Addict Behav. 2018 Feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.
Sumário
JUSTIFICATIVA E OBJETIVOS:
O uso problemático da Internet (PIU), também conhecido como Internet Addiction, é um problema crescente nas sociedades modernas. Há um conhecimento escasso das variáveis demográficas e atividades específicas da Internet associadas à UIP e uma compreensão limitada de como a UIP deve ser conceituada. Nosso objetivo foi identificar atividades específicas da Internet associadas à UIP e explorar o papel moderador da idade e do gênero nessas associações.
MÉTODOS:
Recrutamos participantes 1749 com idades entre 18 e acima através de anúncios de mídia em uma pesquisa baseada na Internet em dois locais, um nos EUA e um na África do Sul; utilizamos a regressão de Lasso para a análise.
RESULTADOS:
Atividades específicas da Internet foram associadas a maiores pontuações de uso problemático da Internet, incluindo navegação geral (lasso β: 2.1), jogos na Internet (β: 0.6), compras online (β: 1.4), uso de sites de leilão online (β: 0.027), redes sociais networking (β: 0.46) e uso de pornografia online (β: 1.0). A idade moderou a relação entre PIU e RPGs (β: 0.33), jogos de azar online (β: 0.15), uso de sites de leilão (β: 0.35) e mídia de streaming (β: 0.35), com idade mais avançada associada a níveis de PIU. Houve evidência inconclusiva de que gênero e gênero × atividades da Internet estão associados a pontuações de uso problemático da Internet. Transtorno de déficit de atenção e hiperatividade (TDAH) e transtorno de ansiedade social foram associados a altos escores de PIU em participantes jovens (idade ≤ 25, β: 0.35 e 0.65 respectivamente), enquanto o transtorno de ansiedade generalizada (TAG) e o transtorno obsessivo-compulsivo (TOC) foram associado a altos escores de PIU em participantes mais velhos (idade> 55, β: 6.4 e 4.3, respectivamente).
CONCLUSÕES:
Muitos tipos de comportamento on-line (por exemplo, compras, pornografia, surfe geral) têm uma relação mais forte com o uso desadaptativo da Internet do que jogos que apóiam a classificação diagnóstica do uso problemático da internet como um distúrbio multifacetado. Além disso, as atividades na internet e os diagnósticos psiquiátricos associados ao uso problemático da internet variam com a idade, com implicações na saúde pública.
PALAVRAS-CHAVE: Vício comportamental; Vício em internet; Desordem do jogo de Internet; Laço; Aprendizado de máquina; Uso problemático da internet
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
Introdução
O uso problemático da Internet (PIU, também conhecido como Internet Addiction) é uma preocupação de saúde pública nas sociedades modernas em todo o mundo. A epidemiologia da UIP ainda não está clara (
; ) com uma ampla gama de estimativas pontuais de prevalência relatadas (1% a 36.7%), provavelmente refletindo não apenas diferenças populacionais, mas também a diversidade de ferramentas de avaliação e diferentes definições operacionais de comportamentos de PIU. DSM-5 destacou o transtorno de jogos na Internet como uma condição para um estudo mais aprofundado (), excluindo especificamente outras atividades baseadas na Internet, como jogos de azar e uso de mídia social, apesar da evidência acumulada de que o uso problemático da Internet é um problema multifacetado que vai além dos jogos online (; ;). Muitos comportamentos online diferentes foram descritos como sendo capazes de prejudicar o funcionamento normal quando realizados excessivamente, incluindo jogos online e jogos de RPG online para múltiplos jogadores (;;;;;), jogos de azar online (;), compras online (; ;), visualização de pornografia (;;), verificação frequente de e-mail, mensagens instantâneas (;;) e uso excessivo de mídia social (;). Os comportamentos online também podem causar preocupação com a saúde física dos indivíduos (;) ou criar a base para atos criminosos (). Características impulsivas e compulsivas podem sustentar comportamentos problemáticos na Internet (;;;;), enquanto atividades específicas da Internet têm sido associadas a transtornos psiquiátricos; por exemplo, as compras online têm sido associadas à depressão e acumulação (
).
Jovens e estudantes são considerados mais vulneráveis para a UIP (
; ; ; ; ), mas as populações de meia-idade e idosas não foram exaustivamente investigadas. A idade jovem tem sido associada a compras on-line problemáticas (;). No entanto, tem havido um número de estudos que identificam atividades problemáticas na Internet, incluindo compras excessivas baseadas na Internet, em populações adultas (
). No geral, a história natural do uso problemático da Internet ainda é desconhecida e pode haver diferenças relacionadas à idade no PIU em geral, ou em diferentes comportamentos on-line problemáticos.
Considera-se que a PIU tem uma preponderância masculina (
; ) e é provavelmente mais prevalente entre os jovens asiáticos do sexo masculino, mas as mulheres também podem ser vulneráveis (;). Em um nível clínico, a maioria dos estudos de PIU incluiu somente participantes do sexo masculino () e não está claro se as populações clínicas femininas podem ter sido pouco estudadas. Existem algumas evidências de estudos observacionais de que homens e mulheres diferem na maneira como operam no ambiente on-line em termos de atividades que escolhem e suas conseqüências negativas (;). O uso excessivo de conversas e mídias sociais tem sido associado ao gênero feminino em jovens estudantes (;;; S). O sexo feminino também foi identificado como um preditor de compras on-line problemáticas (), mas o oposto também foi relatado (;). O jogo on-line tem sido associado ao sexo masculino (), mas jogos on-line massivamente multiplayer foram relatados em ambos os sexos (). A pornografia online, assim como o jogo online, tem sido relatada como mais frequente entre os homens adultos (), no entanto, argumenta-se que o papel do reforço da recompensa, da reatividade à sugestão e do desejo sexual on-line são semelhantes para ambos os sexos (). Plataformas particulares de mídia social com potencial de dependência, como sites de relacionamento como o Facebook, são usadas por ambos os sexos e tem sido argumentado que as mulheres podem estar particularmente em risco (). No geral, pode haver diferenças específicas de gênero para aspectos da UIP; alternativamente, pode ser que, uma vez consideradas as características clínicas / comportamentais / confundimentos, ambos os gêneros sejam afetados de maneira semelhante (;
).
No geral, o uso problemático da Internet, incluindo a ampla variedade de comportamentos problemáticos da Internet, exige investigações mais rigorosas que possam esclarecer quais atividades específicas devem ser consideradas problemáticas ou disfuncionais ou, em geral, contribuir para o fenômeno descrito como UIP. O modo como a idade e o gênero moderam a relação entre determinadas atividades na Internet e a UIP foi pouco estudado, merecendo mais atenção.
