Uso Patológico da Internet e Comportamentos de Risco entre Adolescentes Europeus (2016)

Int. J. Environ. Res. Saúde pública 2016, 13(3), 294; doi:10.3390 / ijerph13030294

Tony Durkee 1,*Vladimir Carli 1Birgitta Floderus 2Camilla Wasserman 3,4Marco Sarchiapone 3,5Alan Apter 6Judit A. Balazs 7,8Julio Bobes 9Romuald Brunner 10Paul Corcoran 11Doina Cosman 12Christian Haring 13Christina W. Hoven 4,14Michael Kaess 10Jean-Pierre Kahn 15Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9, Peeter Värnik 17 e Danuta Wasserman 1
1
Centro Nacional de Pesquisa e Prevenção do Suicídio Mental (NASP), Karolinska Institutet, Estocolmo SE-17177, Suécia
2
Departamento de Neurociências Clínicas, Karolinska Institutet, Estocolmo SE-17177, Suécia
3
Departamento de Medicina e Ciências da Saúde, Universidade de Molise, Campobasso 86100, Itália
4
Departamento de Psiquiatria Infantil e Adolescente, Instituto Psiquiátrico do Estado de Nova York, Universidade de Columbia, Nova York, NY 10032, EUA
5
Instituto Nacional de Migração e Pobreza, Via San Gallicano, Roma 25 / A, Itália
6
Feinberg Child Study Center, Centro Médico Infantil Schneider, Universidade de Tel Aviv, Tel Aviv 49202, Israel
7
Vadaskert Hospital Psiquiátrico da Criança e do Adolescente, Budapest 1021, Hungria
8
Instituto de Psicologia, Universidade Eötvös Loránd, Budapeste 1064, Hungria
9
Departamento de Psiquiatria, Centro de Pesquisa Biomédica na Rede de Saúde Mental (CIBERSAM), Universidade de Oviedo, Oviedo 33006, Espanha
10
Seção de Distúrbios do Desenvolvimento da Personalidade, Clínica da Psiquiatria Infantil e Adolescente, Centro de Medicina Psicossocial da Universidade de Heidelberg, Heidelberg 69115, Alemanha
11
Fundação Nacional de Pesquisa em Suicídio, Western Rd., Cork, Irlanda
12
Departamento de Psicologia Clínica, Universidade Iuliu Hatieganu de Medicina e Farmácia, Str. Victor Babes Nr. 8, Cluj-Napoca 400000, Romênia
13
Divisão de Investigação em Saúde Mental da Universidade de Tecnologia da Informação Médica (UMIT), Klagenfurt, Innsbruck 6060, Áustria
14
Departamento de Epidemiologia, Mailman School of Public Health, Universidade de Columbia, Nova York, NY 10032, EUA
15
Departamento de Psiquiatria, Centro Hospitalar Universitário de Nancy, Universidade de Lorena, Nancy, Vandoeuvre-lès-Nancy 54500, França
16
Centro esloveno de pesquisa sobre o suicídio, Instituto Andrej Marušič, Universidade de Primorska, Koper 6000, Eslovênia
17
Centro de Ciências Comportamentais e da Saúde, Instituto Estoniano-Sueco de Saúde Mental e Suicidologia, Universidade de Tallinn, Tallinn 10120, Estônia
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
Editor acadêmico: Paul B. Tchounwou
Recebido: 1 Dezembro 2015 / Aceito: 3 Março 2016 / Publicado: 8 Março 2016

Sumário

: Os comportamentos de risco são um dos principais contribuintes para as principais causas de morbilidade entre adolescentes e jovens; no entanto, sua associação com o uso patológico da Internet (PIU) é relativamente inexplorada, particularmente no contexto europeu. O principal objetivo deste estudo é investigar a associação entre comportamentos de risco e PIU em adolescentes europeus. Este estudo transversal foi conduzido no âmbito do projeto FP7 da União Européia: Salvando e Fortalecendo Vidas Jovens na Europa (SEYLE). Os dados sobre adolescentes foram coletados de escolas randomizadas em locais de estudo em onze países europeus. PIU foi medido usando Young's Diagnostic Questionnaire (YDQ). Os comportamentos de risco foram avaliados usando perguntas obtidas do Global School-Based Student Health Survey (GSHS). Um total de adolescentes 11,931 foi incluído nas análises: 43.4% masculino e 56.6% feminino (M / F: 5179 / 6752), com idade média de 14.89 ± 0.87 anos. Adolescentes que relataram maus hábitos de sono e ações de risco mostraram as associações mais fortes com UIP, seguidos pelo uso de tabaco, má nutrição e inatividade física. Entre os adolescentes do grupo UPP, 89.9% foram caracterizados como tendo múltiplos comportamentos de risco. A associação significativa observada entre a UIP e os comportamentos de risco, combinada com um alto índice de co-ocorrência, enfatiza a importância de se considerar a UIP quando se triagem, tratamento ou prevenção de comportamentos de alto risco entre adolescentes.

Palavras-chave: uso patológico da Internet; Vício em internet; comportamento de risco; múltiplos comportamentos de risco; estilos de vida insalubres; adolescentes; SEYLE

1. Introdução

A adolescência é um período de transição caracterizado por mudanças consideráveis ​​nos atributos físicos, sociais e psicológicos [1]. Além disso, as relações com os pares, a família e a sociedade passam por mudanças distintas durante esse período transitório, à medida que os adolescentes começam a reivindicar autonomia sobre suas decisões, emoções e comportamentos [2]. As aptidões sociais nos adolescentes desenvolvem-se frequentemente no decurso de interações psicossociais em diferentes contextos de aprendizagem [3]. Dada a extensa plataforma para fomentar a cognição social e as habilidades interpessoais [4,5], a Internet provou ser um canal novo e único para o desenvolvimento psicossocial entre adolescentes [6,7].
Apesar dessas vantagens inerentes, estudos mostraram que o uso frequente e prolongado de aplicativos on-line tem a propensão de deslocar interações e relações sociais convencionais [8,9]. Há evidências que demonstram que o tempo acumulado online desloca o tempo na interação face a face com a família e os amigos [10], participando de atividades extracurriculares [11], completando tarefas acadêmicas [12] hábitos alimentares adequados [13], atividade física [14] e dormindo [15]. Como os adolescentes passam mais tempo on-line, existe o risco de que seu uso da Internet se torne excessivo ou até mesmo patológico [16].
 
O uso patológico da Internet (PIU) é caracterizado por preocupações, impulsos ou comportamentos excessivos ou mal controlados em relação ao uso da Internet que levam a uma deficiência ou angústia [17]. A PIU foi conceitualmente modelada como um transtorno de controle de impulsos e classificada como uma taxonomia de dependência comportamental semelhante à natureza do jogo patológico [18]. Apesar dos recentes avanços na pesquisa da UIP, os esforços para entender esse fenômeno são impedidos pela falta de consenso internacional sobre os critérios diagnósticos da condição. Não está nem listado no Manual Diagnóstico e Estatístico de Transtornos Mentais (DSM) nem nos sistemas nosológicos da Classificação Internacional de Doenças (CID). O principal desafio enfrentado pela pesquisa da PIU é sua concepção como um transtorno aditivo.
 
