Vício em Internet: estilos de enfrentamento, expectativas e implicações de tratamento (2014)

Marca Matthias^{1,2 *}, Christian Laier¹ e Kimberly S. Young³

• ¹Departamento de Psicologia Geral: Cognição, Universidade de Duisburg-Essen, Duisburg, Alemanha
• ²Instituto Erwin L. Hahn de Imagem por Ressonância Magnética, Essen, Alemanha
• ³Centre for Internet Addiction, Escola de Jornalismo e Comunicação de Massa Russell J. Jandoli, Universidade St. Bonaventure, Olean, NY, EUA

O vício em internet (IA) tornou-se uma séria condição de saúde mental em muitos países. Para melhor compreender as implicações clínicas da IA, este estudo testou estatisticamente um novo modelo teórico que ilustra os mecanismos cognitivos subjacentes que contribuem para o desenvolvimento e manutenção do distúrbio. O modelo diferencia entre uma dependência generalizada da Internet (GIA) e formas específicas. Este estudo testou o modelo de GIA em uma população de usuários gerais da Internet. Os resultados dos usuários do 1019 mostram que o modelo de equação estrutural hipotetizado explicou 63.5% da variância dos sintomas de GIA, conforme medido pela versão curta do Internet Addiction Test. Utilizando testes psicológicos e de personalidade, os resultados mostram que as cognições específicas de uma pessoa (baixo nível de enfrentamento e expectativas cognitivas) aumentaram o risco de AIG. Esses dois fatores mediaram os sintomas da GIA se outros fatores de risco estivessem presentes, como depressão, ansiedade social, baixa autoestima, baixa autoeficácia e alta vulnerabilidade ao estresse, para citar algumas áreas que foram medidas no estudo. O modelo mostra que indivíduos com altas habilidades de enfrentamento e sem expectativas de que a Internet possa ser usada para aumentar o humor positivo ou reduzir o humor negativo são menos propensos a se engajar em uso problemático da Internet, mesmo quando outras vulnerabilidades pessoais ou psicológicas estão presentes. As implicações para o tratamento incluem um componente cognitivo claro para o desenvolvimento de GIA e a necessidade de avaliar o estilo de enfrentamento e as cognições de um paciente e melhorar o pensamento defeituoso para reduzir os sintomas e se envolver na recuperação.

Introdução

Um uso problemático da Internet foi identificado em vários estudos e mostra que consequências negativas persistentes, como perda de emprego, fracasso acadêmico e divórcio, resultaram do uso excessivo da Internet (para revisões, ver Griffiths, 2000a,b; Chou et al., 2005; Widyanto e Griffiths, 2006; Byun et al., 2009; Weinstein e Lejoyeux, 2010; Lortie e Guitton, 2013). A relevância clínica deste fenómeno ganha importância no contexto de elevadas taxas de prevalência estimadas que variam entre 1.5 e 8.2% (Weinstein e Lejoyeux, 2010) ou até 26.7%, dependendo das escalas utilizadas e dos critérios aplicados (Kuss et al., 2014).

Embora a primeira descrição desta questão clínica seja quase 20 anos atrás (Jovem, 1996), a classificação ainda é discutida de forma controversa e, consequentemente, vários termos são utilizados na literatura científica, variando de “uso compulsivo da Internet” (Meerkerk et al., 2006, 2009, 2010), “Problemas relacionados com a Internet” (Widyanto e outros, 2008), “Uso problemático da Internet” (Caplan, 2002), “Uso patológico da Internet” (Davis, 2001) ao “comportamento aditivo relacionado com a Internet” (Brenner, 1997), para mencionar apenas alguns. Nos últimos anos 10, no entanto, a maioria dos pesquisadores neste campo usaram o termo “Internet addiction” ou “Internet addiction disorder” (por exemplo, Johansson e Götestam, 2004; Block, 2008; Byun et al., 2009; Dong et al., 2010, 2011, 2013; Kim et al., 2011; Purty et al., 2011; Young, 2011b, 2013; Young et al., 2011; Zhou e outros, 2011; Cash et al., 2012; Hou et al., 2012; Hong et al., 2013a,b; Kardefelt-Winther, 2014; Pontes e outros, 2014; Tonioni et al., 2014). Também preferimos o termo “Internet addiction (IA)”, porque artigos recentes (ver discussão em Brand et al., 2014) destacar os paralelos entre o uso excessivo da Internet e outros comportamentos aditivos (por exemplo, Grant et al., 2013) e também dependência de substâncias (ver também Jovem, 2004; Griffiths, 2005; Meerkerk et al., 2009). Tem sido argumentado que os mecanismos relacionados ao desenvolvimento e manutenção da dependência de substâncias são transferíveis para um uso aditivo de aplicações da Internet (e também outras dependências comportamentais), por exemplo, a teoria da sensibilização de incentivos da dependência e conceitos relacionados (por exemplo, Robinson e Berridge, 2000, 2001, 2008; Berridge et al., 2009). Isso se encaixa muito bem com o modelo de componentes em comportamentos aditivos (Griffiths, 2005).

Muitos estudos foram conduzidos em correlatos psicológicos de IA, mas isto foi feito - pelo menos na maioria dos casos - sem diferenciar entre um vício generalizado da Internet (GIA) e um vício específico da Internet (SIA; Morahan-Martin e Schumacher, 2000; Leung, 2004; Ebeling-Witte e outros, 2007; Lu, 2008; Kim e Davis, 2009; Billieux e Van der Linden, 2012), embora os mecanismos psicológicos possam ser diferentes, também para diferentes faixas etárias ou aplicações utilizadas (Lopez-Fernandez et al., 2014). Nosso estudo examina os efeitos mediadores dos estilos de enfrentamento e expectativas cognitivas para uso da Internet no desenvolvimento e manutenção de GIA, a fim de contribuir para uma melhor compreensão dos mecanismos subjacentes e potenciais implicações para o diagnóstico e tratamento.

Em um nível teórico, já foi postulado que a IA deve ser diferenciada em relação ao uso generalizado da Internet (Griffiths e madeira, 2000) versus tipos específicos de IA, tais como sexo virtual, relações online, compulsões líquidas (por exemplo, jogos de azar, compras), busca de informações e jogos online para desenvolver um vício na Internet (por exemplo, Young et al., 1999; Meerkerk et al., 2006; Block, 2008; Brand et al., 2011). No entanto, apenas um subtipo, Internet Gaming Disorder, foi incluído no apêndice do DSM-5 (APA, 2013). A maioria dos estudos avaliou IA como um construto unificado ou apenas avaliou um subtipo específico (na maioria dos casos, jogos na Internet). Em seu modelo cognitivo-comportamental, Davis (2001) também diferenciou entre um uso patológico generalizado da Internet (GIA) e um uso patológico específico da Internet (SIA). O GIA foi descrito como um uso excessivo multidimensional da Internet, freqüentemente acompanhado por desperdício de tempo e uso não direcionado da Internet. Aspectos sociais da Internet (por exemplo, comunicação social através de sites de redes sociais) são particularmente utilizados (ver também discussão em Lortie e Guitton, 2013), que supostamente está ligado à falta de apoio social e aos déficits sociais vivenciados por um indivíduo em situações não virtuais. Além disso, argumenta-se que os indivíduos podem usar excessivamente vários aplicativos de Internet diferentes sem ter um certo favorito, por exemplo, jogos, assistir pornografia, navegar em sites de informações e / ou compras, postar selfies, assistir a vídeos em plataformas de vídeo, ler blogs dos outros e assim por diante. Neste caso, pode-se argumentar que o indivíduo é viciado na Internet e não viciado na Internet (mas veja também a discussão em Starcevic, 2013). Davis argumenta que uma diferença principal entre a GIA e a SIA é que indivíduos que sofrem de GIA não teriam desenvolvido um comportamento problemático semelhante sem a Internet, enquanto indivíduos sofrendo de SIA teriam desenvolvido comportamento problemático similar dentro de outro ambiente. Em ambas as formas de uso aditivo da Internet, GIA e SIA, sugere-se que as cognições disfuncionais sobre o self e sobre o mundo desempenhem um papel fundamental (Caplan, 2002, 2005).