Nosso objetivo foi identificar atividades específicas relacionadas à Internet estatisticamente associadas à UIP e se há interações com idade ou sexo que moderam essas relações.
2
Material e métodos
2.1
Configuração e medidas
Mais detalhes sobre o cenário e as medidas deste estudo também foram descritos em nossa publicação anterior sobre PIU (
). A comunicação de métodos para este estudo segue a diretriz STROBE (
). O presente estudo foi realizado de janeiro 2014-fevereiro 2015. Indivíduos com idade de 18 e acima foram recrutados em dois locais: Chicago (EUA) e Stellenbosch (África do Sul) usando anúncios na Internet (idade média 29 [18-77]; 1119 machos [64%]; 1285 Caucasiano [73%]). Os anúncios pediam aos indivíduos para participarem de uma pesquisa online sobre o uso da internet. Os participantes completaram a pesquisa anonimamente usando o software Survey Monkey. A pesquisa foi enviada através do Craigslist, de modo que apenas os participantes dos locais específicos foram segmentados. O estudo foi aprovado pelos conselhos de revisão institucional de cada site de pesquisa. Os participantes não receberam nenhuma compensação por participarem, mas foram inscritos em uma loteria aleatória onde cinco prêmios estavam disponíveis com cada prêmio avaliado entre $ 50 e $ 200 nos EUA e três prêmios entre ZAR250 e ZAR750 na África do Sul.
A pesquisa online continha perguntas sobre a idade, sexo, raça, relacionamento, orientação sexual e histórico de educação de cada indivíduo, junto com várias medidas de atividades específicas na Internet. Medimos uma série de atividades diferentes na Internet, incluindo 1) navegação geral 2) total de jogos na Internet 3) RPG online (RPG) 4) Jogos de habilidade / desperdício de tempo (ou seja, aplicativos no iPod / iPad / telefone celular, Tetris, joias) 5 ) Multijogador de ação online (por exemplo, Call of Duty, Gears of War) 6) Compras online 7) Sites de leilões (por exemplo, Ebay) 8) Jogos de azar online 9) Redes sociais 10) Esportes online (por exemplo, Fantasy sports, ESPN) 11) Pornografia / Sexo na internet 12) Mensagens / Blog (ou seja, AIM, Skype) e 13) Streaming de vídeos / mídia (ou seja, YouTube, Hulu). A pesquisa também incluiu medidas clínicas: o Internet Addiction Test (IAT) (
) fornecer uma medida de uso mal-adaptativo da internet; selecione os módulos Mini International Neuropsychiatric Interview (MINI) () para identificar o provável distúrbio de ansiedade social (SAD), transtorno de ansiedade generalizada (GAD) e transtorno obsessivo-compulsivo (TOC); a lista de verificação de sintomas da escala de autorrelato de adultos com TDAH (ASRS-v1.1) () para identificar sintomas de transtorno de déficit de atenção e hiperatividade (TDAH); o Inventário de Pádua (PI) () para identificar tendências obsessivo-compulsivas; e a Escala de Impulsividade de Barratt (BIS-11) para quantificar a personalidade impulsiva (
). Estatísticas descritivas para todas as variáveis são resumidas e estratificadas por idade na Tabela Suplementar S1a.
O TAI compreende questões 20 que examinam as facetas da PIU. As pontuações no IAT variam de 20 a 100 com 20 – 49 refletindo o uso moderado da Internet, o uso moderado da Internet 50 – 79 e o 80 – 100 refletindo o uso severo da Internet. O IP consiste em itens 39 que avaliam comportamento obsessivo e compulsivo comum. O BIS-11 é um questionário de autorrelato usado para determinar os níveis de impulsividade.
Realizamos uma Análise de Componentes Principais (PCA) para identificar se alguns componentes das atividades da Internet seriam capazes de responder por uma parte significativa da variação. No entanto, essa análise mostrou que exigimos> 11 dos 13 componentes para atingir> 90% da variância, indicando que uma parte significativa das variáveis das atividades da Internet contribuem exclusivamente para a variância. Portanto, decidimos usar cada variável separadamente em nossa análise.
Apenas os dados dos participantes que completaram toda a pesquisa online, incluindo as medidas de atividade na Internet, foram incluídos nas análises. A amostra original incluiu 2551 indivíduos. 63 indivíduos foram excluídos por falta de pontuação no IAT. Outros 18 indivíduos foram excluídos por relatar sexo transgênero e 459 por não terem variáveis importantes de previsão, por exemplo, pontuações do questionário IP ou BIS. Cinco indivíduos foram excluídos por relatarem idade <18 anos. Outros 257 indivíduos foram excluídos devido à falta de medidas de atividade na Internet. O conjunto final completo incluiu 1749 indivíduos com pontuação completa em todas as variáveis. Esta última etapa do processo de exclusão é responsável pela diferença da amostra entre o presente estudo e
. Este conjunto final completo incluiu 1063 indivíduos do site Stellenbosch e 686 indivíduos do site de Chicago. A prevalência de ponto estimada de PIU foi de ~ 8.5% usando um ponto de corte IAT de 50 ou acima. Comparando as duas populações do local de estudo, o local de Stellenbosch tinha participantes mais jovens [média (variação) 24.3 (18-76) vs 36.3 (18-77), ANOVA F <0.05, η 2 : 0.20], uma proporção menor de gênero masculino [58% vs 73%, χ 2 <0.05, φ : 0.15], maior proporção de orientação sexual heterossexual [91% vs 84%, χ 2 <0.05, φ : 0.10], taxas mais altas de ADHD [50% vs 41% χ 2 <0.05, φ : 0.9], taxas mais baixas de compras online [média (intervalo) 0.48 (0–5) vs 1.27 (0–5), ANOVA F <0.05, η 2 : 0.18] e pontuações IAT ligeiramente mais baixas [média (intervalo) 30.3 (20–94) vs 35.9 (20–85), ANOVA F <0.05, η 2 : 0.06]. Uma comparação mais detalhada é apresentada na Tabela Suplementar S1b. Recrutamento e processo de exclusão são apresentados graficamente FIG. 1 . Todas as variáveis contínuas (ou seja, pontuação do BIS) foram padronizadas para aumentar a interpretabilidade dos coeficientes do modelo. Os métodos de previsão usaram o escore IAT como uma variável numérica (intervalo 20 – 94, 32.48 médio). Todas as análises foram realizadas na versão R Studio 3.1.2. Os Modelos Lineares Generalizados de Lasso foram realizados utilizando o pacote “glmnet” (Package glmnet version 2.0 – 5 (
)). Mais detalhes sobre o processo de análise podem ser encontrados no Suplemento (apêndice da metodologia).