À luz dessas alegações, o recém-publicado DSM-5 [19] incluiu o vício comportamental (transtornos aditivos não relacionados a substâncias) como uma categoria diagnóstica oficial, com o transtorno do jogo (GD) sendo a única condição listada nesta nova classificação. O distúrbio de jogos na Internet (IGD) também é um subtipo potencial de dependência comportamental que foi considerado para inclusão no sistema nosológico do DSM; no entanto, a evidência apoiando IGD como um transtorno diagnóstico ainda estava faltando. O IGD foi posteriormente incluído na Seção III do DSM-5, como uma condição que exigiu estudos adicionais [20], a fim de determinar sua eventual adequação como um distúrbio diagnóstico. Apesar da atual ambigüidade nosológica da PIU, continua havendo uma superação de evidências mostrando uma forte ligação entre a UIP e outras formas de dependência [21,22,23,24].
Pesquisas mostram que indivíduos com PIU compartilham atributos neurológicos, biológicos e psicossociais com vícios comportamentais e relacionados a substâncias [25,26,27,28,29]. Baseado em um modelo teórico denotado por Griffiths [30], há seis sintomas principais exibidos em transtornos aditivos aplicáveis ​​à UIP. Estes incluem: saliência (preocupação com atividades online), modificação do humor (usar a Internet para escapar ou aliviar o estresse), tolerância (necessidade de ficar online por mais tempo), abstinência (depressão e irritabilidade quando offline), conflitos (interpessoal e intrapsíquico) e recaída (tentativas falhadas de interromper o uso da Internet). Esses componentes principais fornecem uma estrutura teórica para estimar a magnitude da PIU.
 
As taxas de prevalência de UIP variam consideravelmente entre os países, em parte devido à heterogeneidade de sua definição, nomenclatura e avaliação diagnóstica. Em um esforço para estimar uma prevalência global, Cheng e Li [31] abordou essas discrepâncias aplicando uma meta-análise de efeitos aleatórios usando estudos com instrumentos e critérios psicométricos comparáveis. Esta abordagem rendeu um total de participantes 89,281 de países 31 abrangendo várias regiões do mundo. Os resultados mostraram que a prevalência global de PIU foi de 6.0% (95% CI: 5.1-6.9) com apenas moderada heterogeneidade.
Os estudos de prevalência que avaliam UIP ao nível europeu utilizando amostras representativas são limitados. Apesar dessa escassez, há evidências epidemiológicas emergentes indicando tendências estáveis ​​nas taxas de prevalência entre esse público-alvo. Em uma amostra representativa de adolescentes europeus (n = 18,709) com idade de 11 a 16 anos, Blinka et al. [32] mostrou que a prevalência de PIU foi de 1.4%. Isso coincide com as taxas relatadas por Tsitsika et al. [33], que estimaram uma prevalência de 1.2% de PIU em uma amostra representativa de jovens europeus (n = 13,284) com idade entre 14 e 17 anos. Durkee e seus colegas [34], no entanto, observaram uma prevalência de 4.4% um pouco mais elevada da PIU em uma amostra representativa de adolescentes europeus (n = 11,956) com idade entre 14 e 16 anos. As taxas de prevalência para UIP na Europa mostraram-se significativamente mais altas em homens que em mulheres, aumentaram com a idade, diferiram por país e foram associadas a uma série de transtornos mentais e comportamentais [35,36,37,38,39].
 
O início dos comportamentos de risco freqüentemente ocorre durante a adolescência, com alta probabilidade de continuidade na idade adulta. Os machos tendem a ter maior prevalência que as fêmeas, e a frequência de comportamentos de risco tende a aumentar com a idade [40]. Existem níveis distintos de gravidade que vão desde comportamentos de baixo risco (maus hábitos de sono, má nutrição e inatividade física) até comportamentos de alto risco (uso excessivo de álcool, uso de drogas ilícitas e uso de tabaco). A pesquisa tipicamente avaliou os comportamentos de risco como entidades independentes, embora evidências claras mostrem sua co-ocorrência, mesmo em idade precoce [41,42]. Populações com múltiplos comportamentos de risco têm o maior risco de doenças crônicas, transtornos psiquiátricos, comportamentos suicidas e morte prematura em comparação com indivíduos com comportamentos de risco únicos ou inexistentes [43,44]. Dada a natureza concomitante dos comportamentos de risco, é imperativo entender sua implicação no risco de PIU dos adolescentes.
 
O Sistema de Vigilância do Comportamento de Risco da Juventude (YRBSS) nos EUA verifica que os comportamentos de risco são um dos principais contribuintes para as principais causas de morbilidade entre adolescentes e jovens [45]. Além dessa suposição implícita, há relativamente pouca pesquisa que analise sistematicamente até que ponto essas formas de comportamento se relacionam com a PIU adolescente, particularmente no contexto europeu. Investigações epidemiológicas são necessárias para uma melhor compreensão desse fenômeno.
 
Baseado em uma amostra grande e representativa de adolescentes escolares na Europa, o objetivo primário deste estudo é investigar a associação entre comportamentos de risco (isto é, uso de álcool, uso de drogas ilícitas, uso de tabaco, ações de risco, evasão escolar, maus hábitos de sono, má nutrição e inatividade física) e formas distintas de uso da Internet.

2. Materiais e métodos

2.1. Desenho do estudo e população

O presente estudo transversal foi realizado no âmbito do projeto da União Européia: Salvando e Fortalecendo Vidas Jovens na Europa (SEYLE) [46]. Os adolescentes foram recrutados em escolas selecionadas aleatoriamente em locais de estudo na Áustria, Estônia, França, Alemanha, Hungria, Irlanda, Israel, Itália, Romênia, Eslovênia e Espanha, com a Suécia servindo como centro coordenador.
 
Os critérios de inclusão para selecionar escolas elegíveis foram baseados nas seguintes condições: (1) as escolas eram públicas; (2) continha pelo menos 40 alunos com idade de 15; (3) tinha mais de dois professores para alunos com idade de 15; e (4) não tinha mais do que 60% de estudantes do mesmo sexo. As escolas elegíveis foram categorizadas por tamanho: (i) pequeno (≤o número médio de alunos em todas as escolas do local de estudo); e (ii) grande (≥o número médio de alunos em todas as escolas do local de estudo) [46]. Usando um gerador de números aleatórios, as escolas foram randomizadas de acordo com as intervenções SEYLE e o tamanho da escola em relação aos fatores socioculturais, ambiente escolar e estrutura do sistema escolar em cada local de estudo.
 
Os dados foram coletados por meio de questionários estruturados aplicados a adolescentes do meio escolar.
As taxas de representatividade, consentimento, participação e resposta da amostra são relatadas em uma análise metodológica [47].
O presente estudo foi conduzido de acordo com a Declaração de Helsinque, e o protocolo foi aprovado pelo Comitê de Ética local em cada país participante (Projeto No. HEALTH-F2-2009-223091). Antes de participar do estudo, tanto os adolescentes como os pais forneceram seu consentimento informado para participação.

2.2. Medições

A UIP foi avaliada por meio do Young's Diagnostic Questionnaire (YDQ) [18]. O YDQ é um questionário do tipo 8 que avalia padrões de uso da Internet que resultam em prejuízos psicológicos ou sociais durante o período de seis meses que antecede a coleta de dados [48]. Os oito itens do YDQ correspondem aos seis itens do modelo de componentes do Griffiths e nove itens no critério diagnóstico do IGD no DSM-5 [49,50]. Com base na pontuação do YDQ, variando de 0-8, os usuários da Internet foram categorizados em três grupos: usuários adaptáveis ​​da Internet (AIU) (marcando 0-2); usuários mal-adaptativos da Internet (MIU) (marcando 3 – 4); e usuários de Internet patológicos (PIU) (marcando ≥ 5) [51]. Além disso, as horas on-line por dia foram medidas usando uma questão de item único no questionário estruturado.
Os dados sobre comportamentos de risco foram obtidos por meio de perguntas do Global School-Based Student Health Survey (GSHS) [52]. Desenvolvido pela Organização Mundial da Saúde (OMS) e colaboradores, o GSHS é uma pesquisa escolar que avalia comportamentos de risco à saúde entre adolescentes com idade entre 13 e 17. Este questionário de autorrelato compreende itens que correspondem às principais causas de morbidade entre adolescentes e jovens.