Uma pesquisa que aborda a GIA demonstrou que as queixas subjetivas na vida cotidiana resultantes do uso da Internet estão correlacionadas com diversas características de personalidade. De fato, foi demonstrado que a GIA está ligada a comorbidades psicopatológicas, como transtornos afetivos ou de ansiedade (Whang et al., 2003; Yang et al., 2005; Weinstein e Lejoyeux, 2010) assim como aos traços de personalidade timidez, neuroticismo, vulnerabilidade ao estresse, tendência à procrastinação e baixa autoestima (Niemz et al., 2005; Ebeling-Witte e outros, 2007; Hardie e Tee, 2007; Thatcher e outros, 2008; Kim e Davis, 2009). Além disso, fatores do contexto social, por exemplo, falta de apoio social ou isolamento social (Morahan-Martin e Schumacher, 2003; Caplan, 2007) e até a solidão no ambiente educacional em adolescentes (Pontes e outros, 2014), parecem estar relacionados com GIA. Além disso, argumenta-se que o uso da Internet como uma ferramenta para lidar com eventos de vida problemáticos ou estressantes contribui para o desenvolvimento de GIA (Whang et al., 2003; Tang et al., 2014). Pessoas com IA também mostram alta tendência à estratégia de enfrentamento impulsivo (Tonioni et al., 2014). Alguns autores chegam a conceituar IA como um tipo de enfrentamento da vida cotidiana ou das dificuldades cotidianas (Kardefelt-Winther, 2014). Ainda existem apenas alguns primeiros estudos, que compararam explicitamente os preditores de diferentes tipos de SIA. Pawlikowski et al. (2014) relataram que a timidez e a satisfação com a vida estão relacionadas a um uso viciante de jogos na Internet, mas não a um uso patológico de cibersexo ou ao uso de jogos e cibersexo.

Com base em pesquisas anteriores, em particular sobre os argumentos de Davis (2001), e também considerando a literatura atual sobre achados neuropsicológicos e de neuroimagem em indivíduos que são viciados na Internet, publicamos recentemente um modelo teórico sobre o desenvolvimento e manutenção de GIA e SIA (Brand et al., 2014). Alguns aspectos incluídos no modelo já foram mencionados no contexto do uso de sites de redes sociais, por exemplo, a expectativa de resultados positivos (Turel e Serenko, 2012). Também foi demonstrado que um uso excessivo ou viciante de leilões online está correlacionado com as mudanças nas crenças dos indivíduos sobre a técnica e isso determina o uso futuro e intenções de uso (Turel et al., 2011). Isso está de acordo com nosso modelo teórico sobre GIA, no qual assumimos que crenças ou expectativas sobre o que a Internet pode fazer por uma pessoa influenciam o comportamento, ou seja, o uso da Internet, que por sua vez também influencia as expectativas futuras. No entanto, em nosso modelo, nos concentramos no papel mediador das expectativas e estratégias de enfrentamento no desenvolvimento e manutenção de um GIA e tipos específicos de AIS.

Para o desenvolvimento e manutenção do GIA, argumentamos que o usuário tem certas necessidades e objetivos que podem ser alcançados usando certos aplicativos da Internet. Com base em pesquisas anteriores, incorporamos várias dessas descobertas para desenvolver um modelo abrangente para vincular esses elementos. Inicialmente, as características centrais de uma pessoa estão associadas à IA e incluem aspectos psicopatológicos, aspectos de personalidade e cognições sociais. Na primeira seção, incluímos sintomas psicopatológicos, em particular depressão e ansiedade social (por exemplo, Whang et al., 2003; Yang et al., 2005), facetas disfuncionais da personalidade, como baixa autoeficácia, timidez, vulnerabilidade ao estresse e tendências à procrastinação (Whang et al., 2003; Chak e Leung, 2004; Caplan, 2007; Ebeling-Witte e outros, 2007; Hardie e Tee, 2007; Thatcher e outros, 2008; Kim e Davis, 2009; Pontes e outros, 2014) e isolamento social / falta de apoio social (Morahan-Martin e Schumacher, 2003; Caplan, 2005) no desenvolvimento do GIA. No entanto, sugerimos que a influência das características primárias e cognições dessas pessoas no desenvolvimento de um uso aditivo da Internet deveria ser mediada por certas cognições relacionadas à Internet, em particular as expectativas de uso da Internet (Turel et al., 2011; Xu et al., 2012; Lee et al., 2014) e certas estratégias para lidar com os requisitos da vida cotidiana ouTang et al., 2014; Tonioni et al., 2014). Na terceira seção do modelo, como um comportamento consequente, se o usuário for on-line e receber reforço em termos de lidar com disfunções ou problemas de humor negativo e a pessoa espera que o uso da Internet os distraia de problemas ou sentimentos negativos, É provável que eles se voltem para a Internet para escapar dos sentimentos evidenciados por uma perda de controle, má administração do tempo, desejos e aumento dos problemas sociais. O papel dos processos de reforço e condicionamento tem sido bem descrito na literatura sobre o desenvolvimento e manutenção de transtornos relacionados a substâncias (por exemplo, Robinson e Berridge, 2001, 2008; Kalivas e Volkow, 2005; Everitt e Robbins, 2006). Também argumentamos que o reforço positivo e negativo do estilo de enfrentamento e as expectativas de uso da Internet resultam sucessivamente em uma perda do controle cognitivo sobre o uso da Internet, que é mediado pelo funcionamento pré-frontal (executivo) (Brand et al., 2014).

Embora este modelo se encaixe bem com a literatura anterior sobre os principais achados em relação aos mecanismos psicológicos por trás do IA (veja as Kuss e Griffiths, 2011a,b; Griffiths, 2012) e também com correlatos neuropsicológicos e de neuroimagem muito recentes de GIA e tipos distintos de SIA (Kuss e Griffiths, 2012; Brand et al., 2014), este modelo ainda necessita de evidências empíricas em termos de validade incremental. Neste estudo, pretendemos traduzir as hipóteses resumidas no modelo teórico sobre GIA delineadas acima em um modelo estatístico sobre o nível de variáveis ​​latentes e testamos os efeitos preditor e mediador sobre a gravidade dos sintomas de GIA usando uma população de larga escala na Internet. Usando medidas psicológicas e de personalidade validadas, primeiro avaliamos as características centrais de uma pessoa ao prever um uso excessivo e viciante da Internet de maneira generalizada. Usando uma medida validada de enfrentamento e uma medida recentemente desenvolvida das expectativas de uso da Internet, testamos se as habilidades de enfrentamento e as expectativas de uso da Internet (como usar a Internet para escapar de sentimentos negativos ou situações desagradáveis) mediam o vínculo entre as características básicas da pessoa e os sintomas de GIA

Materiais e Métodos

O modelo operacionalizado

Primeiro traduzimos o modelo teórico descrito na introdução e ilustrado no artigo por Brand et al. (2014) em um modelo estatístico testável e operacionalizado. Para cada uma das dimensões mencionadas no modelo teórico, escolhemos pelo menos duas variáveis ​​manifestas para construir um modelo de equações estruturais (SEM) em nível latente. Para cada variável, usamos uma escala específica (cada uma consistindo em vários itens, veja a descrição dos instrumentos abaixo) para operacionalizar as variáveis ​​manifestas. Este modelo operacionalizado como SEM em nível latente é mostrado na Figura 1.