2.2
Exploração de correlações
Nós exploramos correlações entre as variáveis em nossos dados FIG. 2 ) Todas as diferentes atividades na Internet tiveram correlações positivas fracas com a pontuação do IAT (intervalo do coeficiente de correlação de Pearson 0.23-0.48). Foram identificadas algumas correlações positivas moderadas entre as variáveis de atividade na Internet, ou seja, total de jogos na Internet e RPG (r = 0.57), total de jogos na Internet e jogos multijogador de ação (r = 0.55), compras online e uso de sites de leilão (r = 0.55), navegação geral e compras (r = 0.44), navegação geral e redes sociais (r = 0.44), navegação geral e streaming de mídia (r = 0.44). Houve correlações positivas fracas entre esportes e pornografia (r = 0.38), gênero masculino e esportes (r = 0.30) ou pornografia (r = 0.39) ou jogos multiplayer de ação (r = 0.27). Houve correlações fracas entre jogos de azar online e multiplayer de ação (r = 0.41), RGP (r = 0.32), sites de leilão (r = 0.38), esportes (r = 0.38) ou pornografia (r = 0.39). A impulsividade foi fracamente correlacionada positivamente com navegação geral, compras online, uso de sites de leilão, redes sociais, streaming de mídia e pornografia (0.2 ≤ r ≤ 0.3). Também houve correlação fraca entre idade avançada e atividades de compras (r = 0.33) ou uso de sites de leilões (r = 0.22) e entre orientação sexual não heterossexual e pornografia (r = 0.22). Todas as outras correlações entre atividades na Internet e idade, gênero, relacionamento, orientação sexual, nível de educação, raça e níveis de impulsividade e compulsividade foram muito fracas (-0.2 <r <0.2).
2.3
Lidando com o excesso de encaixe
Para os nossos métodos estatísticos foram utilizados modelos que incluíram variáveis demográficas (idade, raça, escolaridade, sexo, estado de relacionamento, orientação sexual), características clínicas (diagnósticos de TDAH, TAG, ansiedade social e TOC), dimensões comportamentais conhecidas por estarem associadas PIU (impulsividade e compulsividade), atividades na internet e termos de interação entre atividades na Internet × Idade ou Gênero; o segundo decidiu testar a hipótese de que a idade ou o gênero moderam a relação entre as atividades na internet e os escores problemáticos de uso da internet. Incluímos um total de variáveis preditoras 51. Ao incluir uma infinidade de variáveis, buscamos um modelo que seja mais preciso e, ao mesmo tempo, capte interações complexas entre as variáveis demográficas e de atividade da internet. No entanto, a desvantagem de ter muitas variáveis preditoras é que isso normalmente leva a um ajuste excessivo acompanhado de grandes coeficientes. Além disso, a regressão linear na amostra também tende a se ajustar excessivamente, especialmente em modelos complexos, e é fundamentalmente falha ao fazer previsões sobre novos dados. Existe uma evidência extensa das desvantagens dos modelos de sobreposição (
). Para lidar com o ajuste excessivo, discutimos o uso de métodos estatísticos fora da amostra (validação cruzada) para obter uma estimativa do erro de generalização e predição do modelo (
) Exploramos essa abordagem em nossos dados atuais quando usamos uma estimativa de validação cruzada fora da amostra da raiz do erro quadrático médio em conjunto com a seleção retroativa de variáveis para testar se os modelos melhoram adicionando um grande número de variáveis em os subconjuntos de possíveis combinações de preditores, e vimos que modelos esparsos (ou seja, com cerca de 13 a 16 variáveis) não eram inferiores em termos de RMSE com validação cruzada em comparação com modelos mais complexos (incluindo> 16 variáveis). Isso é mostrado em exploratório FIG. 3 (canto superior esquerdo)
2.4
Regressão Regularizada com Restrições de Esparsidade
Pelas razões mencionadas no parágrafo anterior, queríamos usar um método de previsão que não se ajustasse muito, sendo comparável aos métodos estatísticos padrão em termos de previsão dos resultados da PIU. Também seria valioso se nosso método também fizesse seleção de variáveis (isto é, reduzindo o número de preditores com coeficientes diferentes de zero), a fim de ajudar na interpretabilidade do modelo. Regularização, inicialmente projetada por Tikhonov para resolver equações integrais (
) e mais tarde introduzido na ciência estatística por ter algumas das propriedades acima mencionadas de deslocamento da construção do modelo em direção à escassez e reduzindo o sobre-ajuste (). Lasso (modelo linear generalizado com máxima verossimilhança penalizada, conhecido como regressão pelo operador de Seleção e Encolhimento Absoluto Mínimo (Lasso ou LASSO ())) é um método de análise de regularização e regressão atualmente usado em ciências médicas (;) e tem potencial para uso em modelagem de predição clínica em psiquiatria (RC). A regressão de Ridge é outra forma de regressão linear regularizada que diminui os coeficientes através da introdução de um coeficiente de penalidade (). A rede elástica é um modelo intermediário entre a crista e o laço e sua penalidade é controlada por α, que preenche a lacuna entre Lasso (α = 1) e crista (α = 0). O parâmetro de sintonização λ controla a força total da penalidade. Lasso usa a penalidade L1 e o cume usa a penalidade L2. Em contraste com a regressão da crista, o efeito da penalidade Lasso L1 é que a maioria dos coeficientes é levada a zero, levando a uma solução regularizada que é esparsa ao mesmo tempo. Por esse mecanismo, o Lasso realiza a seleção de variáveis, o que pode simplificar bastante a interpretação, especialmente se muitos preditores estiverem envolvidos no modelo. Outro método não padrão conhecido pela alta precisão e capacidade de evitar o ajuste é de florestas aleatórias (
). Florestas aleatórias são um método de aprendizado de máquina que funciona bem contra dependências não-lineares e, portanto, explorar o desempenho desse modelo pode nos dar uma visão sobre associações complexas, possivelmente ocultas.