2.3. Comportamentos de risco individuais

Com base no GSHS, os comportamentos de risco individuais foram delineados em três categorias: (i) uso de substâncias; (ii) busca de sensações; (iii) e características do estilo de vida. Os comportamentos de risco individuais subsequentes foram codificados como variáveis ​​dicotômicas.

2.3.1. Uso de substâncias

O uso de substâncias envolveu uso de álcool, uso de drogas ilícitas e uso de tabaco. As variáveis ​​foram classificadas de acordo: (1) freqüência de uso de álcool: ≥2 vezes / semana vs. ≤1 vezes / semana; (2) número de bebidas em um dia típico de consumo: ≥3 drinks vs. ≤2 drinks; (3) incidência ao longo da vida de beber até ao ponto de embriaguez (intoxicação por álcool): ≥3 vezes vs. ≤2 vezes; (4) incidência ao longo da vida de ter uma ressaca após beber: ≥3 vezes vs. ≤2 vezes; (5) já usou drogas: sim / não; (6) já usou haxixe ou maconha: sim / não; (7) já usou tabaco: sim / não; e (8) atualmente fumando cigarros: ≥6 / dia vs. ≤5 / dia.

2.3.2. Busca de sensações

A busca por sensação consistiu em quatro itens que indicavam ações de risco durante os últimos doze meses: (1) conduzido em um veículo por um amigo que estava consumindo álcool; (2) andava de skate ou patinhava no trânsito sem capacete e / ou (3) puxado ao longo de um veículo em movimento; e (4) foi para ruas ou becos perigosos durante a noite. As alternativas de resposta foram sim / não em todos os quatro itens.

2.3.3. Características de estilo de vida

As características do estilo de vida incluíram variáveis ​​relacionadas ao sono, nutrição, atividade física e frequência escolar. Hábitos de sono referidos nos últimos seis meses: (1) sensação de cansaço de manhã antes da escola: ≥3 dias / semana vs. ≤2 dias / semana; (2) cochilando depois da escola: ≥3 dias / semana vs. ≤2 dias / semana; e (4) dormindo: ≤6 horas / noite vs. ≥7 horas / noite. Nutrição referida nos últimos seis meses: (4) consumo de frutas / vegetais: ≤1 tempo / semana vs. ≥2 vezes / semana; e (5) consumindo café da manhã antes da escola: ≤2 dias / semana vs. ≥3 dias / semana. Actividade física referida nos últimos seis meses: (6) actividade física durante pelo menos 60 minutos durante as duas últimas semanas: ≤3 dias vs. ≥4 dias; e (7) praticando esportes regularmente: sim / não. A freqüência escolar compreendeu um item sobre a ocorrência de ausências não justificadas da escola durante as duas últimas semanas: ≥3 dias vs. ≤2 dias.

2.4. Múltiplos Comportamentos de Risco

O número total de comportamentos de risco foi calculado em uma única variável e codificado como uma medida ordinal. Fiabilidade de divisão parcial (rsb = 0.742) e consistência interna (α = 0.714) valores indicaram um nível aceitável de homogeneidade entre itens na medida risco-comportamento múltiplo

3. Análise estatística

A prevalência de comportamentos de risco individuais entre os grupos de usuários da Internet foi calculada para homens e mulheres. Para verificar as diferenças estatisticamente significativas entre as proporções dos grupos, comparações múltiplas entre pares usando o teste z bilateral com os valores de p ajustados por Bonferroni foram realizados. Análises estendidas foram conduzidas para testar o efeito de comportamentos de risco individuais em MIU e PIU usando modelos lineares mistos generalizados (GLMM) com um link logit multinomial e estimação máxima verossimilhança máxima. Na análise GLMM, MIU e PIU foram inseridos como medidas de desfecho com AIU como categoria de referência, comportamentos de risco individuais foram inseridos como efeitos fixos de nível 1, escola como interseção aleatória de nível 2 e país como intercepto aleatório de nível 3. Os componentes de variância foram utilizados como estrutura de covariância para os efeitos aleatórios. Para estudar o efeito moderador do gênero, os termos de interação (gênero * risco-comportamento) foram ajustados ao modelo de regressão. Ajustes para idade e sexo foram aplicados a modelos GLMM relevantes. Odds ratios (OR) com intervalos de confiança 95% (CI) são relatados para os respectivos modelos.
Na análise dos comportamentos de risco múltiplos, a média (M) e o erro padrão da média (EPM) foram calculados para os diferentes grupos de usuários da Internet e estratificados por gênero. Box e whisker parcelas foram usadas para ilustrar essas relações. A significância estatística entre múltiplos comportamentos de risco e sexo foi avaliada usando teste t de amostras independentes. Análise de variância unidirecional (ANOVA) com comparações pareadas post hoc foi empregada para avaliar a significância estatística entre múltiplos comportamentos de risco e grupos de usuários da Internet.
Um gráfico de regressão variável foi conduzido para elucidar a relação linear entre o número de horas online por dia e o número de comportamentos de risco entre os grupos de usuários da Internet. Todos os testes estatísticos foram realizados usando IBM SPSS Statistics 23.0. Um valor crítico de p <0.05 foi considerado estatisticamente significativo.

4. Resultados

4.1. Características da amostra do estudo

Entre a amostra inicial do SEYLE de 12,395 adolescentes, houve 464 (3.7%) indivíduos excluídos devido à falta de dados nas variáveis ​​relevantes. Isso resultou em um tamanho de amostra de 11,931 adolescentes escolares para o presente estudo. A amostra foi composta por 43.4% dos adolescentes do sexo masculino e 56.6% do feminino (M / F: 5179/6752), com média de idade de 14.89 ± 0.87 anos. A prevalência de MIU foi significativamente maior entre mulheres (14.3%) em comparação com homens (12.4%), enquanto PIU foi significativamente maior entre homens (5.2%) do que mulheres (3.9%) (χ² (2, 11928) = 19.92, p < 0.001).

4.2. Prevalência de Comportamentos de Risco

tabela 1 descreve a prevalência de comportamentos de risco estratificados pelo grupo de usuários da Internet. As taxas médias de prevalência entre os grupos de usuários da Internet (AIU, MIU e UIP) foram 16.4%, 24.3% e 26.5% para o uso de substâncias (uso de álcool, uso de drogas ilícitas e uso de tabaco); 19.0%, 27.8% e 33.8% para comportamentos de busca de sensações (ações de risco); e 23.8%, 30.8% e 35.2% para características de estilo de vida (maus hábitos de sono, má nutrição, inatividade física e evasão escolar), respectivamente. A prevalência nos grupos MIU e UIP foi significativamente maior em comparação com o grupo AIU em todas as categorias de risco (uso de substâncias, busca de sensações e características de estilo de vida). Com exceção de cinco subcategorias, comparações pareadas mostraram que as taxas de prevalência não diferiram significativamente entre os grupos MIU e UIP.

mesa
Tabela 1. Prevalência de comportamentos de risco entre adolescentes estratificados por gênero e grupo de usuários da Internet 1,2a-c.

