Vício em Internet e Relacionamentos com Insônia, Ansiedade, Depressão, Estresse e Auto-Estima em Estudantes Universitários: Um Estudo de Estudo Transversal (2016)

2016 Sep 12;11(9):e0161126. doi: 10.1371 / journal.pone.0161126. eCollection 2016.

Younes F1,2, Halawi G1,2, Jabbour H3,4, El Osta N5,6,7, Karam L1,8, Hajj A1,2, Rabbaa Khabbaz L1,2.

Sumário

JUSTIFICATIVA E OBJETIVOS:

O vício em internet (IA) pode ser uma grande preocupação em estudantes de medicina da universidade, com o objetivo de se desenvolver em profissionais de saúde. As implicações desse vício, bem como sua associação com o sono, transtornos de humor e auto-estima, podem dificultar seus estudos, impactar suas metas de carreira de longo prazo e ter consequências amplas e prejudiciais para a sociedade como um todo. Os objetivos deste estudo foram: 1) Avaliar o potencial IA em estudantes universitários de medicina, assim como os fatores associados a ele; 2) Avaliar as relações entre potencial IA, insônia, depressão, ansiedade, estresse e auto-estima.

MÉTODOS:

Nosso estudo foi uma pesquisa transversal com base em questionário conduzida entre estudantes 600 de três faculdades: medicina, odontologia e farmácia da Saint-Joseph University. Foram utilizados quatro questionários validados e confiáveis: o Young Internet Addiction Test, o Insomnia Severity Index, as Escalas de Estresse para Ansiedade na Depressão (DASS 21) e a Rosenberg Self Esteem Scale (RSES).

RESULTADOS:

A pontuação média no YIAT foi de 30 ± 18.474; A prevalência de IA potencial foi de 16.8% (intervalo de confiança de 95%: 13.81-19.79%) e foi significativamente diferente entre homens e mulheres (p-valor = 0.003), com maior prevalência no sexo masculino (23.6% versus 13.9%). Correlações significativas foram encontradas entre IA potencial e insônia, estresse, ansiedade, depressão e autoestima (p-valor <0.001); Os subescores ISI e DASS foram maiores e a autoestima menor em alunos com IA potencial.

CONCLUSÕES:

Identificar os alunos com IA potencial é importante porque esse vício frequentemente coexiste com outros problemas psicológicos. Portanto, as intervenções devem incluir não apenas o manejo da AI, mas também estressores psicossociais associados, como insônia, ansiedade, depressão, estresse e autoestima.

 

Sumário

Antecedentes e Objetivos

O vício em internet (IA) pode ser uma grande preocupação em estudantes de medicina da universidade, com o objetivo de se desenvolver em profissionais de saúde. As implicações desse vício, bem como sua associação com o sono, transtornos de humor e auto-estima, podem dificultar seus estudos, impactar suas metas de carreira de longo prazo e ter consequências amplas e prejudiciais para a sociedade como um todo. Os objetivos deste estudo foram: 1) Avaliar o potencial IA em estudantes universitários de medicina, assim como os fatores associados a ele; 2) Avaliar as relações entre potencial IA, insônia, depressão, ansiedade, estresse e auto-estima.

De Depósito

Nosso estudo foi uma pesquisa transversal com base em questionário conduzida entre estudantes 600 de três faculdades: medicina, odontologia e farmácia da Saint-Joseph University. Foram utilizados quatro questionários validados e confiáveis: o Young Internet Addiction Test, o Insomnia Severity Index, as Escalas de Estresse para Ansiedade na Depressão (DASS 21) e a Rosenberg Self Esteem Scale (RSES).

Resultados

A pontuação média do YIAT foi 30 ± 18.474; A taxa de prevalência potencial de IA foi de 16.8% (intervalo de confiança 95%: 13.81-19.79%) e foi significativamente diferente entre homens e mulheres (p-value = 0.003), com uma prevalência maior no sexo masculino (23.6% versus 13.9%). Correlações significativas foram encontradas entre IA e insônia potencial, estresse, ansiedade, depressão e auto-estima (p-valor <0.001); Os subescores ISI e DASS foram maiores e a autoestima menor em alunos com IA potencial.

Conclusões

Identificar os alunos com IA potencial é importante porque esse vício frequentemente coexiste com outros problemas psicológicos. Portanto, as intervenções devem incluir não apenas o manejo da AI, mas também estressores psicossociais associados, como insônia, ansiedade, depressão, estresse e autoestima.

Citação: Younes F, G Halawi, Jabbour H, El Osta N. Karam L, Hajj A, et al. (2016) Vício em Internet e Relacionamentos com Insônia, Ansiedade, Depressão, Estresse e Auto-Estima em Estudantes Universitários: Um Estudo Desenvolvido em Corte Transversal. PLoS ONE 11 (9): e0161126. doi: 10.1371 / journal.pone.0161126

Editor: Andrea Romigi, Universidade de Roma Tor Vergata, ITÁLIA

Recebido: Março 31, 2016; Aceitaram: Julho 30, 2016; Publicado em: 12 de Setembro de 2016

Direitos de autor: © 2016 Younes et al. Este é um artigo de acesso aberto distribuído sob os termos do Licença Creative Commons Attribution, que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original e a fonte sejam creditados.

Disponibilidade de dados: Todos os dados relevantes estão dentro do documento e seus arquivos de informações de suporte.

Financiamento: Os autores não receberam nenhum financiamento específico para este trabalho.

Interesses competitivos: Os autores declararam que não existem interesses concorrentes.

Introdução

O uso da Internet cresceu exponencialmente em todo o mundo para mais de 2.5 bilhões de usuários ativos [1, 2] com a maioria sendo adolescentes e jovens [3]. Paralelamente, o rápido crescimento do acesso à internet é um aumento do vício em internet, especialmente entre adolescentes, ganhando maior atenção da mídia popular, autoridades governamentais e pesquisadores [4].

O uso excessivo da Internet é definido como quando o uso da Internet se tornou excessivo, descontrolado e demorado ao ponto de atemporalidade e perturbar gravemente a vida das pessoas [5]. O vício em internet é caracterizado por um padrão mal-adaptativo de uso da internet, levando a um prejuízo ou sofrimento clinicamente significativo [6].

