, Romuald Brunner 10, Paul Corcoran 11, Doina Cosman 12, Christian Haring 13, Christina W. Hoven 4,14, Michael Kaess 10, Jean-Pierre Kahn 15, Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9, Peeter Värnik 17 i Danuta Wasserman 1
1
Narodowe Centrum Badań Samobójstw i Zapobiegania Chorobom Psychicznym (NASP), Karolinska Institutet, Sztokholm SE-17177, Szwecja
2
Katedra Neurologii Klinicznej, Karolinska Institutet, Sztokholm SE-17177, Szwecja
3
Wydział Medycyny i Nauk o Zdrowiu, Uniwersytet Molise, Campobasso 86100, Włochy
4
Katedra Psychiatrii Dziecięcej i Młodzieżowej, Instytut Psychiatryczny Stanu Nowy Jork, Uniwersytet Columbia, Nowy Jork, NY 10032, USA
5
Narodowy Instytut ds. Migracji i Ubóstwa, Via San Gallicano, Roma 25 / A, Włochy
6
Feinberg Child Study Centre, Schneider Children's Medical Center, Tel Aviv University, Tel Aviv 49202, Izrael
7
Szpital Psychiatryczny Vadaskert dla dzieci i młodzieży, Budapest 1021, Węgry
8
Instytut Psychologii, Uniwersytet Eötvösa Loránda, Budapeszt 1064, Węgry
9
Katedra Psychiatrii, Centrum Badań Biomedycznych w Sieci Zdrowia Psychicznego (CIBERSAM), University of Oviedo, Oviedo 33006, Hiszpania
10
Sekcja ds. Zaburzeń Rozwoju Osobowości, Klinika Psychiatrii Dzieci i Młodzieży, Centrum Medycyny Psychospołecznej, Uniwersytet w Heidelbergu, Heidelberg 69115, Niemcy
11
National Suicide Research Foundation, Western Rd., Cork, Irlandia
12
Katedra Psychologii Klinicznej, Uniwersytet Medyczny i Farmacji Iuliu Hatieganu, ul. Victor Babes Nr. 8, Cluj-Napoca 400000, Rumunia
13
Wydział Badawczy Zdrowia Psychicznego, Uniwersytet Technologii Informacji Medycznej (UMIT), Klagenfurt, Innsbruck 6060, Austria
14
Wydział Epidemiologii, Mailman School of Public Health, Columbia University, Nowy Jork, NY 10032, USA
15
Wydział Psychiatrii, Centrum Hospitalo-Universitaire de Nancy, Université de Lorraine, Nancy, Vandoeuvre-lès-Nancy 54500, Francja
16
Słoweńskie Centrum Badań Samobójstw, Instytut Andreja Marušiča, Uniwersytet Primorska, Koper 6000, Słowenia
17
Centrum Nauk o Zachowaniu i Zdrowiu, Estońsko-Szwedzki Instytut Zdrowia Psychicznego i Suicydologii, Uniwersytet w Tallinie, 10120 w Tallinie, Estonia
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Redaktor naukowy: Paul B. Tchounwou
Otrzymano: 1 Grudzień 2015 / Zaakceptowano: 3 Marzec 2016 / Opublikowano: 8 Marzec 2016

Abstrakcyjny

: Zachowania związane z ryzykiem są głównym czynnikiem przyczyniającym się do głównych przyczyn zachorowalności wśród młodzieży i młodzieży; jednak ich związek z patologicznym wykorzystaniem Internetu (PIU) jest stosunkowo niezbadany, szczególnie w kontekście europejskim. Głównym celem tego badania jest zbadanie związku zachowań ryzykownych i PIU wśród młodzieży europejskiej. To przekrojowe badanie zostało przeprowadzone w ramach projektu Unii Europejskiej FP7: Saving and Empowering Young Lives in Europe (SEYLE). Dane dotyczące młodzieży zebrano z randomizowanych szkół w ośrodkach badawczych w jedenastu krajach europejskich. PIU mierzono za pomocą kwestionariusza diagnostycznego Younga (YDQ). Zachowania związane z ryzykiem oceniono za pomocą pytań uzyskanych z Globalnego Szkolnego Badania Zdrowia Uczniów (GSHS). W analizie uwzględniono łącznie młodzież 11,931: 43.4% samca i 56.6% samicę (M / F: 5179 / 6752), ze średnim wiekiem 14.89 ± 0.87 lat. Młodzież zgłaszająca złe nawyki snu i podejmujące ryzyko wykazała najsilniejsze związki z PIU, a następnie używanie tytoniu, złe odżywianie i brak aktywności fizycznej. Wśród młodzieży z grupy PIU 89.9% charakteryzowało się wieloma zachowaniami ryzyka. Znaczące powiązanie zaobserwowane między PIU a zachowaniami związanymi z ryzykiem, w połączeniu z wysokim współczynnikiem współwystępowania, podkreśla wagę rozważenia PIU przy badaniach przesiewowych, leczeniu lub zapobieganiu zachowaniom wysokiego ryzyka wśród młodzieży.

Słowa kluczowe: patologiczne korzystanie z Internetu; Uzależnienie od Internetu; zachowanie ryzykowne; wiele zachowań ryzykownych; niezdrowy styl życia; młodzież; SEYLE

1. Wstęp

Okres dojrzewania to okres przejściowy charakteryzujący się znacznymi zmianami cech fizycznych, społecznych i psychologicznych [1]. Co więcej, relacje z rówieśnikami, rodziną i społeczeństwem ulegają wyraźnym zmianom w tym przejściowym okresie, gdy nastolatki zaczynają autonomizować swoje decyzje, emocje i zachowania [2]. Zdolności społeczne u młodzieży często rozwijają się w trakcie interakcji psychospołecznych w różnych kontekstach uczenia się [3]. Biorąc pod uwagę rozległą platformę wspierania poznania społecznego i umiejętności interpersonalnych [4,5] Internet okazał się nowym i unikalnym kanałem rozwoju psychospołecznego wśród młodzieży [6,7].
Pomimo tych nieodłącznych zalet badania wykazały, że częste i długotrwałe korzystanie z aplikacji internetowych ma skłonność do wypierania konwencjonalnych interakcji społecznych i relacji [8,9]. Istnieją dowody na to, że skumulowany czas w Internecie przesuwa czas na bezpośrednie kontakty z rodziną i przyjaciółmi [10], uczestnicząc w zajęciach pozalekcyjnych [11], kończąc zadania akademickie [12], właściwe nawyki żywieniowe [13], aktywność fizyczna [14] i spanie [15]. Ponieważ nastolatki spędzają więcej czasu w Internecie, istnieje ryzyko, że ich korzystanie z Internetu może stać się nadmierne lub nawet patologiczne [16].
 
Patologiczne korzystanie z Internetu (PIU) charakteryzuje się nadmiernymi lub słabo kontrolowanymi zajęciami, popędami lub zachowaniami dotyczącymi korzystania z Internetu, które prowadzą do upośledzenia lub stresu [17]. PIU koncepcyjnie modelowano jako zaburzenie kontroli impulsów i klasyfikowano jako taksonomię uzależnienia behawioralnego, podobną do natury patologicznego hazardu [18]. Pomimo ostatnich postępów w badaniach PIU, wysiłki zmierzające do zrozumienia tego zjawiska są utrudnione przez brak międzynarodowego konsensusu w sprawie kryteriów diagnostycznych choroby. Nie jest wymieniony ani w Podręczniku diagnostycznym i statystycznym zaburzeń psychicznych (DSM), ani w systemach nozologicznych Międzynarodowej Klasyfikacji Chorób (ICD). Głównym wyzwaniem stojącym przed badaniami PIU jest jego koncepcja uzależnienia.
 