4.3. Múltiplos Comportamentos de Risco

Os resultados mostraram que 89.9% dos adolescentes no grupo PIU relataram múltiplos comportamentos de risco. O teste ANOVA unilateral revelou que a taxa média de múltiplos comportamentos de risco aumentou significativamente do uso adaptativo (M = 4.89, SEM = 0.02) para o uso desadaptativo (M = 6.38, SEM = 0.07) para uso patológico (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001). Esta tendência foi virtualmente equivalente para homens e mulheres (Figura 1).

Ijerph 13 00294 g001 1024
Figura 1. Painel do Box e whisker plot de múltiplos comportamentos de risco entre usuários adaptáveis ​​da Internet (AIU), usuários mal-adaptativos da Internet (MIU) e usuários patológicos da Internet (PIU) estratificados por gênero *.
Além disso, não houve diferença estatística entre os sexos nos grupos MIU (t (1608) = 0.529, p = 0.597) e PIU (t (526) = 1.92, p = 0.054) (tabela 2). Deve-se notar, no entanto, que o valor de p para o grupo UIP foi relativamente próximo de atingir significância estatística (p = 0.054). 

mesa
Tabela 2. Teste t de amostras independentes de múltiplos comportamentos de risco e gênero por grupo de usuários da Internet 1-3.
A variável de regressão plot exibiu uma clara relação linear entre o número de horas on-line por dia e o número de comportamentos de risco em adolescentes. Essa tendência foi comparativamente idêntica entre os grupos de usuários da Internet (Figura 2). 

Ijerph 13 00294 g002 1024
Figura 2. Painel do Relação linear entre o número de horas on-line por dia e o número de comportamentos de risco entre os grupos AIU, MIU e UIP *.

4.4. Análise GLMM da Associação entre Comportamentos de Risco, MIU e PIU

Comportamentos de risco que foram significativamente associados com MIU também foram significativamente associados com PIU, com a exceção de três subcategorias observadas em ações de risco e evasão escolar (tabela 3). A análise GLMM mostrou que todas as subcategorias de maus hábitos de sono aumentaram significativamente as chances relativas de PIU com tamanhos de efeito variando de OR = 1.45 a OR = 2.17. Associações significativas foram observadas entre ações de risco e PIU com tamanhos de efeito variando de OR = 1.55 a OR = 1.73. Além disso, odds ratios para subcategorias únicas dentro dos domínios uso de tabaco (OR = 1.41), má nutrição (OR = 1.41) e inatividade física (OR = 1.39) foram estatisticamente significantes.

mesa
Tabela 3. Modelo linear misto generalizado (GLMM) da associação entre comportamentos de risco individuais, uso mal-adaptativo e uso patológico com uma análise ampliada de interações de gênero 1-4.

4.5. Interações de Gênero

A análise das interações de gênero revelou que a associação entre ações de risco, maus hábitos de sono e UIP foi significativamente maior no sexo feminino, enquanto a associação entre ociosidade, má nutrição e UIP foi significativamente maior no sexo masculino (tabela 3).

5. Discussão

5.1. Prevalência de Comportamentos de Risco

O presente estudo procurou examinar a relação entre PIU e comportamentos de risco. Os resultados mostraram que a prevalência de comportamentos de risco foi significativamente maior entre usuários patológicos em comparação com usuários adaptativos com algumas variações entre os sexos. A maior prevalência observada entre usuários mal-adaptativos e patológicos foi o mau hábito de dormir seguido pelo tabagismo. Estas estimativas são consideravelmente mais elevadas em comparação com as taxas de prevalência comunicadas em estudos realizados fora da UE, nomeadamente nas regiões da Ásia e Pacífico [53,54]. Uma explicação plausível poderia estar relacionada às variações observadas no nível ecológico (por exemplo, taxas de penetração) entre essas respectivas regiões. As estatísticas mostram que a região europeia tem a maior taxa de penetração da Internet (78%) em todo o mundo. As taxas europeias são mais do que o dobro em comparação com as representadas nas regiões da Ásia e Pacífico (36%) [55]. O papel real que as taxas de penetração têm em influenciar a prevalência de PIU permanece ambíguo; assim, esforços futuros examinando essa relação seriam de grande valor para explicar essa conexão.

5.2. Uso de substâncias

As características entre comportamentos de risco e comportamentos aditivos são altamente sobrepostas. Isto é talvez mais evidente com o uso de substâncias. O uso de substâncias é frequentemente classificado como um comportamento de risco; no entanto, é também um antecedente do abuso de substâncias. Se comportamentos de alto risco compartilham mecanismos subjacentes semelhantes, então, ter um comportamento problemático pode reduzir o limite para o desenvolvimento de outros comportamentos problemáticos. Essa afirmação é corroborada por pesquisas baseadas em evidências que demonstram um alto nível de interconectividade entre vários comportamentos de risco [56]. Com base neste conceito, é plausível supor que os adolescentes com comportamentos de risco preexistentes têm maior risco de PIU em comparação com adolescentes sem comportamentos de risco.

5.3. Busca de sensações

Em consonância com a pesquisa acima [57], os resultados mostraram que a maioria das ações de risco na categoria de busca por sensação foi significativamente associada à UIP. A busca por sensação é um traço de personalidade associado a deficiências na autorregulação e gratificação diferida [58]. Esses atributos entre os jovens estão frequentemente relacionados a uma predisposição perceptiva de um "efeito otimista de viés", no qual os adolescentes têm maior probabilidade de diminuir os riscos para si mesmos, superestimando os riscos para os outros [59]. Adolescentes exibindo esses traços de deflexão tendem a ter maior propensão a problemas comportamentais.

5.4. Características de estilo de vida

Hábitos de sono ruins provaram ser os fatores mais fortes relacionados à PIU. Isso é provavelmente devido a um efeito de deslocamento do sono para atividades on-line. Há certas atividades on-line que induzem explicitamente os usuários a permanecer on-line por mais tempo do que o esperado. Um estudo sobre RPGs massivamente multiplayer online (MMORPG) indicou que os usuários são estimulados a ficar online por mais tempo, a fim de seguir o enredo progressivo de seu personagem online [60]. O uso excessivo de sites de redes sociais também surgiu nos últimos anos, denotando um aumento no tempo gasto on-line e correlações negativas com interações sociais na vida real [61,62]. Estudos mostram que os adolescentes que usam excessivamente a Internet têm a propensão para o desenvolvimento de distúrbios do sono como resultado de seu tempo estendido on-line [63,64]. O deslocamento crônico do sono para atividades on-line pode levar à privação do sono, que é conhecida por causar efeitos adversos graves no funcionamento social, psicológico e somático.
Distúrbios nos padrões de sono regulados também podem ser um fator mediador na relação entre a evasão escolar e o uso mal-adaptativo da Internet. Adolescentes engajados em atividades on-line em grau excessivo podem correr o risco de interromper sua ordem natural de sono. Evidências mostram que o aumento da latência do sono e a redução do sono dos movimentos oculares rápidos (sono REM) estão significativamente associados ao uso excessivo da Internet [65], enquanto insônias subjetivas e parassonias estão ligadas à evasão [66]. Os distúrbios do sono têm efeitos pronunciados no funcionamento diurno e no desempenho acadêmico. Isso poderia fazer com que os adolescentes se tornassem desinteressados ​​na escola, aumentando assim o risco de recusa escolar e absenteísmo crônico [66].
A má nutrição e a inatividade física mostraram-se significativamente associadas à PIU. Os adolescentes que passam mais horas on-line navegam potencialmente em direção a alimentos não saudáveis. Postula-se que os jogadores online bebam bebidas energéticas com alto teor de cafeína e comam lanches com alto teor de açúcar para aumentar o estado de alerta dos jogos on-line [67]. Posteriormente, esses fatores poderiam tornar os jogadores on-line mais propensos a comportamentos sedentários em comparação com os não-jogadores. Além disso, existe uma grande lealdade entre os jogadores, particularmente aqueles que deslocam alimentos, higiene pessoal e atividade física, para continuar com os jogos online.68]. Isso pode representar sérios riscos à saúde e pode levar a sintomas psicossomáticos graves.

