Walidacja malajskiej wersji skali uzależnień od smartfonów wśród studentów medycyny w Malezji (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337.

Ching SM1, Yee A2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

Abstrakcyjny

WPROWADZENIE:

Badanie to zostało zainicjowane w celu określenia właściwości psychometrycznych skali uzależnienia od inteligentnych telefonów (SAS) poprzez tłumaczenie i walidację tej skali na język malajski (SAS-M), który jest głównym językiem używanym w Malezji. Badanie to może odróżnić uzależnienie od smartfona i Internetu wśród wieloetnicznych malezyjskich studentów medycyny. Ponadto wykazano również niezawodność i ważność SAS.

MATERIAŁY I METODY:

Wszyscy uczestnicy 228 zostali wybrani między sierpniem 2014 a wrześniem 2014 w celu wypełnienia zestawu kwestionariuszy, w tym SAS i zmodyfikowanego testu uzależnienia internetowego Kimberly Young (IAT) w języku malajskim.

WYNIKI:

W badaniu wzięło udział 99 mężczyzn i 129 kobiet w wieku od 19 do 22 lat (21.7 ± 1.1). Przeprowadzono analizy opisowe i czynnikowe, współczynniki wewnątrzklasowe, testy t i analizy korelacji w celu zweryfikowania rzetelności i trafności SAS. Test sferyczności Bartletta był istotny (p <0.01), a miara Kaisera-Mayera-Olkina adekwatności próbkowania dla SAS-M wyniosła 0.92, wskazując merytorycznie, że analiza czynnikowa była właściwa. Zweryfikowano spójność wewnętrzną i współbieżną trafność SAS-M (alfa Cronbacha = 0.94). Wszystkie podskale SAS-M, z wyjątkiem pozytywnego przewidywania, były znacząco związane z malajską wersją IAT.

WNIOSKI:

W badaniu opracowano pierwszą skalę uzależnienia od smartfonów wśród studentów medycyny. Ta skala okazała się wiarygodna i ważna w języku malajskim.

Cytat: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Walidacja malajskiej wersji skali uzależnień od smartfonów wśród studentów medycyny w Malezji. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Redaktor: Aviv M. Weinstein, University of Ariel, ISRAEL

Odebrane: March 18, 2015; Przyjęty: Wrzesień 11, 2015; Opublikowano: 2 października 2015 r.

Prawa autorskie: © 2015 Ching i in. Jest to artykuł o otwartym dostępie dystrybuowany zgodnie z warunkami Licencja Creative Commons - uznanie autorstwa, która pozwala na nieograniczone korzystanie, dystrybucję i reprodukcję na dowolnym nośniku, pod warunkiem, że oryginalny autor i źródło zostaną zapisane

Dostępność danych: Wszystkie istotne dane znajdują się w dokumencie i jego plikach informacji pomocniczych.

Finansowanie: Autorzy chcieliby również podziękować funduszowi badawczemu UPM (grant nr: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) za wsparcie finansowe. Adres URL to http://www.rmc.upm.edu.my/.

Konkurencyjne zainteresowania: Autorzy zadeklarowali, że nie istnieją konkurencyjne interesy.

Wprowadzenie

Nie ma wątpliwości, że smartfon zapewnił nam ogromną wygodę w naszym codziennym życiu, ponieważ ma bardziej zaawansowane możliwości obliczeniowe i łączność niż podstawowe telefony funkcyjne [1]. Korzystanie ze smartfona ma swoją własną różnorodność celów i celów. Szeroki zakres badań wykazał, że smartfon ma wiele zalet w celach społecznych i medycznych [2-5]. Chociaż smartfon stał się jednym z najbardziej popularnych i ważnych narzędzi komunikacyjnych, jego nadmierne używanie stało się problemem społecznym na całym świecie i stworzyło nowe obawy dotyczące zdrowia psychicznego, w których użytkownik ma tendencję do rozwijania zależności od niego [6-8].