Os termos “uso problemático da internet” [7], uso patológico da Internet [8-10] e “internet addiction” [11-13] são geralmente considerados sinônimos de dependência da internet [14]. Young et al [15-17] propuseram critérios diagnósticos para dependência de internet (IA) nos quais a abstinência, a falta de planejamento, a tolerância, a preocupação, o comprometimento do controle e o excesso de tempo on-line foram definidos como sintomas centrais.

A prevalência mundial de IA variou de 1.6% -18% [18]. 10.7% de adolescentes na Coréia do Sul apresentam IA de acordo com a escala de dependência de internet de Yong [19]. 11% na Grécia, com base no mesmo teste [20]; 10.7–13.9% dos adolescentes europeus estão em risco de uso de dependência, com base nos instrumentos de Young [21] e 4% em estudantes do ensino médio nos EUA [22].

A prevalência de IA pode variar de acordo com a idade, sexo e etnia, e prevalece mais comumente entre estudantes universitários [23].

Uma alta taxa de transtornos de personalidade é encontrada em indivíduos com IA [24-27].

O uso pesado da internet também foi relatado como associado a transtornos do humor [28], má qualidade do sono [28, 29], baixa autoestima [30], impulsividade [31] suicídio [32, 33], menores níveis de atividade física [29], e problemas de saúde (enxaquecas, dores nas costas, obesidade) [34].

Nossa hipótese era de que a IA poderia ser uma grande preocupação em estudantes de medicina da universidade, e que examinar sua associação com o sono, transtornos de humor e autoestima é importante, para que medidas apropriadas possam ser tomadas para abordar essa questão.

Para estudantes de medicina com o objetivo de se desenvolverem em profissionais de saúde, as implicações desse vício podem atrapalhar seus estudos e impactar suas metas de carreira de longo prazo e podem ter consequências amplas e prejudiciais para a sociedade como um todo.

Os objetivos deste estudo foram: 1) Avaliar o potencial IA em estudantes do Campus de Ciências Médicas (CMS) da Saint-Joseph University no Líbano, bem como os fatores sociodemográficos associados a ele; 2) Avaliar as relações entre o potencial IA, insônia, depressão, ansiedade, estresse e auto-estima, ao mesmo tempo em que explicam a exposição simultânea à insônia, estresse, ansiedade e depressão nos estudantes.

Materiais e Métodos

Considerações éticas

O protocolo do estudo foi aprovado pelo comitê de ética da Universidade Saint-Joseph (Ref USJ-2015-28, junho 2015). O consentimento por escrito informado foi obtido de todos os indivíduos participantes do estudo.

Procedimento de pesquisa e amostragem

Nosso estudo foi uma pesquisa transversal, baseada em questionário, realizada entre estudantes de três faculdades: medicina, odontologia e farmácia da Saint-Joseph University, de setembro a dezembro 2015 (meses 4). Os critérios de inclusão foram: estudantes com idade igual ou superior a 18 e dispostos a participar do estudo. Os critérios de exclusão foram: idade abaixo de 18 anos e presença de doença crônica. Os alunos foram selecionados aleatoriamente dentro de cada classe usando uma tabela de números aleatórios para garantir a representatividade da amostra. Essa seleção aleatória foi proporcional ao número de alunos em cada turma. Os alunos selecionados foram abordados por dois assistentes de pesquisa treinados, geralmente no final de seus cursos antes de sair da sala de aula e perguntaram se estavam dispostos a participar da condição de que não apresentassem nenhum critério de exclusão. Um consentimento formal por escrito foi então obtido.

A coleta de dados

Os dados foram coletados durante uma entrevista presencial utilizando uma ferramenta de pesquisa padronizada auto-administrada baseada em quatro questionários internacionalmente validados e confiáveis, a saber, o Young Internet Addiction Test, o Insomnia Severity Index, as Escalas de Ansiedade e Depressão (DASS 21). e a escala de auto estima de Rosenberg. A duração das entrevistas variou de 15 a 25 minutos.

Medidas

Participantes

Dados pessoais sobre idade, sexo e corpo docente foram coletados. Além disso, informações sobre morar sozinho ou não, tabaco (cigarro ou cachimbo de água) e uso de álcool também foram obtidas.

Vício em internet.

O Young Internet Addiction Test (YIAT) é validado entre adolescentes e adultos e amplamente utilizado [15, 16, 35]. É uma escala de autorrelato com itens 20 avaliando a produtividade de um entrevistado no trabalho, escola ou casa (questões 3), comportamentos sociais (questões 3), conexão emocional e resposta do uso da Internet (perguntas 7) e padrões gerais de uso da Internet (questões 7). Os participantes respondem aos itens 20 YIAT em uma medida Likert de ponto 6 (“não se aplica” a “sempre”), o que produz uma pontuação geral entre 0 e 100. Os seguintes pontos de corte para a pontuação total do YIAT foram aplicados: (1) uso normal da internet: pontuações 0 – 49 e (2) vício em internet potencial: pontuações acima de 50 [36, 37].

Insônia.

O ISI é um questionário de autoavaliação de 7 itens que avalia a natureza, gravidade e impacto da insônia. Os domínios avaliados são: gravidade do início do sono, manutenção do sono, problemas ao despertar pela manhã, insatisfação com o sono, interferência das dificuldades do sono no funcionamento diurno, percepção das dificuldades do sono por terceiros e sofrimento causado pelas dificuldades do sono. Uma escala Likert de 5 pontos foi usada para classificar cada item (0 a 4 onde 0 indica nenhum problema e 4 corresponde a um problema muito grave), resultando em uma pontuação total variando de 0 a 28. A pontuação total foi interpretada da seguinte forma: ausência de insônia (0–7); insônia subclínica ou leve (8–14); insônia moderada (15–21); e insônia severa (22-28). Além disso, insônia clinicamente significativa foi detectada quando a pontuação total foi> 14 [38, 39].

Auto estima.

A Escala de Autoestima de Rosenberg (RSES) é comumente usada e sua consistência interna e confiabilidade foram confirmadas em muitos estudos anteriores [40]. Compreende instruções 10. Os participantes avaliam até que ponto concordam com cada instrução em uma escala Likert de quatro pontos, (0) discordam totalmente de (3) concordam fortemente com os itens 1, 2, 4, 6 e 7 e a classificação oposta para itens 3, 5, 8, 9 e 10. Uma pontuação total é obtida pela soma de todas as respostas e pode variar de 0 a 30, com escores mais altos indicando maior auto-estima [41].