5.5. Múltiplos Comportamentos de Risco

Os comportamentos de risco foram considerados de natureza concorrente, com 89.9% de adolescentes no grupo UIP relatando múltiplos comportamentos de risco. Estes resultados estão de acordo com a teoria de Jessor sobre o comportamento problemático [69,70]. A teoria do problema-comportamento é um modelo psicossocial que tenta explicar os resultados comportamentais em adolescentes. Consiste em três sistemas conceituais baseados em componentes psicossociais: sistema de personalidade, sistema ambiental percebido e sistema de comportamento. Neste último sistema, as estruturas de comportamentos de risco (por exemplo, uso de álcool, uso de tabaco, delinquência e desvios) tendem a co-ocorrer e se agrupar em uma "síndrome de comportamento de risco" geral [71]. De acordo com Jessor, esses comportamentos problemáticos muitas vezes resultam da afirmação de independência dos adolescentes em relação aos pais e às influências sociais.
Os adolescentes que lutam por autonomia poderiam, em parte, responder pela tendência linear significativa observada entre as horas on-line por dia e os múltiplos comportamentos de risco. Essa tendência foi comparativamente idêntica em todos os grupos de usuários da Internet. Esses achados são altamente relevantes, pois sugerem que o excesso de horas on-line por si só pode aumentar o número de comportamentos de risco para todos os adolescentes e não apenas aqueles diagnosticados com UIP. O excesso de horas on-line também pode ser um fator moderador na relação entre a UIP e os comportamentos de risco; no entanto, mais pesquisas explorando essa relação são necessárias.

5.6. Interações de Gênero

A análise das interações de gênero mostrou que associações significativas observadas entre comportamentos de risco e UIP foram distribuídas uniformemente entre homens e mulheres. Isso é um pouco contraditório com pesquisas anteriores, que tipicamente mostram que PIU e comportamentos de risco são específicos para o gênero masculino. Essa mudança de gênero pode ser uma indicação de que o hiato de gênero para comportamentos de risco pode estar diminuindo entre os adolescentes europeus.
De outra perspectiva, a relação entre gênero e comportamentos de risco poderia ser mediada por um terceiro fator, como a psicopatologia. Num grande estudo de adolescentes com base no género (n = 56,086) com idade 12 – 18, as taxas de prevalência de UIP foram estimadas em 2.8% da amostra total com taxas significativamente mais elevadas observadas no sexo masculino (3.6%) em comparação com as mulheres ( 1.9%) [72]. O respectivo estudo observou que as mulheres com problemas emocionais, como infelicidade subjetiva ou sintomas depressivos, têm uma prevalência de UIP significativamente maior do que os homens com sintomas emocionais semelhantes. Estudos baseados em gênero examinando o efeito das interações de gênero na UIP são um pré-requisito essencial para a direção futura da pesquisa da UIP.

5.7. Modelo de Componentes Griffiths

Modelo de dependência de Griffiths [30] hipotetiza que vícios comportamentais (por exemplo, PIU) e vícios relacionados à substância avançam através de processos biopsicossociais similares e compartilham inúmeras fisionomias. Os critérios de adição dos respectivos seis componentes principais neste modelo são a saliência (1), modificação do humor (2), tolerância (3), abstinência (4), conflito (5) e recaída (6). Kuss et al. [73] avaliou o modelo de componentes da dependência em duas amostras independentes (n = 3105 e n = 2257). Os resultados mostraram que o modelo de componentes da PIU se ajusta muito bem aos dados em ambas as amostras.
No presente estudo, a medida do YDQ foi utilizada para avaliar e detectar adolescentes com riscos mal-adaptativos e patológicos relacionados ao uso da Internet e aos comportamentos online. Como a medida do YDQ compreende todos os seis critérios de dependência estipulados no modelo de componentes de Griffiths, a validade dos resultados relatados neste estudo é apoiada por este arcabouço teórico.

5.8. Pontos Fortes e Limitações

A grande amostra representativa e transnacional é a principal força deste estudo. A metodologia homogênea e procedimentos padronizados utilizados em todos os países aumentam a validade, confiabilidade e comparabilidade dos dados. Até onde sabemos, a área geográfica na Europa foi a maior já usada para conduzir um estudo sobre UIP e comportamentos de risco.
Existem também algumas limitações do estudo. Dados auto-relatados são propensos a lembranças de recordação e desejo social, que provavelmente variam entre países e culturas. O desenho transversal não é capaz de explicar as relações temporais, portanto, a causalidade não pode ser determinada. Na medida GSHS, as subcategorias de ações de risco representam apenas uma parte dos comportamentos de busca de sensação; Assim, deve-se ter cautela ao interpretar os resultados.

6. Conclusões

Uma taxa de prevalência significativamente crescente nos grupos AIU, MIU e UIP foi observada em todas as categorias de risco (uso de substâncias, busca de sensações e características de estilo de vida). Adolescentes que relataram maus hábitos de sono e ações de risco mostraram as associações mais fortes com UIP, seguidos pelo uso de tabaco, má nutrição e inatividade física. A associação significativa observada entre UPI e comportamentos de risco, combinada com uma alta taxa de co-ocorrência, sublinha a importância de considerar PIU quando rastreio, tratamento ou prevenção de comportamentos de alto risco em adolescentes.
Entre os adolescentes do grupo UPP, 89.9% foram caracterizados como tendo múltiplos comportamentos de risco. Assim, os esforços devem visar os adolescentes que utilizam excessivamente a Internet, pois foi observada uma tendência linear significativa entre as horas on-line por dia e os múltiplos comportamentos de risco. Essa tendência foi semelhante em todos os grupos de usuários da Internet, indicando que o excesso de horas on-line em si é um fator importante para os comportamentos de risco. Esses achados precisam ser replicados e mais explorados antes de se verificar suas implicações teóricas.