2.5
Métodos de previsão
Para escolher o modelo apropriado em nossa análise, comparamos regressão linear, regressão de crista, rede elástica, Lasso e modelos de floresta aleatória entre si e contra uma linha de base ingênua, usando uma estimativa fora da amostra com validação cruzada de RMSE. Nossa validação cruzada incluiu dividir aleatoriamente os dados em um conjunto de treinamento e teste, ajustar os parâmetros do modelo no conjunto de treinamento e fazer previsões para pontuações IAT no conjunto de teste. Devido à natureza aleatória da divisão dos dados em dobras, repetimos esse processo 50 vezes para obter uma estimativa estável e replicável. Em seguida, comparamos os vetores finais das pontuações RMSE usando testes de classificação com sinais Exatos de Wilcoxon-Pratt. Todos os modelos foram significativamente superiores à linha de base naïve (p corrigido <0.001, d de Cohen = -0.87) (ver Tabela Suplementar S2). As estatísticas resumidas das pontuações RMSE são apresentadas na Tabela Suplementar S3. Laço e rede elástica foram superiores à regressão de crista (p-corrigido <0.01, d = 0.51, d = 0.49) e regressão linear (p corrigido <0.001, d = 0.76) e não estatisticamente diferentes entre si (p corrigido> 0.05, d = −0.08). A floresta aleatória não foi superior a laço (p = 0.12) ou rede elástica (p corrigido> 0.05). Portanto, em nossa análise, usamos o Lasso, porque, além do bom desempenho de previsão fora da amostra, o Lasso foi capaz de realizar a seleção de variáveis reduzindo os coeficientes a zero e, portanto, aumentando a interpretabilidade. Embora a rede elástica também possa realizar seleção de variáveis, ela tende a selecionar mais variáveis e, apesar de ser um modelo mais complexo e mais poderoso, não apresentou desempenho significativamente melhor do que o laço. Em nossa análise final de dados completos e análises de subgrupos, usamos a validação cruzada de 10 vezes para produzir o lambda ideal para cada modelo de laço e os coeficientes de relatório produzidos por esses modelos. Gráficos explicativos derivados da análise completa dos dados são apresentados em FIG. 3 .
3
Resultados
Os resultados da regressão do laço são resumidos em toda a amostra e estratificados por idade em Tabelas 1 e 2 . Tabelas completas de resultados para análises de subgrupos, incluindo estratificadas por idade e por local de estudo, são apresentadas nas tabelas suplementares on-line (Tabelas S4-S10). Gráficos exploratórios dos dados são apresentados em figuras suplementares (Figs. S1-S3). Os resultados da abordagem estatística mais padronizada de regressão linear também são apresentados nas Tabelas Suplementares S4-S10 e quaisquer diferenças na inferência estrutural em comparação com os principais resultados apresentados abaixo estão condicionadas à escolha de outro modelo.
| Atividade na Internet | Tudo (n = 1749) | 18 ≤ Idade ≤ 25 (n = 1042) | 26 ≤ Idade ≤ 55 (n = 592) | Idade> 55 (n = 115) |
|---|---|---|---|---|
| Surf geral | 2.100 | 2.400 | 1.500 | 0.590 |
| Jogos na Internet | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Desperdiçadores de tempo | 0.000 | 0.000 | 0.000 | 0.450 |
| Ação multijogador | 0.000 | 0.000 | 0.000 | 0.000 |
| minha | 1.400 | 0.840 | 1.500 | 0.000 |
| Sites de leilão | 0.027 | 0.000 | 0.990 | 0.230 |
| Jogos de azar | 0.000 | 0.000 | 0.780 | 0.000 |
| As redes sociais | 0.460 | 0.000 | 1.300 | 0.000 |
| Esportes | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornografia | 1.000 | 1.400 | 0.210 | 0.000 |
| mensagens | 0.000 | 0.000 | 0.110 | 0.000 |
| Mídia streaming | 0.000 | 0.000 | 0.000 | 1.200 |
| PÁDUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| Diagnóstico de TDAH | 1.700 | 0.350 | 3.100 | 0.000 |
| Diagnóstico GAD | 0.230 | 0.000 | 0.000 | 6.400 |
| Diagnóstico de ansiedade social | 0.000 | 0.560 | 0.000 | 0.000 |
| Diagnóstico de TOC | 0.270 | 0.000 | 0.000 | 4.300 |
| Atividade na Internet | Tudo (n = 1749) | 18 ≤ Idade ≤ 25 (n = 1042) | 26 ≤ Idade ≤ 55 (n = 592) | Idade> 55 (n = 115) |
|---|---|---|---|---|
| Variáveis demograficas | 0.000 | 0.000 | 0.000 | 0.000 |
| Gênero × qualquer atividade na Internet | 0.000 | 0.000 | 0.000 | 0.000 |
| Idade × surfe geral | 0.000 | - | - | - |
| Idade × jogos na Internet | 0.000 | - | - | - |
| Idade × RPG | 0.330 | - | - | - |
| Age × time wasters | 0.000 | - | - | - |
| Idade x ação multijogador | 0.000 | - | - | - |
| Idade × compras | 0.000 | - | - | - |
| Idade × jogos de azar | 0.150 | - | - | - |
| Sites de leilão de idade × | 0.350 | - | - | - |
| Idade × redes sociais | 0.000 | - | - | - |
| Idade × esportes | 0.000 | - | - | - |
| Idade × pornografia | 0.000 | - | - | - |
| Idade × mensagens | 0.000 | - | - | - |
| Idade × streaming media | 0.350 | - | - | - |
3.1
Demografia
Na regressão do laço, nenhuma variável incluindo idade, sexo, raça, nível de escolaridade, status de relacionamento ou orientação sexual foi associada com PIU em qualquer subgrupo de idade ou nos dados completos.
3.2
Atividades na Internet
Na regressão do Lasso de dados completos, uma série de atividades na Internet foram associadas a altas pontuações de PIU, incluindo navegação geral (β: 2.1), jogos na Internet (β: 0.6), compras online (β: 1.4), uso de sites de leilão (β: 0.027), redes sociais (β: 0.46) e uso de pornografia online (β: 1.0). As relações entre PIU e jogos de RPG (RPGs), jogos de azar online, uso de sites de leilão e uso de streaming media foram moderadas pela idade (β: 0.33, 0.15, 0.35 e 0.35 respectivamente), com idade mais avançada associada a pontuações mais altas de PIU . Na análise de subgrupo de idade (participantes jovens com idade ≤ 25, participantes de meia idade 25 <idade ≤ 55; participantes mais velhos com idade> 55), o surfe geral foi associado a PIU em todas as faixas etárias, mas mais fortemente nos jovens (β: 2.4) , menos na meia-idade (β: 1.5) e ainda menos nos participantes mais velhos (β: 0.59). Uma tendência semelhante foi observada em jogos de internet (β: 0.45, 0.11 e 0.0 para os três grupos de idade, respectivamente) e uso de pornografia online (β: 1.4, 0.21 e 0.0). Algumas atividades na Internet, como o uso de RPGs online, foram mais fortemente associadas à PIU em participantes de meia-idade em comparação com outras faixas etárias (β: 0.71). O mesmo aconteceu com jogos de azar online (β: 0.78), mensagens instantâneas (β: 0.11) e redes sociais online (β: 1.3). O uso de sites de leilão também foi mais fortemente associado a PIU em participantes de meia-idade (β: 0.99), mas também preditivo em participantes mais velhos (β: 0.23). Streaming de mídia online e uso de perda de tempo foram associados com PIU nos participantes mais velhos (β: 1.2, 0.45 respectivamente), mas não em qualquer outra faixa etária.
