Efeitos de vícios na Internet e em smartphones sobre depressão e ansiedade com base na análise de correspondência de pontuação de propensão (2018)

Int J Environ Res Saúde Pública. 2018 Apr 25; 15 (5). pii: E859. doi: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

Sumário

As associações de vício em internet (IA) e dependência de smartphones (SA) com problemas de saúde mental têm sido amplamente estudadas. Nós investigamos os efeitos de IA e SA sobre depressão e ansiedade enquanto ajustamos para variáveis ​​sociodemográficas. Neste estudo, os participantes do 4854 completaram uma pesquisa transversal com base na Web, incluindo itens sócio-demográficos, a Escala Coreana para Dependência da Internet, a Escala de Pronotação do Smartphone e as subescalas da Lista de Sintomas. Os participantes foram classificados em IA, SA e grupos de uso normal (NU). Para reduzir o viés de amostragem, aplicamos o método de correspondência de escore de propensão com base na correspondência genética. O grupo IA apresentou um risco aumentado de depressão (risco relativo 90; p <0.001) e ansiedade (risco relativo 1.264; p <0.001) em comparação com NUs. O grupo SA também mostrou um risco aumentado de depressão (risco relativo 1.337; p <0.001) e ansiedade (risco relativo 1.402; p <0.001) em comparação com NCs. Esses achados mostram que ambos, IA e SA, exerceram efeitos significativos sobre a depressão e a ansiedade. Além disso, nossos achados mostraram que SA tem uma relação mais forte com depressão e ansiedade, mais forte que IA, e enfatizaram a necessidade de uma política de prevenção e gerenciamento do uso excessivo de smartphone.

PALAVRAS-CHAVE:  Vício em internet; ansiedade; depressão; escore de propensão; vício em smartphones

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Introdução

Com o crescente uso e conveniência da Internet e dos smartphones no dia a dia, a pesquisa acumulada mostrou os efeitos negativos do uso excessivo da Internet e dos smartphones no campo da saúde mental [1].
A taxa de usuários de smartphones na população sul-coreana é de aproximadamente 85%, a mais alta do mundo [2]. No entanto, o uso excessivo de smartphones está fortemente associado a uma série de problemas de saúde mental, incluindo estresse e aumento do risco de ansiedade anormal [3,4]. A dependência de smartphones (SA) surgiu como uma nova forma de dependência, juntamente com a dependência da Internet (IA), e a característica clínica da SA tem recebido atenção nos últimos anos [5]. Por exemplo, existem algumas diferenças em relação à natureza dos dispositivos, como a fácil portabilidade, o acesso à Internet em tempo real e os recursos de comunicação direta dos smartphones [6]. Semelhanças e diferenças entre IA e SA foram relatadas com relação às variáveis ​​demográficas e aos aspectos motivacionais do uso da mídia [1,6].
Do aspecto ambiental, a falta de atividades alternativas está associada ao IA [7]. Além disso, ter sido relatado que estar solteiro está fortemente associado a uma rede social e a jogos on-line [8]. Quanto às dimensões de escolaridade e renda mensal, estudo recente em pessoas com SA encontrou diferenças significativas na dimensão saúde em favor das que possuíam menor renda e menor grau de escolaridade [9]. Consistente com este achado, uma revisão sistemática relatou correlação significativa entre o desempenho acadêmico e a gravidade do IA [10]. Com relação à idade, uma revisão recente descobriu que o uso problemático da Internet é mais relevante para adultos adolescentes e emergentes (19 anos e mais) [10], enquanto a dependência de smartphones é mais prevalente em adolescentes mais jovens em comparação com adultos emergentes (19 anos e mais velhos) [11]. Um estudo recente mostrou que as mulheres tendem a ter uma média maior de tempos de uso diário e escores de dependência para smartphones, em comparação com os homens [4]. Choi et al. (2015) relatou que o sexo masculino tem um fator de risco relevante para IA, e o sexo feminino para SA [1]. Com relação ao propósito de uso, as redes sociais mostraram-se mais fortemente relacionadas à alta dependência do smartphone, em comparação a outras funções relacionadas ao celular [11]. Em indivíduos com IA, Anderson et al. (2016) relatou que sexo masculino foi significativamente associado a jogos de PC online [10].
Com relação aos aspectos psicológicos, as associações positivas de IA e SA com depressão e ansiedade têm sido amplamente relatadas [12,13]. Estudos recentes sugerem que a dependência da Internet e dos smartphones pode surgir pelo perfil cognitivo-emocional e comportamental individual do usuário, e não pelo próprio meio [14,15,16]. Um estudo recente observou o papel da empatia e da satisfação com a vida tanto em IA quanto em SA [17]. Com relação à psicopatologia, vários estudos relataram uma correlação positiva entre IA, depressão e ansiedade [18,19,20], enquanto um estudo recente relatou uma relação entre o uso de smartphones e gravidade, depressão e ansiedade [13]. Portanto, a inter-relação entre IA, SA e problemas de saúde mental precisa ser delineada com precisão. Além disso, dada a sobreposição e as diferenças entre as avaliações IA e SA [16], então a questão que surge é em que medida IA ​​e AS estão ligados ao aumento do nível de depressão e ansiedade após o ajuste dos fatores demográficos e socioeconômicos confusos.
Ainda não está claro se os problemas de saúde mental são causas ou conseqüências da dependência excessiva da Internet e dos smartphones. Estudos transversais empregaram análises de regressão múltipla para investigar as relações entre problemas de saúde mental, IA e SA em pessoas [21]. No entanto, em estudos observacionais, que carecem de randomização, a análise de regressão múltipla apresenta limitações, como a possibilidade de superestimação e um erro-padrão ruim quando várias covariáveis ​​estão presentes, além do viés de seleção [22]. Assim, estimar os efeitos do vício pelo simples exame de um desfecho em particular, como depressão e ansiedade, seria influenciado pelo desequilíbrio dos fatores demográficos e socioeconômicos associados à IA e à AS. Além disso, nenhum estudo investigou ainda os efeitos diferenciais de acordo com as características dos usuários de Internet e smartphone, incluindo contextos ambientais e perfis psicológicos dos usuários, de IA e SA sobre depressão e ansiedade. Propensity score matching (PSM) tornou-se uma abordagem popular para reduzir o viés de seleção em estudos observacionais [23,24]. Neste trabalho, aplicamos a análise PSM para investigar os efeitos de IA e SA sobre depressão e ansiedade, a fim de reduzir o viés de seleção em nossos dados. Escolhemos sexo, idade, escolaridade, estado civil e renda como variável de confusão, considerando a associação dessas variáveis ​​sociodemográficas com IA e AS em nosso estudo [9,25].
O principal objetivo deste estudo é examinar as inter-relações entre IA, SA e estado de humor, isto é, depressão e ansiedade, usando análise de correspondência de escore de propensão. Em segundo lugar, procuramos descobrir como os efeitos da depressão e da ansiedade diferem entre IA e SA.