Assuntos

Usando uma pesquisa on-line abrangente, tivemos entrevistados da 1148. Após a exclusão dos participantes 129 devido a dados incompletos nas escalas psicométricas, a amostra final consistiu em N = 1019. Os participantes foram recrutados por anúncios, plataformas de Internet (conta do Facebook da equipe General Psychology: Cognition), listas de e-mail para estudantes da Universidade de Duisburg-Essen, e através de folhetos em bares e pubs locais, bem como recomendações bucais. Os anúncios, e-mails e panfletos incluíam uma declaração de que os participantes podem participar de uma raíz tendo a chance de ganhar um dos seguintes itens: (1) iPad, (2) iPad mini, (3) iPod nano, (4) ) iPod shu, e, cartões 20 Amazon gift (50 Euros cada). O estudo foi aprovado pelo comitê de ética local.

A média de idade da amostra final foi de 25.61 anos (DP = 7.37). A amostra incluiu 625 (61.33%) mulheres e 385 (37.78%) homens (nove voluntários não responderam a esta questão). Com relação à situação de vida privada, 577 participantes (56.62%) viviam em união ou eram casados ​​e 410 (40.24%) indicaram não ter um relacionamento atual (32 participantes não responderam a esta questão). No momento da avaliação, 687 participantes (67.42%) eram estudantes, 332 participantes (32.58%) tinham um emprego regular (com ou sem formação acadêmica). De toda a amostra, 116 participantes (11.4%) preencheram os critérios para uso problemático da Internet [ponto de corte> 30 no teste curto de vício em Internet (s-IAT), consulte a descrição do instrumento abaixo] e 38 participantes (3.7%) para um uso patológico da Internet (> 37 no s-IAT). O tempo médio de permanência na Internet foi de 972.36 min / semana (DP = 920.37). De toda a amostra, 975 indivíduos usaram sites de redes sociais / comunicação (M_{min / semana} = 444.47, SD = 659.05), indivíduos 998 (97.94%) pesquisaram informações na Internet (M_{min / semana} = 410.03, SD = 626.26), indivíduos 988 (96.96%) usaram sites de compras (M_{min / semana} = 67.77, SD = 194.29), os jogos on-line foram usados ​​pelos participantes 557 (54.66%, M_{min / semana} = 159.61, SD = 373.65), o jogo online foi feito por participantes 161 (15.80%, M_{min / semana} = 37.09, SD = 141.70), e cybersex foi usado por indivíduos 485 (47.60%, M_{min / semana} = 66.46, SD = 108.28). Em relação ao uso de vários aplicativos de Internet, os participantes do 995 (97.64%) relataram usar três ou mais aplicativos de Internet mencionados acima em uma base regular.

Instrumentos

Teste de vício em internet curto (s-IAT)

Os sintomas de IA foram avaliados com a versão alemã curta do Internet Addiction Test (Pawlikowski et al., 2013), que é baseado na versão original desenvolvida por Jovem (1998). Na versão curta (s-IAT), 12 itens devem ser respondidos em uma escala de cinco pontos variando de 1 (= nunca) a 5 (= muito frequentemente), resultando em pontuações de soma variando de 12 a 60, enquanto pontuações> 30 indica um uso problemático da Internet e a pontuação> 37 indica uso patológico da Internet (Pawlikowski et al., 2013). O s-IAT consiste em dois fatores: perda de controle / gerenciamento do tempo e problemas sociais / craving (cada um com seis itens). Embora os itens 12 carreguem dois fatores na análise fatorial exploratória e confirmatória (CFA; Pawlikowski et al., 2013), eles capturam os principais sintomas de IA, como por exemplo descrito no modelo de componentes por (Griffiths, 2005). A primeira subescala “perda de controle / gerenciamento de tempo” avalia o quanto uma pessoa sofre com problemas de gerenciamento do tempo na vida cotidiana devido ao uso da Internet (por exemplo, “com que frequência você negligencia as tarefas domésticas para passar mais tempo on-line?”) “Com que frequência você perde o sono por estar online tarde da noite?”). Os itens desta subescala também avaliam as conseqüências negativas causadas pelo excesso de uso da Internet (por exemplo, “Com que freqüência suas notas ou trabalho escolar sofrem devido à quantidade de tempo que você passa online?”). Também é medido se os participantes experimentam perda de controle sobre seu uso da Internet e se tentaram reduzir seu uso da Internet e falharam (por exemplo, “Com que freqüência você acha que fica online por mais tempo do que pretendia?” E “Quantas vezes você tenta reduzir a quantidade de tempo que passa online e falha? ”). Todos os itens não medem o tempo gasto on-line, mas se os indivíduos experimentam ou não uma perda de controle em relação ao uso da Internet e problemas na vida cotidiana como resultado do uso da Internet. A segunda subescala “craving / social problems” mede os efeitos do uso excessivo da Internet nas interações sociais e a preocupação com o meio (por exemplo, “Com que frequência você se sente preocupado com a Internet quando está interessado ou fantasia em estar on-line?”). Os itens desta subescala também avaliam problemas interpessoais (por exemplo, com que frequência você ri, grita ou fica irritado se alguém o incomoda enquanto você está on-line? ”) E regulação do humor (por exemplo:“ Com que frequência você se sente deprimido, mal-humorado? , ou nervoso quando você está fora, que desaparece quando você está de volta online?). Todos os itens incluem os termos "Internet" ou "online" em geral, sem se concentrar em um determinado aplicativo. Na instrução, os participantes foram informados de que todas as questões estão relacionadas ao uso geral da Internet, incluindo todos os aplicativos utilizados.

O s-IAT possui boas propriedades psicométricas e validade (Pawlikowski et al., 2013). Em nossa amostra, a consistência interna (α de Cronbach) foi 0.856 para toda a escala, 0.819 para o fator perda de controle / gerenciamento de tempo e 0.751 para o fator craving / problemas sociais.

Inventário breve de sintomas - depressão subescala

Os sintomas de depressão foram avaliados com a versão alemã (Franke, 2000) da subescala depressão do Brief Symptom Inventory (Boulet e chefe, 1991; Derogatis, 1993). A escala consiste em seis itens que avaliam sintomas depressivos nos últimos dias 7. As respostas devem ser dadas em uma escala de cinco pontos variando de 0 (= não em todos) para 4 (= extremamente). A consistência interna (α de Cronbach) em nossa amostra foi 0.858.

Brief Symptom Inventory - subescala sensibilidade interpessoal

Os sintomas de ansiedade social e sensibilidade interpessoal foram avaliados com a versão alemã (Franke, 2000) da subescala sensibilidade interpessoal do Brief Symptom Inventory (Boulet e chefe, 1991; Derogatis, 1993). A escala consiste em quatro itens e as respostas devem ser dadas em uma escala de cinco pontos, variando de 0 (= não de todo) a 4 (= extremamente). A consistência interna (α de Cronbach) em nossa amostra foi 0.797.

Escala de autoestima

A auto-estima foi avaliada pela Escala de Autoestima (Rosenberg, 1965). Nós aqui usamos a versão alemã modificada (Collani e Herzberg, 2003), que consiste em dez itens. As respostas devem ser dadas em uma escala de quatro pontos variando de 0 (= discordo totalmente) a 3 (= concordo totalmente). A consistência interna (α de Cronbach) em nossa amostra foi 0.896.

Escala de Auto-eficácia

A autoeficácia foi avaliada pela Escala de Autoeficácia (Schwarzer e Jerusalém, 1995), que consiste em itens 10. As respostas devem ser dadas em uma escala de quatro pontos variando de 1 (= não verdadeiro) a 4 (= exatamente verdadeiro). A consistência interna (α de Cronbach) em nossa amostra foi 0.863.