Agradecimentos

O projeto SEYLE foi apoiado através do Tema de Coordenação 1 (Saúde) do Sétimo Programa-Quadro da União Europeia (FP7), Contrato de Subvenção Nº HEALTH-F2-2009-223091. Os autores foram independentes dos financiadores em todos os aspectos do desenho do estudo, análise de dados e redação deste manuscrito. O líder do projeto e coordenador do projeto SEYLE é Professor em Psiquiatria e Suicidologia Danuta Wasserman, Instituto Karolinska (KI), Chefe do Centro Nacional de Pesquisa de Suicídio e Prevenção de Doença Mental e Suicídio (NASP), em KI, Estocolmo, Suécia. Outros membros do Comitê Executivo são o palestrante sênior Vladimir Carli, Centro Nacional para Pesquisa de Suicídio e Prevenção de Doenças Mentais (NASP), Instituto Karolinska, Estocolmo, Suécia; Christina WH Hoven e a antropóloga Camilla Wasserman, Departamento de Psiquiatria Infantil e Adolescente, Instituto de Psiquiatria do Estado de Nova York, Universidade de Columbia, Nova York, EUA; e Marco Sarchiapone, Departamento de Ciências da Saúde, Universidade de Molise, Campobasso, Itália. O Consórcio SEYLE compreende centros em 12 países europeus. Os líderes locais de cada centro e país respectivos são: Danuta Wasserman (NASP, Instituto Karolinska, Suécia, Centro Coordenador), Christian Haring (Universidade de Tecnologia da Informação Médica, Áustria), Airi Varnik (Instituto Sueco de Saúde Mental e Suicidologia da Estônia, Estônia), Jean-Pierre Kahn (Universidade de Lorraine, Nancy, França), Romuald Brunner (Universidade de Heidelberg, Alemanha), Judit Balazs (Vadaskert Child and Adolescent Psychiatric Hospital, Hungria), Paul Corcoran (National Suicide Research Foundation, Irlanda), Alan Apter (Schneider Children's Medical Center de Israel, Tel Aviv University, Tel Aviv, Israel), Marco Sarchiapone (University of Molise, Itália), Doina Cosman (Iuliu Hatieganu University of Medicine and Pharmacy, Romênia), Vita Postuvan (University of Primorska, Eslovênia ) e Julio Bobes (Universidade de Oviedo, Espanha). Apoio para "Questões Éticas em Pesquisa com Menores e outros Grupos Vulneráveis" foi obtido por uma bolsa da Fundação Botnar, Basel, para a Professora de Ética, Stella Reiter-Theil, Clínica Psiquiátrica da Universidade de Basel, que atuou como consultora ética independente para projeto SEYLE.

Contribuições do autor

Tony Durkee é o autor primeiro e correspondente que desenvolveu o desenho do estudo, realizou as análises estatísticas e revisou criticamente todas as fases do manuscrito. Vladimir Carli, Birgitta Floderus e Danuta Wasserman participaram do desenho do estudo e fizeram revisões críticas no manuscrito. Camilla Wasserman, Christina W. Hoven, Michael Kaess e Peeter Värnik prestaram consultas e fizeram revisões críticas no manuscrito. Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn e Vita Postuvan são investigadores principais do projeto SEYLE em seus respectivos países e contribuíram para revisões críticas o manuscrito. Bogdan Nemes e Pilar A. Saiz são gerentes de projeto do projeto SEYLE em seus respectivos países e participaram de importantes revisões do manuscrito.

Conflitos de Interesse

Os autores declaram não haver conflito de interesses.

Abreviaturas

As seguintes abreviaturas são usadas neste manuscrito: 

SEYLE
Salvando e capacitando jovens vidas na Europa
YRBSS
Sistema de Vigilância de Comportamentos de Risco Juvenil
GSHS
Pesquisa Global de Saúde do Aluno na Escola
YDQ
Questionário de Diagnóstico de Young
GLMM
Modelos mistos lineares generalizados
ANOVA
Análise de variância unidirecional
PIU
Uso patológico da Internet
MIU
Uso mal-adaptativo da Internet
AIU
Uso adaptativo da Internet
CI
Intervalos de confiança
SEM
Erro padrão da média
M
Média