 

 

2. Materiais e métodos

 

 

2.1. Participantes do estudo

Os dados consistiram nas respostas on-line do inquérito de autodiagnóstico anónimo de adultos coreanos da 5003 (com idades entre 19 e 49 anos), realizados pela Universidade Católica da Coreia, Seul; e St. Mary's Hospital em dezembro 2014 [26]. O estudo foi conduzido de acordo com a Declaração de Helsinque. Os conselhos de revisão institucional da Universidade Católica da Coréia, Seul; e o St. Mary's Hospital aprovou este estudo. Todos os participantes foram informados sobre o estudo e forneceram consentimento informado por escrito. Os participantes da pesquisa foram recrutados por um painel de uma empresa de pesquisa e questionários de auto-relato foram administrados através da Internet sem qualquer compensação. Apenas os entrevistados da 149, que não usaram smartphones, foram excluídos. Finalmente, analisamos os dados dos participantes do 4854. Na amostra final, as idades foram classificadas em três categorias: Abaixo 30 (33.19%), 30 – 39 (43.94%) e 40 – 49 (22.87%). Havia machos 2573 (53.01%) e 2281 fêmeas (46.99%). As variáveis ​​demográficas adicionais dos participantes considerados foram educação, estado civil e renda.

 

 

2.2. Medidas

 

 

2.2.1. Medição do vício em internet

A escala coreana para vício em internet (escala K) foi desenvolvida na Coreia para avaliar IA e foi validada na população coreana com alta confiabilidade de consistência interna [27]. O coeficiente alfa de Cronbach para a escala K foi 0.91 [28]. Ele tem sete subescalas e itens 40, medindo a perturbação da vida diária, a perturbação do teste de realidade, pensamentos viciantes automáticos, relações interpessoais virtuais, comportamento desviante, abstinência e tolerância. Essa escala do tipo Likert foi definida de 1 (não de todo) para 4 (sempre). De acordo com o relatório anterior usando essa escala, os participantes foram classificados em três grupos: normal, risco potencial e alto risco [29]. O grupo de alto risco foi definido como tendo uma pontuação padronizada de 70 ou superior, em distúrbios da vida diária, pensamentos viciantes automáticos, fatores de tolerância, ou pelo menos 70 no total. O grupo de risco potencial foi definido como uma pontuação de 62 ou superior em distúrbios da vida diária, pensamentos aditivos automáticos, fatores de tolerância ou pelo menos 63 no total. O grupo de uso normal continha as pontuações abaixo desses números. Neste estudo, os grupos IA foram constituídos pelos grupos de risco potencial e alto risco.