Ansiedade, depressão e estresse.

A Depressão Ansiedade Estresse Escalas (DASS) é uma medida amplamente utilizada de efeito negativo em adultos [42]. Uma característica importante e única da DASS é a inclusão de uma escala de tensão / estresse além das escalas de depressão e ansiedade. O DASS 21 é uma versão curta da escala original do item 42. Ambos são medidas confiáveis ​​e válidas de depressão, ansiedade e tensão / estresse em populações clínicas e não clínicas de adultos [43-45].

É uma escala de item 21 medida em uma escala Likert de ponto 4 (0-3), “0” denotando “não se aplica a mim” e “3” denotando “aplicada a mim muito, ou a maior parte do Tempo".

Os seguintes pontos de corte são utilizados para cada subescala: depressão: 0 normal - 4, 5 suave - 6, 7 moderado 10, 11 13 grave e 14 + extremamente grave; ansiedade: 0-3 normal, 4-5 leve, 7-10 moderado, 11-13 grave e 10 + extremamente grave; stress: 0 normal - 7, 8 suave - 9, 10 moderado - 12, 13 16 grave e 17 + extremamente grave.

Análise estatística.

A análise estatística foi realizada no software SPSS for Windows (versão 18.0, Chicago, IL, EUA). O nível de significância foi definido em 0.05. As características da amostra foram resumidas usando a média e o desvio padrão (DP) para variáveis ​​contínuas e porcentagem para variáveis ​​categóricas. As taxas de prevalência de dependência de insônia e internet foram calculadas usando dados descritivos, juntamente com o intervalo de confiança (IC) 95% correspondente. Os testes de Kolmogorov-Smirnov foram utilizados para avaliar a normalidade da distribuição de cada variável.

As categorias de dependência de internet foram agrupadas como usuários normais da internet e vício em internet potencial.

A análise multivariada foi necessária para determinar o impacto de múltiplas variáveis ​​explanatórias explicativas apresentadas simultaneamente e para determinar quais dos fatores explicativos atuam de forma independente sobre o vício da internet.

Nos estágios iniciais, a análise univariada das variáveis ​​categóricas e contínuas foi realizada por meio dos testes de independência do Qui-quadrado ou Teste Exato de Fisher e teste t de Student ou Mann-Whitney, respectivamente. Posteriormente, a análise de regressão logística foi realizada com a dependência de internet dicotomizada (<50, ≥50) como variável dependente. As características e escores dos participantes (ISI, DASS A, DASS S, DASS D, RSES) que apresentaram associações com valor de p <0.25 na análise univariada, foram candidatos ao modelo multivariado, segundo o método Enter. A colinearidade entre as variáveis ​​independentes também foi testada. As variáveis ​​independentes altamente correlacionadas foram excluídas.

Foi sugerido não incluir duas variáveis ​​independentes onde há uma correlação de 0.64 ou mais. Ansiedade, estresse e depressão não foram inseridos no mesmo modelo, uma vez que foram altamente correlacionados entre si, indicados pelos coeficientes de correlação de Spearman e Pearson. Por fim, foram realizadas três análises de regressão logística e as variáveis ​​independentes incluídas no modelo foram sexo, tabagismo, ISI, RSES e DAS para estresse, ansiedade e depressão em cada um dos três modelos.

Resultados

Características sociodemográficas dos participantes

Um total de alunos 780 foram abordados para participar do estudo, dos quais 600 (77%) consentiu. Nossa população de estudo foi composta por estudantes do sexo feminino com 182 (30.3%) e 418 (69.7%). A idade variou entre os anos 18 e 28 com uma média de 20.36 ± 1.83 anos.

A amostra incluiu estudantes 219 da Faculdade de Medicina (FM), 109 da Faculdade de Odontologia (FD) e 272 da Faculdade de Farmácia (FP). tabela 1 resume as características dos participantes.

Prevalência de dependência de internet (YIAT)

A pontuação média do YIAT foi de 30 ± 18.47 (tabela 2); A taxa potencial de prevalência de dependência da Internet foi de 16.80% com um IC% 95 de 13.81-19.79%. "Tabela S1”Resume as pontuações médias para cada um dos itens 20 do YIAT.

miniaturas   

 
Tabela 2. Número e porcentagem de estudantes em cada categoria dos três questionários: ISI, DASS e YIAT com média (SD) (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t002

Análise univariada.

A análise univariada mostrou que o vício em internet potencial foi significativamente diferente entre homens e mulheres (p-valor = 0.003), com uma maior prevalência no sexo masculino (23.60% versus 13.90%). O tabagismo foi significativamente relacionado ao potencial vício em internet (p-value = 0.046); no entanto, nem idade, faculdade, ingestão regular de álcool, nem morar sozinho, foi significativamente relacionado ao uso da internet (tabela 3).

miniaturas   

 
Tabela 3. Análise univariada das relações entre potencial adicção à internet e características dos participantes (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t003

Prevalência e gravidade da insônia (ISI)

A insônia foi avaliada de acordo com o questionário ISI. O escore médio do ISI da amostra foi 9.31 ± 3.76. A prevalência de insónia clinicamente significativa foi de 9.80% com um IC de 95% variando entre 7.42 e 12.18% (tabela 2).

Ansiedade, depressão e estresse (DASS-21)

Ansiedade: DASS A. A pontuação média da DASS A era 4.77 ± 3.79. 44.70% dos participantes apresentaram um resultado normal DASS A (tabela 2).

Depressão: DASS D. A pontuação média da DASS D foi de 5.43 ± 4.43. A maioria dos participantes apresentou um escore DASS D normal (tabela 2).

Stress: DASS S. A pontuação média do DASS S foi 6.99 ± 4.46 e 33.20% dos participantes apresentaram uma pontuação DASS S normal (tabela 2).

Auto-estima (RSES)

A pontuação média do RSES da amostra do estudo foi 22.63 ± 5.29 (arquivo S).