W świetle tych spostrzeżeń opublikowany niedawno DSM-5 [19] uwzględnił uzależnienie behawioralne (zaburzenia uzależniające nie związane z substancjami) jako oficjalną kategorię diagnostyczną, przy czym zaburzenie hazardu (GD) jest jedynym warunkiem wymienionym w tej nowej klasyfikacji. Zaburzenia gry internetowej (IGD) to także potencjalny podtyp uzależnienia behawioralnego, który został uwzględniony w systemie nosologicznym DSM; jednak nadal brakowało dowodów potwierdzających IGD jako zaburzenie diagnostyczne. IGD został następnie włączony do sekcji III DSM-5, jako warunek wymagający dalszych badań [20], w celu określenia jego ewentualnej przydatności jako zaburzenia diagnostycznego. Pomimo obecnej dwuznaczności nozologicznej PIU nadal istnieją dowody potwierdzające silny związek między PIU a innymi formami uzależnienia [21,22,23,24].
Badania pokazują, że osoby z PIU mają wspólne cechy neurologiczne, biologiczne i psychospołeczne zarówno z uzależnieniami behawioralnymi, jak i uzależnieniami od substancji [25,26,27,28,29]. W oparciu o model teoretyczny oznaczony przez Griffithsa [30], istnieje sześć podstawowych symptomów występujących w zaburzeniach uzależniających, które mają zastosowanie do PIU. Należą do nich: istotność (zaabsorbowanie działaniami online), modyfikacja nastroju (korzystanie z Internetu w celu ucieczki lub złagodzenie stresu), tolerancja (konieczność pozostania online dłużej), wycofanie (depresja i drażliwość w trybie offline), konflikty (interpersonalne i intrapsychiczne) oraz nawrót (nieudane próby przerwania korzystania z Internetu). Te podstawowe komponenty zapewniają teoretyczne ramy do szacowania wielkości PIU.
 
Wskaźniki rozpowszechnienia dla PIU różnią się znacznie w poszczególnych krajach, częściowo ze względu na różnorodność definicji, nazewnictwa i oceny diagnostycznej. W celu oszacowania globalnego rozpowszechnienia, Cheng i Li [31] zajął się tymi rozbieżnościami, stosując metaanalizę efektów losowych, wykorzystując badania z porównywalnymi instrumentami i kryteriami psychometrycznymi. Takie podejście pozwoliło uzyskać łącznie uczestników 89,281 z krajów 31 obejmujących kilka regionów świata. Wyniki pokazały, że globalna częstość występowania PIU wynosiła 6.0% (95% CI: 5.1 – 6.9) z umiarkowaną heterogenicznością.
Badania rozpowszechnienia oceniające PIU na poziomie europejskim przy użyciu reprezentatywnych próbek są ograniczone. Pomimo tej niedostateczności, pojawiają się dowody epidemiologiczne wskazujące na stabilne tendencje w częstości występowania wśród tej grupy docelowej. W reprezentatywnej próbie młodzieży europejskiej (n = 18,709) w wieku 11 – 16 lat, Blinka i in. [32] wykazało, że częstość występowania PIU wynosiła 1.4%. Jest to zbieżne ze wskaźnikami podanymi przez Tsitsika i in. [33], który oszacował rozpowszechnienie 1.2 przez PIU na reprezentatywnej próbie młodzieży europejskiej (n = 13,284) w wieku 14 – 17 lat. Durkee i współpracownicy [34], jednak zaobserwowano nieco wyższą częstość występowania 4.4% PIU w reprezentatywnej próbie młodzieży europejskiej (n = 11,956) w wieku 14 – 16. Wykazano, że wskaźniki rozpowszechnienia PIU w Europie są znacznie wyższe u mężczyzn niż u kobiet, rosną z wiekiem, różnią się w zależności od kraju i są powiązane z szeregiem zaburzeń psychicznych i behawioralnych [35,36,37,38,39].
 
Początek zachowań ryzykownych często występuje w okresie dojrzewania z wysokim prawdopodobieństwem ciągłości w dorosłości. Mężczyźni mają większą częstość występowania niż kobiety, a częstotliwość zachowań ryzykownych zwykle wzrasta wraz z wiekiem [40]. Istnieją różne poziomy ciężkości, od zachowań niskiego ryzyka (złe nawyki snu, złe odżywianie i brak aktywności fizycznej) do zachowań wysokiego ryzyka (nadmierne spożywanie alkoholu, nielegalne używanie narkotyków i używanie tytoniu). Badania zazwyczaj oceniały zachowania ryzykowne jako niezależne podmioty, aczkolwiek wyraźne dowody wskazują na ich współwystępowanie, nawet w młodym wieku [41,42]. Populacje o wielu zachowaniach ryzykownych mają największe ryzyko chorób przewlekłych, zaburzeń psychicznych, zachowań samobójczych i przedwczesnych zgonów w porównaniu z osobami z pojedynczym lub bez zachowań ryzykownych [43,44]. Biorąc pod uwagę jednoczesny charakter zachowań ryzykownych, konieczne jest zrozumienie ich wpływu na ryzyko młodzieży w związku z PIU.
 
System nadzoru nad zachowaniem młodzieży (YRBSS) w USA stwierdza, że ​​zachowania ryzykowne są głównym czynnikiem przyczyniającym się do głównych przyczyn zachorowalności wśród młodzieży i młodzieży [45]. Oprócz tego ukrytego przypuszczenia istnieje stosunkowo niewiele badań, które systematycznie analizują zakres, w jakim te formy zachowania odnoszą się do dorastającej PIU, szczególnie w kontekście europejskim. Badania epidemiologiczne są niezbędne w celu lepszego zrozumienia tego zjawiska.
 
Podstawowym celem tego badania, opartego na dużej, reprezentatywnej próbie młodzieży szkolnej w Europie, jest zbadanie związku zachowań ryzykownych (np. Spożywanie alkoholu, nielegalne używanie narkotyków, używanie tytoniu, podejmowanie ryzyka, wagary, złe nawyki snu, złe odżywianie i brak aktywności fizycznej) oraz różne formy korzystania z Internetu.

2. Materiały i metody

2.1. Badanie projektu i populacji

Niniejsze badanie przekrojowe zostało przeprowadzone w ramach projektu Unii Europejskiej: Saving and Empowering Young Lives in Europe (SEYLE) [46]. Młodzież została rekrutowana z losowo wybranych szkół w różnych ośrodkach badawczych w Austrii, Estonii, Francji, Niemczech, na Węgrzech, w Irlandii, Izraelu, Włoszech, Rumunii, Słowenii i Hiszpanii, a Szwecja pełniła rolę ośrodka koordynującego.
 
Kryteria włączenia do wyboru kwalifikujących się szkół były oparte na następujących warunkach: (1) szkoły były publiczne; (2) zawierał co najmniej uczniów 40 w wieku 15; (3) miał więcej niż dwóch nauczycieli dla uczniów w wieku 15; i (4) miał nie więcej niż 60% uczniów tej samej płci. Kwalifikujące się szkoły zostały podzielone na kategorie według wielkości: (i) małe (≤ mediana liczby uczniów we wszystkich szkołach na terenie badania); oraz (ii) duże (≥ mediana liczby uczniów we wszystkich szkołach na terenie badania) [46]. Korzystając z generatora liczb losowych, szkoły były losowo przydzielane zgodnie z interwencjami SEYLE i wielkością szkoły w odniesieniu do czynników społeczno-kulturowych, środowiska szkolnego i struktury systemu szkolnego w każdym miejscu badania.
 