 

 

2.2.2. Medição do vício em smartphones

A Escala de Intensidade de Adição de Smartphone (K-SAS) foi validada e amplamente utilizada para rastrear SA [30]. Consiste em itens 15 classificados em uma escala de aflição do tipo Likert de quatro pontos, de 1 (nada) a 4 (sempre). As perguntas examinaram três fatores: distúrbios da vida diária, pensamentos viciantes automáticos e tolerância. O coeficiente alfa de Cronbach para o K-SAS foi 0.880 [5].
Com base em um relatório anterior usando essa escala, usamos as pontuações para classificar os participantes em três grupos: normal, risco potencial e alto risco [30]. O grupo de alto risco foi definido como tendo uma pontuação de 44 ou mais no total, ou com um sub-grau de 15 ou mais na perturbação da vida diária, juntamente com subscores de 13 ou mais, em pensamentos e tolerância automáticos. O grupo de risco potencial foi definido como tendo 41 ou mais na pontuação total, ou 15 ou mais no fator de perturbação da vida diária. O grupo de uso normal continha as pontuações abaixo desses números [30]. Neste estudo, o grupo viciado em smartphones foi composto por grupos de alto risco e potenciais riscos.

 

 

2.2.3. Mensuração de Problemas de Saúde Mental: Depressão e Ansiedade

O SCL-90-R é um questionário multidimensional desenvolvido para rastrear uma série de características psicológicas e psicopatológicas das subescalas 9: Somatização, obsessivo-compulsivo, sensibilidade interpessoal, depressão, ansiedade, hostilidade, ansiedade fóbica, ideação paranoide e psicoticismo [31]. O SCL-90 contém itens 90 classificados em uma escala 5 de desconforto de 0 (nenhum) para 4 (extremo). A confiabilidade teste-reteste do SCL-90-R no idioma coreano foi 0.76 para depressão e 0.77 para ansiedade. A consistência interna foi 0.89 para depressão e 0.86 para ansiedade [31]. Depressão e ansiedade têm sido relatadas como os sintomas psiquiátricos mais fortemente associados com IA e SA [12,13]. As dimensões específicas de interesse para rastreamento neste estudo incluíram as subescalas SCL-90-R para Depressão e Ansiedade.

 

 

2.3. Análise de dados

 

 

2.3.1. Definição Estatística

Deixei Zi

 

ser um indicador de dependência binária para o tema i; isso é, Zi=1 se o iésimo sujeito é viciado (IA ou SA), e Zi=0 de outra forma. O resultado potencial de um problema mental (depressão ou ansiedade) é definido como Yi(Zi. Observe que apenas um dos resultados potenciais é observado ao mesmo tempo para cada sujeito, portanto, o cálculo direto de Yi(1)-Yi é impossível. Em vez do efeito individual, o parâmetro primário de interesse é o efeito de dependência esperado na população adicta

τ=E(Yi(1)-Yi(0)|
 
No entanto, a estimativa de τ

ainda tem um problema porque E(Yi(0)|Zi não pode ser estimado diretamente. Claro, em experimentos aleatórios, E(Yi(0)|Zi está satisfeito, então τ pode ser facilmente estimado. No entanto, em um estudo de observação, a estimativa ingênua τ pode ser tendencioso porque E(Yi(0)|Zi. Para ajustar este viés de seleção, assumimos que podemos observar as covariáveis Xi que não são afetados por nenhum vício, e por uma dada covariável Xi, os possíveis resultados Yi(1), Yi são condicionalmente independentes do indicador de dependência Zi. Além disso, se os resultados potenciais são independentes da dependência condicional às covariáveis Xi, eles também são independentes do vício condicional no escore de propensão P(Xi)= P(Zi=1|Xi[19]. O estimador PSM para τ torna-se

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Estimando o Índice de Propensão

Escores de propensão são calculados usando a regressão logística, um modelo usado para prever a probabilidade de ocorrência de um vício 

logP(Zi=1|Xi)

 