Uzależnienie od smartfona jest również nazywane „uzależnieniem od telefonu komórkowego”, „kompulsywnym nadużywaniem telefonu komórkowego” lub „nadużywaniem telefonu komórkowego”. Terminy te opisują głównie zjawisko problematycznego używania telefonu komórkowego [9, 10]. „Uzależnienie od smartfonów” to termin zwykle używany w literaturze. To uzależnienie charakteryzuje się głównie nadmiernymi lub słabo kontrolowanymi zajęciami, popędami lub zachowaniami dotyczącymi używania smartfonów, do tego stopnia, że ​​osoby zaniedbują inne obszary życia [11-13]. Badania wykazują, że nadmierne korzystanie z telefonów komórkowych było związane ze stresem, zaburzeniami snu, paleniem i objawami depresji [14-16].

Najnowsze dane z Malezji pokazały, że penetracja smartfonów wzrosła z 47% w 2012 do 63% w 2013. W 2014 10.13 mln Malezyjczyków było aktywnymi użytkownikami smartfonów, w porównaniu z 7.7 mln w 2012 [17-20]. Patologiczne wykorzystanie smartfona jest podobne do uzależnienia od Internetu. Korzystanie z uzależnienia od Internetu staje się nadmierne wśród młodzieży i dorosłych na całym świecie [21]. Nadmierne uzależnienie od internetu prowadzi do zaburzeń psychicznych, niskiej samooceny, depresji i upośledzonych wyników w nauce i pracy [22-25]. Badania lokalne wykazały, że rozpowszechnienie uzależnienia od Internetu to 43% [26], a w Malezji jest więcej niż 4.2 milionów aktywnych użytkowników Facebooka; w rzeczywistości Facebook jest najlepszą witryną sieciową w tym kraju. Biorąc pod uwagę gwałtowny wzrost wykorzystania smartfonów w Malezji, istnieje pilna potrzeba zatwierdzenia skali do pomiaru uzależnienia od smartfonów w lokalnej populacji, aby określić jej rozpowszechnienie i określić, kto jest zagrożony rozwojem uzależnienia od smartfonów, aby decydenci może zaplanować odpowiednią interwencję w najbliższej przyszłości.

Podobnie jak struktura czynnikowa przygotowana do testu uzależnienia od internetu [27], Smartphone Addiction Scale (SAS) opracowany przez Min Kwon i in. była pierwszą skalą uzależnienia od smartfonów używaną do diagnozy [28]. Skala ta składa się z elementów 33 i została opisana jako wiarygodna, o dobrej wewnętrznej spójności (alfa Cronbacha = 0.967), a równoczesna ważność sześciu podskal obejmuje zakres od 0.32 do 0.61 [28].

Badanie to miało na celu przetłumaczenie SAS na język malajski i zbadanie właściwości psychometrycznych malajskiej wersji SAS (SAS-M), aby ułatwić jej wykorzystanie do dalszych badań w środowisku lokalnym.

Metodologia

Studiuj projekt i ustawienie

Było to przekrojowe badanie wszystkich studentów medycyny pierwszego i drugiego roku z Universiti Putra Malaysia. Uczniowie ci zostali poproszeni o przeprowadzenie badania walidacyjnego od sierpnia 2014 do września 2014. Uniwersytet ten znajduje się w Serdang, obok stolicy Malezji, Putrajaya. Oszacowaliśmy, że wielkość próbki powinna wynosić co najmniej 165 w oparciu o obliczenie pięciu przypadków na element w SAS (który ma łącznie elementy 33) [29]. Dlatego wielkość próbki 228 w tym badaniu była odpowiednia.

Procedura.

Etap 1: Autor uzyskał angielską wersję SAS od Kwon et al. Tłumaczenie z języka angielskiego na język malajski zostało przeprowadzone równolegle przez dwóch dwujęzycznych ekspertów językowych, a tłumaczenie zwrotne zostało wykonane przez trzeciego eksperta języka dwujęzycznego. Omówiono rozbieżności między wersją oryginalną a tłumaczeniem zwrotnym i dokonano odpowiednich korekt. Ostateczna wersja przetłumaczonego SAS, którą nazwaliśmy szkicem SAS-M, została wygenerowana przez panel ekspertów złożony z jednego psychiatry, dwóch starszych lekarzy i jednego lekarza rodzinnego, z których wszyscy byli wykwalifikowanymi specjalistami w zakresie stosowania instrumentów psychometrycznych i wszyscy mieli doświadczenie kliniczne z zaburzeniami depresyjnymi.