3.3
Características clínicas e comportamentais
Os sintomas de transtorno do déficit de atenção e hiperatividade (TDAH) (β: 1.7), transtorno de ansiedade generalizada (TAG) (β: 0.23) e transtorno obsessivo-compulsivo (TOC) (β: 0.27) foram associados a maiores escores na UTI. Na análise do subgrupo de idade, o TDAH e o TAS foram associados a maiores escores de PIU em participantes mais jovens (β: 0.35 e 0.56, respectivamente), enquanto o TDAH permaneceu significativo no subgrupo de meia-idade (β: 3.1). O TAG e o TOC foram associados a maiores pontuações no PIU no subgrupo de participantes mais velhos (β: 6.4 e 4.3, respectivamente), mas não nos outros grupos etários. Escores do BIS (personalidade impulsiva) e escores do PADUA (tendências obsessivo-compulsivas) foram associados com maiores escores de UIP nos dados completos (β: 0.066 e 0.074, respectivamente) e em todas as análises de subgrupos etários.
4
Discussão
Este artigo é a primeira tentativa de explorar de forma abrangente os diferentes tipos de atividades da Internet associadas ao uso mal adaptado da Internet, ou seja, com o uso problemático da Internet. Trabalhos anteriores geralmente abordam a questão de atividades específicas da Internet que levam ao uso problemático, concentrando-se em atividades de Internet isoladas (
; ; ; ; ). Mostramos aqui que uma série de atividades na Internet, incluindo navegação geral, jogos pela Internet, compras online, uso de sites de leilão, apostas online, redes sociais e uso de pornografia online contribuem separadamente e exclusivamente para a PIU, fornecendo evidências de que a PIU é um complexo. fenômeno compreendendo uma variedade de comportamentos problemáticos. Além disso, mostramos que esses comportamentos mantêm suas associações estatisticamente significativas com PIU, mesmo quando os sintomas psiquiátricos são conhecidos por estarem associados com UIP (ou seja, sintomas de TDAH, TAG e TOC) (;) e dimensões de comportamento conhecidos como preditivos de PIU (ou seja, medidas de personalidade de impulsividade e compulsividade) (;;;
) São levados em consideração. Demonstramos ainda que atividades específicas da internet, como RPG, jogos de azar on-line, uso de sites de leilões e streaming de mídia, estão associadas a pontuações mais altas na PIU e que essa relação é influenciada pela idade. Finalmente, nossos dados mostram que outros tipos de comportamento on-line (por exemplo, compras, pornografia, surfe geral) têm uma relação mais forte com o uso mal adaptado da internet do que jogos e é possível que isso se relacione ao fato de estudos anteriores não incluírem grande variedade de atividades relacionadas à Internet. Esses resultados têm implicações significativas para a conceituação da PIU como uma desordem clinicamente significativa, pois desviam a atenção da construção unidimensional e relativamente estreita do "transtorno do jogo pela Internet", em direção a uma entidade multidimensional de uso problemático da internet ou vício em internet que compreende múltiplas facetas. do comportamento humano online.
Além disso, usando validação cruzada fora da amostra, mostramos que a abordagem “não-padrão” de uso da regressão de Lasso é mais precisa na previsão dos escores da UIP em comparação com a regressão linear “mais padrão”. Usar a estimativa fora da amostra do valor preditivo de um modelo geralmente ajuda a lidar com o fenômeno pelo qual os significados decaem nos estudos de replicação. No entanto, a escolha da regressão de Lasso vem com a ressalva de que variáveis que não são selecionadas pelo modelo (com coeficientes zero) ainda podem ser preditivas, especialmente quando há altas correlações entre variáveis selecionadas e não selecionadas. Em nosso conjunto de dados, não temos nenhuma variável altamente correlacionada, no entanto, essa limitação significa que devemos tratar qualquer resultado negativo de forma conservadora. Por exemplo, a falta de associação entre gênero e PIU, bem como a falta de associação entre atividades de gênero x Internet com PIU, sustenta a hipótese de que se uma gama mais ampla de comportamentos de PIU e potenciais confundidores for levada em consideração, ambos os sexos são igualmente vulneráveis. para o desenvolvimento de facetas da UIP (
; ). No entanto, devido às limitações de nossa análise, não podemos excluir a possibilidade de existirem outras associações entre PIU e gênero. Por exemplo, foi sugerido que o gênero modera a relação entre compras on-line e PIU e que as mulheres podem estar mais em risco (). De relevância pode ser que o transtorno de compra compulsiva, um distúrbio que é proeminente em grupos de meia-idade, tenha uma predominância feminina pela razão 5: 1 (), e pode estar conduzindo tais achados. Nós não temos dados sobre esse transtorno para testar essa hipótese. Também é importante notar que o instrumento IAT usado aqui recebeu críticas sobre sua falta de robustez em relação à estrutura de fatores, diferenças da atual operacionalização do DSM-5 (desordem do jogo) e atraso nos avanços tecnológicos das aplicações da Internet (;
). A pesquisa futura da PIU seria bem servida por instrumentos metodologicamente robustos e validados, que também seriam capazes de capturar a natureza em rápida evolução da PIU de uma perspectiva tecnológica e comportamental.