Associações entre vício em internet, insônia, baixa autoestima, ansiedade e depressão

Uma relação significativa foi encontrada entre vício em internet potencial e insônia (p-valor <0.00001) (tabela 4).

miniaturas   

 
Tabela 4. Análise univariada das relações entre as pontuações dos questionários (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t004

A pontuação média do ISI foi de 8.99 ± 3.65 para usuários normais de internet versus 10.89 ± 3.90 no grupo de potencial dependência de internet (p <0.0001) (tabela 5).

miniaturas   

 
Tabela 5. Análise univariada das relações entre os escores ISI, DASS A, DASS S, DASS D e RSES e o potencial vício em internet (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t005

Além disso, foi encontrada uma relação significativa entre o potencial vício em internet e ansiedade, depressão e estresse (Tabelas 4 e 5). Os escores médios DASS foram significativamente maiores no grupo potencial de dependência de internet para ansiedade, depressão e estresse.

Quanto à autoestima, foi encontrada correlação significativa entre os escores do YIAT e do RSES, com a baixa autoestima sendo associada ao potencial vício em internet (Tabelas 4 e 5).

Modelo de regressão logística

O modelo de regressão logística mostrou que os escores de gênero, ISI, DASS A, S e D e RSES foram significativamente associados ao vício em internet. Uma vez que as variáveis ​​explicativas foram controladas na análise multivariada, a associação entre tabagismo e dependência de internet não foi mais significativa (p> 0.05), (tabela 6).

miniaturas   

 
Tabela 6. Análise multivariada das relações entre vício em internet e gênero, tabagismo, ISI, RSES, DASS A, DASS S e DASS D (N = 600).

 

http://dx.doi.org/10.1371/journal.pone.0161126.t006

Discussão

Nosso objetivo foi determinar a prevalência de IA potencial em estudantes de medicina da universidade libanesa, para avaliar as relações entre IA e características dos participantes (principalmente idade, sexo, tabagismo, ingestão de álcool) e explorar possíveis associações entre IA, insônia, ansiedade, depressão , estresse e auto-estima.

Nosso estudo revelou que o IA potencial estava significativamente relacionado ao gênero e maior entre os homens. 16.80% dos participantes sofreram de IA potencial, com uma pontuação YIAT média de 30. Esses resultados são comparáveis ​​àqueles relatados anteriormente para adultos jovens [1, 4, 6, 13]. Alguns estudos relataram que a prevalência de IA foi maior em homens [46], enquanto outros não encontraram diferença entre os gêneros [34].

Ao examinar a insônia, nossos resultados também mostraram que 9.8% dos participantes sofriam de insônia clinicamente significativa e uma forte correlação foi encontrada entre vício em internet potencial e insônia. A prevalência de insônia relatada neste estudo é consistente com a natureza da amostra estudada (jovens estudantes) e é comparável ao que é relatado em jovens adultos de 20 a 29 (9.1%) [47, 48] e em estudantes universitários (12 – 13%) [49].

Os problemas do sono são geralmente considerados resultados negativos ou complicações do vício em internet [50], mas a causalidade reversa também é possível, uma vez que os problemas do sono previam um tempo maior gasto em sites de redes sociais entre os jovens universitários [51]. Em uma revisão sistemática da literatura, descobriu-se que o jogo viciante estava associado à pior qualidade do sono e o uso problemático da internet estava associado à insônia subjetiva e à má qualidade do sono [52]. No entanto, os desenhos de estudo, bem como os questionários utilizados foram muito heterogêneos e foi principalmente a qualidade do sono que foi explorada, muito menos insônia.

Além disso, uma forte correlação foi encontrada neste estudo entre vício em internet potencial e ansiedade, estresse e depressão: o percentual de estudantes que sofrem de ansiedade, depressão ou estresse é maior entre os potenciais adictos da internet. Estudos prévios publicados já indicaram uma correlação potencial entre o uso patológico da internet e a depressão [53, 54] e ansiedade [55]; no entanto, os dados têm sido contraditórios [56] e estudos examinaram o uso patológico da internet e não o vício como definido por Young.

Finalmente, um achado importante do nosso estudo foi que a auto-estima está significativamente relacionada à dependência da internet, bem como ao perfil psicológico dos estudantes: os escores RSES foram inversamente correlacionados aos escores ISI, DASS A, DASS S, DASS D e YIAT. A diminuição da autoestima parece estar associada ao aumento da insônia, ansiedade, depressão, estresse e potencial IA.

A auto-estima é descrita como a avaliação que se tem de si mesma, como se sente em quase todas as situações [40, 41]. Quando a integração social e o apoio são baixos, o nível de auto-estima irá diminuir [57].

A detecção de fatores associados à baixa estima nos estudantes é de grande importância, pois existe uma relação inversa entre autoestima e depressão e ansiedade [58, 59] e a diminuição do sentimento de autoestima pode levar a um aumento da ideação suicida [60].

Força e limitações

Nossos achados devem ser interpretados no contexto do desenho e das limitações do estudo. Os resultados da nossa pesquisa baseiam-se em comportamento auto-relatado. Questionários de auto-relato continuam sendo as ferramentas mais utilizadas em inquéritos comunitários para avaliação da saúde física e mental [61, 62, 63]. O método de autorrelato reflete a própria perspectiva do entrevistado, que pode ser mais adequado para relatar transtornos subjetivos. Os questionários foram formulados em um padrão de múltipla escolha e escala para facilitar a resposta e ter menor duração da entrevista, a fim de evitar perturbar os alunos, na esperança de que a simplicidade do questionário tornaria mais fácil para os entrevistados dar informações precisas. . O uso crônico de drogas não foi avaliado, uma vez que a presença de alguma doença crônica estava entre os critérios de exclusão deste estudo. Finalmente, o estudo não examinou a repercussão do vício em internet nas conquistas, em termos de notas, insucesso ou sucesso, o que poderia ter sido interessante.

Apesar dessas limitações, os achados observados neste estudo são importantes e merecem novas investigações.

Até onde sabemos, este foi o primeiro estudo que avaliou a relação entre cinco diferentes estressores psicossociais: insônia, ansiedade, depressão, estresse, autoestima e IA em estudantes universitários.

Nossas descobertas denotam a importância de identificar e oferecer ajuda a estudantes com IA em potencial, porque esse vício freqüentemente coexiste com outros problemas psicológicos, e a AI pode ser uma ponta visível de um iceberg complexo.