Etap 2: Pierwsza wersja SAS-M została przetestowana pilotażowo wśród uczniów 20 mówiących w języku malajskim, aby zidentyfikować wszelkie błędy w tej wersji. Wszelkie słowa, które respondenci uznali za nieodpowiednie lub nieodpowiednie w tej wersji, zostały odnotowane i poprawione. Większość uczniów miała trudności z przyjęciem przedmiotu 15: „Bycie złym i urażonym, gdy nie mam smartfona”. Ten element został poprawiony i przetłumaczony na „Niecierpliwy i niespokojny, gdy nie mam smartfona” w języku malajskim. Sfinalizowana wersja SAS-M została następnie poddana przeglądowi przez dwóch konsultantów psychiatrów z wieloletnim doświadczeniem 10, aby ocenić trafność treści i zapewnić zadowalającą twarz i zadowalającą semantykę, kryteria i równoważność pojęciową.

Etap 3: Każdy student dostarczył pisemną świadomą zgodę po otrzymaniu pełnego wyjaśnienia natury i poufności badania, a uczniowie 228 zgodzili się na udział w badaniu z odsetkiem braku odpowiedzi 9%. Dane socjodemograficzne (wiek, płeć, pochodzenie etniczne i dochód gospodarstwa domowego) uzyskano od uczniów. Udokumentowano informacje o wykorzystaniu smartfonów przez studentów na podstawie ich własnych szacunków, takich jak liczba godzin użytkowania w tygodniu, liczba lat zwykłego użytkownika smartfona i wiek, w którym zaczęli korzystać ze smartfona. Uczniowie otrzymali następujące kwestionariusze:

  1. SAS i SAS-M (tabela A w Tekst S1).
  2. Malajska wersja testu uzależnienia od Internetu.

instrumenty

Skala uzależnienia od smartfona [28].

SAS jest samodzielną skalą typu Likert typu 6 z elementami 33. Każde pytanie ma skalę odpowiedzi od 1 do 6 (1 = zdecydowanie nie zgadzam się z 6 = zdecydowanie się zgadzam), odzwierciedlając częstotliwość objawów. Respondent krąży wokół stwierdzenia, które najlepiej opisuje ich charakterystykę używania smartfonów. Całkowity wynik możliwy w SAS waha się od 48 do 288. Im wyższy wynik, tym większy stopień patologicznego wykorzystania smartfona.

Test uzależnienia od Internetu [26].

Kwestionariusz IAT, opracowany przez Kimberly Young w 1998, jest narzędziem najczęściej używanym w diagnozowaniu uzależnienia od Internetu. Wersja Malay została zweryfikowana lokalnie, z dobrą spójnością wewnętrzną (alfa Cronbacha = 0.91) i niezawodnością równoległą (współczynnik korelacji wewnątrzklasowej (ICC) = 0.88, P <0.001). Jest to kwestionariusz do samodzielnego wypełnienia, składający się z 5-stopniowej skali Likerta zawierającej 20 pozycji, z minimalną wartością punktową 20 i maksymalną 100 punktów. Punktacja każdego pytania waha się od 1 do 5 (1 = nigdy do 5 = zawsze), odtwarzając wystąpienie objawów. Uczniowie wybrali stwierdzenie, które najlepiej opisuje cechy ich korzystania z Internetu. Im wyższy wynik, tym większy stopień patologicznego korzystania z internetu. Gdy wynik w malajskiej wersji IAT jest wyższy niż 43, osoba jest diagnozowana jako osoba zagrożona uzależnieniem od Internetu [26].