Dane zbierano za pomocą ustrukturyzowanych kwestionariuszy podawanych młodzieży w środowisku szkolnym.
Wskaźniki reprezentatywności, zgody, udziału i odpowiedzi próbki są zgłaszane w analizie metodologicznej [47].
Niniejsze badanie przeprowadzono zgodnie z Deklaracją Helsińską, a protokół został zatwierdzony przez lokalną Komisję Etyki w każdym kraju uczestniczącym (projekt nr HEALTH-F2-2009-223091). Przed uczestnictwem w badaniu zarówno młodzież, jak i rodzice wyrazili świadomą zgodę na uczestnictwo.

2.2. Pomiary

PIU oceniano za pomocą kwestionariusza diagnostycznego Younga (YDQ) [18]. YDQ jest kwestionariuszem 8 oceniającym wzorce korzystania z Internetu, które powodują upośledzenie psychiczne lub społeczne w okresie sześciu miesięcy poprzedzających gromadzenie danych [48]. Osiem pozycji w YDQ odpowiada sześciu elementom w modelu komponentów Griffithsa i dziewięciu elementom w kryteriach diagnostycznych IGD w DSM-5 [49,50]. W oparciu o wynik YDQ, począwszy od 0 – 8, internauci zostali podzieleni na trzy grupy: adaptacyjni użytkownicy Internetu (AIU) (punktacja 0 – 2); nieprzystosowani użytkownicy Internetu (MIU) (punktacja 3 – 4); i patologiczni użytkownicy Internetu (PIU) (punktacja ≥ 5) [51]. Co więcej, godziny online dziennie były mierzone za pomocą pojedynczego pytania w ustrukturyzowanym kwestionariuszu.
Dane dotyczące zachowań ryzykownych uzyskano za pomocą pytań z Global School-Based Student Health Survey (GSHS) [52]. Opracowany przez Światową Organizację Zdrowia (WHO) i współpracowników GSHS jest szkolną ankietą oceniającą zachowania ryzykowne dla zdrowia wśród młodzieży w wieku 13 – 17 lat. Ten kwestionariusz samooceny zawiera elementy, które odpowiadają wiodącym przyczynom 10 zachorowalności wśród młodzieży i młodzieży.

2.3. Indywidualne zachowania ryzykowne

Na podstawie GSHS poszczególne zachowania związane z ryzykiem zostały podzielone na trzy kategorie: (i) używanie substancji; (ii) poszukiwanie wrażeń; (iii) i cechy stylu życia. Wynikające z tego indywidualne zachowania ryzykowne zostały zakodowane jako zmienne dychotomiczne.

2.3.1. Stosowanie substancji

Używanie substancji obejmowało używanie alkoholu, nielegalne używanie narkotyków i używanie tytoniu. Zmienne sklasyfikowano odpowiednio: (1) częstość zażywania alkoholu: ≥2 razy / tydzień vs. (1) liczba drinków w typowy dzień picia: ≥ napoje NUMXX vs. ≤ napoje 2; (3) częstość picia przez całe życie do poziomu pijaństwa (zatrucie alkoholem): ≥2 razy vs. (3) częstość występowania kaca po wypiciu: ≥3 razy vs. ≤2 razy; (4) kiedykolwiek używał leków: tak / nie; (3) kiedykolwiek używał haszyszu lub marihuany: tak / nie; (2) kiedykolwiek używał tytoniu: tak / nie; i (5) obecnie pali papierosy: ≥6 / dzień vs. ≤7 / dzień.

2.3.2. Sensation-Seeking

Poszukiwanie sensacji składało się z czterech elementów wskazujących na podejmowanie ryzyka w ciągu ostatnich dwunastu miesięcy: (1) prowadzony pojazdem przez przyjaciela, który pił alkohol; (2) jeździł na deskorolce lub łyżwach w ruchu bez kasku i / lub (3) ciągniętych wzdłuż poruszającego się pojazdu; i (4) poszedł do niebezpiecznych ulic lub zaułków w nocy. Alternatywne odpowiedzi były tak / nie we wszystkich czterech pozycjach.

2.3.3. Charakterystyka stylu życia

Charakterystyka stylu życia obejmowała zmienne związane ze snem, odżywianiem, aktywnością fizyczną i frekwencją w szkole. Nawyki związane ze snem odnoszą się do ostatnich sześciu miesięcy: (1) uczucie zmęczenia rano przed szkołą: ≥3 dni / tydzień vs. ≤2 dni / tydzień; (2) drzemanie po szkole: ≥3 dni / tydzień vs. ≤2 dni / tydzień; i (4) spanie: ≤6 godziny / noc vs. ≥7 godziny / noc. Odżywianie odnosi się do ostatnich sześciu miesięcy: (4) spożywanie owoców / warzyw: ≤1 czas / tydzień vs. ≥2 razy / tydzień; oraz (5) spożywanie śniadania przed szkołą: ≤2 dni / tydzień vs. ≥3 dni / tydzień. Aktywność fizyczna odnosiła się do ostatnich sześciu miesięcy: (6) aktywność fizyczna przez co najmniej 60 minut w ciągu ostatnich dwóch tygodni: ≤3 dni vs. ≥4 dni; i (7) regularnie uprawia sport: tak / nie. Frekwencja w szkole obejmowała jedną pozycję dotyczącą nieusprawiedliwionych nieobecności w szkole w ciągu ostatnich dwóch tygodni: ≥3 dni w porównaniu z ≤2 dni.

2.4. Wiele zachowań ryzykownych

Całkowita liczba zachowań ryzykownych została obliczona jako pojedyncza zmienna i zakodowana jako miara porządkowa. Niezawodność połówkowa (rsb = 0.742) i wartości wewnętrznej spójności (α = 0.714) wskazywały akceptowalny poziom jednorodności między elementami w wielorakim pomiarze zachowania

3. Analizy statystyczne

Częstość występowania indywidualnych zachowań ryzykownych wśród internetowych grup użytkowników obliczono dla mężczyzn i kobiet. Aby ustalić statystycznie istotne różnice między proporcjami grup, przeprowadzono wielokrotne porównania par za pomocą dwustronnego testu z z wartościami p skorygowanymi Bonferroniego. Przeprowadzono rozszerzone analizy w celu przetestowania wpływu poszczególnych zachowań ryzyka na MIU i PIU przy użyciu uogólnionych liniowych modeli mieszanych (GLMM) z wielomianowym łączem logitowym i pełną oceną maksymalnej wiarygodności. W analizie GLMM MIU i PIU zostały wprowadzone jako miary wyniku z AIU jako kategorią odniesienia, indywidualne zachowania związane z ryzykiem zostały wprowadzone jako efekty stałe poziomu 1, szkoła jako przypadkowe przechwycenie poziomu 2 i kraj jako przechwycenie losowe poziomu 3. Składniki wariancji zostały użyte jako struktura kowariancji efektów losowych. Aby zbadać łagodzący wpływ płci, terminy interakcji (zachowania związane z płcią *) zostały dopasowane do modelu regresji. Dostosowania ze względu na wiek i płeć zastosowano do odpowiednich modeli GLMM. Współczynniki szans (OR) z przedziałami ufności 95% (CI) są zgłaszane dla odpowiednich modeli.
W analizie wielu zachowań ryzyka obliczono średnią (M) i błąd standardowy średniej (SEM) dla różnych grup użytkowników Internetu i stratyfikowano według płci. Wykresy pudełkowe i wiskerskie zostały użyte do zilustrowania tych relacji. Istotność statystyczną między wieloma zachowaniami ryzyka a płcią oceniono za pomocą niezależnego testu t-próbek. Jednokierunkową analizę wariancji (ANOVA) z porównaniami parami post hoc zastosowano do oceny istotności statystycznej między wieloma zachowaniami ryzyka a grupami użytkowników Internetu.
Przeprowadzono wykres zmiennej regresji, aby wyjaśnić liniową zależność między liczbą godzin spędzanych online w ciągu dnia a liczbą zachowań ryzykownych wśród grup użytkowników Internetu. Wszystkie testy statystyczne przeprowadzono przy użyciu IBM SPSS Statistics 23.0. Za statystycznie istotną uznano wartość krytyczną p <0.05.

