PLoS ONE. 2016 Aug 17; 11 (8): e0159788. doi: 10.1371 / journal.pone.0159788.
Kim Y1, Jeong JE2, Cho H2, Jung DJ2, Kwak M.2, Rho MJ3, Yu H1, Kim DJ2, Choi IY3.
Abstrakcyjny
Celem tego badania była identyfikacja predyspozycji uzależnienia smartfonów (SAP) związanych z czynnikiem osobowości. Uczestnikami byli mężczyźni 2,573 i kobiety 2,281 (n = 4,854) w wieku 20-49 lat (średnia ± SD: 33.47 ± 7.52); uczestnicy wypełnili następujące kwestionariusze: Koreańską Skalę Uzależnienia od smartfonów (K-SAPS) dla dorosłych, kwestionariusz Systemu Zachowania / Systemu Aktywacji Behawioralnej (BIS / BAS), Instrument Impulsywności Dickman'a (DDII) oraz Krótką Samokontrolę Skala (BSCS). Ponadto uczestnicy zgłosili swoje dane demograficzne i wzorzec użytkowania smartfonów (średnie godziny użytkowania w dni powszednie lub weekendy oraz główne użycie). Przeanalizowaliśmy dane w trzech krokach: (1) identyfikacja predyktorów za pomocą regresji logistycznej, (2) wyprowadzenie związków przyczynowych między SAP a jego predyktorami przy użyciu bayesowskiej sieci przekonań (BN) oraz (3) obliczenie optymalnych punktów odcięcia dla zidentyfikowanych predyktory wykorzystujące indeks Youden.
Zidentyfikowane predyktory SAP były następujące: płeć (kobieta), średnia liczba godzin użytkowania w weekendy oraz wyniki dotyczące BAS-Drive, BAS-Reward Responsiveness, DDII i BSCS. Płeć żeńska i wyniki w BAS-Drive i BSCS bezpośrednio zwiększyły SAP. BAS-Reward Responsiveness i DDII pośrednio zwiększyły SAP. Okazało się, że SAP został zdefiniowany z maksymalną czułością w następujący sposób: średnia weekendowa liczba godzin użytkowania> 4.45, BAS-Drive> 10.0, BAS-Reward Responsiveness> 13.8, DDII> 4.5 i BSCS> 37.4. Badanie to sugeruje, że czynniki osobowości mają wpływ na SAP. I obliczyliśmy punkty odcięcia dla kluczowych predyktorów. Odkrycia te mogą pomóc lekarzom w badaniach przesiewowych w kierunku SAP przy użyciu punktów odcięcia i pogłębić zrozumienie czynników ryzyka SA.
PMID: 27533112
DOI: 10.1371 / journal.pone.0159788
;