Inventário de Trier para Estresse Crônico

A vulnerabilidade ao estresse foi medida pela versão de triagem do Trier Inventory for Chronic Stress (TICS; Schulz et al., 2004). O rastreio contém itens 12 sobre a exposição ao stress nos últimos meses 3. Cada declaração deve ser respondida em uma escala de cinco pontos variando de 0 (= nunca) a 4 (= muito frequentemente). A consistência interna (α de Cronbach) em nossa amostra foi 0.908.

Escala de solidão

A versão curta da Escala de Solidão (De Jong Gierveld e Van Tilburg, 2006) foi utilizado para mensurar sentimentos de solidão (solidão emocional subescalar, três itens) e suporte social percebido (subescala suporte social, três itens). Todas as declarações devem ser respondidas em uma escala de cinco pontos, de 1 (= não!) Até 5 (= sim!). A consistência interna (α de Cronbach) em nossa amostra foi 0.765 para a subescala solidão emocional e 0.867 para o apoio social da subescala.

Breve COPE

O breve COPE (Carver, 1997) mede o estilo de enfrentamento em vários subdomínios diferentes. Nós aqui usamos três subescalas da versão alemã (Knoll et al., 2005): negação, uso de substâncias e desengajamento comportamental. Cada subescala foi representada por dois itens, que tiveram que ser respondidos em uma escala de quatro pontos variando de 1 (= eu não fiz isso tudo) para 4 (= eu tenho feito muito isso). A consistência interna (α de Cronbach) em nossa amostra foi 0.561 para a negação da subescala, 0.901 para o uso da substância na subescala e 0.517 para o desencaixe comportamental da subescala. Dado que as escalas consistem em apenas dois itens e, dado que o instrumento tem sido usado em vários estudos de validação, incluindo relatórios sobre a confiabilidade do reteste, consideramos a confiabilidade como aceitável.

Escala de Expectativas de Uso da Internet

Para avaliar as expectativas de uso da Internet, desenvolvemos uma nova escala que consiste - na primeira versão - de itens 16. Os itens refletem alguns fatores motivadores centrais, como, por exemplo, relatados por Xu et al. (2012) e também por Yee (2006). Os itens foram atribuídos a priori para duas escalas (cada uma com oito itens): Expectativas de uso da Internet refletindo reforço positivo (por exemplo, “Eu uso a Internet para sentir prazer”) e aquelas refletindo reforço negativo (por exemplo, “Eu uso a Internet para distrair de problemas”). Todas as respostas foram dadas em uma escala de seis pontos variando de 1 (= discordo completamente) a 6 (= concordo completamente). Com base nos dados que coletamos neste estudo (N = 1019), foi realizada uma análise fatorial exploratória (EFA). Chifre (1965) análise paralela e do teste de média parcial mínima (MAP) (Velicer, 1976) foram utilizados para determinar o número apropriado de fatores. Este procedimento resultou em uma solução estável de dois fatores. Um EFA com análise de componentes principais e rotação varimax foi então conduzido para avaliar a estrutura da Internet Use Expectancies Scale (IUES). Os resultados do EFA concluídos com uma versão final do item 8 do IUES com a estrutura de dois fatores permanecem (Tabela 1) Com esses dois fatores, observamos uma explicação da variância de 63.41%. O primeiro fator contém quatro itens com cargas altas no fator principal (> 0.50) e cargas baixas no outro fator (<0.20) e se relaciona a expectativas positivas, por isso denominamos esse fator de “expectativas positivas”. O segundo fator consiste em quatro itens com cargas altas no fator principal (> 0.50) e cargas baixas no outro fator (<0.20), e todos os itens relacionados ao uso da Internet para evitar ou reduzir sentimentos ou pensamentos negativos, então chamamos isso fator "expectativas de evasão". Ambos os fatores apresentam boa confiabilidade (“expectativas positivas”: α de Cronbach = 0.832 e “expectativas de evitação” α de Cronbach = 0.756). Os dois fatores foram correlacionados significativamente (r = 0.496, p <0.001) com um efeito moderado (Cohen, 1988).

Para garantir a estrutura fatorial do instrumento, avaliou-se uma amostra adicional de indivíduos 169 (média de idade = 21.66, SD = 2.69; 106 fêmeas) para aplicação de um CFA. O CFA foi feito com MPlus (Muthén e Muthén, 2011). Para a avaliação de ajustes de modelo, aplicamos critérios padronizados (Hu e Bentler, 1995, 1999): A raiz quadrada média padronizada residual (SRMR; valores abaixo de 0.08 indicam bom ajuste com os dados), índices de ajuste comparativo (CFI / TLI; valores acima de 0.90 indicam um bom ajuste, valores acima de 0.95 um excelente ajuste) e raiz quadrada média erro de aproximação (RMSEA; “teste de ajuste aproximado”; um valor abaixo de 0.08 com um valor de significância abaixo de 0.05 indica ajuste aceitável). O CFA confirmou a solução de dois fatores para o IUES com parâmetros de ajuste de bom a excelente: o RMSEA era 0.047, o CFI era 0.984, o TLI era 0.975 e o SRMR era 0.031. O χ² teste não foi significativo, χ² = 24.58, p = 0.137 indicando que os dados não se desviam significativamente do modelo teórico (solução de dois fatores, como mostrado na Tabela 1). Esta amostra foi recolhida apenas para o CFA. Os dados não foram incluídos nas análises posteriores.

Análise estatística

Procedimentos padrão estatísticos foram realizados com o SPSS 21.0 para Windows (IBM SPSS Statistics, lançado 2012). As correlações de Pearson foram calculadas para testar relações de ordem zero entre duas variáveis. Para controlar os dados de outliers, criamos uma variável aleatória normalmente distribuída com o mesmo desvio padrão médio que encontramos no s-IAT (pontuação geral). Esta variável aleatória deveria, teoricamente, não estar relacionada a todas as variáveis ​​de interesse, se as correlações não fossem influenciadas por outliers nos dados. Todas as correlações com a variável aleatória foram muito baixas, rs <0.049, indicando que não houve outliers substancialmente influentes em qualquer uma das escalas na amostra final (N = 1019). Além disso, os gráficos de dispersão entre as variáveis ​​foram controlados visualmente. Mais uma vez, nenhum outliers extremo foi encontrado. Portanto, as análises foram realizadas com todos os sujeitos.

A análise SEM foi calculada com MPlus 6 (Muthén e Muthén, 2011). Não houve dados perdidos. Antes de testar o modelo completo, os ajustes das dimensões latentes também foram testados usando CFA no MPlus. Para ambos, SEM e CFA, a estimação do parâmetro de máxima verossimilhança foi aplicada. Para a avaliação de ajustes de modelo, aplicamos os critérios padrão (Hu e Bentler, 1995, 1999) como já descrito na seção anterior. Para a aplicação da análise do mediador foi necessário, de acordo com Barão e Kenny (1986), que todas as variáveis ​​incluídas na mediação devem se correlacionar umas com as outras. Também utilizamos regressões moderadas para analisar potenciais efeitos moderadores como análises adicionais para uma conceituação alternativa do conceito de coping.

Consistentes

Valores Descritivos e Correlações

Os escores médios das amostras no s-IAT e em todas as outras escalas aplicadas podem ser encontrados na Tabela 2. A média do escore s-IAT de M = 23.79 (SD = 6.69) é bastante comparável com a pontuação relatada por Pawlikowski et al. (2013) para uma amostra de indivíduos 1820 da população geral (a pontuação média da s-IAT foi M = 23.30, SD = 7.25). As correlações bivariadas entre o s-IAT (somatório do escore) e os escores dos questionários e escalas administradas são apresentadas na Tabela 3.