4. Wyniki

4.1. Charakterystyka próbki badawczej

Spośród początkowej próby SEYLE 12,395 464 nastolatków wykluczono 3.7 (11,931%) z powodu braku danych dotyczących odpowiednich zmiennych. Dało to próbę 43.4 56.6 nastolatków w wieku szkolnym do niniejszego badania. Próba składała się z 5179% mężczyzn i 6752% nastolatków płci żeńskiej (M / K: 14.89/0.87) w średnim wieku 14.3 ± 12.4 lat. Częstość występowania MIU była istotnie wyższa wśród kobiet (5.2%) w porównaniu z mężczyznami (3.9%), podczas gdy PIU była istotnie większa wśród mężczyzn (2%) niż kobiet (11928%) (χ² (19.92, 0.001) = XNUMX, p < XNUMX).

4.2. Rozpowszechnienie zachowań ryzykownych

Tabela 1 opisuje rozpowszechnienie zachowań ryzykownych z podziałem na grupy użytkowników Internetu. Średnie wskaźniki rozpowszechnienia wśród grup użytkowników Internetu (AIU, MIU i PIU) to 16.4%, 24.3% i 26.5% dla używania substancji (spożywanie alkoholu, nielegalne używanie narkotyków i używanie tytoniu); 19.0%, 27.8% i 33.8% dla zachowań poszukujących sensacji (działania podejmujące ryzyko); oraz 23.8%, 30.8% i 35.2% odpowiednio dla cech stylu życia (złe nawyki snu, złe odżywianie, brak aktywności fizycznej i wagary). Częstość występowania w grupach MIU i PIU była istotnie wyższa w porównaniu z grupą AIU we wszystkich kategoriach ryzyka (używanie substancji, poszukiwanie wrażeń i cechy stylu życia). Z wyjątkiem pięciu podkategorii, porównania par wykazały, że wskaźniki rozpowszechnienia nie różnią się znacząco między grupami MIU i PIU.

Stół
Tabela 1. Rozpowszechnienie zachowań ryzykownych wśród młodzieży z podziałem na płeć i grupę użytkowników Internetu 1,2a – c.

4.3. Wiele zachowań ryzykownych

Wyniki pokazały, że 89.9% nastolatków w grupie PIU zgłosiło wiele zachowań ryzykownych. Jednokierunkowy test ANOVA wykazał, że średni wskaźnik wielu zachowań ryzykownych istotnie wzrósł od użycia adaptacyjnego (M = 4.89, SEM = 0.02) do użycia nieadaptacyjnego (M = 6.38, SEM = 0.07) do użycia patologicznego (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Trend ten był praktycznie równoważny dla mężczyzn i kobiet (Rysunek 1).

Ijerph 13 00294 g001 1024
Rysunek 1. Wykres pudełkowy i wąsowy wielu zachowań ryzykownych wśród adaptacyjnych internautów (AIU), niedostosowanych użytkowników Internetu (MIU) i patologicznych użytkowników Internetu (PIU) podzielonych według płci *.
Ponadto nie zaobserwowano różnic statystycznych między płciami w obu grupach MIU (t (1608) = 0.529, p = 0.597) i PIU (t (526) = 1.92, p = 0.054) (Tabela 2). Należy jednak zauważyć, że wartość p dla grupy PIU była stosunkowo bliska osiągnięcia istotności statystycznej (p = 0.054). 

Stół
Tabela 2. Niezależny test t-testów wielokrotnych zachowań ryzykownych i płci według grupy użytkowników Internetu 1-3.
Wykres zmiennej regresji wykazywał wyraźną liniową zależność między liczbą godzin online dziennie a liczbą zachowań ryzykownych u młodzieży. Tendencja ta była stosunkowo identyczna między grupami użytkowników Internetu (Rysunek 2). 

Ijerph 13 00294 g002 1024
Rysunek 2. Liniowa zależność między liczbą godzin dziennie w Internecie a liczbą zachowań ryzykownych wśród grup AIU, MIU i PIU *.

4.4. Analiza GLMM Stowarzyszenia Zachowań Ryzyka, MIU i PIU

Zachowania ryzykowne, które były istotnie związane z MIU, były również istotnie związane z PIU, z wyjątkiem trzech podkategorii odnotowanych w ramach działań podejmujących ryzyko i wagarowania (Tabela 3). Analiza GLMM wykazała, że ​​wszystkie podkategorie złych nawyków spania znacznie zwiększyły względne szanse PIU z wielkościami efektu od OR = 1.45 do OR = 2.17. Zaobserwowano znaczące powiązania między działaniami podejmującymi ryzyko a PIU z rozmiarami efektu od OR = 1.55 do OR = 1.73. Co więcej, współczynniki szans dla pojedynczych podkategorii w ramach używania tytoniu (OR = 1.41), złego odżywiania (OR = 1.41) i braku aktywności fizycznej (OR = 1.39) były istotne statystycznie.

Stół
Tabela 3. Uogólniony liniowy model mieszany (GLMM) związku między indywidualnymi zachowaniami ryzyka, nieprzystosowawczym użyciem i patologicznym użyciem z rozszerzoną analizą interakcji płci 1-4.

4.5. Interakcje płci

Analiza interakcji między płciami wykazała, że ​​związek między działaniami podejmującymi ryzyko, złymi nawykami spania i PIU był znacznie wyższy u kobiet, podczas gdy związek między wagarowaniem, złym odżywianiem i PIU był znacznie wyższy u mężczyzn (Tabela 3).

5. Dyskusja

5.1. Rozpowszechnienie zachowań ryzykownych

Niniejsze badanie miało na celu zbadanie związku między PIU a zachowaniami ryzyka. Wyniki pokazały, że rozpowszechnienie zachowań ryzykownych było znacznie wyższe wśród użytkowników patologicznych w porównaniu z użytkownikami adaptacyjnymi, z pewnymi różnicami między płciami. Największą częstością występowania obserwowaną wśród użytkowników nieprzystosowanych i patologicznych było złe nawyki snu, a następnie używanie tytoniu. Szacunki te są znacznie wyższe w porównaniu ze wskaźnikami rozpowszechnienia odnotowanymi w badaniach przeprowadzonych poza UE, a mianowicie w regionach Azji i Pacyfiku [53,54]. Jedno wiarygodne wyjaśnienie może być związane ze zmianami obserwowanymi na poziomie ekologicznym (np. Współczynnikami penetracji) między tymi poszczególnymi regionami. Statystyki pokazują, że region europejski ma najwyższy na świecie wskaźnik penetracji Internetu (78%). Stawki europejskie są ponad dwukrotnie wyższe niż w regionach Azji i Pacyfiku (36%) [55]. Rzeczywista rola, jaką wskaźnik penetracji ma dla wpływu na rozpowszechnienie PIU, pozostaje niejednoznaczna; w związku z tym przyszłe wysiłki mające na celu zbadanie tego związku miałyby wielką wartość dla wyjaśnienia tego związku.

5.2. Stosowanie substancji

Cechy zachowań ryzykownych i zachowań uzależniających w dużym stopniu pokrywają się. Jest to chyba najbardziej widoczne w przypadku używania substancji. Stosowanie substancji jest często klasyfikowane jako zachowanie ryzykowne; jest to jednak także poprzednik nadużywania substancji. Jeśli zachowania o wysokim ryzyku mają podobne mechanizmy leżące u ich podstaw, zachowanie jednego problemu może obniżyć próg do rozwoju innych zachowań problemowych. To twierdzenie znajduje potwierdzenie w badaniach opartych na dowodach, wykazujących wysoki poziom wzajemnych powiązań między różnymi zachowaniami ryzyka [56]. W oparciu o tę koncepcję można założyć, że młodzież z wcześniej istniejącymi zachowaniami związanymi z ryzykiem może mieć wyższe ryzyko PIU w porównaniu z młodzieżą bez zachowań ryzykownych.