 

 
Neste trabalho, como as covariáveis ​​para Xi

 

 

, consideramos cinco covariáveis ​​categóricas: sexo (1 = masculino e 2 = feminino), idade (1 = 20 - 29, 2 = 30 - 39 e 3 = 40 - 49), educação (1 = ensino médio, 2 = alta escola e 3 = universidade ou superior), estado civil (1 = solteiro, 2 = coabitação, 3 = casado, 4 = divorciado e 5 = enlutado) e renda (1 = baixo, 2 = meio baixo, 3 = meio, 4 = meio-alto e 5 = alto). Em Seção 1Essas covariáveis ​​podem influenciar simultaneamente os resultados (depressão ou ansiedade) e os vícios. Assim, para cada sujeito, estimamos os escores de propensão; isto é, a probabilidade condicional de ser viciada dadas as covariáveis ​​observadas [32].

 

 

2.3.3. Métodos de correspondência com base no escore de propensão estimado

Uma vez que os escores de propensão são estimados, a correspondência pode ser usada para estimar o efeito do tratamento após o ajuste às diferenças entre os dois grupos [33]. O objetivo da correspondência é produzir uma amostra combinada que equilibre a distribuição do paciente de um estudo e corresponda às covariáveis ​​dos grupos de controle observados. Esse método de ajuste nos permite controlar as variáveis ​​de confusão. Neste estudo, adotamos dois métodos de correspondência amplamente utilizados, a correspondência ótima e genética [34].

 

 

2.3.4. Estimativa dos riscos relativos do vício em problemas de saúde mental após correspondência de pontuação de propensão

Após o escore de propensão, usando as covariáveis ​​observadas (idade, sexo, casamento, renda e escolaridade), temos um conjunto de dados mais equilibrado. Para modelar o problema de saúde mental (depressão ou ansiedade), aplicamos modelos lineares generalizados (GLMs) à amostra correspondente. Como os escores de saúde mental são positivos e enviesados, a distribuição gama com link log é ajustada. Deixei Yi

 

ser um resultado de interesse (uma pontuação de depressão ou ansiedade) com μi, podemos usar o framework Gamma GLM com covariáveis Xi:

 

logμi=γT
 
 
Através da modelagem, estimamos eγ

 

 

como os riscos relativos (como uma diferença média esperada entre grupos) de IA e SA para cada covariável.

 

 

3. Resultados

Além dos participantes 4854, 126 (2.60%) foram incluídos no grupo IA e 652 (13.43%) foram incluídos no grupo SA. tabela 1 mostra a estatística descritiva dos escores de depressão e ansiedade. Os escores médios de depressão e ansiedade dos grupos IA e SA são maiores que os do grupo de uso normal (NU).
Tabela 1. Estatística descritiva dos escores de depressão e ansiedade.
mesa

 

 

3.1. Qualidade de correspondência do método de correspondência de pontuação de propensão

Apesar de condicionarmos apenas algumas das covariáveis ​​nos questionários deste estudo, através do escore de propensão, descobrimos que o procedimento de pareamento foi suficiente para equilibrar a distribuição de cada covariável, tabela 2 e tabela 3. Avaliamos as distâncias nas distribuições marginais de Xi

 

 

 

. Para cada covariável, calculamos o viés; isto é, a diferença nas médias amostrais das amostras dependentes e normais. Antes de aplicar a correspondência de escore de propensão, os vieses não foram ignorados. No entanto, após a correspondência de escore de propensão, a subescala vício e subamostra normal tiveram uma distribuição marginal muito semelhante para todas as covariáveis.
Tabela 2. Comparação da porcentagem média das características basais entre os grupos IA e grupo de uso normal, na amostra original e na amostra de escore de propensão, usando a correspondência genética e ótima.
mesa
Tabela 3. Comparação da porcentagem média de características basais entre os grupos SA e normal, na amostra original e na amostra de escore de propensão, usando a correspondência genética e ótima.
mesa

 

 