Analiza statystyczna

Wszystkie analizy przeprowadzono przy użyciu pakietu statystycznego dla nauk społecznych w wersji 21.0 (SPSS, Chicago, IL, USA). Statystyki opisowe zostały obliczone dla podstawowych cech uczestników. Do oceny spójności wewnętrznej SAS-M wykorzystano alfa Cronbacha, a normalność danych oceniono za pomocą analizy Kołmogorowa-Smirnowa. Jednorodność pozycji skali analizowano na podstawie współczynników korelacji między pozycjami i sumy wyników w przypadku usunięcia pozycji. Trafność konstruktu zbadano za pomocą eksploracyjnej analizy czynnikowej i ukośnego promaxu z Normalizacją Kaisera. Do określenia pozycji dla każdego czynnika wykorzystano ładunek czynnikowy> 0.30. Opierając się na regule Guttmana-Kaisera, czynniki o wartości własnej większej niż 1 są zachowywane [30, 31]. ICC wykorzystano do zbadania równoległej niezawodności SAS-M i angielskiej wersji SAS oraz niezawodności testowania SAS-M. Korelacja Pearsona została wykorzystana do zbadania współbieżności między SAS-M a malajską wersją IAT. Optymalny wynik odcięcia SAS-M dla przypadków ryzyka został określony na podstawie punktów współrzędnych, gdy wynik dla malajskiej wersji IAT był większy niż 43 [26], w którym czułość i specyficzność były optymalne w analizie charakterystyki pracy odbiornika (ROC). Pole pod krzywą (AUC) określono dla krzywej ROC.

Definicja

Zwykły użytkownik definiuje się jako tych, którzy używają smartfona co najmniej 6 lub więcej razy w 6 miesiącach [32]

Zatwierdzenie etyczne

Zgoda etyczna na to badanie została uzyskana od Komisji Etyki Universiti Putra Malaysia (FPSK-EXP14 P091).

Efekt

W tym badaniu zrekrutowano ogółem uczniów 228. Tabela 1 pokazuje charakterystykę kliniczną badanej populacji. Ogólnie średni wiek wynosił około 22 lat ± 1.1. Ponad połowa uczniów była kobietami (56.6%), a większość była pochodzenia malajskiego (52.4%). Średni czas użytkowania smartfona tygodniowo wynosił 36.5 godzin. Średnio studenci zaczęli używać smartfona w wieku 19, a średnia liczba lat regularnego używania smartfonów to 2.4 lat.

miniatur  

 
Tabela 1. Charakterystyka badanej populacji (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Struktura czynnikowa i wewnętrzna spójność SAS-M

Test sferyczności Bartletta był istotny (p <0.01), a miara Kaisera-Meyera-Olkina adekwatności próbkowania dla SAS-M wyniosła 0.92, co wskazuje, że skala była merytoryczna [33], co z kolei wskazywało na trafność analizy czynnikowej. Sześć czynników wyodrębniono (wartość własna> 1.00) za pomocą metody eksploracyjnej analizy czynnikowej i skośnej rotacji promax z normalizacją Kaisera, która stanowiła 65.3% całkowitej wariancji. Wynik ten był zgodny z pierwotnym SAS [28].

SAS-M wykazywał dobrą wewnętrzną spójność; Współczynnikiem alfa Cronbacha dla całkowitej skali był 0.94, a odpowiednimi współczynnikami dla sześciu czynników były 0.877, 0.843, 0.865, 0.837, 0.865 i 0.861. Sześć czynników odpowiadających podskalom SAS określano jako „relacje zorientowane na cyberprzestrzeń”, „codzienne zaburzenia życia”, „prymat”, „nadużywanie”, „pozytywne oczekiwanie” i „wycofanie” (Tabela 2). Wszystkie elementy miały skorygowane korelacje łącznych pozycji więcej niż 0.9. Usunięcie któregokolwiek z elementów nie zwiększyło wewnętrznej spójności całkowitej punktacji (Tabela 3). Równoległa niezawodność pomiędzy SAS-M i SAS była wysoka, co wykazał ICC 0.95 (95% Przedział ufności = 0.937 – 0.962). Niezawodność testu testowego SAS-M po odstępie tygodniowym 1 była wysoka, z ICC 0.85 (95% Przedział ufności = 0.808 – 0.866).

miniatur  

 
Tabela 2. Analiza czynnikowa wersji SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

miniatur  

 
Tabela 3. Poprawiona pozycja - korelacje całkowite i alfa Cronbacha, jeśli element został usunięty dla SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Równoczesna ważność SAS-M: korelacje między podskalami SAS-M i malajską wersją IAT