Referências

  1. Moshman, D. Desenvolvimento cognitivo além da infância. Em Handbook of Child Psychology, 5th ed .; Kuhn, D., Damon, W., Siegler, RS, Eds; Wiley: Nova York, NY, EUA, 1998; Volume 2, pp. 947 – 978. [Google Scholar]
  2. Choudhury, S .; Blakemore, SJ; Charman, T. Desenvolvimento cognitivo social na adolescência. Soc. Cogn. Afeto Neurosci. 2006, 1, 165 – 174. [Google Scholar] [CrossRef] [PubMed]
  3. Eccles, JS; Wigfield, A .; Byrnes, J. Desenvolvimento cognitivo na adolescência. Em Handbook of Psychology: Psicologia do Desenvolvimento; Lerner, RM, Easterbrooks, MA, Mistry, J., Eds; Wiley: Hoboken, NJ, EUA, 2003; Volume 6, pp. 325 – 350. [Google Scholar]
  4. Subrahmanyam, K; Greenfield, P .; Kraut, R .; Gross, E. O impacto do uso do computador no desenvolvimento de crianças e adolescentes. J. Appl. Dev. Psychol. 2001, 22, 7 – 30. [Google Scholar] [CrossRef]
  5. Ellison, NB; Steinfield, C; Lampe, C. Os benefícios dos “amigos” do Facebook: o uso de sites de redes sociais on-line por parte do capital social e de estudantes universitários. J. Comput. Med. Comum. 2007, 12, 1143 – 1168. [Google Scholar] [CrossRef]
  6. Steinfield, C; Ellison, NB; Lampe, C. Capital social, autoestima e uso de sites de redes sociais online: uma análise longitudinal. J. Appl. Dev. Psychol. 2008, 29, 434 – 445. [Google Scholar] [CrossRef]
  7. Tapscott, D. Crescendo Digital: A Ascensão da Geração Net; McGraw-Hill Education: Nova York, NY, EUA, 2008; p. 384. [Google Scholar]
  8. Kraut, R .; Patterson, M; Lundmark, V .; Kiesler, S .; Mukopadhyay, T .; Scherlis, W. paradoxo da Internet. Uma tecnologia social que reduz o envolvimento social e o bem-estar psicológico? Sou. Psychol. 1998, 53, 1017 – 1031. [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R .; Kiesler, S .; Boneva, B; Cummings, J; Helgeson, V .; Crawford, A. Paradoxo da Internet revisitado. J. Soe. Problemas 2002, 58, 49 – 74. [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. Uso da Internet, relações interpessoais e sociabilidade: um estudo diário do tempo. Na Internet na vida cotidiana; Wellman, B., Haythornthwaite, C., Eds .; Blackwell Publishers Ltd .: Oxford, Reino Unido, 2002; pp. 213 – 243. [Google Scholar]
  11. Nalwa, K; Anand, AP vício em Internet em estudantes: uma causa de preocupação. Cyberpsicol Behav. 2003, 6, 653 – 656. [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. Relação entre vício em internet e desempenho acadêmico entre universitários. Edu. Res. Rev. 2013, 8, 1793. [Google Scholar]
  13. Gür, K; Yurt, S .; Bulduk, S .; Atagöz, S. Dependência da Internet e problemas de comportamento físico e psicossocial entre estudantes do ensino secundário rural. Nurs. Saúde Sci. 2015, 17, 331 – 338. [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K; Pengpid, S .; Apidechkul, T. Uso pesado da internet e suas associações com comportamentos de risco à saúde e promoção da saúde entre estudantes universitários tailandeses. Int. J. Adolesc. Med. Saúde 2014, 26, 187 – 194. [Google Scholar] [CrossRef] [PubMed]
  15. Punamaki, RL; Wallenius, M; Nygard, CH; Saarni, L; Rimpela, A. Uso da tecnologia da informação e comunicação (TIC) e saúde percebida na adolescência: o papel dos hábitos de sono e do cansaço no tempo de vigília. J. Adolesc. 2007, 30, 569 – 585. [Google Scholar] [CrossRef] [PubMed]
  16. Straker, L; Pollock, C; Maslen, B. Princípios para o uso inteligente de computadores por crianças. Ergonomia 2009, 52, 1386 – 1401. [Google Scholar] [CrossRef] [PubMed]
  17. Shaw, M; Black, DW Internet addiction: Definição, avaliação, epidemiologia e gestão clínica. Drogas do SNC 2008, 22, 353 – 365. [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. Internet addiction: O surgimento de um novo distúrbio clínico. CyberPsychol. Behav. 1998, 1, 237 – 244. [Google Scholar] [CrossRef]
  19. Associação Americana de Psiquiatria (APA). Manual diagnóstico e estatístico de transtornos mentais. Disponível: http://www.dsm5.org (acessado no 2 February 2016).
  20. Petry, NM; O'Brien, desordem do gaming do Internet de CP e o DSM-5. Vício 2013, 108, 1186 – 1187. [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N; Griffiths, M. Prevalência dos vícios: um problema da maioria ou da minoria? Eval. Prof. De saúde 2011, 34, 3 – 56. [Google Scholar] [CrossRef] [PubMed]
  22. Lee, HW; Choi, JS; Shin, YC; Lee, JY; Jung, HY; Kwon, JS Impulsividade na dependência da internet: uma comparação com o jogo patológico. Cyberpsicol Behav. Soc. Netw. 2012, 15, 373 – 377. [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F .; Mazza, M; Autullo, G; Cappelluti, R .; Catalano, V .; Marano, G; Fiumana, V .; Moschetti, C; Alimonti, F .; Luciani, M. O vício em internet é uma condição psicopatológica distinta do jogo patológico? Viciado. Behav. 2014, 39, 1052 – 1056. [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; Prasad, N; Raj, Z; Abraham, A. Dependência da Internet e transtornos por uso de substâncias em estudantes adolescentes - um estudo transversal. J. Int. Med. Dente. 2015, 2, 172 – 179. [Google Scholar]
  25. Brezing, C; Derevensky, JL; Potenza, MN Comportamentos que não causam dependência de substâncias em jovens: jogo patológico e uso problemático da internet. Adoles criança. Psiquiatria Clin. N. Am. 2010, 19, 625 – 641. [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND Disfunção do córtex pré-frontal em dependência: Achados de neuroimagem e implicações clínicas. Nat. Rev. Neurosci. 2011, 12, 652 – 669. [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C; Kirsch, P; Sauer, C; Markett, S; Reuter, M. O papel do gene chrna4 na dependência da internet: um estudo de caso-controle. J. Addict. Med. 2012, 6, 191 – 195. [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G; Critselis, E .; Janikian, M; Kafetzis, D .; Tsitsika, A. Fatores de risco e características psicossociais do potencial uso problemático e problemático da internet entre adolescentes: um estudo transversal. BMC Public Health 2011, 11, 595. [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F.-C; Du, Y.-S .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Anormalidades da substância cinzenta na dependência da internet: Um estudo de morfometria baseado em voxel. EUR. J. Radiol. 2011, 79, 92 – 95. [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. Um modelo de “componentes” da dependência dentro de uma estrutura biopsicossocial. J. Subst. Usar 2005, 10, 191 – 197. [Google Scholar] [CrossRef]
  31. Cheng, C; Li, AY Prevalência de vício em Internet e qualidade de vida (real): Uma meta-análise de nações 31 em sete regiões do mundo. Cyberpsicol Behav. Soc. Netw. 2014, 17, 755 – 760. [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L; Škařupová, K.; Ševčíková, A .; Wolfling, K; Müller, KW; Dreier, M. Uso excessivo da internet em adolescentes europeus: o que determina as diferenças de gravidade? Int. J. Public Health 2015, 60, 249 – 256. [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M; Schoenmakers, TM; Tzavela, CE; Ólafsson, K; Wójcik, S .; Florian Macarie, G .; Tzavara, C; Richardson, C. Comportamento aditivo na Internet na adolescência: Um estudo transversal em sete países europeus. Cyberpsicol Behav. Soc. Netw. 2014, 17, 528 – 535. [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T; Kaess, M; Carli, V .; Parzer, P; Wasserman, C; Floderus, B; Apter, A .; Balazs, J.; Barzilay, S .; Bobes, J; et al. Prevalência do uso patológico da internet entre adolescentes na Europa: fatores demográficos e sociais. Vício 2012, 107, 2210 – 2222. [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L; Billieux, J. Internet addiction: Uma revisão sistemática da pesquisa epidemiológica na última década. Curr. Pharm. Des. 2014, 20, 4026 – 4052. [Google Scholar] [CrossRef] [PubMed]
  36. Carli, V .; Durkee, T .; Wasserman, D .; Hadlaczky, G; Despalins, R .; Kramarz, E .; Wasserman, C; Sarchiapone, M; Hoven, CW; Brunner, R .; et al. A associação entre o uso patológico da internet e a psicopatologia comórbida: uma revisão sistemática. Psicopatologia 2013, 46, 1 – 13. [Google Scholar] [CrossRef] [PubMed]