Informações de Apoio

   

   

(DOCX)

 

 

 

Tabela S1. Estes são os dados individuais e completos de todos os participantes (planilha SPSS).

doi: 10.1371 / journal.pone.0161126.s001

(DOCX)

Agradecimentos

Somos gratos a todos os alunos que participaram do estudo e à Sra. Tatiana Papazian por nos ajudar na edição.

Contribuições do autor

  1. Concebido e projetado os experimentos: LRK HJ.
  2. Realizamos os experimentos: FY GH
  3. Analisou os dados: AH NEO LK.
  4. Escreveu o papel: LRK

Referências

Tabela S1. Estes são os dados individuais e completos de todos os participantes (planilha SPSS).

doi: 10.1371 / journal.pone.0161126.s001

(DOCX)

Agradecimentos

Somos gratos a todos os alunos que participaram do estudo e à Sra. Tatiana Papazian por nos ajudar na edição.

Contribuições do autor

  1. Concebido e projetado os experimentos: LRK HJ.
  2. Realizamos os experimentos: FY GH
  3. Analisou os dados: AH NEO LK.
  4. Escreveu o papel: LRK

Referências

  1. 1. Estatísticas do mundo da Internet. Internautas do mundo: Distribuição por regiões do mundo 2014 [February 27, 2016.]. Disponível a partir de: www.internetworldstats.
  2. 2. As redes sociais atingem quase um em cada quatro ao redor do mundo. [Fevereiro 20, 2016]. Disponível a partir de: www.emarketer.com/Article/Social-Networking-Reaches-Nearly-One-Four-Around-World/1009976.
  3. 3. Bremer J. A internet e as crianças: vantagens e desvantagens. Criança Adolescente Psychiatr Clin N Am. 2005; 14 (3): 405-28, viii. pmid: 15936666 doi: 10.1016 / j.chc.2005.02.003
  4. 4. Christakis DA, Moreno MA. Preso na rede: o vício em internet se tornará uma epidemia do século 21? Arch Pediatr Adolesc Med. 2009; 163 (10): 959 – 60. doi: 10.1001 / archpediatrics.2009.162. pmid: 19805719
  5. Ver artigo
  6. PubMed / NCBI
  7. Google Scholar
  8. Ver artigo
  9. PubMed / NCBI
  10. Google Scholar
  11. Ver artigo
  12. PubMed / NCBI
  13. Google Scholar
  14. Ver artigo
  15. PubMed / NCBI
  16. Google Scholar
  17. Ver artigo
  18. PubMed / NCBI
  19. Google Scholar
  20. Ver artigo
  21. PubMed / NCBI
  22. Google Scholar
  23. Ver artigo
  24. PubMed / NCBI
  25. Google Scholar
  26. Ver artigo
  27. PubMed / NCBI
  28. Google Scholar
  29. Ver artigo
  30. PubMed / NCBI
  31. Google Scholar
  32. Ver artigo
  33. PubMed / NCBI
  34. Google Scholar
  35. Ver artigo
  36. PubMed / NCBI
  37. Google Scholar
  38. 5. Kraut R, Patterson M, Lundmark V, Kiesler S, Mukopadhyay T, Scherlis W. Paradoxo na Internet. Uma tecnologia social que reduz o envolvimento social e o bem-estar psicológico? Sou Psicol. 1998; 53 (9): 1017 – 31. pmid: 9841579 doi: 10.1037 / 0003-066x.53.9.1017
  39. Ver artigo
  40. PubMed / NCBI
  41. Google Scholar
  42. Ver artigo
  43. PubMed / NCBI
  44. Google Scholar
  45. Ver artigo
  46. PubMed / NCBI
  47. Google Scholar
  48. Ver artigo
  49. PubMed / NCBI
  50. Google Scholar
  51. Ver artigo
  52. PubMed / NCBI
  53. Google Scholar
  54. Ver artigo
  55. PubMed / NCBI
  56. Google Scholar
  57. Ver artigo
  58. PubMed / NCBI
  59. Google Scholar
  60. Ver artigo
  61. PubMed / NCBI
  62. Google Scholar
  63. Ver artigo
  64. PubMed / NCBI
  65. Google Scholar
  66. Ver artigo
  67. PubMed / NCBI
  68. Google Scholar
  69. Ver artigo
  70. PubMed / NCBI
  71. Google Scholar
  72. Ver artigo
  73. PubMed / NCBI
  74. Google Scholar
  75. Ver artigo
  76. PubMed / NCBI
  77. Google Scholar
  78. Ver artigo
  79. PubMed / NCBI
  80. Google Scholar
  81. Ver artigo
  82. PubMed / NCBI
  83. Google Scholar
  84. Ver artigo
  85. PubMed / NCBI
  86. Google Scholar
  87. Ver artigo
  88. PubMed / NCBI
  89. Google Scholar
  90. Ver artigo
  91. PubMed / NCBI
  92. Google Scholar
  93. Ver artigo
  94. PubMed / NCBI
  95. Google Scholar
  96. 6. Weinstein A, Lejoyeux M. Dependência da Internet ou uso excessivo da internet. Am J Drogas Álcool Abuso. 2010; 36 (5): 277 – 83. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  97. Ver artigo
  98. PubMed / NCBI
  99. Google Scholar
  100. Ver artigo
  101. PubMed / NCBI
  102. Google Scholar
  103. Ver artigo
  104. PubMed / NCBI
  105. Google Scholar
  106. Ver artigo
  107. PubMed / NCBI
  108. Google Scholar
  109. Ver artigo
  110. PubMed / NCBI
  111. Google Scholar
  112. Ver artigo
  113. PubMed / NCBI
  114. Google Scholar
  115. Ver artigo
  116. PubMed / NCBI
  117. Google Scholar
  118. Ver artigo
  119. PubMed / NCBI
  120. Google Scholar
  121. Ver artigo
  122. PubMed / NCBI
  123. Google Scholar
  124. Ver artigo
  125. PubMed / NCBI
  126. Google Scholar
  127. Ver artigo
  128. PubMed / NCBI
  129. Google Scholar
  130. Ver artigo
  131. PubMed / NCBI
  132. Google Scholar
  133. Ver artigo
  134. PubMed / NCBI
  135. Google Scholar
  136. Ver artigo
  137. PubMed / NCBI
  138. Google Scholar
  139. Ver artigo
  140. PubMed / NCBI
  141. Google Scholar