Wyniki analizy korelacji Pearsona, która została przeprowadzona między podskalami SAS-M i malajską wersją IAT, przedstawiono w Tabela 4. Wyniki pokazują, że wszystkie podskale SAS-M, z wyjątkiem „pozytywnego przewidywania”, były istotnie związane z malajską wersją IAT.

miniatur  

 
Tabela 4. Równoczesna ważność SAS-M (korelacja Pearsona): podskale SAS-M i malajska wersja IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

AUC dla krzywej ROC wynosiła 0.801 (95% CI = 0.746 do 0.855). Optymalny punkt odcięcia dla identyfikacji przypadków ryzyka był większy niż 98, z czułością 71.43%, specyficznością 71.03%, dodatnią wartością predykcyjną (PPV) 64.10% i ujemną wartością predykcyjną (NPV) 77.44 %. Częstość występowania uzależnienia od smartfonu w tym badaniu w tym badaniu wynosiła 46.9%, w oparciu o wynik 98.

Dyskusja

W badaniu tym zbadano wewnętrzną spójność, wymiarowość i zbieżność oraz konstruktywność ważności SAS-M. Wyniki badania wskazują, że SAS-M jest wiarygodnym i ważnym instrumentem do oceny uzależnienia od smartfonów w populacji malajskojęzycznej.

W tym badaniu SAS-M wykazywał dobrą wewnętrzną spójność; Współczynnikiem alfa Cronbacha dla całkowitej skali był 0.94, a odpowiednimi współczynnikami dla sześciu czynników były 0.877, 0.843, 0.865, 0.837, 0.865 i 0.861. Stwierdzono, że równoległa niezawodność SAS-M i niezawodność testu-retest po interwale 1-tygodnia są dobre, z ICC odpowiednio 0.95 i 0.85, które są nawet lepsze niż w oryginalnej wersji SAS [28]. Do tej pory jest to pierwsze tego typu badanie związane z uzależnieniem od smartfonów i pokazuje, że SAS-M jest tak dobry jak wersja angielska.

Jednak sześć dominujących komponentów, które wyjaśniały dużą część zmienności SAS-M, było podobnych do oryginalnych SAS. W niniejszym badaniu komponenty składały się z „relacji zorientowanej na cyberprzestrzeń”, „codziennego zaburzenia życia”, „prymatu”, „nadużywania”, „pozytywnego przewidywania” i „wycofania”. Komponenty oryginalnego SAS to „codzienne zaburzenia życia”, „pozytywne oczekiwanie”, „wycofanie”, „relacja zorientowana na cyberprzestrzeń”, „nadużywanie” i „tolerancja”. Nie wszystkie czynniki uzyskane w tej analizie czynnikowej były zgodne z czynnikami uzyskanymi w oryginalnym SAS. Jest to bardziej prawdopodobne ze względu na fakt, że odzwierciedla to różnice między próbkami malajskimi i koreańskimi. Znaczenie oryginalnego SAS zostało zmienione podczas procesu tłumaczenia.

Większość składników zgłoszonych w bieżącym badaniu jest taka sama, z wyjątkiem komponentu „prymat”, który różni się od „tolerancji” komponentu w oryginalnym SAS. Możliwe przyczyny to nasza populacja badana była młodsza (21.7 ± 1.1 lat z przedziałem wiekowym od 20 do 27) w porównaniu z populacją koreańską (26.1 ± 6.0 z przedziałami wiekowymi od 18 do 53). Tło naszej badanej populacji było jednorodne, ponieważ wszyscy badani byli studentami medycyny w porównaniu z szerokim zakresem zawodu i poziomu wykształcenia w oryginalnym badaniu SAS. Różna interpretacja może być skomplikowana ze względu na różnorodność środowisk i wykształcenia badanej populacji.

W tym badaniu wszystkie podskale SAS-M, z wyjątkiem „pozytywnego przewidywania”, były istotnie związane z malajską wersją IAT. Może to być jedyna podskala, która nie jest dobrze skorelowana z IAT, ponieważ IAT mierzy głównie niekorzystne wykorzystanie Internetu, więc nie ma żadnych elementów pytających o pozytywne oczekiwanie. Niemniej jednak ten aspekt nie zmniejsza równoczesnej ważności, ponieważ inne podskale 5 są silnie skorelowane.