Nossa análise de subgrupo de idade forneceu informações sobre as associações relacionadas à idade entre a PIU e várias atividades da Internet. A concepção comum de que a PIU é uma desordem da juventude não é necessariamente correta e pode ser baseada na falta de estudos adequadamente planejados que capturem comportamentos online em todas as faixas etárias. Conhecimento insuficiente para a história natural da PIU em toda a vida útil não permite uma exploração abrangente das vulnerabilidades nas populações mais velhas em termos de risco para o desenvolvimento de PIU. No entanto, nossos resultados indicam que essas vulnerabilidades existem e mais pesquisas são necessárias para mapear as características das populações em risco. Por exemplo, ter TDAH ou sintomas de ansiedade social pode ser um preditor de UIP em populações jovens, enquanto que ter sintomas de TOC ou TAG pode ser um preditor de UIP em populações mais velhas. O fato de o TOC não ter sido associado à PIU em uma metanálise recente (
) pode ser um indicador de que populações mais velhas foram pouco estudadas. O fato de o TDAH ter sido fortemente associado a altos escores de UIP não é surpreendente, já que outros estudos relataram uma prevalência muito alta de TDAH (até 100%) em populações de UIP (). Ao mesmo tempo, populações específicas de meia-idade (entre 26 e 55) podem estar em maior risco de PIU, se também sofrem de transtorno de compra compulsivo ou transtorno do jogo, dada a história natural desses transtornos, que atingem o pico na meia idade (
).
Além disso, os achados de que uma determinada atividade on-line estava associada à PIU apenas em faixas etárias específicas, implicam que determinadas faixas etárias podem estar em risco de desenvolver aspectos da UIP. Embora os jovens possam estar mais em risco de desenvolver UIP com propensão a ver pornografia, uma vulnerabilidade que pode ser menos forte na meia-idade e diminuir na vida, pessoas mais velhas podem ser mais propensas a desenvolver UIP caracterizada pelo uso problemático do tempo wasters e streaming media (ver exploratório FIG. 4 ). Finalmente, o surfe geral pode ser uma faceta subestimada da PIU, que parece estar mais fortemente associada a pontuações mais altas de PIU em jovens, mas importante em todos os grupos etários; Esse achado pode estar relacionado ao fato de que o início da vida adulta pode ser menos direcionado aos objetivos e os jovens passam mais tempo durante atividades não estruturadas em ambientes on-line, em comparação com outros grupos mais velhos.
Nossos resultados também têm implicações para a saúde pública em relação à regulamentação do conteúdo online e às intervenções de direcionamento. Se determinadas atividades estão mais fortemente ligadas ao desenvolvimento de uso problemático do que outras, então surge a questão de saber se as políticas de saúde pública devem ter como alvo grupos de indivíduos vulneráveis para melhorar sua resiliência ao risco de PIU, ou se intervenções mais universais visando facetas específicas de comportamentos na Internet, deve ser considerado para tornar os ambientes online menos viciantes. Por exemplo, as plataformas online podem, em alguns casos, usar arquiteturas específicas que tiram proveito das vulnerabilidades dos usuários (ou seja, características impulsivas ou compulsivas) e que visam maximizar o tempo de permanência dos usuários no ambiente online. Embora isso faça sentido do ponto de vista do marketing, levanta a questão de saber se esses ambientes também devem emitir um aviso de saúde para o usuário.
4.1
Limitações
Esta foi uma pesquisa online transversal, portanto, nenhuma relação causal pode ser estabelecida. Além disso, devido à metodologia de recrutamento e à possível propensão de pessoas com PIU a serem mais propensas a completar uma pesquisa online, as descobertas atuais podem não generalizar para PIU na população geral em geral. Outra limitação do nosso estudo é a falta de dados clínicos para algumas entidades diagnósticas associadas à UIP, por exemplo, depressão ou uso indevido de substâncias. Portanto, é possível que a depressão ou o uso indevido de substâncias possam ser responsáveis por algumas das associações observadas em nosso estudo. Estudos futuros devem incluir uma gama mais ampla de parâmetros clínicos para explorar se eles são responsáveis por associações observadas entre PIU e atividades na Internet. Existem outras limitações em relação aos nossos dados clínicos decorrentes do uso do MINI; isto é validado para ser entregue por uma pessoa treinada em uma entrevista face a face, enquanto em nosso estudo foi entregue por meio de uma ferramenta online. No entanto, nossos dados clínicos estão de acordo com estudos anteriores em PIU. Além disso, outra desvantagem de nossa coleta de dados, foi que avaliamos a atividade na Internet usando o tempo gasto na atividade como medida proxy para PIU dessa atividade. Embora isso possa capturar o uso excessivo e, portanto, problemático, também pode capturar o uso essencial. Embora as atividades avaliadas neste estudo sejam muitas vezes, por padrão, não essenciais devido à sua natureza (por exemplo, perda de tempo) ou quando são realizadas em excesso (por exemplo,> 8 h / dia de compras, jogos de azar ou pornografia), estudos futuros poderiam incluir medidas que possam diferenciar o uso da Internet essencial do não essencial para cada atividade da Internet, para permitir tais análises. Outra limitação do nosso estudo é a falta de dados para as populações infanto-juvenis. As populações de crianças e adolescentes podem interagir com a internet de uma maneira diferente, mas também estão expostas ao uso online durante uma janela diferente de neurodesenvolvimento. Portanto, tais diferenças podem implicar em diferentes vulnerabilidades ou resiliência em termos de risco para desenvolver PIU. Por exemplo, a exposição precoce e de baixo nível ao ambiente online pode ter um efeito de 'inoculação de estresse' (
) que orienta os indivíduos para o desenvolvimento futuro da PIU. Se for esse o caso, isso pode explicar ainda mais por que as populações mais velhas, que só tiveram sua primeira exposição de ambientes online na idade adulta, podem ser mais vulneráveis. Estudos futuros podem incluir esses grupos de crianças e adolescentes e examinar prospectivamente se atividades específicas na Internet são preditivas de PIU. Infelizmente, o número de participantes relatando gênero transgênero foi pequeno (n = 18), o que não permitiu uma análise significativa do efeito do gênero transgênero. Uma limitação final de nosso estudo é que nossa população de estudo consiste em adultos saudáveis que apenas em <1% sofrem de comportamentos UPI significativos (IAT> 80). Estudos futuros se beneficiariam de ter um foco específico na extremidade superior do espectro de PIU para poder comparar essas populações PIU graves com um grupo de controle de indivíduos de baixo a moderado ou não PIU. Enquanto a prevalência de ponto estimada de PIU em nossa amostra foi de ~ 8.5% (usando IAT ≥ 50 ponto de corte), os limites para casos clínicos para PIU permanecem controversos e pesquisas futuras se beneficiariam de uma medida e definição universalmente aceita de PIU.