3.2. Efeitos do vício em internet sobre depressão e ansiedade

Os efeitos da IA ​​na depressão e ansiedade obtidos usando correspondência de escore de propensão são relatados em tabela 4. Por meio do pareamento genético, 3846 amostras foram selecionadas. A IA foi relacionada a um maior risco de depressão (risco relativo 1.207, intervalo de confiança de 95% 1.128–1.292 e p <0.001) e ansiedade (risco relativo 1.264, intervalo de confiança de 95% 1.173–1.362 e p <0.001). Todas essas taxas de risco relativo são significativas porque o intervalo de confiança não contém o 1. Por meio da correspondência ideal, 252 amostras foram selecionadas. O IA foi relacionado a uma maior depressão (risco relativo 1.243, intervalo de confiança de 95% 1.145-1.348 e p <0.001) e ansiedade (risco relativo 1.308, intervalo de confiança de 95% 1.192-1.435 e p <0.001). Semelhante à correspondência genética, as taxas de risco relativo em ambos, depressão e ansiedade, são significativamente maiores do que 1.
Tabela 4. Efeitos da dependência de internet e smartphone sobre depressão e ansiedade, com base na correspondência de escore de propensão.
mesa

 

 

3.3. Efeitos do vício em smartphones sobre depressão e ansiedade

Os efeitos da SA na depressão e ansiedade usando correspondência de escore de propensão são relatados em tabela 4. Por meio de correspondência genética, 4516 amostras foram selecionadas. O SA foi relacionado a um maior risco de depressão (risco relativo 1.337, intervalo de confiança de 95% 1.296-1.378 e p <0.001) e ansiedade (risco relativo 1.402, intervalo de confiança de 95% 1.355-1.450 e p <0.001). Por meio de correspondência ideal, 1304 amostras foram selecionadas. O SA foi relacionado a um maior risco de depressão (risco relativo 1.386, intervalo de confiança de 95% 1.334-1.440 e p <0.001) e ansiedade (risco relativo 1.440, intervalo de confiança de 95% 1.380-1.503 e p <0.001). Todas essas taxas de risco relativas são significativas.

 

 

3.4. Diferenças nos Efeitos da Internet e do Vício em Smartphone sobre Depressão e Ansiedade

As razões de risco relativo para depressão e ansiedade, tanto genéticas quanto ótimas, foram 10% maiores para SA do que para IA. Isso significa que a SA tem um risco maior de depressão e ansiedade do que a AI. Esses intervalos de confiança não contêm o 1, portanto, podemos dizer que o SA tem probabilidade maior de 34-44 de causar um distúrbio mental.

 

 

4. Discussão

Nossos achados são de que IA e SA exercem efeitos significativos sobre depressão e ansiedade, mesmo depois de controlar os fatores de confusão usando correspondência de escore de propensão. Estudos epidemiológicos estimaram uma maior prevalência de depressão em IA [35,36]. Vários estudos transversais relataram que indivíduos com IA ou SA apresentaram níveis mais altos de depressão e ansiedade do que usuários normais [13,37]. No presente estudo, nossos resultados mostram os papéis da IA ​​e SA no desenvolvimento de depressão e ansiedade. Existem algumas explicações possíveis para as descobertas atuais. Primeiro, o uso viciante de internet e smartphones pode aumentar os problemas interpessoais, que estão relacionados à depressão e à ansiedade, como conflitos familiares, falta de relacionamentos off-line e maior necessidade de aprovação no ciberespaço. Segundo, os sintomas de abstinência são propostos como padrões psicopatológicos em IA e SA, comparáveis ​​aos transtornos por abuso de substâncias [5]. Quando não têm acesso a um PC ou smartphone, os indivíduos com IA ou SA podem ficar ansiosos e, em seguida, desejam usar a Internet ou um smartphone para escapar de tais sentimentos negativos [38]. Outra possível explicação é que, diferentemente de outras substâncias que causam dependência, como álcool e nicotina, a Internet e os usuários excedentes de smartphones podem ter pouca percepção sobre seu uso excessivo na vida diária devido ao acesso livre e flexível aos dispositivos [3], fazendo com que eles experimentem seu uso excessivo como um aborrecimento e não como um sinal de comportamento problemático [39]. Outro achado interessante foi que SA teve efeitos mais fortes sobre depressão e ansiedade do que IA. Isso nos leva a especular que IA e SA têm influências diferentes em problemas de saúde mental. Pode haver várias explicações possíveis para esse achado. Primeiro, considerando as características da mídia, é mais fácil para o uso excessivo do smartphone se desenvolver através da natureza de formação de hábito do dispositivo, por causa de sua maior acessibilidade à rede sem fio e 24 h de notificações freqüentes [39]. Em segundo lugar, no que diz respeito aos fatores ambientais, essa descoberta pode refletir a atual mudança radical da média de vida diária dos PCs para os smartphones. As pessoas podem usar a internet do PC para trabalhos complicados e realizar outras tarefas diárias com smartphones, levando a uma diminuição na produtividade do trabalho e a um nível mais alto de estresse.40]. Finalmente, indivíduos com SA podem usar smartphones para manter relacionamentos e um senso de conexão com a rede social on-line [41], levando ao medo de perder e ao medo da perda de conexão, enquanto desencadeia um maior uso do smartphone [42].
Este estudo tem várias limitações para generalizar os achados para toda a população, como a natureza transversal dos limites dos dados e a interpretação da inferência causal entre a Internet e a dependência de smartphones, depressão e ansiedade. A correspondência de propensão também tem limitações e requisitos. A principal limitação é que os escores de propensão só podem ser controlados pelos fatores de confusão observados [43]. A possibilidade de confundidores não observados pode permanecer, limitando o achado do estudo para generalização. Além disso, por causa de todos os fatores de confusão observados neste estudo foram coletados como variáveis ​​categóricas, pode haver perda de informação ao construir o modelo PSM. Portanto, nossos achados devem ser interpretados com cautela. No entanto, para obter os resultados robustos de correspondência, consideramos dois métodos de correspondência, correspondência genética e correspondência ideal. Especialmente, a correspondência genética usa um algoritmo de busca genética, de modo que seu processo pode encontrar uma boa solução de correspondência com menos perda de informação.44]. Por fim, a avaliação do sintoma de depressão e ansiedade foi realizada pela medida psicológica do sintoma de autorrelato usando o SCL-90-R. Avaliar problemas de saúde mental de forma mais precisa e consistente. Uma entrevista estruturada pelo clínico deve ser conduzida em estudos posteriores.