5.3. Sensation-Seeking

Zgodnie z powyższymi badaniami [57] wyniki pokazały, że większość działań podejmujących ryzyko w kategorii poszukiwania sensacji była istotnie związana z PIU. Poszukiwanie wrażeń jest cechą osobowości związaną z brakami samoregulacji i odroczonej gratyfikacji [58]. Te cechy wśród młodzieży są często związane z predyspozycją percepcyjną „optymistycznego efektu uprzedzenia”, w którym nastolatkowie są bardziej skłonni do dyskontowania ryzyka dla siebie, podczas gdy przeceniają ryzyko dla innych [59]. Młodzież wykazująca te cechy odchylające może mieć większą skłonność do problemów behawioralnych.

5.4. Charakterystyka stylu życia

Słabe nawyki snu okazały się najsilniejszymi czynnikami związanymi z PIU. Jest to prawdopodobnie spowodowane efektem przesunięcia snu w przypadku działań online. Istnieją pewne działania online, które wyraźnie skłaniają użytkowników do pozostawania online dłużej niż przewidywano. Badanie gier RPG online MMORPG wykazało, że użytkownicy są zachęcani do pozostawania online dłużej, aby śledzić progresywną fabułę swojej postaci online [60]. W ostatnich latach pojawiło się także nadmierne korzystanie z portali społecznościowych, co oznacza zarówno wydłużenie czasu spędzanego online, jak i negatywne korelacje z rzeczywistymi interakcjami społecznymi [61,62]. Badania pokazują, że młodzież nadmiernie korzystająca z Internetu ma skłonność do rozwoju zaburzeń snu w wyniku dłuższego czasu spędzonego w Internecie [63,64]. Przewlekłe przesuwanie snu na potrzeby działań online może prowadzić do pozbawienia snu, o którym wiadomo, że powoduje poważne niekorzystne skutki dla funkcjonowania społecznego, psychologicznego i somatycznego.
Zaburzenia regulowanych wzorców snu mogą również być czynnikiem pośredniczącym w związku między wagarowaniem a nieprzystosowaniem do korzystania z Internetu. Młodzież angażująca się w działania online w nadmiernym stopniu może ryzykować zakłócenie naturalnego snu. Dowody wskazują, że zwiększone opóźnienie snu i zmniejszony sen snu (REM) są znacząco związane z nadmiernym używaniem Internetu [65], podczas gdy subiektywne bezsenności i parasomnie są związane z wagarami [66]. Zaburzenia snu mają wyraźny wpływ na funkcjonowanie w ciągu dnia i osiągnięcia naukowe. Może to spowodować, że młodzież przestanie się interesować szkołą, zwiększając tym samym ryzyko odmowy szkoły i chronicznej absencji [66].
Wykazano, że słabe odżywianie i brak aktywności fizycznej są istotnie związane z PIU. Młodzież, która spędza więcej czasu w Internecie, potencjalnie może podążać w kierunku niezdrowej żywności. Postuluje się, że gracze internetowi piją napoje energetyczne o wysokiej zawartości kofeiny i jedzą przekąski o wysokiej zawartości cukru, aby zwiększyć czujność w grach online [67]. Następnie czynniki te mogą sprawić, że gracze internetowi będą bardziej skłonni do siedzącego trybu życia w porównaniu z osobami nie będącymi graczami. Ponadto istnieje duża lojalność wśród graczy, zwłaszcza tych, którzy wypierają żywność, higienę osobistą i aktywność fizyczną, aby kontynuować gry online [68]. Może to stanowić poważne zagrożenie dla zdrowia i prowadzić do poważnych objawów psychosomatycznych.

5.5. Wiele zachowań ryzykownych

Stwierdzono, że zachowania związane z ryzykiem są zbieżne w przyrodzie, a 89.9% młodzieży w grupie PIU zgłaszało wiele zachowań ryzykownych. Wyniki te są zgodne z teorią Jessera na temat zachowania problemowego [69,70]. Teoria zachowania problemowego jest modelem psychospołecznym, który próbuje wyjaśnić wyniki behawioralne u młodzieży. Składa się z trzech systemów pojęciowych opartych na komponentach psychospołecznych: systemie osobowości, postrzeganym systemie środowiskowym i systemie zachowań. W tym ostatnim systemie struktury zachowań ryzykownych (np. Używanie alkoholu, używanie tytoniu, przestępczość i dewiacja) mają tendencję do współwystępowania i łączą się w ogólny „syndrom zachowań ryzykownych” [71]. Według Jessor te zachowania problemowe często wynikają z twierdzenia przez młodzież o niezależności od rodziców i wpływów społecznych.
Młodzież walcząca o autonomię może częściowo uwzględniać znaczący trend liniowy odnotowywany między godzinami online dziennie i wieloma zachowaniami związanymi z ryzykiem. Ten trend był stosunkowo identyczny we wszystkich grupach użytkowników Internetu. Odkrycia te są bardzo istotne, ponieważ sugerują, że nadmierne godziny online same w sobie mogą zwiększyć liczbę zachowań ryzykownych dla wszystkich nastolatków, a nie tylko tych, u których zdiagnozowano PIU. Nadmierne godziny w Internecie mogą być również czynnikiem łagodzącym relacje między PIU a zachowaniami związanymi z ryzykiem; jednak konieczne są dalsze badania dotyczące tego związku.

5.6. Interakcje płci

Analiza interakcji między płciami wykazała, że ​​istotne powiązania zaobserwowane między zachowaniami ryzyka a PIU były równomiernie rozłożone między mężczyznami i kobietami. Jest to nieco sprzeczne z wcześniejszymi badaniami, które zazwyczaj pokazują, że PIU i zachowania ryzykowne są specyficzne dla płci męskiej. Ta zmiana płci może wskazywać, że różnice w zachowaniach związanych z płcią mogą się zmniejszać wśród młodzieży europejskiej.
Z innej perspektywy, związek między płcią a zachowaniami ryzyka może być zapośredniczony przez trzeci czynnik, taki jak psychopatologia. W dużym, opartym na płci badaniu młodzieży (n = 56,086) w wieku 12 – 18, częstość występowania PIU oszacowano na 2.8% wśród całej próby ze znacząco wyższymi wskaźnikami obserwowanymi u mężczyzn (3.6%) w porównaniu z kobietami ( 1.9%) [72]. W odpowiednich badaniach zauważono, że kobiety z problemami emocjonalnymi, takimi jak subiektywne nieszczęście lub objawy depresyjne, mają znacznie wyższą częstość występowania PIU niż mężczyźni z podobnymi objawami emocjonalnymi. Badania związane z płcią analizujące wpływ interakcji płci na PIU są niezbędnym warunkiem przyszłego kierunku badań PIU.

5.7. Model komponentów Griffithsa

Model uzależnienia od komponentów Griffithsa [30] stawia hipotezę, że uzależnienia behawioralne (np. PIU) i uzależnienia związane z substancjami postępują poprzez podobne procesy biopsychospołeczne i mają wiele cech fizycznych. Kryteriami uzależnienia odpowiednich sześciu podstawowych komponentów tego modelu są (1) salience, (2) modyfikacja nastroju, (3) tolerancja, (4) wycofanie, (5) konflikt i (6) nawrót. Kuss i in. [73] ocenił model komponentów uzależnienia w dwóch niezależnych próbkach (n = 3105 i n = 2257). Wyniki pokazały, że model komponentów PIU bardzo dobrze pasuje do danych w obu próbkach.
W niniejszym badaniu miara YDQ została wykorzystana do oceny i wykrycia młodzieży z nieprzystosowawczymi i patologicznymi zagrożeniami związanymi z korzystaniem z Internetu i zachowaniami online. Ponieważ miara YDQ obejmuje wszystkie sześć kryteriów uzależnienia określonych w modelu komponentów Griffithsa, ważność wyników przedstawionych w tym badaniu jest poparta tymi teoretycznymi ramami.