Dimensões latentes do modelo proposto na análise fatorial confirmatória

Para testar sistematicamente o modelo teórico proposto, primeiro analisamos o modelo de fatores, o que significa que foi testado se as dimensões latentes são representadas de forma aceitável pelas variáveis ​​manifestas. Portanto, o AFC foi realizado com as seis dimensões latentes (uma dimensão dependente, três dimensões preditoras, duas dimensões mediadoras). O RMSEA foi 0.066 com p <0.001, o CFI foi de 0.951, o TLI foi de 0.928 e o SRMR foi de 0.041, indicando um bom ajuste do modelo.

A primeira dimensão latente “sintomas de GIA” foi bem representada pelos escores nos dois fatores do s-IAT (perda de controle / gerenciamento do tempo e fissura / problemas sociais) como pretendido. A primeira variável preditora “sintomas psicopatológicos” foi significativamente representada pelas duas subescalas da ICS (depressão e sensibilidade interpessoal). A dimensão “aspectos de personalidade” foi bem representada pelas três variáveis ​​manifestas hipotetizadas (autoeficácia, autoestima e vulnerabilidade ao estresse) e a última dimensão preditora “cognições sociais” foi bem representada pelas duas subescalas da escala de solidão (emocional solidão e apoio social). Os resultados mostraram que a primeira dimensão mediadora “enfrentamento” foi bem representada pelas três subescalas do COPE (negação, abuso de substâncias e desengajamento comportamental) e a segunda dimensão do mediador “expectativas de uso da Internet” foi bem representada pelos dois fatores IUES ( expectativas positivas e expectativas de evitação).

No geral, o CFA indicou que as dimensões latentes são representadas de forma aceitável pelas variáveis ​​manifestas. Somente na dimensão enfrentamento, o abuso de substâncias na escala tem um fator de carga mais fraco (β = 0.424), mas ainda significativo (p <0.001) e, portanto, suficiente, dado que o modelo geral se ajustou bem aos dados. Todas as cargas fatoriais e erros padrão são mostrados na Tabela 4.

O modelo completo de equações estruturais

O modelo teórico proposto sobre a dimensão latente com GIA como variável dependente (modelado pelos dois fatores s-IAT) rendeu um bom ajuste com os dados. O RMSEA foi 0.066 com p <0.001, o CFI foi de 0.95, o TLI foi de 0.93 e o SRMR foi de 0.041. O χ² teste foi significativo, χ² = 343.89, p <0.001, o que é normal devido ao grande tamanho da amostra. No entanto, o χ² teste para o modelo de base também foi significativo com um χ extensivamente maior² valor, χ² = 5745.35, p <0.001. Em suma, os dados se ajustaram bem ao modelo teórico proposto. No geral, a grande proporção de 63.5% da variação no GIA foi significativamente explicada pelo SEM completo (R² = 0.635, p <0.001). O modelo e todos os efeitos diretos e indiretos são mostrados na Figura 2.

Todos os três efeitos diretos dos preditores na GIA não foram significativos (Figura 2). Mas note que o efeito direto da variável latente aspectos psicopatológicos não conseguiu atingir significância com p = 0.059. Aqui, deve-se considerar que o peso β foi negativo, indicando que - no caso de se interpretar o efeito direto marginalmente significativo - maior depressão e ansiedade social andam de mãos dadas com sintomas menores de GIA se o efeito indireto de aspectos psicopatológicos sobre as duas variáveis ​​mediadoras (coping e expectativa de uso da Internet) são parcializadas. Os efeitos diretos das duas variáveis ​​preditoras latentes, aspectos psicopatológicos e personalidade, tanto no enfrentamento de variáveis ​​do mediador latente quanto na expectativa de uso da Internet foram significativos. Por outro lado, os efeitos diretos das variáveis ​​cognitivas sociais latentes nas expectativas de coping e de uso da Internet não foram significativos, o que significa que esses efeitos não foram significativos quando controlados pelos efeitos das outras duas dimensões latentes.

No entanto, os efeitos das cognições sociais para as expectativas de uso da Internet não conseguiram alcançar significância p = 0.073. Os efeitos directos do coping para o GIA (p <0.001) e das expectativas de uso da Internet (p <0.001) foram significativos com fortes tamanhos de efeito.

O efeito indireto dos aspectos psicopatológicos sobre o enfrentamento ao GIA foi significativo (β = 0.173, SE = 0.059, p = 0.003). Também o efeito indireto dos aspectos psicopatológicos sobre a expectativa de uso da Internet para a GIA foi significativo (β = 0.159, SE = 0.072, p = 0.027). O efeito indireto dos aspectos de personalidade sobre o enfrentamento ao GIA também foi significativo (β = –0.08, SE = 0.041, p = 0.05), mas o tamanho do efeito era muito pequeno. O efeito indireto dos aspectos da personalidade sobre as expectativas de uso da Internet para a GIA foi significativo (β = –0.160, SE = 0.061, p = 0.009). Ambos os efeitos indiretos das cognições sociais sobre o enfrentamento (β = 0.025, SE = 0.030, p = 0.403) e cognição social sobre as expectativas de uso da Internet (β = –0.08, SE = 0.045, p = 0.075) para GIA não foram significativos. O modelo com todas as cargas fatoriais e β-insights é mostrado na figura 2. Os aspectos psicopatológicos da dimensão latente correlacionaram-se significativamente com os aspectos de personalidade da dimensão latente (r =-0.844, p <0.001) e com cognições sociais de dimensão latente (r = –0.783, p <0.001). Além disso, as duas dimensões latentes, aspectos de personalidade e cognições sociais foram correlacionadas (r = 0.707, p <0.001).

Análises Adicionais

O modelo descrito foi o teoricamente argumentado e, consequentemente, o que testamos primeiro. No entanto, depois testamos alguns modelos adicionais ou partes do modelo separadamente, a fim de entender melhor os mecanismos subjacentes do GIA em mais detalhes. A primeira questão que abordamos foi o efeito da psicopatologia na GIA, porque achamos interessante que o efeito direto, embora não significativo, fosse negativo no SEM (ver Figura 1). 2), embora no nível bivariado, as correlações foram positivas. O modelo simples com aspectos psicopatológicos (representado por depressão do BIS e ansiedade social do BSI) como preditor e GIA (representado pelos dois fatores do IAT) como variável dependente apresentou bom ajuste de modelo (todos os índices de ajuste são melhores do que aceitável) e o efeito foi positivo (β = 0.451, p <0.001). Também calculamos o modelo sem os dois mediadores, o que significa que aspectos psicopatológicos, aspectos de personalidade e aspectos sociais serviram como preditores diretos e GIA foi a variável dependente (todas as variáveis ​​no nível latente com as mesmas variáveis ​​usadas em todo o SEM, ver Figura 2). O modelo sem mediadores também apresentou bons índices de ajuste (com uma exceção: o RMSEA foi com 0.089 um pouco alto) e os efeitos diretos sobre GIA (os dois fatores s-IAT) foram: efeito de aspectos psicopatológicos no GIA β = 0.167, p = 0.122; efeito dos aspectos de personalidade no GIA β = –0.223, p = 0.017; e efeito dos aspectos sociais no GIA β = –0.124, p = 0.081. Note-se que o efeito dos aspectos psicopatológicos na GIA ainda é positivo neste modelo (mas não significativo) quando o efeito é controlado pelos efeitos da personalidade e aspectos sociais. Tomados em conjunto, os resultados da SEM global falam por uma mediação completa do efeito dos aspectos psicopatológicos sobre GIA pelos dois mediadores (enfrentamento e expectativas), o que é enfatizado pelas duas análises adicionais mostrando que o efeito positivo em um nível bivariado e no modelo simples é reduzido pela inclusão de outras variáveis ​​como preditores.