  37. Ho, RC; Zhang, MW; Tsang, TY; Toh, AH; Pan, F; Lu, Y; Cheng, C; Yip, PS; Lam, LT; Lai, C.-M .; et al. A associação entre vício em internet e co-morbidade psiquiátrica: uma meta-análise. Psiquiatria BMC 2014, 14, 1 – 10. [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M; Durkee, T .; Brunner, R .; Carli, V .; Parzer, P; Wasserman, C; Sarchiapone, M; Hoven, C; Apter, A .; Balazs, J.; et al. Uso patológico da internet entre adolescentes europeus: psicopatologia e comportamentos autodestrutivos. EUR. Criança adolescente. Psiquiatria 2014, 23, 1093 – 1102. [Google Scholar] [CrossRef] [PubMed]
  39. Pontes, HM; Kuss, DJ; Griffiths, MD A psicologia clínica do vício em internet: uma revisão de sua conceituação, prevalência, processos neuronais e implicações para o tratamento. Neurosci. Neuroeconomia 2015, 4, 11 – 23. [Google Scholar]
  40. Kipping, RR; Campbell, RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. Múltiplos comportamentos de risco na adolescência. J. Public Health 2012, 34, i1 – i2. [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y .; Nevill, A .; Forshaw, MJ Fatores de risco de estilo de vida dos estudantes: Uma abordagem analítica de cluster. Prev. Med. 2010, 51, 73 – 77. [Google Scholar] [CrossRef] [PubMed]
  42. Berk, M; Sarris, J; Coulson, C; Jacka, F. Gestão do estilo de vida da depressão unipolar. Acta Psychiatr. Scand. 2013, 127, 38 – 54. [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; Primavera, B; Nigg, CR Múltiplas pesquisas de mudança de comportamento em saúde: Uma introdução e visão geral. Prev. Med. 2008, 46, 181 – 188. [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V .; Hoven, CW; Wasserman, C; Chiesa, F .; Guffanti, G; Sarchiapone, M; Apter, A .; Balazs, J.; Brunner, R .; Corcoran, P. Um grupo recém-identificado de adolescentes com risco “invisível” para psicopatologia e comportamento suicida: Resultados do estudo SEYLE. Psiquiatria Mundial 2014, 13, 78 – 86. [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L; Kinchen, S .; Shanklin, SL; Flint, KH; Kawkins, J; Harris, WA; Lowry, R .; Olsen, E .; McManus, T .; Chyen, D. Vigilância do comportamento de risco da juventude - Estados Unidos, 2013. Inquérito MMWR. Summ. 2014, 63, 1 – 168. [Google Scholar]
  46. Wasserman, D .; Carli, V .; Wasserman, C; Apter, A .; Balazs, J.; Bobes, J; Bracale, R .; Brunner, R .; Bursztein-Lipsicas, C; Corcoran, P; et al. Salvando e capacitando jovens vidas na Europa (SEYLE): Um estudo randomizado controlado. BMC Public Health 2010, 10, 192. [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V .; Wasserman, C; Wasserman, D .; Sarchiapone, M; Apter, A .; Balazs, J.; Bobes, J; Brunner, R .; Corcoran, P; Cosman, D. A vida jovem salvadora e fortalecedora na Europa (SEYLE) ensaio clínico randomizado (RCT): questões metodológicas e características dos participantes. BMC Public Health 2013, 13, 479. [Google Scholar] [CrossRef] [PubMed]
  48. Young, KS pego na rede: como reconhecer os sinais do vício da Internet - e uma estratégia vencedora para a recuperação; J. Wiley: New York, NY, USA, 1998; p. 248. [Google Scholar]
  49. Dowling, NA; Quirk, KL Rastreio da dependência da Internet: os critérios diagnósticos propostos diferenciam o uso normal da internet do dependente? Cyberpsicol Behav. 2009, 12, 21 – 27. [Google Scholar] [CrossRef] [PubMed]
  50. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Critérios diagnósticos para uso problemático da internet entre estudantes universitários norte-americanos: uma avaliação de métodos mistos. PLoS ONE 2016, 11, e0145981. [Google Scholar] [CrossRef] [PubMed]
  51. Pontes, HM; Király, O .; Demetrovics, Z .; Griffiths, MD A conceptualização e medição do distúrbio dos jogos pela Internet dsm-5: O desenvolvimento do teste IGD-20. PLoS ONE 2014, 9, e110137. [Google Scholar] [CrossRef] [PubMed]
  52. Organização Mundial da Saúde (OMS). Pesquisa Global de Saúde do Aluno na Escola (GSHS). Disponível: http://www.who.int/chp/gshs/en/ (acessado no 12 December 2015).
  53. Choi, K; Filho, H; Park, M; Han, J; Kim, K; Lee, B; Gwak, H. Uso excessivo da Internet e sonolência diurna excessiva em adolescentes. Clínica de Psiquiatria. Neurosci. 2009, 63, 455 – 462. [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C; Dalbudak, E .; Evren, B; Demirci, AC Alto risco de dependência de internet e sua relação com o uso de substâncias vitalícias, problemas psicológicos e comportamentais entre adolescentes da classe 10. Psiquiatria Danub. 2014, 26, 330 – 339. [Google Scholar]
  55. União Internacional de Telecomunicações (ITU). Fatos e números das TIC. Disponível: http://www.itu.int/en (acessado no 8 August 2015).
  56. De La Haye, K; D'Amico, EJ; Miles, JN; Ewing, B; Tucker, JS Covariância entre múltiplos comportamentos de risco à saúde em adolescentes. PLoS ONE 2014, 9, e98141. [Google Scholar]
  57. Cao, F .; Su, L; Liu, T; Gao, X. A relação entre impulsividade e vício em internet em uma amostra de adolescentes chineses. EUR. Psiquiatria: J. Assoc. EUR. Psiquiatria 2007, 22, 466 – 471. [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Alienação, agressão e busca de sensações como preditores do uso adolescente de conteúdo violento de filmes, computadores e sites. J. Commun. 2003, 53, 105 – 121. [Google Scholar] [CrossRef]
  59. Kim, HK; Davis, KE Rumo a uma teoria abrangente do uso problemático da internet: Avaliar o papel da autoestima, ansiedade, fluxo e a importância auto-avaliada das atividades na internet. Comput. Cantarolar. Behav. 2009, 25, 490 – 500. [Google Scholar] [CrossRef]
  60. Charlton, JP; Danforth, ID Diferenciando o vício e o alto envolvimento no contexto de jogos online. Comput. Cantarolar. Behav. 2007, 23, 1531 – 1548. [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD Redes sociais on-line e vício - Uma revisão da literatura psicológica. Int. J. Environ. Res. Saúde pública 2011, 8, 3528 – 3552. [Google Scholar] [CrossRef] [PubMed]
  62. Meena, PS; Mittal, PK; Solanki, RK Uso problemático de sites de redes sociais entre adolescentes de escolas urbanas. Ind. Psiquiatria J. 2012, 21, 94. [Google Scholar] [CrossRef] [PubMed]
  63. Li, W .; O'Brien, JE; Snyder, SM; Howard, MO Características do vício em internet / uso patológico da internet em estudantes universitários norte-americanos: uma investigação de método qualitativo. PLoS ONE 2015, 10, e0117372. [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. vício em jogos pela internet, uso problemático da internet e problemas do sono: uma revisão sistemática. Curr. Rep. De Psiquiatria 2014, 16, 1 – 9. [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N; Gradisar, M. Uso de mídia eletrônica e sono em crianças e adolescentes em idade escolar: uma revisão. Sono Med. 2010, 11, 735 – 742. [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J; Frolich, J; Wiater, A .; Lehmkuhl, G; Fricke-Oerkermann, L. Prevalência de problemas de sono e relação entre problemas de sono e comportamento de recusa escolar em crianças em idade escolar em avaliações de crianças e pais. Psicopatologia 2014, 47, 119 – 126. [Google Scholar] [CrossRef] [PubMed]
  67. Lin, SSJ; Tsai, CC Sensation busca e dependência de internet de adolescentes do ensino médio de Taiwan. Comput. Cantarolar. Behav. 2002, 18, 411 – 426. [Google Scholar] [CrossRef]
  68. Hsi-Peng, L; Shu-ming, W. O papel do vício em internet na lealdade de jogos online: um estudo exploratório. Internet Res. 2008, 18, 499 – 519. [Google Scholar]
  69. Jessor, R .; Jessor, SL Comportamento Problemático e Desenvolvimento Psicossocial: Um Estudo Longitudinal da Juventude; Imprensa Acadêmica: Cambridge, MA, EUA, 1977; p. 281. [Google Scholar]
  70. Jessor, R. Teoria do problema-comportamento, desenvolvimento psicossocial e problema adolescente bebendo. Fr. J. Addict. 1987, 82, 331 – 342. [Google Scholar] [CrossRef] [PubMed]
  71. Williams, JH; Ayers, CD; Abbott, RD; Hawkins, JD; Catalano, RF Equivalência estrutural de envolvimento em comportamento problemático por adolescentes em grupos raciais usando análise fatorial confirmatória de múltiplos grupos. Soc. Res. De trabalho 1996, 20, 168 – 177. [Google Scholar]
  72. Ha, Y.-M .; Hwang, WJ Diferenças de gênero na dependência de internet associadas a indicadores psicológicos de saúde entre adolescentes usando uma pesquisa nacional na web. Int. J. Ment. Viciado em saúde. 2014, 12, 660 – 669. [Google Scholar] [CrossRef]
  73. Kuss, DJ; Mais curto, GW; van Rooij, AJ; Griffiths, MD; Schoenmakers, TM Avaliando o vício em internet usando o modelo de componentes de dependência de internet parcimonioso - Um estudo preliminar. Int. J. Ment. Viciado em saúde. 2014, 12, 351 – 366. [Google Scholar] [CrossRef]