Częstość występowania przypadków ryzyka, które można zidentyfikować jako uzależnienie od smartfona przy użyciu tej skali, wynosiła 46.9%. Istnieje kilka możliwych wyjaśnień tego wyniku. Oczekiwane jest wysokie rozpowszechnienie uzależnienia od smartfonów, ponieważ lokalne badania wykazały, że 85% Malezyjczyków posiada telefony komórkowe [18]. Smartfony są ulubioną opcją, ponieważ Malezyjczycy mają tendencję do podążania za trendami w społeczności [20]. Ponadto smartfon zapewnia bezpłatne wiadomości błyskawiczne za pośrednictwem niektórych platform, np. WhatsApp i WeChat, które wzbogacają życie użytkowników. Rozrywka jest kolejnym możliwym wyjaśnieniem wysokiego rozpowszechnienia uzależnienia od smartfonów, ponieważ dzięki tym telefonom studenci medycyny mogą słuchać muzyki, oglądać filmy i grać w gry, aby zmniejszyć stres [34]. Dlatego mogą spędzać więcej czasu ze smartfonem pod koniec dnia i ostatecznie stać się patologicznymi użytkownikami.

Jednak jednym z problemów w naszym badaniu byłby optymalny wynik odcięcia SAS-M dla przypadków zagrożonych, ustalony na podstawie punktów współrzędnych, gdy wynik dla malajskiej wersji IAT był większy niż 43. To nie jest aktualne dobrze ustalone granice dla IAT. Podobnie nie ma ustalonego kryterium diagnostycznego uzależnienia od Internetu lub smartfona według DSM V w spektrum zaburzeń uzależnień [21, 25]. Zatem punkt odcięcia zaproponowany przez nasze badanie był prawdopodobnie zbyt niski, co doprowadziło do bardzo wysokiego szacowanego uzależnienia od smartfonów. Właściwie diagnoza uzależnienia od Internetu powinna opierać się na trzech kryteriach opisanych przez Ko, et al, 2012 [25].

SAS-M działa bardziej jak badanie przesiewowe lub skala oceny ciężkości uzależniającego używania smartfona niż przyrząd diagnostyczny. Właściwa diagnoza uzależnienia od smartfona będzie ważnym zagadnieniem dla przyszłych badań. Zaproponowaliśmy, aby w przyszłości diagnoza uzależnienia od smartfona zawierała więcej kryteriów, które składają się z kryteriów A, B i C. Kryterium A zawiera sześć charakterystycznych objawów uzależnienia od smartfonów, takich jak relacje zorientowane na cyberprzestrzeń, codzienne zaburzenia życia, prymat, nadużywanie, pozytywne oczekiwanie i wycofanie. Kryterium B musi obejmować upośledzenie funkcjonalne wtórne do korzystania ze smartfona. Kryterium C powinno wykluczać inne zaburzenia psychiczne, takie jak zaburzenie dwubiegunowe lub inne zaburzenie impulsywne. Osoby, które spełniają wszystkie kryteria A, B i C, będą uważane za uzależnione od smartfona.

Siła i ograniczenia

Wyniki tego badania należy interpretować w kontekście ograniczeń badania: Po pierwsze, nie ma ustalonego kryterium diagnostycznego uzależnienia od Internetu lub smartfona według DSM V w spektrum zaburzeń uzależnień [21, 25]. Jednak w świetle ograniczonych badań nad uzależnieniem od smartfonów w warunkach lokalnych wyniki tego badania nadal mogą dać pewien wgląd zespołowi pracowników służby zdrowia. Po drugie, mimo wielkości próby była odpowiednia, ale nie była randomizowana. Płeć i rasa nie były równo rozłożone. Ponadto badanie to przeprowadzono w jednym ośrodku, więc populacja próbki była jednorodna i może nie odzwierciedlać ogólnej populacji Malezji.

Pomimo tego ograniczenia wyniki niniejszego badania udowodniły, że SAS-M może być wykorzystywany do oceny uzależnienia od smartfonów wśród wykształconych malezyjskich młodych dorosłych.