Conceituamos teoricamente o enfrentamento como mediador (Brand et al., 2014). No entanto, pode-se argumentar que o enfrentamento não medeia o efeito dos aspectos psicopatológicos, mas age como um moderador. Para garantir que a conceituação de coping como mediador em vez de moderador seja apropriada, calculamos adicionalmente algumas análises de moderadores usando análises de regressão moderadas. Quando, por exemplo, utilizar aspectos psicopatológicos como preditor, coping como moderador e s-IAT (somatório de escores) como variável dependente, tanto os aspectos psicopatológicos (β = 0.267) quanto o enfrentamento (β = 0.262) explicam a variância no s-IAT significativamente (ambos p <0.001), mas sua interação não adiciona de forma significativa a explicação da variância (mudanças em R² = 0.003, p = 0.067, β = -0.059) e o incremento do efeito moderador é quase zero (0.3%).

Também consideramos idade e gênero como variáveis ​​potenciais que podem afetar a estrutura do modelo. Para testar isso, primeiro calculamos as correlações bivariadas entre a idade e todas as outras variáveis, resultando em correlações muito baixas. Houve apenas uma correlação com r = 0.21 (expectativa de idade e evitação), que ainda é um efeito baixoCohen, 1988), e todas as outras correlações tiveram efeitos entre r = 0.016 e r = 0.18 com a maioria sendo r <0.15 e r <0.10. A correlação entre a idade e o s-IAT também foi muito baixa com r = –0.14 (embora significativo em p <0.01, o que fica claro em uma amostra tão grande). Em resumo, os requisitos para incluir a idade no modelo de mediação não foram cumpridos (Barão e Kenny, 1986) e decidimos não incluir a idade em um modelo adicional. Com relação ao gênero, comparamos os escores médios dos grupos de todas as escalas utilizadas e encontramos apenas uma diferença significativa entre os grupos (ansiedade social do BSI, as mulheres apresentaram escores mais altos com um efeito baixo de d = 0.28, todos os outros efeitos foram menores que 0.28, o efeito para o escore s-IAT foi d = 0.19). No entanto, testamos se a estrutura do modelo é diferente para mulheres e homens usando análise de estrutura média na análise SEM. Isto significa que nós testamos se o SEM (veja a figura 2) é igual para os participantes masculinos e femininos. O H0 deste teste é: modelo teórico = modelo para o grupo “homens” = modelo para o grupo “mulheres”. Os índices de ajuste foram todos aceitáveis ​​indicando que a estrutura das relações não foi significativamente diferente para homens e mulheres. O RMSEA foi 0.074 com p <0.001, o CFI foi de 0.93, o TLI foi de 0.91 e o SRMR foi de 0.054. O χ² teste foi significativo, χ² = 534.43, p <0.001, o que é normal devido ao grande tamanho da amostra. No entanto, o χ² teste para o modelo de base também foi significativo com um χ extensivamente maior² valor, χ² = 5833.68, p <0.001. A contribuição para o χ² do modelo testado por homens e mulheres foram comparáveis ​​(χ² contribuições de mulheres = 279.88, χ² contribuições de homens = 254.55). Embora a estrutura geral do modelo não seja significativamente diferente para homens e mulheres, inspecionamos o caminho simples e encontramos três diferenças. O caminho dos aspectos de personalidade para o coping foi significativo em homens (β = –0.437, p = 0.002), mas não em mulheres (β = –0.254, p = 0.161) e o efeito dos aspectos de personalidade nas expectativas foi significativo em homens (β = -0.401, p = 0.001), mas não em mulheres (β = –0.185, p = 0.181). Além disso, o efeito dos aspectos psicopatológicos nas expectativas foi significativo em mulheres (β = 0.281, p = 0.05), mas não em homens (β = 0.082, p = 0.599). Todos os outros efeitos e a representação das dimensões latentes não foram diferentes entre homens e mulheres e também não foram diferentes do modelo geral ilustrado na Figura. 2. Em resumo, todo o modelo testado é válido para homens e mulheres, embora o efeito negativo dos aspectos de personalidade no enfrentamento e nas expectativas esteja mais presente em homens do que em mulheres e o efeito dos aspectos psicopatológicos nas expectativas esteja presente em mulheres, mas não em homens .

Discussão

Introduzimos um novo modelo teórico sobre o desenvolvimento e manutenção de um uso aditivo da Internet (Brand et al., 2014), que se baseia nos principais argumentos Davis (2001) quem primeiro sugeriu uma diferenciação entre o uso excessivo generalizado da Internet (GIA) e um vício específico de certas aplicações da Internet (SIA). No presente estudo, traduzimos o modelo teórico sobre GIA em um modelo operacionalizado em nível latente e testamos estatisticamente o SEM usando uma pesquisa on-line sobre uma população da Internet de entrevistados da 1019. Encontramos um modelo globalmente adequado aos dados e ao SEM hipotético, que representa as principais facetas do modelo teórico e explicou 63.5% da variância dos sintomas de GIA, conforme medido pelo s-IAT (Pawlikowski et al., 2013).

O modelo é o primeiro a unir elementos associados à AI, como depressão, ansiedade social, baixa autoestima, baixa autoeficácia e maior vulnerabilidade ao estresse. Com base na ênfase das cognições relacionadas ao desenvolvimento de IA e ao comportamento aditivo em geral (Lewis e O'Neill, 2000; Dunne e outros, 2013; Newton et al., 2014), o modelo investiga se duas variáveis ​​mediadoras (estilos de enfrentamento e expectativas de uso da Internet) influenciam os efeitos diretos das variáveis ​​preditoras (psicopatologia, personalidade e cognições sociais) no desenvolvimento de GIA. Os resultados mostram que tanto os estilos de enfrentamento quanto as expectativas de uso da Internet desempenham um papel significativo.

Todas as variáveis ​​(preditores e mediadores) incluídas no modelo foram significativamente correlacionadas com o escore s-IAT em um nível bivariado. Isso é basicamente consistente com pesquisas anteriores sobre relações bivariadas entre sintomas de IA e aspectos de personalidade, sintomas psicopatológicos e outras variáveis ​​pessoais, como mencionado na Introdução. No entanto, na análise SEM, todos os efeitos diretos dos três preditores principais (na dimensão latente) deixaram de ser significativos ao incluir os mediadores hipotéticos no modelo. Isso significa que os aspectos psicopatológicos (depressão, ansiedade social), aspectos de personalidade (autoestima, autoeficácia e vulnerabilidade ao estresse), bem como cognições sociais (solidão emocional, apoio social percebido) não impactam diretamente os sintomas da AIJ, mas que sua influência é mediada por um estilo de enfrentamento disfuncional, ou expectativa de uso da Internet, ou ambos. No entanto, aspectos psicopatológicos e aspectos de personalidade predizem significativamente tanto o estilo de enfrentamento disfuncional quanto as expectativas de uso da Internet. As cognições sociais, no entanto, não estão significativamente relacionadas ao enfrentamento e às expectativas, quando seu impacto relativo é controlado pelos efeitos dos aspectos psicopatológicos e de personalidade (mas observe que as três dimensões latentes do preditor foram correlacionadas significativamente e que o efeito das cognições sociais ao uso da Internet expectativas pouco atingiram a significância). Os efeitos diretos do estilo de enfrentamento e expectativas sobre os sintomas da GIA foram significativos. Em resumo, o presente estudo, embora com uma população não clínica, não apenas confirma os achados anteriores sobre a relevância do estilo de enfrentamento e lidar com eventos estressantes da vida (Kardefelt-Winther, 2014; Tang et al., 2014; Tonioni et al., 2014), bem como as expectativas de utilização da Internet (Turel e Serenko, 2012; Xu et al., 2012; Lee et al., 2014) para desenvolver ou manter sintomas de GIA, mas explicitamente destaca o papel do enfrentamento e expectativas como mediadores no processo subjacente à GIA.