  142. Ver artigo
  143. PubMed / NCBI
  144. Google Scholar
  145. Ver artigo
  146. PubMed / NCBI
  147. Google Scholar
  148. Ver artigo
  149. PubMed / NCBI
  150. Google Scholar
  151. Ver artigo
  152. PubMed / NCBI
  153. Google Scholar
  154. Ver artigo
  155. PubMed / NCBI
  156. Google Scholar
  157. Ver artigo
  158. PubMed / NCBI
  159. Google Scholar
  160. Ver artigo
  161. PubMed / NCBI
  162. Google Scholar
  163. Ver artigo
  164. PubMed / NCBI
  165. Google Scholar
  166. Ver artigo
  167. PubMed / NCBI
  168. Google Scholar
  169. Ver artigo
  170. PubMed / NCBI
  171. Google Scholar
  172. Ver artigo
  173. PubMed / NCBI
  174. Google Scholar
  175. Ver artigo
  176. PubMed / NCBI
  177. Google Scholar
  178. Ver artigo
  179. PubMed / NCBI
  180. Google Scholar
  181. 7. Davis RA, Flett GL, Besser A. Validação de uma nova escala para medir o uso problemático da Internet: implicações para a triagem pré-contratação. Cyberpsychol Behav. 2002; 5 (4): 331 – 45. pmid: 12216698 doi: 10.1089 / 109493102760275581
  182. 8. Bloqueio JJ. Questões para o DSM-V: vício em internet. Sou J Psiquiatria. 2008; 165 (3): 306 – 7. doi: 10.1176 / appi.ajp.2007.07101556. pmid: 18316427
  183. 9. Pies R. O DSM-V deve designar “Internet Addiction” como transtorno mental? Psiquiatria (Edgmont). 2009; 6 (2): 31–7.
  184. 10. Holden C. Psiquiatria. Dependências comportamentais estreiam no DSM-V proposto. Ciência. 2010; 327 (5968): 935. doi: 10.1126 / science.327.5968.935. pmid: 20167757
  185. 11. KS jovem. Psicologia do uso do computador: XL. Uso viciante da Internet: um caso que quebra o estereótipo. Rep. Psicol. 1996; 79 (3 Pt 1): 899-902. pmid: 8969098 doi: 10.2466 / pr0.1996.79.3.899
  186. 12. KS jovem, caso CJ. Abuso da Internet no local de trabalho: novas tendências na gestão de riscos. Cyberpsychol Behav. 2004; 7 (1): 105 – 11. pmid: 15006175 doi: 10.1089 / 109493104322820174
  187. 13. Young K, Pistner M, O'Mara J, Buchanan J. Cyber ​​desordens: a preocupação de saúde mental para o novo milênio. Cyberpsychol Behav. 1999; 2 (5): 475–9. doi: 10.1089 / cpb.1999.2.475. pmid: 19178220
  188. 14. van den Eijnden RJ, Spijkerman R, AA Vermulst, van Rooij TJ, Engels RC. Uso compulsivo da internet entre adolescentes: relações bidirecionais entre pais e filhos. J Abnorm Child Psychol. 2010; 38 (1): 77 – 89. doi: 10.1007 / s10802-009-9347-8. pmid: 19728076
  189. 15. KS jovem. Travado na Net: Como Reconhecer os Sinais do Vício em Internet - e uma Estratégia Vencedora para Recuperação. Nova Iorque, NY: Wiley; 1998.
  190. 16. Jovem KS. Vício em Internet: O Surgimento de um Novo Transtorno Clínico. CyberPsychology & Behavior. 2009; 1 (3): 237–44. doi: 10.1089 / cpb.1998.1.237
  191. 17. Widyanto L, Griffiths MD, Brunsden V. Uma comparação psicométrica do Internet Addiction Test, da Escala de Problemas Relacionados à Internet e do autodiagnóstico. Cyberpsychol Behav Soc Netw. 2011; 14 (3): 141 – 9. doi: 10.1089 / cyber.2010.0151. pmid: 21067282
  192. 18. Shaw M, Black DW. Dependência da Internet: definição, avaliação, epidemiologia e gestão clínica. Drogas do SNC. 2008; 22 (5): 353 – 65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  193. 19. Parque SK, Kim JY, Cho CB. Prevalência do vício em internet e correlações com fatores familiares entre adolescentes sul-coreanos. Adolescência. 2008; 43 (172): 895 – 909. pmid: 19149152
  194. 20. Siomos KE, Dafouli ED, Braimiotis DA, Mouzas OD, Angelopoulos NV. Dependência da Internet entre estudantes adolescentes gregos. Cyberpsychol Behav. 2008; 11 (6): 653 – 7. doi: 10.1089 / cpb.2008.0088. pmid: 18991535
  195. 21. Durkee T, Kaess M, Carli V, Parzer P, Wasserman C, Floderus B, et al. Prevalência do uso patológico da internet entre adolescentes na Europa: fatores demográficos e sociais. Vício. 2012; 107 (12): 2210 – 22. doi: 10.1111 / j.1360-0443.2012.03946.x. pmid: 22621402
  196. 22. Liu TC, Desai RA, Krishnan-Sarin S, Cavallo DA, Potenza MN. Uso problemático da Internet e saúde em adolescentes: dados de uma pesquisa do ensino médio em Connecticut. J Clin Psychiatry. 2011; 72 (6): 836 – 45. doi: 10.4088 / JCP.10m06057. pmid: 21536002
  197. 23. Pujazon-Zazik M, Park MJ. Para tweetar ou não tweetar: diferenças de gênero e possíveis resultados positivos e negativos para a saúde do uso da internet social por adolescentes. Am J Mens Health. 2010; 4 (1): 77–85. doi: 10.1177 / 1557988309360819. pmid: 20164062
  198. 24. Dalbudak E, Evren C., Aldemir S, Evren B. A gravidade do risco de dependência de Internet e sua relação com a gravidade das características de personalidade limítrofe, traumas de infância, experiências dissociativas, depressão e sintomas de ansiedade entre estudantes universitários turcos. Psiquiatria Res. 2014; 219 (3): 577 – 82. doi: 10.1016 / j.psychres.2014.02.032. pmid: 25023365