4.2
Conclusão
Resumindo, o DSM-5 destaca o distúrbio de jogos na Internet como um distúrbio candidato, mas outros tipos de comportamento online (por exemplo, compras, pornografia, surfe geral) têm uma relação mais forte com o uso mal adaptado da internet do que jogos. Diagnósticos psiquiátricos e atividades na internet associadas ao uso problemático da internet variam com a idade, um achado que tem implicações na saúde pública. Esses resultados contribuem para o conhecimento limitado sobre as atividades da internet associadas ao uso problemático da internet e podem contribuir para a classificação diagnóstica do uso problemático da internet como um transtorno multifacetado.
Papel das fontes de financiamento
Esta pesquisa recebeu fundos departamentais internos do Departamento de Psiquiatria da Universidade de Chicago. As atividades de pesquisa do Dr. Ioannidis são apoiadas pela Educação Superior em Saúde no Leste da Inglaterra. Autores não receberam financiamento para a elaboração deste manuscrito. A fonte de financiamento não desempenhou nenhum papel no design, na análise de dados ou na redação do estudo.
Contribuintes
KI desenhou a ideia para o manuscrito, analisou os dados, escreveu a maioria do manuscrito e do material complementar e coordenou as contribuições dos coautores. MT e FK participaram da concepção e revisão da análise estatística. SRC, SR, DJS, CL e JEG elaboraram e coordenaram o estudo e coletaram e administraram os dados. Todos os autores leram e aprovaram o manuscrito final e contribuíram com a redação e revisão do artigo, bem como com a interpretação dos resultados.
Conflito de interesses
O Dr. Grant recebeu bolsas de pesquisa do NIDA (RC1DA028279-01), do National Center for Responsible Gaming, e da Roche e Forest Pharmaceuticals. O Dr. Grant recebe uma compensação da Springer como editor-chefe do Journal of Gambling Studies e recebeu royalties da McGraw Hill, da Oxford University Press, da Norton e da APPI. O Dr. Chamberlain é consultor da Cambridge Cognition e seu envolvimento nessa pesquisa foi apoiado por uma Intermediate Clinical Fellowship do Wellcome Trust (Reino Unido; 110049 / Z / 15 / Z). Dan Stein e Christine Lochner são financiados pelo Conselho de Pesquisa Médica da África do Sul. Os outros autores não relatam relações financeiras com interesse comercial. Nenhuma das fontes acima mencionadas desempenhou algum papel na concepção, coleta, análise ou interpretação dos dados, na redação do manuscrito ou na decisão de submeter o artigo para publicação.
Reconhecimento
Somos gratos aos voluntários de ambos os sites que participaram do estudo.
Um apêndice
Dados suplementares
Material suplementar
Referências
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., J. Monnin, Trojak B., Vandel P. e Haffen E .: Massively multiplayer on-line role-playing games: Comparando as características do viciado vs não viciado em linha jogadores recrutados em um População adulta francesa. BMC Psychiatry 2011; 11: pp. 144
Ver no artigo - Associação Americana de Psiquiatria, 2013. Associação Americana de Psiquiatria: Manual diagnóstico e estatístico de transtornos mentais: DSM-5. Washington, DC: Associação Americana de Psiquiatria, 2013.
Ver no artigo - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS e Pallesen S .: Desenvolvimento de uma escala de dependência do Facebook. Relatórios Psicológicos 2012; 110: pp. 501-517
Ver no artigo | Cross Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. e Oren A .: Dependência da Internet entre adultos noruegueses: Um estudo de amostragem de probabilidade estratificada. Revista Escandinava de Psicologia 2009; 50: pp. 121-127
Ver no artigo | Cross Ref - Preto, 2007. Black DW: Uma revisão do transtorno compulsivo de compra. Psiquiatria Mundial: Jornal Oficial da World Psychiatric Association (WPA) 2007; 6: pp. 14-18
Ver no artigo - Block, 2008. Bloquear JJ: Problemas para o DSM-V: vício em Internet. Revista Americana de Psiquiatria 2008; 165: pp. 306-307
Ver no artigo | Cross Ref - Brand et al., 2011. Marca M., Laier C., Pawlikowski M., Schächtle U., Schöler T. e Altstötter-Gleich C .: Assistindo a imagens pornográficas na Internet: papel das avaliações da excitação sexual e dos sintomas psicológicos e psiquiátricos pelo uso excessivo de sites sexuais na Internet . Ciberpsicologia, Comportamento e Redes Sociais 2011; 14: pp. 371-377
Ver no artigo | Cross Ref - Breiman, 2001. Breiman L .: Modelagem estatística: as duas culturas. Ciência estatística 2001; 16: pp. 199-215
Ver no artigo - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R., e Markuszewski MJ: Métodos baseados em PLS e de regularização para a seleção de variáveis relevantes em dados metabolômicos não-alvo. Fronteiras em Biociências Moleculares 2016; 3: pp. 1-10
Ver no artigo - Burns et al., 1996. Burns GL, Keortge SG, Formea GM e Sternberger LG: Revisão do Inventário Pádua dos sintomas do transtorno obsessivo-compulsivo: Distinções entre preocupação, obsessões e compulsões. Pesquisa e Terapia Comportamental 1996; 34: pp. 163-173
Ver no artigo | Cross Ref - Cao e outros, 2007. Cao F., Su L., Liu T. e Gao X .: A relação entre impulsividade e dependência da internet em uma amostra de adolescentes chineses. Psiquiatria Europeia 2007; 22: pp. 466-471
Ver no artigo | Cross Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. e Kaess M .: A associação entre o uso patológico da Internet e a comorbidade psicopatológica: uma revisão sistemática. Psicopatologia 2013; 46: pp. 1-13
Ver no artigo | Cross Ref - Claes e outros, 2016. Claes L., Müller A. e Luyckx K .: compra compulsiva e colecionismo como substitutos identitários: o papel do endosso do valor materialista e da depressão. Psiquiatria Abrangente 2016; 68: pp. 65-71
Ver no artigo | Cross Ref - Cole e Hooley, 2013. Cole SH e Hooley JM: Correlatos clínicos e de personalidade dos jogos MMO: Ansiedade e absorção no uso problemático da internet. Revisão de Computação em Ciências Sociais 2013; 31: pp. 424-436
Ver no artigo | Cross Ref - Cunningham-Williams et al., 2005. RM de Cunningham-Williams, Grucza RA, Cottler LB, Womack SB, Livros SJ, Przybeck TR e Cloninger CR: Prevalência e preditores de jogo patológico: Resultados do estudo de personalidade, saúde e estilo de vida de St. Louis (SLPHL). Revista de Pesquisa Psiquiátrica 2005; 39: pp. 377-390