 

 

5. Conclusões

Neste estudo, investigamos como IA e AS influenciam problemas de saúde mental, depressão e ansiedade. De acordo com o nosso conhecimento, este é o primeiro estudo a estimar a associação entre IA, SA e psicopatologia usando o método de escores de propensão de dados transversais, e investigar o efeito diferencial na psicopatologia entre IA e SA. Em conclusão, nossos achados revelam que tanto IA como SA aumentam o risco de depressão e ansiedade. Além disso, SA mostrou uma relação mais forte com depressão e ansiedade em comparação com IA.
Uma implicação desses achados é que indivíduos com um uso problemático de smartphones devem ser monitorados de perto para problemas de saúde mental, destacando a necessidade de estabelecer políticas de prevenção e gestão voltadas para o nível pré-clínico de AS. Futuros estudos prospectivos devem investigar as direções causais das relações entre IA, SA e problemas de saúde mental e devem identificar os fatores discriminativos de IA e SA.

 

 

Contribuições do autor

D.-JK e DL conceberam e projetaram os experimentos; HMJ analisou os dados; Y.-JK escreveu o jornal. YL supervisionou a coleta de dados. Todos os autores contribuíram para o desenvolvimento do manuscrito, revisaram-no criticamente e aprovaram o manuscrito final.

 

 

Agradecimentos

Este trabalho foi apoiado por uma concessão da Fundação Nacional de Pesquisa da Coreia (Grant No. 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Conflitos de Interesse

Os autores declaram não haver conflito de interesses.

 

 