  199. 25. Kim EJ, Namkoong K, Ku T, Kim SJ. A relação entre vício em jogos online e agressão, autocontrole e traços de personalidade narcisista. Eur Psiquiatria. 2008; 23 (3): 212 – 8. doi: 10.1016 / j.eurpsy.2007.10.010. pmid: 18166402
  200. 26. Floros G, Siomos K, Stogiannidou A, Giouzepas I, Garyfallos G. Comorbidade de transtornos psiquiátricos com dependência da Internet em uma amostra clínica: o efeito da personalidade, estilo de defesa e psicopatologia. Addict Behav. 2014; 39 (12): 1839 – 45. doi: 10.1016 / j.addbeh.2014.07.031. pmid: 25129172
  201. 27. Floros G, Siomos K, Stogiannidou A, Giouzepas I, Garyfallos G. A relação entre personalidade, estilos de defesa, transtorno de dependência de internet e psicopatologia em estudantes universitários. Cyberpsychol Behav Soc Netw. 2014; 17 (10): 672 – 6. doi: 10.1089 / cyber.2014.0182. pmid: 25225916
  202. 28. An J, Sun Y, Wan Y, Chen J, Wang X, Tao F. Associações entre o uso problemático da Internet e os sintomas físicos e psicológicos dos adolescentes: possível papel da qualidade do sono. J Addict Med. 2014; 8 (4): 282–7. doi: 10.1097 / ADM.0000000000000026. pmid: 25026104
  203. 29. Kim JH, Lau CH, Cheuk KK, Kan P, Hui HL, Griffiths SM. Breve relato: Preditores de uso pesado da Internet e associações com comportamentos de promoção da saúde e de risco à saúde entre estudantes universitários de Hong Kong. J Adolesc. 2010; 33 (1): 215 – 20. doi: 10.1016 / j.adolescence.2009.03.012. pmid: 19427030
  204. 30. Naseri L., Mohamadi J, Sayehmiri K, Azizpoor Y. Percebeu apoio social, autoestima e vício em internet entre estudantes da Universidade Al-Zahra, Teerã, Irã. Irã J Psychiatry Behav Sci. 2015; 9 (3): e421. doi: 10.17795 / ijpbs-421. pmid: 26576175
  205. 31. Lee HW, JS Choi, YC Shin, Lee JY, Jung HY, JS Kwon. Impulsividade na dependência da internet: uma comparação com o jogo patológico. Cyberpsychol Behav Soc Netw. 2012; 15 (7): 373 – 7. doi: 10.1089 / cyber.2012.0063. pmid: 22663306
  206. 32. Lin IH, Ko CH, YP Chang, LT Liu, Wang PW, Lin HC, et al. A associação entre suicídio e vício em internet e atividades em adolescentes taiwaneses. Compr psiquiatria. 2014; 55 (3): 504 – 10. doi: 10.1016 / j.comppsych.2013.11.012. pmid: 24457034
  207. 33. Kim K, Ryu E, Chon, Yeun EJ, Choi SY, JS Seo, et al. Dependência da Internet em adolescentes coreanos e sua relação com a depressão e a ideação suicida: um questionário. Int J Nurs Stud. 2006; 43 (2): 185 – 92. pmid: 16427966 doi: 10.1016 / j.ijnurstu.2005.02.005
  208. 34. Fernandez Villa T, Alguacil Ojeda J, Almaraz Gomez um, Cancela Carral JM, Delgado Rodriguez M, Garcia-Martin M, et al. Uso problemático da internet em universitários: fatores associados e diferenças de gênero. Adicciones. 2015; 27 (4): 265 – 75. pmid: 26706809 doi: 10.20882 / adicciones.751
  209. 35. Teste de dependência de Internet (IAT) [abril, 2016]. Disponível a partir de: http://netaddiction.com/internet-addiction-test./.
  210. 36. Khazaal Y, Billieux J, Thorens G., Khan R, Louati Y, Scarlatti E, et al. Validação francesa do teste de dependência da internet. Cyberpsychol Behav. 2008; 11 (6): 703 – 6. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  211. 37. Alpaslan AH, Soylu N, K Avci, Coskun KS, Kocak U, Tas HU. Atitudes alimentares desordenadas, alexitimia e probabilidade de suicídio entre meninas turcas do ensino médio. Psiquiatria Res. 2015; 226 (1): 224 – 9. doi: 10.1016 / j.psychres.2014.12.052. pmid: 25619436
  212. 38. Cho YW, Song ML, Morin CM. Validação de uma versão coreana do índice de gravidade da insônia. J Clin Neurol. 2014; 10 (3): 210 – 5. doi: 10.3988 / jcn.2014.10.3.210. pmid: 25045373
  213. 39. Gagnon C, Belanger L, Ivers H, Morin CM. Validação do Índice de Gravidade da Insônia na atenção primária. J Am Board Fam Med. 2013; 26 (6): 701 – 10. doi: 10.3122 / jabfm.2013.06.130064. pmid: 24204066
  214. 40. Sinclair SJ, Blais MA, DA Gansler, Sandberg E, Bistis K, LoCicero A. Propriedades psicométricas da Escala de Autoestima de Rosenberg: global e através de grupos demográficos que vivem dentro dos Estados Unidos. Eval Health Prof. 2010; 33 (1): 56 – 80. doi: 10.1177 / 0163278709356187. pmid: 20164106
  215. 41. Rosenberg M. A associação entre auto-estima e ansiedade. J Psychiatr Res. 1962; 1: 135 – 52. pmid: 13974903 doi: 10.1016 / 0022-3956 (62) 90004-3
  216. 42. Lovibond PF, Lovibond SH. A estrutura dos estados emocionais negativos: comparação das Escalas de Estresse para Ansiedade na Depressão (DASS) com os Inventários de Depressão e Ansiedade de Beck. Behav Res Ther. 1995; 33 (3): 335 – 43. pmid: 7726811 doi: 10.1016 / 0005-7967 (94) 00075-u
  217. 43. Taylor R, Lovibond PF, Nicolas MK, Cayley C, Wilson PH. Utilidade de itens somáticos na avaliação da depressão em pacientes com dor crônica: comparação da Escala de Depressão de Auto-Avaliação de Zung e Escalas de Estresse para Ansiedade na Depressão em dor crônica e amostras clínicas e comunitárias. Clin J Pain. 2005; 21 (1): 91 – 100. pmid: 15599136 doi: 10.1097 / 00002508-200501000-00011