Wnioski

W badaniu opracowano pierwszą skalę uzależnienia od smartfonów wśród studentów medycyny. Badanie to dostarcza również dowodów na to, że SAS-M jest ważnym i niezawodnym, samodzielnym narzędziem do ekranowania dla osób zagrożonych uzależnieniem od smartfona.

Informacje uzupełniające

S1_Text.doc
 
 

Tekst S1. Inteligentne uzależnienie od telefonu Kwestionariusz wersji malajskiej.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

Autorskie Wkłady

Pomyślano i zaprojektowano eksperymenty: SMC AY FKH. Wykonał eksperymenty: VR SMSL WAWS YLF. Przeanalizowano dane: SMC AY. Przyczyniły się odczynniki / materiały / narzędzia do analizy: SMC AY. Napisał artykuł: SMC AY VR.

Referencje

  1. 1. Inteligentne aplikacje na smartfony Rashvand HF, Hsiao KF (2015): krótki przegląd. Systemy multimedialne 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Sheets L (2012) Systematyczny przegląd aplikacji opieki zdrowotnej dla smartfonów. BMC Informatyka medyczna i podejmowanie decyzji 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. Zobacz artykuł
  4. PubMed / NCBI
  5. Google Scholar
  6. Zobacz artykuł
  7. PubMed / NCBI
  8. Google Scholar
  9. Zobacz artykuł
  10. PubMed / NCBI
  11. Google Scholar
  12. Zobacz artykuł
  13. PubMed / NCBI
  14. Google Scholar
  15. Zobacz artykuł
  16. PubMed / NCBI
  17. Google Scholar
  18. Zobacz artykuł
  19. PubMed / NCBI
  20. Google Scholar
  21. Zobacz artykuł
  22. PubMed / NCBI
  23. Google Scholar
  24. Zobacz artykuł
  25. PubMed / NCBI
  26. Google Scholar
  27. Zobacz artykuł
  28. PubMed / NCBI
  29. Google Scholar
  30. Zobacz artykuł
  31. PubMed / NCBI
  32. Google Scholar
  33. Zobacz artykuł
  34. PubMed / NCBI
  35. Google Scholar
  36. Zobacz artykuł
  37. PubMed / NCBI
  38. Google Scholar
  39. Zobacz artykuł
  40. PubMed / NCBI
  41. Google Scholar
  42. Zobacz artykuł
  43. PubMed / NCBI
  44. Google Scholar
  45. Zobacz artykuł
  46. PubMed / NCBI
  47. Google Scholar
  48. Zobacz artykuł
  49. PubMed / NCBI
  50. Google Scholar
  51. Zobacz artykuł
  52. PubMed / NCBI
  53. Google Scholar
  54. Zobacz artykuł
  55. PubMed / NCBI
  56. Google Scholar
  57. Zobacz artykuł
  58. PubMed / NCBI
  59. Google Scholar
  60. Zobacz artykuł
  61. PubMed / NCBI
  62. Google Scholar
  63. Zobacz artykuł
  64. PubMed / NCBI
  65. Google Scholar
  66. Zobacz artykuł
  67. PubMed / NCBI
  68. Google Scholar
  69. Zobacz artykuł
  70. PubMed / NCBI
  71. Google Scholar
  72. Zobacz artykuł
  73. PubMed / NCBI
  74. Google Scholar
  75. Zobacz artykuł
  76. PubMed / NCBI
  77. Google Scholar
  78. Zobacz artykuł
  79. PubMed / NCBI
  80. Google Scholar
  81. Zobacz artykuł
  82. PubMed / NCBI
  83. Google Scholar
  84. Zobacz artykuł
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Ścieżka N, Mohammod M, Lin M, Yang X, Lu H, Ali S, i in. (2011) BeWell: aplikacja na smartfona do monitorowania, modelowania i promowania dobrego samopoczucia. 5th Międzynarodowa konferencja nt. Wszechobecnych technologii obliczeniowych dla służby zdrowia w Dublinie.
  88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Zdrowie i telefon komórkowy. American Journal of Preventive Medicine 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E, Dancey D (2013) Aplikacje medyczne na smartfony dla zdrowia kobiet: jakie są dowody i opinie? International Journal of Telemedicine and Applications numer artykułu 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) Wpływ inteligentnych telefonów na ludzkie zdrowie i zachowanie: percepcja Jordańczyków. Międzynarodowy dziennik sieci komputerowych i aplikacji 2 (2): 52 – 56.