Referências

  1. Choi, S.-W; Kim, D.J; Choi, J.-S .; Ahn, H; Choi, E.J; Song, W.-Y .; Kim, S; Youn, H. Comparação de fatores de risco e proteção associados ao vício em smartphones e à dependência da Internet. J. Behav. Viciado. 2015, 4, 308 – 314. [Google Scholar] [CrossRef] [PubMed]
  2. 2016 o Inquérito sobre a Sobre-dependência da Internet; Ministério da Ciência, TIC e Planeamento Futuro: Seul, Coreia, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y; Cheng, Z.-H. O lado negro do uso de smartphones: traços psicológicos, comportamento compulsivo e technostress. Comput. Cantarolar. Behav. 2014, 31, 373 – 383. [Google Scholar] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Dependência do uso do smartphone e sua associação com ansiedade na Coréia. Rep. De Saúde Pública 2016, 131, 411 – 419. [Google Scholar] [CrossRef] [PubMed]
  5. Kim, D; Chung, Y; Lee, J; Kim, M; Lee, Y .; Kang, E .; Keum, C; Nam, J. Desenvolvimento da escala de propensão à dependência de smartphones para adultos: auto-relato. Coreano J. Couns. 2012, 13, 629 – 644. [Google Scholar]
  6. Kwon, M; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A .; Hahn, C; Gu, X; Choi, J.-H .; Kim, D.-J. Desenvolvimento e validação de uma escala de dependência de smartphones (SAS). PLoS ONE 2013, 8, e56936. [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L; Billieux, J. Internet addiction: Uma revisão sistemática da pesquisa epidemiológica na última década. Curr. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. A relação entre o uso viciante de mídias sociais e videogames e sintomas de transtornos psiquiátricos: Um estudo transversal de grande escala. Psychol. Viciado. Behav. 2016, 30, 252. [Google Scholar] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Smartphone vício entre estudantes universitários, à luz de algumas variáveis. Comput. Cantarolar. Behav. 2016, 61, 155 – 164. [Google Scholar] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Uso da Internet e Uso Problemático da Internet: Uma revisão sistemática das tendências da pesquisa longitudinal na adolescência e na idade adulta emergente. Int. J. Adolesc. Juventude 2017, 22, 430 – 454. [Google Scholar] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M; Filler, A .; Kowatsch, T; Schaub, MP Uso de smartphone e vício em smartphones entre os jovens na Suíça. J. Behav. Viciado. 2015, 4, 299 – 307. [Google Scholar] [CrossRef] [PubMed]
  12. Ko, C.-H; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S .; Chen, C.-C. A associação entre vício em internet e transtorno psiquiátrico: uma revisão da literatura. EUR. Psiquiatria 2012, 27, 1 – 8. [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K; Akgönül, M; Akpinar, A. Relação da severidade do uso de smartphones com a qualidade do sono, depressão e ansiedade em estudantes universitários. J. Behav. Viciado. 2015, 4, 85 – 92. [Google Scholar] [CrossRef] [PubMed]
  14. Brand, M; Jovem, KS; Laier, C; Wolfling, K; Potenza, MN Integrando considerações psicológicas e neurobiológicas relativas ao desenvolvimento e manutenção de transtornos específicos do uso da Internet: Um modelo de Interação de Person-Affect-Cognition-Execution (I-PACE). Neurosci. Biobehav. Rev. 2016, 71, 252 – 266. [Google Scholar] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.J; Choi, J. A desregulação cognitiva do vício em Internet e seus correlatos neurobiológicos. Frente. Biosci (ed. Elite) 2017, 9, 307 – 320. [Google Scholar]
  16. Lachmann, B; Duke, É .; Sariyska, R .; Montag, C. Quem é viciado no smartphone e / ou na internet? Psychol. Pop. Culto dos Media. 2017. [Google Scholar] [CrossRef]
  17. Lachmann, B; Sindermann, C; Sariyska, RY; Luo, R .; Melchers, MC; Becker, B; Cooper, AJ; Montag, C. O Papel da Empatia e Satisfação com a Vida na Internet e no Smartphone Use Disorder. Frente. Psychol. 2018, 9, 398. [Google Scholar] [CrossRef] [PubMed]
  18. Banjanin, N; Banjanin, N; Dimitrijevic, I .; Pantic, I. Relação entre uso de internet e depressão: foco em oscilações de humor fisiológicas, redes sociais e comportamento de dependência online. Comput. Cantarolar. Behav. 2015, 43, 308 – 312. [Google Scholar] [CrossRef]
  19. Akin, A .; Iskender, M. Dependência da Internet e depressão, ansiedade e estresse. Int. On-line J. Educ. Sci. 2011, 3, 138 – 148. [Google Scholar]