5.8. Mocne strony i ograniczenia

Duża, reprezentatywna próba międzynarodowa stanowi główną siłę tego badania. Jednolita metodologia i znormalizowane procedury stosowane we wszystkich krajach zwiększają ważność, wiarygodność i porównywalność danych. W zakresie naszej wiedzy obszar geograficzny w Europie był największym, jaki kiedykolwiek wykorzystano do przeprowadzenia badania na temat PIU i zachowań ryzykownych.
Istnieją również pewne ograniczenia badania. Dane zgłaszane przez siebie są skłonne do przypominania i uprzedzeń społecznych, co może się różnić w poszczególnych krajach i kulturach. Projekt przekrojowy nie jest w stanie wyjaśnić relacji czasowych, dlatego nie można określić związku przyczynowego. W środku GSHS podkategorie działań podejmujących ryzyko stanowią jedynie część zachowań związanych z poszukiwaniem wrażeń; dlatego należy zachować ostrożność podczas interpretacji wyników.

6. Wnioski

Istotnie zwiększający się wskaźnik rozpowszechnienia wśród grup AIU, MIU i PIU zaobserwowano we wszystkich kategoriach ryzyka (używanie substancji, poszukiwanie wrażeń i cechy stylu życia). Młodzież zgłaszająca złe nawyki snu i podejmujące ryzyko wykazała najsilniejsze związki z PIU, a następnie używanie tytoniu, złe odżywianie i brak aktywności fizycznej. Znaczące powiązanie zaobserwowane między PIU a zachowaniami związanymi z ryzykiem, w połączeniu z wysokim wskaźnikiem współwystępowania, podkreśla wagę rozważenia PIU przy badaniach przesiewowych, leczeniu lub zapobieganiu zachowaniom wysokiego ryzyka u młodzieży.
Wśród młodzieży z grupy PIU 89.9% charakteryzowało się wieloma zachowaniami ryzyka. Dlatego wysiłki powinny być skierowane do nastolatków, którzy nadmiernie korzystają z Internetu, ponieważ zaobserwowano znaczną liniową tendencję między godzinami online dziennie i wieloma zachowaniami związanymi z ryzykiem. Tendencja ta była podobna we wszystkich grupach użytkowników Internetu, co wskazuje, że nadmierne godziny w Internecie same w sobie są ważnym czynnikiem dla zachowań ryzykownych. Odkrycia te muszą zostać powtórzone i dalej zbadane przed ustaleniem ich teoretycznych implikacji.

Podziękowanie

Projekt SEYLE był wspierany przez Temat Koordynacyjny 1 (Zdrowie) Siódmego Programu Ramowego (7PR) Unii Europejskiej, Umowa o dofinansowanie nr HEALTH-F2-2009-223091. Autorzy byli niezależni od sponsorów we wszystkich aspektach projektu badania, analizy danych i pisania tego manuskryptu. Liderem projektu i koordynatorem projektu SEYLE jest profesor psychiatrii i suicydologii Danuta Wasserman, Instytut Karolinska (KI), Kierownik Narodowego Centrum Badań nad Samobójstwami i Zapobiegania Chorobom Psychicznym i Samobójstwom (NASP), KI, Sztokholm, Szwecja. Pozostali członkowie Komitetu Wykonawczego to starszy wykładowca Vladimir Carli, National Center for Suicide Research and Prevention of Mental Ill-Health (NASP), Karolinska Institute, Sztokholm, Szwecja; Christina WH Hoven i antropolog Camilla Wasserman, Klinika Psychiatrii Dzieci i Młodzieży, New York State Psychiatric Institute, Columbia University, New York, USA; oraz Marco Sarchiapone z Wydziału Nauk o Zdrowiu Uniwersytetu Molise, Campobasso, Włochy. Konsorcjum SEYLE składa się z ośrodków w 12 krajach europejskich. Kierownikami poszczególnych ośrodków i krajów są: Danuta Wasserman (NASP, Instytut Karolinska, Szwecja, Centrum Koordynacyjne), Christian Haring (Uniwersytet Medycznych Technologii Informacyjnych, Austria), Airi Varnik (Estoński Szwedzki Instytut Zdrowia Psychicznego i Suicydologii, Estonia), Jean-Pierre Kahn (University of Lorraine, Nancy, Francja), Romuald Brunner (University of Heidelberg, Niemcy), Judit Balazs (Vadaskert Child and Adolescent Psychiatric Hospital, Węgry), Paul Corcoran (National Suicide Research Foundation, Irlandia), Alan Apter (Schneider Children's Medical Center of Israel, Tel Aviv University, Tel Aviv, Israel), Marco Sarchiapone (University of Molise, Włochy), Doina Cosman (Iuliu Hatieganu University of Medicine and Pharmacy, Rumunia), Vita Postuvan (University of Primorska, Słowenia) ) i Julio Bobes (University of Oviedo, Hiszpania). Wsparcie dla „Kwestii etycznych w badaniach z nieletnimi i innymi grupami wrażliwymi” zostało uzyskane dzięki grantowi Fundacji Botnar z Bazylei dla profesora etyki Stelli Reiter-Theil z kliniki psychiatrycznej na Uniwersytecie w Bazylei, która była niezależnym konsultantem etycznym projekt SEYLE.

Autorskie Wkłady

Tony Durkee jest pierwszym i korespondentem, który opracował projekt badania, przeprowadził analizy statystyczne i poddał krytycznej weryfikacji wszystkie fazy manuskryptu. Vladimir Carli, Birgitta Floderus i Danuta Wasserman wzięli udział w projekcie studium i dokonali krytycznych zmian w rękopisie. Camilla Wasserman, Christina W. Hoven, Michael Kaess i Peeter Värnik przeprowadzili konsultacje i dokonali krytycznych zmian w rękopisie. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn i Vita Postuvan są głównymi badaczami projektu SEYLE w swoich krajach i przyczynili się do krytycznych poprawek rękopis. Bogdan Nemes i Pilar A. Saiz są kierownikami projektu SEYLE w swoich krajach i uczestniczyli w ważnych zmianach rękopisu.

Konflikt interesów

Autorzy deklarują brak konfliktu interesów.