  91. 7. Sarwar M, Soomro TR (2013) Wpływ smartfonów na społeczeństwo. European Journal of Scientific Research 98 (2): 216 – 226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) A Study on Some of the Common Health Effects of Cell-Phones on College Students. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Opracowanie i walidacja Inwentarzu uzależnień od smartfonów (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) Czy impulsywność odnosi się do postrzeganej zależności od telefonu komórkowego i faktycznego korzystania z niego? Applied Cognitive Psychology 21: 527–537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Społeczne konsekwencje używania smartfonów: używanie smartfonów przez koreańskich studentów i ich dobrostan psychiczny. Cyberpsychology, Behaviour, and Social Networking 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, i in. (2009) Objawy problematycznego używania telefonu komórkowego, upośledzenia funkcjonalnego i jego związek z depresją wśród młodzieży w południowym Tajwanie. Journal of Adolescence 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problematyczne korzystanie z Internetu i telefonów komórkowych oraz objawy kliniczne u studentów: rola inteligencji emocjonalnej. Komputery w zachowaniu człowieka 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Używanie telefonów komórkowych i stres, zaburzenia snu i objawy depresji wśród młodych dorosłych - prospektywne badanie kohortowe. BMC Public Health 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Związki osobowości i stylu życia z uzależnieniem od telefonu komórkowego wśród kobiet karmiących. Zachowanie społeczne i osobowość: międzynarodowe czasopismo 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Uzależnienie od telefonów komórkowych i styl życia studentów związanych ze zdrowiem. Zachowanie społeczne i osobowość 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Malezyjska komisja ds. Komunikacji i multimediów (2012) Ankieta użytkownika telefonu 2011. Dostępny: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Malezyjska komisja ds. Komunikacji i multimediów (2014) Ankieta użytkownika telefonu 2012. Dostępny: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Dostępny: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Badanie trendów smartfonów i ich zachowania w Malezji. Międzynarodowy dziennik nowych architektur komputerowych i ich zastosowania 2: 274 – 285.
  105. 21. Weinstein A, Lejoyeux M (2010) Uzależnienie od Internetu lub nadmierne korzystanie z Internetu. American Journal of Drug and Alcohol Abuse 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Problematic internet and cell-phone use: Psychological, Behavioral and Health Correlates. Badania i teoria uzależnień 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) Prewalencja patologicznego korzystania z Internetu wśród studentów i korelacje z samooceną, Kwestionariuszem Ogólnego Zdrowia (GHQ) i odhamowaniem. CyberPsychology & Behavior 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) Związek między depresją a uzależnieniem od Internetu. CyberPsychologia i zachowanie 1: 25–28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Związek między uzależnieniem od Internetu a zaburzeniami psychicznymi: przegląd literatury. Europejska psychiatria 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Ważność malajskiej wersji Internet Addiction Test: badanie na grupie studentów medycyny w Malezji. Dziennik Zdrowia Publicznego Azji i Pacyfiku 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Francuska walidacja testu uzależnienia od Internetu. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28. Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C, et al. (2013) Opracowanie i walidacja skali uzależnienia od smartfonów (SAS). PloS jeden 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29. Analiza czynnikowa Gorsucha RL (1983). 2nd ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) Zastosowanie komputerów elektronicznych do analizy czynnikowej. Pomiar edukacyjny i psychologiczny 20: 141 – 151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Niektóre warunki konieczne do wspólnej analizy czynników. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Powiązania między symptomatologią depresji a nękaniem w Internecie wśród młodych zwykłych użytkowników. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Indeks prostoty czynnikowej. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS, Abdullah MC (2011) Stres i osiągnięcia akademickie wśród studentów studiów licencjackich na Uniwersytecie Putra w Malezji. Procedia-społeczne i behawioralne nauki 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288