  20. Ostovar, S .; Allahyar, N; Aminpoor, H; Moafian, F .; Nem MBM; Griffiths, MD Dependência da Internet e seus riscos psicossociais (depressão, ansiedade, estresse e solidão) entre adolescentes e jovens adultos iranianos: um modelo de equações estruturais em um estudo transversal. Int. J. Ment. Viciado em Saúde. 2016, 14, 257 – 267. [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS Os efeitos da insônia e da dependência da internet na depressão em adolescentes chineses de Hong Kong: uma análise exploratória em corte transversal. J. Sleep Res. 2011, 20, 311 – 317. [Google Scholar] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Strom, BL Comparação da regressão logística versus escore de propensão quando o número de eventos é baixo e existem múltiplos fatores de confusão. Sou. J. Epidemiol. 2003, 158, 280 – 287. [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC Uma avaliação crítica da adequação do escore de propensão na literatura médica entre 1996 e 2003. Stat. Med. 2008, 27, 2037 – 2049. [Google Scholar] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM Uma comparação da capacidade de diferentes modelos de escores de propensão para equilibrar variáveis ​​medidas entre sujeitos tratados e não tratados: Um estudo de Monte Carlo. Stat. Med. 2007, 26, 734 – 753. [Google Scholar] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H; Brähler, E .; Woelfling, K; Beutel, ME Prevalência do vício em internet na população em geral: resultados de um levantamento populacional alemão. Behav. Inf. Technol. 2014, 33, 757 – 766. [Google Scholar] [CrossRef]
  26. Rho, MJ; Lee, H; Lee, T.-H .; Cho, H; Jung, D; Kim, D.J; Choi, IY Fatores de Risco para o Transtorno de Jogos na Internet: Fatores Psicológicos e Características do Jogo na Internet. Int. J. Environ. Res. Saúde pública 2018, 15, 40. [Google Scholar] [CrossRef] [PubMed]
  27. Agência Nacional de Serviços de Informação. Um Estudo da Escala de Pronação para Vício em Internet para Adultos; Agência Nacional de Serviços de Informação: Seul, Coréia, 2005. [Google Scholar]
  28. Kim, D. O Estudo de Acompanhamento da Escala de Proficiência em Vício em Internet; Agência Coreana de Oportunidade Digital e Promoção: Seul, Coréia, 2008; Disponível: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (acessado no 8 May 2008).
  29. Kim, D.I; Chung, Y.-J .; Lee, E.-A .; Kim, D.M. Cho, Y.-M. Desenvolvimento de escore de vício em internet em forma de escala curta (escala KS). Coreano J. Couns. 2008, 9, 1703 – 1722. [Google Scholar]
  30. Agência Nacional de Serviços de Informação. Desenvolvimento da Escala de Pronunciamento de Vício em Smartphone Coreano para Jovens e Adultos; Agência Nacional de Serviços de Informação: Seul, Coréia, 2011; pp. 85 – 86. [Google Scholar]
  31. Kim, KI; Kim, JW. O estudo de padronização da lista de verificação de sintomas - 90-R na Coréia III. Ment. Saúde Res. 1984, 2, 278 – 311. [Google Scholar]
  32. Heckman, J; Smith, J. Avaliação do caso para experiências sociais. J. Econ. Perspect. 1995, 9, 85 – 110. [Google Scholar] [CrossRef]
  33. Caliendo, M; Kopeinig, S. Algumas orientações práticas para a implementação de correspondência de escore de propensão. J. Econ. Surv. 2008, 22, 31 – 72. [Google Scholar] [CrossRef]
  34. Sekhon, JS; Diamante, A. Correspondência Genética para Estimar Efeitos Causais, Manuscrito não publicado. Apresentado na Reunião Anual da Metodologia Política, Tallahassee, FL, EUA, julho 2005. [Google Scholar]
  35. Ghassemzadeh, L; Shahraray, M; Moradi, A. Prevalência do vício em internet e comparação de viciados em internet e não dependentes em escolas secundárias iranianas. Cyberpsicol Behav. 2008, 11, 731 – 733. [Google Scholar] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H; Yen, C.-F .; Wu, H.-Y; Yang, M.-J. Os sintomas psiquiátricos comórbidos do vício em internet: déficit de atenção e hiperatividade (TDAH), depressão, fobia social e hostilidade. J. Adolesc. Saúde 2007, 41, 93 – 98. [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M; Autullo, G; Cappelluti, R .; Catalano, V .; Marano, G; Fiumana, V .; Moschetti, C; Alimonti, F .; Luciani, M. O vício em internet é uma condição psicopatológica distinta do jogo patológico? J. Addict. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Redes sociais on-line e vício - Uma revisão da literatura psicológica. Int. J. Environ. Res. Saúde pública 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T; Ma, L; Raita, E. Habits tornam o uso do smartphone mais difundido. Pers. Computação Ubíqua. 2012, 16, 105 – 114. [Google Scholar] [CrossRef]
  40. Duke, É .; Montag, C. Apego por Smartphone, interrupções diárias e produtividade autorreferida. Viciado. Behav. Rep. 2017, 6, 90 – 95. [Google Scholar] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD Sites de redes sociais e dependência: Dez lições aprendidas. Int. J. Environ. Res. Saúde pública 2017, 14, 311. [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B; Brand, M; Chamarro, A. Conseqüências negativas da rede social em adolescentes: o papel mediador do medo de perder. J. Adolesc. 2017, 55, 51 – 60. [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR Comentário convidado: Escores de propensão. Sou. J. Epidemiol. 1999, 150, 327 – 333. [Google Scholar] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Correspondência genética para estimar os efeitos causais: Um novo método para alcançar o equilíbrio em estudos observacionais. Rev. Econ. Stat. 2013, 95, 932 – 945. [Google Scholar] [CrossRef]