  218. 44. TA marrom, Chorpita BF, Korotitsch W, Barlow DH. Propriedades psicométricas das Escalas de Estresse para Ansiedade de Depressão (DASS) em amostras clínicas. Behav Res Ther. 1997; 35 (1): 79 – 89. pmid: 9009048 doi: 10.1016 / s0005-7967 (96) 00068-x
  219. 45. Edmed S, Sullivan K. Depressão, ansiedade e estresse como preditores de sintomas semelhantes à pós-congestão em uma amostra não clínica. Psiquiatria Res. 2012; 200 (1): 41 – 5. doi: 10.1016 / j.psychres.2012.05.022. pmid: 22709538
  220. 46. Ni X, Yan H, S Chen, Liu Z. Fatores que influenciam o vício em internet em uma amostra de estudantes universitários calouros na China. Cyberpsychol Behav. 2009; 12 (3): 327 – 30. doi: 10.1089 / cpb.2008.0321. pmid: 19445631
  221. 47. Thomas SJ, Lichstein KL, DJ Taylor, Riedel BW, Bush AJ. Epidemiologia da hora de dormir, tempo decorrente e tempo no leito: análise de idade, sexo e etnia. Behav Sleep Sleep 2014; 12 (3): 169 – 82. doi: 10.1080 / 15402002.2013.778202. pmid: 23574553
  222. 48. Choueiry N, Salamoun T, Jabbour H, El Osta N, Hajj A, Rabbaa Khabbaz L. Insônia e Relação com a Ansiedade em Estudantes Universitários: Um Estudo Desenvolvido Transversal. PLoS One. 2016; 11 (2): e0149643. doi: 10.1371 / journal.pone.0149643. pmid: 26900686
  223. 49. Gellis LA, Parque A, Stotsky MT, DJ Taylor. Associações entre higiene do sono e gravidade da insônia em estudantes universitários: análise transversal e prospectiva. Behav Ther. 2014; 45 (6): 806 – 16. doi: 10.1016 / j.beth.2014.05.002. pmid: 25311289
  224. 50. Cain N, Gradisar M. Uso de mídia eletrônica e sono em crianças e adolescentes em idade escolar: uma revisão. Sono Med. 2010; 11 (8): 735 – 42. doi: 10.1016 / j.sleep.2010.02.006. pmid: 20673649
  225. 51. Tavernier R, Willoughby T. Todos os tipos de noite estão condenados? Análises de classe latente de percepção de matutinoidade, sono e funcionamento psicossocial entre adultos emergentes. Chronobiol Int. 2014; 31 (2): 232 – 42. doi: 10.3109 / 07420528.2013.843541. pmid: 24131151
  226. 52. Lam LT. Vício em jogos pela internet, uso problemático da internet e problemas do sono: uma revisão sistemática. Curr Psiquiatria Rep. 2014; 16 (4): 444. doi: 10.1007 / s11920-014-0444-1. pmid: 24619594
  227. 53. Tsai CC, Lin SS. Vício em Internet de adolescentes em Taiwan: um estudo de entrevista. Cyberpsychol Behav. 2003; 6 (6): 649 – 52. pmid: 14756931 doi: 10.1089 / 109493103322725432
  228. 54. Te Wildt BT, Putzig I, Zedler M, Ohlmeier MD. Dependência da internet como sintoma de transtornos de humor depressivos. Psychiatr Prax. 2007; 34 Suppl 3: S318 – 22. pmid: 17786892 doi: 10.1055 / s-2007-970973
  229. 55. Bernardi S, Pallanti S. Dependência da Internet: um estudo clínico descritivo enfocando comorbidades e sintomas dissociativos. Compr psiquiatria. 2009; 50 (6): 510 – 6. doi: 10.1016 / j.comppsych.2008.11.011. pmid: 19840588
  230. 56. Carli V, Durkee T, Wasserman D, Hadlaczky G. Despalins R, Kramarz E, et al. A associação entre o uso patológico da internet e a psicopatologia comórbida: uma revisão sistemática. Psicopatologia. 2013; 46 (1): 1 – 13. doi: 10.1159 / 000337971. pmid: 22854219
  231. 57. Garaigordobil M, Perez JI, Mozaz M. Auto-conceito, auto-estima e sintomas psicopatológicos. Psicothema 2008; 20 (1): 114 – 23. pmid: 18206073
  232. 58. Moksnes UK, Espnes GA. Auto-estima e saúde emocional em adolescentes - gênero e idade como possíveis moderadores. Scand J Psychol. 2012; 53 (6): 483 – 9. doi: 10.1111 / sjop.12021. pmid: 23170865
  233. 59. Sowislo JF, Orth U. A baixa autoestima prediz depressão e ansiedade? Uma meta-análise de estudos longitudinais. Psychol Bull. 2013; 139 (1): 213 – 40. doi: 10.1037 / a0028931. pmid: 22730921
  234. 60. Creemers DH, Scholte RH, Engels RC, Prinstein MJ, Wiers RW. Auto-estima implícita e explícita como preditores concomitantes de ideação suicida, sintomas depressivos e solidão. J Behav Ther Exp Psiquiatria. 2012; 43 (1): 638 – 46. doi: 10.1016 / j.jbtep.2011.09.006. pmid: 21946041
  235. 61. Fischer A, Fischer M., Nicholls RA, Lau S., Poettgen J, Patas K, et al. Exatidão diagnóstica para depressão maior na esclerose múltipla usando questionários de autorrelato. Brain Behav. 2015; 5 (9): e00365. doi: 10.1002 / brb3.365. pmid: 26445703
  236. 62. Ortega-Montiel J, Posadas-Romero C, Ocampo-Arcos-W, Medina-Urrutia A, Cardoso-Saldana G. Jorge-Galarza E, et al. A autopercepção do estresse está associada à adiposidade e aterosclerose. O estudo da GEA. BMC Public Health. 2015; 15: 780. doi: 10.1186 / s12889-015-2112-8. pmid: 26271468
  237. 63. Branco K, Scarinci IC. Comparação da saúde auto avaliada entre imigrantes latinos em uma cidade do sul dos EUA e uma amostra nacional. Am J Med Sci. 2015; 350 (4): 290 – 5. doi: 10.1097 / MAJ.0000000000000554. pmid: 26263236