Skróty

W niniejszym manuskrypcie zastosowano następujące skróty: 

SEYLE
Oszczędzanie i wzmacnianie młodych żyć w Europie
YRBSS
System nadzoru zachowań ryzyka dla młodzieży
GSHS
Globalna szkolna ankieta dotycząca zdrowia uczniów
YDQ
Kwestionariusz diagnostyczny Younga
GLMM
Uogólnione liniowe modele mieszane
ANOVA
Jednokierunkowa analiza wariancji
PIU
Patologiczne korzystanie z Internetu
MIU
Nieadaptacyjne korzystanie z Internetu
AIU
Adaptacyjne korzystanie z Internetu
CI
Przedziały ufności
SEM
Błąd standardowy średniej
M
Oznaczać

Referencje

  1. Moshman, D. Rozwój poznawczy po dzieciństwie. In Handbook of Child Psychology, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, Eds .; Wiley: Nowy Jork, NY, USA, 1998; Tom 2, str. 947 – 978. [Google Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Społeczny rozwój poznawczy w okresie dojrzewania. Soc. Cogn. Oddziaływać. Neurosci. 2006, 1, 165-174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Rozwój poznawczy w okresie dojrzewania. In Handbook of Psychology: Psychologia rozwojowa; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds .; Wiley: Hoboken, NJ, USA, 2003; Tom 6, str. 325 – 350. [Google Scholar]
  4. Subrahmanyam, K .; Greenfield, P .; Kraut, R .; Gross, E. Wpływ wykorzystania komputera na rozwój dzieci i młodzieży. J. Appl. Dev. Psychol. 2001, 22, 7-30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C .; Lampe, C. Korzyści z „znajomych” z Facebooka: wykorzystanie kapitału społecznościowego i studentów college'u w serwisach społecznościowych online. J. Comput. Med. Commun. 2007, 12, 1143-1168. [Google Scholar] [CrossRef]
  6. Steinfield, C .; Ellison, NB; Lampe, C. Kapitał społeczny, poczucie własnej wartości i korzystanie z internetowych serwisów społecznościowych: analiza podłużna. J. Appl. Dev. Psychol. 2008, 29, 434-445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Growing up Digital: The Rise of the Net Generation; McGraw-Hill Education: Nowy Jork, NY, USA, 2008; str. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M .; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. Internetowy paradoks. Technologia społeczna, która zmniejsza zaangażowanie społeczne i dobrostan psychiczny? Rano. Psychol. 1998, 53, 1017-1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B .; Cummings, J .; Helgeson, V .; Crawford, A. Paradoks internetowy ponownie rozpatrzony. J. Soc. Zagadnienia 2002, 58, 49-74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Korzystanie z Internetu, relacje międzyludzkie i towarzyskość: studium dziennikarskie. W Internecie w życiu codziennym; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd .: Oxford, UK, 2002; str. 213 – 243. [Google Scholar]
  11. Nalwa, K .; Anand, uzależnienie od Internetu w AP u uczniów: powód do niepokoju. Cyberpsychol. Behav. 2003, 6, 653-656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Związek między uzależnieniem od internetu a wynikami w nauce wśród studentów uniwersyteckich. Edu. Res. Obrót silnika. 2013, 8, 1793. [Google Scholar]
  13. Gür, K .; Jurta, S .; Bulduk, S .; Atagöz, S. Uzależnienie od Internetu oraz problemy z zachowaniem fizycznym i psychospołecznym wśród wiejskich uczniów szkół średnich. Nurs. Zdrowie Sci. 2015, 17, 331-338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K .; Pengpid, S .; Apidechkul, T. Ciężkie korzystanie z Internetu i jego powiązania z ryzykiem zdrowotnym i zachowaniami prozdrowotnymi wśród tajlandzkich studentów uniwersytetu. Int. J. Adolesc. Med. Zdrowie 2014, 26, 187-194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M .; Nygard, CH; Saarni, L .; Rimpela, A. Wykorzystanie technologii informacyjnych i komunikacyjnych (ICT) i postrzeganego zdrowia w okresie dojrzewania: rola nawyków snu i zmęczenie po przebudzeniu. J. Adolesc. 2007, 30, 569-585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L .; Pollock, C .; Maslen, B. Zasady mądrego używania komputerów przez dzieci. Ergonomia 2009, 52, 1386-1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M .; Czarne, DW uzależnienie od Internetu: definicja, ocena, epidemiologia i zarządzanie kliniczne. Narkotyki CNS 2008, 22, 353-365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Uzależnienie od Internetu: Pojawienie się nowego zaburzenia klinicznego. CyberPsychol. Behav. 1998, 1, 237-244. [Google Scholar] [CrossRef]
  19. Amerykańskie Stowarzyszenie Psychiatryczne (APA). Diagnostyczny i statystyczny podręcznik zaburzeń psychicznych. Dostępny online: http://www.dsm5.org (dostęp do 2 February 2016).
  20. Petry, NM; O'Brien, CP Internetowe zaburzenie gier i DSM-5. Uzależnienie 2013, 108, 1186-1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N .; Griffiths, M. Rozpowszechnienie uzależnień: problem większości lub mniejszości? Eval. Zdrowie Prof. 2011, 34, 3-56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsywność w uzależnieniu od Internetu: porównanie z hazardem patologicznym. Cyberpsychol. Behav. Soc. Netw. 2012, 15, 373-377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Catalano, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Czy uzależnienie od internetu jest stanem psychopatologicznym odmiennym od patologicznego hazardu? Nałogowiec. Behav. 2014, 39, 1052-1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N .; Raj, Z .; Abraham, A. Zaburzenia uzależnienia od Internetu i używania substancji psychoaktywnych u młodzieży - badanie przekrojowe. J. Int. Med. Wygięcie. 2015, 2, 172-179. [Google Scholar]
  25. Brezing, C .; Derevensky, JL; Potenza, MN Nie uzależniające od substancji zachowania u młodzieży: patologiczny hazard i problematyczne korzystanie z Internetu. Dziecko Adoles. Psychiatr. Clin. N. Am. 2010, 19, 625-641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Dysfunkcja kory przedczołowej w uzależnieniu: odkrycia neuroobrazowania i implikacje kliniczne. Nat. Wielebny Neurosci. 2011, 12, 652-669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C .; Kirsch, P .; Sauer, C .; Markett, S .; Reuter, M. Rola genu chrna4 w uzależnieniu od Internetu: badanie kliniczno-kontrolne. J. Addict. Med. 2012, 6, 191-195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E .; Janikian, M .; Kafetzis, D .; Tsitsika, A. Czynniki ryzyka i cechy psychospołeczne potencjalnego problematycznego i problematycznego korzystania z Internetu wśród młodzieży: badanie przekrojowe. BMC Public Health 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Szare anomalie materii w uzależnieniu od Internetu: badanie morfometryczne oparte na wokseli. Eur. J. Radiol. 2011, 79, 92-95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. „Model” modelu uzależnienia w ramach biopsychospołecznych. J. Subst. Posługiwać się 2005, 10, 191-197. [Google Scholar] [CrossRef]
  31. Cheng, C .; Li, AY Rozpowszechnienie uzależnienia od Internetu i jakość (prawdziwego) życia: Metaanaliza narodów 31 w siedmiu regionach świata. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 755-760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L .; Škařupová, K .; Ševčíková, A .; Wölfling, K .; Müller, KW; Dreier, M. Nadmierne korzystanie z Internetu u europejskich nastolatków: co decyduje o różnicach w nasileniu? Int. J. Zdrowie publiczne 2015, 60, 249-256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M .; Schoenmakers, TM; Tzavela, EC; Ólafsson, K .; Wójcik, S .; Florian Macarie, G .; Tzavara, C .; Richardson, C. Zachowanie uzależniające od Internetu w okresie dojrzewania: badanie przekrojowe w siedmiu krajach europejskich. Cyberpsychol. Behav. Soc. Netw. 2014, 17, 528-535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T .; Kaess, M .; Carli, V .; Parzer, P .; Wasserman, C .; Floderus, B .; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. Rozpowszechnienie patologicznego korzystania z Internetu wśród młodzieży w Europie: czynniki demograficzne i społeczne. Uzależnienie 2012, 107, 2210-2222. [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Uzależnienie od Internetu: systematyczny przegląd badań epidemiologicznych w ostatnim dziesięcioleciu. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google Scholar] [CrossRef] [PubMed]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G .; Despalins, R .; Kramarz, E .; Wasserman, C .; Sarchiapone, M .; Hoven, CW; Brunner, R .; et al. Związek między patologicznym korzystaniem z Internetu a współistniejącą psychopatologią: przegląd systematyczny. Psychopatologia 2013, 46, 1-13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F .; Lu, Y .; Cheng, C .; Yip, PS; Lam, LT; Lai, C.-M .; et al. Związek między uzależnieniem od Internetu a współwystępowaniem chorób psychicznych: metaanaliza. BMC Psychiatry 2014, 14, 1-10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P .; Wasserman, C .; Sarchiapone, M .; Hoven, C .; Apter, A .; Balazs, J .; et al. Patologiczne korzystanie z Internetu wśród młodzieży europejskiej: psychopatologia i zachowania autodestrukcyjne. Eur. Dziecko Adolesc. Psychiatria 2014, 23, 1093-1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD Psychologia kliniczna uzależnienia od Internetu: przegląd jego konceptualizacji, rozpowszechnienia, procesów neuronalnych i implikacji dla leczenia. Neurosci. Neuroekonomia 2015, 4, 11-23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Zachowanie wielokrotnego ryzyka w okresie dojrzewania. J. Zdrowie publiczne 2012, 34, i1-i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Czynniki ryzyka związane ze stylem życia uczniów: podejście analityczne do klastrów. Poprzedni Med. 2010, 51, 73-77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M .; Sarris, J .; Coulson, C .; Jacka, F. Zarządzanie stylem życia w depresji jednobiegunowej. Acta Psychiatr. Scand. 2013, 127, 38-54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Wiosna, B .; Nigg, CR Wielokrotne badanie zmian zachowań zdrowotnych: wprowadzenie i przegląd. Poprzedni Med. 2008, 46, 181-188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C .; Chiesa, F .; Guffanti, G .; Sarchiapone, M .; Apter, A .; Balazs, J .; Brunner, R .; Corcoran, P. Nowo zidentyfikowana grupa nastolatków z „niewidzialnym” ryzykiem dla psychopatologii i zachowań samobójczych: wyniki badania SEYLE. Światowa psychiatria 2014, 13, 78-86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J .; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Nadzór nad zachowaniem wśród młodzieży - Stany Zjednoczone, 2013. MMWR Surveill. Summ. 2014, 63, 1-168. [Google Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C .; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C .; Corcoran, P .; et al. Oszczędzanie i wzmacnianie młodego życia w Europie (SEYLE): randomizowane badanie kontrolowane. BMC Public Health 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C .; Wasserman, D .; Sarchiapone, M .; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R .; Corcoran, P .; Cosman, D. Randomizowane badanie kontrolowane (SEYLE) dotyczące ratowania i wzmacniania młodego życia w Europie: zagadnienia metodologiczne i cechy uczestników. BMC Public Health 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS Caught in the Net: Jak rozpoznać oznaki uzależnienia od Internetu - i zwycięska strategia powrotu do zdrowia; J. Wiley: Nowy Jork, NY, USA, 1998; p. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Screening pod kątem zależności od Internetu: Czy proponowane kryteria diagnostyczne odróżniają normalne korzystanie z Internetu od zależności? Cyberpsychol. Behav. 2009, 12, 21-27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Kryteria diagnostyczne dla problematycznego korzystania z Internetu wśród studentów Uniwersytetu Amerykańskiego: Ocena metod mieszanych. PLoS ONE 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD Konceptualizacja i pomiar zaburzenia gry internetowej dsm-5: Opracowanie testu IGD-20. PLoS ONE 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Światowa Organizacja Zdrowia (WHO). Globalne szkolne badanie zdrowia uczniów (GSHS). Dostępny online: http://www.who.int/chp/gshs/en/ (dostęp do 12 grudzień 2015).
  53. Choi, K .; Syn, H .; Park, M .; Han, J .; Kim, K .; Lee, B .; Gwak, H. Nadużywanie Internetu i nadmierna senność w ciągu dnia u młodzieży. Klinika Psychiatryczna. Neurosci. 2009, 63, 455-462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C .; Dalbudak, E .; Evren, B .; Demirci, AC Wysokie ryzyko uzależnienia od Internetu i jego związku z używaniem substancji przez całe życie, problemami psychologicznymi i behawioralnymi wśród młodzieży 10th. Psychiatria Danub. 2014, 26, 330-339. [Google Scholar]
  55. Międzynarodowy związek telekomunikacyjny (ITU). Fakty i liczby ICT. Dostępny online: http://www.itu.int/en (dostęp do 8 August 2015).
  56. De La Haye, K .; D'Amico, EJ; Miles, JN; Ewing, B .; Tucker, JS Kowariancja wśród wielu zachowań związanych z zagrożeniem zdrowia u młodzieży. PLoS ONE 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L .; Liu, T .; Gao, X. Związek między impulsywnością a uzależnieniem od internetu w próbce chińskiej młodzieży. Eur. Psychiatria: J. Assoc. Eur. Psychiatr. 2007, 22, 466-471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Alienacja, agresja i poszukiwanie wrażeń jako predyktory używania przez nastolatków brutalnych treści filmowych, komputerowych i internetowych. J. Commun. 2003, 53, 105-121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE W stronę wszechstronnej teorii problematycznego korzystania z Internetu: ocena roli samooceny, niepokoju, przepływu i samooceny znaczenia działań internetowych. Comput. Szum. Behav. 2009, 25, 490-500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Wyróżniające uzależnienie i wysokie zaangażowanie w kontekście gry online. Comput. Szum. Behav. 2007, 23, 1531-1548. [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Sieci społecznościowe online i uzależnienie - przegląd literatury psychologicznej. Int. J. Environ. Res. Zdrowie publiczne 2011, 8, 3528-3552. [Google Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Problematyczne korzystanie z portali społecznościowych wśród nastolatków z miejskiej szkoły. Ind. Psychiatry J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Charakterystyka uzależnienia od Internetu / patologicznego korzystania z Internetu przez studentów Uniwersytetu Stanów Zjednoczonych: badanie metodą jakościową. PLoS ONE 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. Uzależnienie od gier internetowych, problematyczne korzystanie z Internetu i problemy ze snem: przegląd systematyczny. Curr. Psychiatra Rep. 2014, 16, 1-9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N .; Gradisar, M. Elektroniczne korzystanie z mediów i sen u dzieci i młodzieży w wieku szkolnym: przegląd. Sleep Med. 2010, 11, 735-742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G .; Fricke-Oerkermann, L. Występowanie problemów ze snem i związku między problemami ze snem a zachowaniami odmowy w szkole u dzieci w wieku szkolnym w ocenach dzieci i rodziców. Psychopatologia 2014, 47, 119-126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC Sensation szuka i uzależnienie od internetu tajwańskich nastolatków z liceum. Comput. Szum. Behav. 2002, 18, 411-426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. Rola uzależnienia od Internetu w lojalności gier online: badanie eksploracyjne. Internet Res. 2008, 18, 499-519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Problem Behavior and Psychosocial Development: Longitudinal Study of Youth; Academic Press: Cambridge, MA, USA, 1977; str. 281. [Google Scholar]
  70. Jessor, R. Teoria problemowo-behawioralna, rozwój psychospołeczny i problem picia nastolatków. Br. J. Addict. 1987, 82, 331-342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Strukturalna równoważność zaangażowania w zachowanie problemowe młodzieży w różnych grupach rasowych przy użyciu wielokrotnej grupy potwierdzającej analizy czynnikowej. Soc. Praca Res. 1996, 20, 168-177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Różnice w płci w uzależnieniu od Internetu związane ze wskaźnikami zdrowia psychicznego wśród nastolatków za pomocą krajowej ankiety internetowej. Int. J. Ment. Uzależniony od zdrowia. 2014, 12, 660-669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Krótszy, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Ocena uzależnienia od Internetu za pomocą oszczędnego modelu składników uzależnienia od Internetu - badanie wstępne. Int. J. Ment. Uzależniony od zdrowia. 2014, 12, 351-366. [Google Scholar] [CrossRef]