O modelo foi testado com uma grande população online. O modelo deve ser testado com amostras clínicas claramente definidas, como indivíduos em busca de tratamento. O significado do modelo seria mais robusto com uma população clínica para traçar implicações clínicas mais precisas. Embora 11.3% da amostra tenha relatado um uso problemático da Internet e o 3.7% tenha se descrito como tendo um uso viciante da Internet, este estudo é considerado apenas um primeiro olhar para ver se o modelo funciona e extrai inferências estatísticas que poderiam ter relevância clínica. No entanto, como um novo modelo com significância estatística usando uma variedade de testes psicológicos e de personalidade em usuários on-line, algumas implicações clínicas, que podem inspirar pesquisas futuras, podem ser feitas com cautela.

Primeiro, indivíduos com dificuldades de lidar com problemas em sua vida e que têm expectativas de que a Internet pode ser usada para aumentar o humor positivo ou reduzir o humor negativo podem ter maior probabilidade de desenvolver AIG. Além disso, os efeitos dos aspectos psicopatológicos tanto no enfrentamento disfuncional quanto nas expectativas de uso da Internet foram positivos indicando que sintomas mais elevados de depressão e ansiedade social podem aumentar o risco de estratégias de enfrentamento disfuncionais e também as expectativas que a Internet fornece para lidar com o estresse ou negativo humor. Somente quando esses processos agem em conjunto, ou seja, a combinação de sintomas psicopatológicos e enfrentamento / expectativa, a probabilidade de usar a Internet viciosamente parece aumentar.

Em segundo lugar, embora o número de estudos que abordam o tratamento da GIA seja limitado, a meta-análise publicada Winkler et al. (2013) argumenta que a terapia cognitivo-comportamental é o método de escolha. Isto é particularmente baseado na análise dos efeitos do tratamento no tempo gasto on-line, depressão e sintomas de ansiedade. De fato, a terapia cognitivo-comportamental para IA (TCC-IA; Jovem, 2011a) foi identificada como a forma mais prevalente de tratar IA (Cash et al., 2012). Dentro do tratamento cognitivo-comportamental da GIA proposto por Jovem (2011a), as características individuais, bem como as expectativas de enfrentamento e de uso da Internet, já foram postuladas como relevantes no tratamento da GIA, mas a evidência empírica era muito esparsa (por exemplo, Jovem, 2013).

Os achados apresentados neste estudo fornecem mais uma fonte de evidências para mostrar que a terapia cognitivo-comportamental e a TCC-IA podem trabalhar para tratar IA. As cognições específicas da pessoa (estilo de enfrentamento e expectativas de uso da Internet) medeiam o impacto de sintomas psicopatológicos (depressão, ansiedade social), traços de personalidade e cognição social (solidão, apoio social) nos sintomas de GIA. Usando a terapia cognitiva, uma ênfase na avaliação deve incluir a identificação de cognições disfuncionais a serem abordadas. Ou seja, após o exame, os médicos devem examinar as expectativas de uso da Internet para entender as necessidades do cliente e de que maneiras o cliente acredita que a Internet pode ajudar a satisfazer.

Alternativamente, os resultados também sugerem que a terapia deve abordar cognições mal-adaptativas associadas ao uso disfuncional da Internet. Esses achados confirmam estudos anteriores que mostraram cognições mal adaptativas, como supergeneralização, esquiva, supressão, ampliação, resolução de problemas mal-adaptativos ou autoconceitos negativos associados ao uso aditivo da Internet (Jovem, 2007). Uma implicação clínica desses achados é que a terapia deve aplicar reestruturação cognitiva e reformulação para combater pensamentos que levam ao uso viciante da Internet. Por exemplo, um paciente que sofre de AIG pode ter sinais de ansiedade social e timidez e, portanto, alguns amigos e também problemas com os outros na escola. Ela pode então pensar que se comunicar com outras pessoas através de sites de redes sociais satisfaz sua necessidade social sem ter os aspectos situacionais assustadores de uma interação social “real”. Além disso, ela pode ter a expectativa de que também jogar um jogo online pode distraí-la dos problemas na escola e que comprar online ou pesquisar informações na Internet pode reduzir os sentimentos de solidão. A terapia a focalizaria em ver lugares alternativos na escola ou na vida privada, onde ela pode acumular estima e gratificar as necessidades sociais. Se ela parar de justificar que os sites de redes sociais, jogos e sites de compras são os únicos lugares em que ela se sente bem em relação à sua vida e encontra outras saídas mais saudáveis, menos dependente ela ficará dos diferentes aplicativos da Internet. Conhecendo o papel que as cognições desempenham no desenvolvimento da GIA, a terapia cognitiva pode ajudar os clientes a reestruturar as suposições e interpretações que os mantêm on-line. Mais uma vez, essas implicações clínicas potenciais dos resultados do estudo devem ser tratadas com cautela, uma vez que devem ser replicadas em uma amostra clínica em busca de tratamento.

De uma perspectiva mais ampla, no entanto, essas descobertas ganham insights sobre como os terapeutas podem aplicar especificamente a TCC-IA a pacientes dependentes de Internet. A modificação do comportamento pode ajudar os clientes a desenvolver e adaptar estratégias de enfrentamento novas e mais funcionais, a fim de lidar com os problemas diários. A terapia precisa se concentrar em ajudar os clientes a encontrar formas mais saudáveis ​​de lidar do que se voltar para a Internet. Um componente importante do CBT-IA é a terapia comportamental para ajudar os clientes a lidar com questões subjacentes que contribuem para IA, específicas ou generalizadas (Jovem, 2011a, 2013). Os resultados sugerem que melhorar as habilidades de enfrentamento reduziria a necessidade de ficar on-line para os clientes. Embora estudado em uma amostra da população geral, acreditamos que a constatação de que o enfrentamento e as expectativas são mediadores no desenvolvimento e manutenção da GIA contribuem para uma melhor compreensão dos mecanismos da GIA e que eles provavelmente têm algumas implicações no tratamento, como mencionado acima. . Outro aspecto que não foi focado no presente estudo é o papel da integridade do córtex pré-frontal. A eficácia da TCC-IA também pode depender do funcionamento pré-frontal do paciente, porque o fortalecimento do controle cognitivo do uso da Internet no decorrer da terapia provavelmente está relacionado a funções executivas e outros processos cognitivos de ordem superior. Isto é importante para abordar em estudos futuros, porque mais recentemente tem havido alguns artigos publicados mostrando que as funções do córtex pré-frontal são provavelmente reduzidas em pacientes com IA. Brand et al., 2014).

Em nossa amostra, a idade foi inversamente correlacionada com sintomas de GIA, mas com um tamanho de efeito muito baixo (explicando 1.96% da variância, apenas). Considerando artigos recentes sobre o uso da Internet em indivíduos mais velhos Eastman e Iyer, 2004; Vuori e Holmlund-Rytkönen, 2005; Campbell, 2008; Nimrod, 2011), pode-se certamente excluir os efeitos da idade em vários aspectos do uso da Internet, tais como o uso de motivos e a forma como os idosos sentem diversão e satisfação na Internet. Dado que os idosos também têm uma maior chance de desenvolver disfunções executivas devido a alterações do córtex pré-frontal com o aumento da idade (Alvarez e Emory, 2006), que também estão ligados às reduções de tomada de decisão (Marca e Markowitsch, 2010), pode-se especular que aqueles indivíduos mais velhos com reduções executivas, que experimentam uma grande quantidade de prazer na Internet, podem desenvolver GIA. No entanto, isso não é representado pelos nossos dados, uma vez que nossa amostra não incluiu indivíduos mais velhos. Estudos futuros podem investigar os fatores específicos de vulnerabilidade associados ao risco de GIA em idosos.

