Prevalência e fatores de intenção auto-corretiva entre estudantes de escolas secundárias de Hong Kong que são autoavaliados casos de dependência de internet (2017)

Lau, JT, Wu, A., Cheng, KM, Tse, VW, Lau, M., & Yang, X. (2017).

Saúde Mental de Crianças e Adolescentes.

  • DOI: 10.1111 / camh.12219  

Sumário

Contexto

O vício na Internet (IA) entre adolescentes é predominante. Nenhum estudo, entretanto, aplicou o modelo de crenças em saúde (HBM) para investigar questões sobre IA nem investigou fatores associados à intenção de corrigir o problema de IA percebido (intenção autocorretiva). Essas informações facilitam o desenho de intervenções relacionadas, que são garantidas.

Métodos

Este estudo transversal entrevistou os alunos da escola secundária chinesa 9,618 em Hong Kong; 4,111 (42.7%) autoavaliaram que tinham AI (autoavaliação de casos IA); 1,145 destes casos autoavaliados de IA (27.9%) também foram classificados como casos de IA (casos de IA concordantes), uma vez que o escore Chen Internet Addiction Scale excedeu 63.

Resultados

A prevalência de intenção autocorretiva entre essas duas subamostras foi de apenas 28.2% e 34.1%, respectivamente. Na subamostra de IA autoavaliada, os construtos de HBM incluindo suscetibilidade percebida para IA [razão de chances ajustada (ORa) = 1.24, IC de 95% = 1.16, 1.34], gravidade percebida de IA (ORa = 2.28, IC de 95% = 2.09, 2.48), benefícios percebidos para reduzir o uso da Internet (ORa = 1.21, IC 95% = 1.18, 1.24), autoeficácia para reduzir o uso da Internet (ORa = 1.07, IC 95% = 1.03, 1.11) e dicas para ação para reduzir O uso da Internet (ORa = 1.15, IC 95% = 1.11, 1.20) foi positivo, enquanto as barreiras percebidas para reduzir o uso da Internet (ORa = 0.95, IC 95% = 0.94, 0.97) foram negativamente, associadas à intenção autocorretiva. Fatores semelhantes foram identificados na subamostra IA concordante.

Conclusões

Uma grande proporção dos estudantes percebeu que eles tinham IA, mas apenas cerca de um terço pretendia corrigir o problema. Intervenções futuras podem considerar a alteração dos constructos de HBM dos alunos, e focar no segmento de IA concordante com intenção autocorretiva, uma vez que mostram prontidão para mudanças.