O sexo não afetou a estrutura geral do modelo. Em artigos anteriores, efeitos de gênero foram encontrados para tipos específicos de AI, como jogos on-line (por exemplo, Ko et al., 2005) e particularmente o cibersexo (Meerkerk et al., 2006; Griffiths, 2012; Laier et al., 2013, 2014), mas também se argumentou que ambos os sexos estão geralmente em risco de desenvolver um uso aditivo da Internet (Young et al., 1999, 2011). Em nosso estudo, os efeitos do gênero na GIA, medidos pelo s-IAT, foram muito baixos (d = 0.19, ver resultados), indicando que, pelo menos em uma população geral, ambos os gêneros estão igualmente em risco de desenvolver GIA. Embora o gênero não tenha afetado a estrutura geral de dados no SEM, houve algumas diferenças entre homens e mulheres em relação aos três efeitos diretos das variáveis ​​preditoras para os mediadores. Como resumido na seção de resultados, os aspectos psicopatológicos tiveram um efeito sobre as expectativas nas mulheres, não nos homens, no efeito negativo dos aspectos de personalidade no enfrentamento e as expectativas estão mais presentes nos homens do que nas mulheres. Estes efeitos se encaixam na literatura sobre diferenças de gênero em relação à depressão e ansiedade social (Sprock e Yoder, 1997; Moscovitch e outros, 2005), auto-estima e autoeficácia (Huang, 2012). No entanto, as facetas que são o foco do estudo, ou seja, os efeitos de mediação de enfrentamento e expectativas e sua importância para GIA não foram afetados por gênero (ver resultados da análise da estrutura média). Assim, independentemente de como o gênero pode influenciar a ansiedade social, a depressão ou alguns aspectos da personalidade, o enfrentamento e as expectativas devem ser considerados na TCC em todos os gêneros.

Finalmente, existem várias limitações deste estudo. É um modelo recém-desenvolvido que precisa de mais testes em uma população clínica para ver plenamente sua eficácia clínica no tratamento. Também deve ser testado usando a versão mais longa do IAT (Jovem, 1998; Widyanto e McMurran, 2004) como medida mais testada na literatura. Usamos a versão mais curta dada a extensão da ferramenta de avaliação que usamos para o modelo inteiro, mas se replicássemos esse trabalho com uma amostra clínica, sugeriríamos usar o IAT juntamente com medidas adicionais de AI, como a Avaliação da Internet e Vício em jogos de computador como escala (AICA-S) ou entrevista clínica (AICA-C) desenvolvida e validada com grupos clínicos por (Wölfling e outros, 2010, 2012). Além disso, desenvolvemos e testamos o questionário de expectativas de uso da Internet para os propósitos deste estudo. Embora tenhamos sido metodologicamente conservadores e cuidadosos no desenvolvimento da escala, essa medida deve ser avaliada em populações adicionais quanto à validade, e o questionário precisa de mais testes empíricos em estudos futuros. Escalas e entrevistas adicionais e mais detalhadas também devem ser aplicadas às amostras clínicas, uma vez que a maioria das facetas avaliadas em nosso estudo foram medidas usando questionários curtos com um número restritivo de itens, devido a razões práticas (limitação de tempo no contexto de pesquisas online). . Um outro problema potencial é o da variação comum do método (Podsakoff et al., 2003). Infelizmente, nenhuma variável de marcador claro, que teoricamente não deveria estar relacionada a todas as outras variáveis, foi incluída no estudo por razões práticas (a pesquisa levou quase 25 min, que é um limite crítico para pesquisas online). Embora não possamos excluir o efeito da variação do método comum nos resultados, argumentamos que esse efeito provavelmente não conta para toda a estrutura de dados relatada. Ao inspecionar as correlações bivariadas (Tabela 3) pode-se ver que alguns deles são muito baixos (por exemplo, r = –0.08, r = –0.09, r = 0.12 etc.). Acreditamos que essas baixas correlações dão algumas sugestões para a suposição de que a variância comum do método não afeta drasticamente as principais análises. No entanto, o modelo deve ser testado com uma abordagem sistemática multi-característica e multi-método (Campbell e Fiske, 1959) em estudos futuros.

O presente estudo centra-se na GIA, o que significa que o modelo da SIA, tal como descrito por Brand et al. (2014), ainda precisa ser testado empiricamente. Diferentes formas de SIA (por exemplo, jogos, pornografia online ou jogo pela Internet) devem ser testadas para ver se as habilidades de enfrentamento e as expectativas de uso da Internet desempenham um papel similar no desenvolvimento do problema. Também é ainda um debate se o conceito de GIA é principalmente adequado para cobrir o comportamento problemático em pacientes. Encontramos evidências para a ligação entre problemas auto-relatados relacionados a um uso inespecífico de vários aplicativos de Internet diferentes e as variáveis ​​sugeridas no modelo. O conceito de GIA foi operacionalizado pelas instruções s-IAT e formulações de itens, mas também pelo fato de que mais de 97% dos participantes relataram usar regularmente três ou mais aplicativos de Internet diferentes, como comunicação, jogos, jogos, cibersexo, compras, ou busca de informações. Do ponto de vista clínico, é, no entanto, um tópico de debate se o GIA pode ser uma razão para procurar tratamento ou se os pacientes em busca de tratamento sofrem basicamente de uma perda de controle sobre o uso de apenas uma determinada aplicação. Sugerimos considerar esse ponto em pesquisas clínicas, investigando sistematicamente o comportamento crítico no contexto do uso da Internet e analisando a frequência com que o uso descontrolado e viciante de mais de uma aplicação da Internet está em amostras clínicas. Além disso, nem todos os componentes propostos no modelo teórico sobre GIA poderiam ser incluídos neste estudo. Por exemplo, traços adicionais de personalidade ou outros transtornos psicopatológicos podem ser incluídos em estudos futuros.

Conclusão

As principais hipóteses do modelo de GIA são suportadas por dados empíricos. As principais características da pessoa estão relacionadas aos sintomas da GIA, mas esses efeitos são mediados por cognições específicas da pessoa, em particular estilo de enfrentamento e expectativa de uso da Internet. Essas cognições devem ser abordadas no tratamento de um uso aditivo da Internet.

Contribuições do autor

Matthias Brand escreveu o primeiro rascunho do artigo, supervisionou a coleta de dados e analisou e interpretou os dados. Christian Laier contribuiu particularmente para a conceituação do estudo empírico e coleta de dados e revisou o manuscrito. Kimberly S. Young editou o rascunho, revisou-o criticamente e contribuiu intelectualmente e praticamente com o manuscrito. Todos os autores finalmente aprovaram o manuscrito. Todos os autores são responsáveis ​​por todos os aspectos do trabalho.

Declaração de conflito de interesse

Os autores declaram que a pesquisa foi realizada na ausência de quaisquer relações comerciais ou financeiras que possam ser interpretadas como um potencial conflito de interesses.

Agradecimentos

Agradecemos a Elisa Wegmann e Jan Snagowski pelas valiosas contribuições para o estudo e o manuscrito. Eles nos ajudaram significativamente na programação da pesquisa online e na verificação dos dados.

Referências

Editado por:

Ofir Turel, California State University, Fullerton e Universidade do Sul da Califórnia, EUA

Revisados ​​pela:

Aviv M. Weinstein, Organização Médica Hadassah, Israel
Daria Joanna KussNottingham Trent University, Reino Unido