Ver no artigo | Cross Ref - von Elm et al., 2008. von Elm E., Altman DG, P. Egger, Pocock SJ, PC Gertzsche, Vandenbroucke JP, e Initiative S .: O reforço da elaboração de relatórios de estudos observacionais em epidemiologia (STROBE) declaração: Diretrizes para relatórios de estudos observacionais. Jornal de Epidemiologia Clínica 2008; 61: pp. 344-349
Ver no artigo | Cross Ref - Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M. e Martín V.: Uso problemático da Internet em estudantes universitários: fatores associados e diferenças de gênero . Adicciones 2015; 27: pp. 265-275
Ver no artigo | Cross Ref - Friedman et al., 2010. Friedman J., Hastie T. e Tibshirani R .: Caminhos de regularização para modelos lineares generalizados via descida coordenada. Jornal de Software Estatístico 2010; 33: pp. 1-22
Ver no artigo - Griffiths, 2003. Griffiths M .: Jogos de azar na Internet: questões, preocupações e recomendações. Ciberpsicologia e comportamento: O impacto da Internet, multimídia e realidade virtual no comportamento e na sociedade, 2003; 6: pp. 557-568
Ver no artigo | Cross Ref - Ha e Hwang, 2014. Ha Y.-M. e Hwang WJ: Diferenças de gênero na dependência de internet associadas a indicadores de saúde psicológica entre adolescentes usando uma pesquisa nacional baseada na web. Revista Internacional de Saúde Mental e Dependência 2014; 12: pp. 660-669
Ver no artigo | Cross Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F, Lu Y. e Mak K.-K .: A associação entre dependência de internet e co-morbidade psiquiátrica: Uma meta-análise. BMC Psychiatry 2014; 14: pp. 183
Ver no artigo - Hoerl e Kennard, 1970. Hoerl AE e Kennard RW: Regressão de Ridge: Estimação tendenciosa para problemas não ortogonais. Technometrics 1970; 12: pp. 55-67
Ver no artigo - Huys et al., 2016. Huys QJM, Maia TV e Frank MJ: psiquiatria computacional como uma ponte da neurociência para aplicações clínicas. Natureza Neurociência 2016; 19: pp. 404-413
Ver no artigo | Cross Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J. e Yoshida T .: Sem mobilidade, sem vida: Autopercepção e dependência de mensagem de texto entre estudantes japoneses do ensino médio.
Ver no artigo - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. e Grant JE: Uso problemático da Internet (PIU): Associações com o espectro impulsivo-compulsivo. Journal of Psych: Uma aplicação de aprendizado de máquina em psiquiatria, 2016.
Ver no artigo - Janower, 2006. Janower CR: Jogando na Internet. Jornal de Comunicação Mediada por Computador 2006; 2: pp. 0
Ver no artigo | Cross Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E., e Walters EE: A escala de auto-relato de ADHD adulto da Organização Mundial de Saúde (ASRS): Uma escala de rastreio curta para uso no geral população. Medicina Psicológica 2005; 35: pp. 245-256
Ver no artigo | Cross Ref - Kessler et al., 2016. Kessler RC, van Loo HM, K Wardenaar, Bossarte RM, Brenner LA, Cai T. e Zaslavsky AM: Teste de um algoritmo de aprendizado de máquina para prever a persistência e a gravidade do transtorno depressivo maior a partir dos auto-relatos iniciais. Psiquiatria Molecular 2016; 21: pp. 1366-1371
Ver no artigo | Cross Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G, Zullino D., Dufour M. e Rothen S .: Estrutura de fatores do teste de dependência da internet em jogadores online e jogadores de pôquer. JMIR Saúde Mental 2015; 2:
Ver no artigo - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C. e Gao J .: Abordagem integrativa para inferência de redes reguladoras de genes usando caracterização aleatória baseada em laço e aplicação a transtornos psiquiátricos. BMC Medical Genomics 2016; 9: pp. 50
Ver no artigo - King, 1999. King SA: jogos de azar na Internet e pornografia: exemplos ilustrativos das consequências psicológicas da anarquia da comunicação. Cyberpsychology & Behavior 1999; 2: pp. 175-193
Ver no artigo - Rei e Barak, 1999. King SA e Barak A .: Compulsive Internet Gambling. Cyberpsychology & Behavior 1999; 2: pp. 441-456
Ver no artigo | Cross Ref - Király et al., 2015. Király O., Griffiths MD e Demetrovics Z .: Distúrbio dos jogos de Internet e o DSM-5: Conceituação, debates e controvérsias. Relatórios atuais de vício 2015; 2: pp. 254-262
Ver no artigo - Király et al., 2014. Király O., Griffiths MD, R. Urbán, Farkas J., Kökönyei G., Elekes Z., e Demetrovics Z .: O uso problemático de internet e os jogos on-line problemáticos não são os mesmos: descobertas de uma grande amostra de adolescentes representativos nacionalmente. Ciberpsicologia, Comportamento e Redes Sociais 2014; 17: pp. 749-754
Ver no artigo - Kittinger e outros, 2012. Kittinger R., Correia CJ e Irons JG: Relação entre o uso do Facebook e o uso problemático da internet entre estudantes universitários. Ciberpsicologia, Comportamento e Redes Sociais 2012; 15: pp. 324-327
Ver no artigo | Cross Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S. e Chen C.-C .: A associação entre vício em internet e transtorno psiquiátrico: uma revisão da literatura . Psiquiatria Europeia 2012; 27: pp. 1-8
Ver no artigo - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C. e Yang M.-J .: Fatores preditivos para incidência e remissão do vício em internet em jovens adolescentes: A estudo prospectivo. Ciberpsicologia e comportamento: o impacto da Internet, multimídia e realidade virtual no comportamento e na sociedade, 2007; 10: pp. 545-551
Ver no artigo | Cross Ref - Kuss e Griffiths, 2011. Kuss DJ e Griffiths MD: rede social online e vício - uma revisão da literatura psicológica. Revista Internacional de Pesquisa Ambiental e Saúde Pública 2011; 8: pp. 3528-3552
Ver no artigo | Cross Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD e Binder JF: Dependência da Internet em estudantes: Prevalência e fatores de risco. Computadores em Comportamento Humano 2013; 29: pp. 959-966
Ver no artigo | Cross Ref - Kuss e Lopez-Fernandez, 2016. Kuss DJ e Lopez-Fernandez O .: vício em Internet e uso problemático da Internet: uma revisão sistemática da pesquisa clínica. Jornal Mundial de Psiquiatria 2016; 6: pp. 143-176
Ver no artigo | Cross Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF e Chabrol H .: Uso problemático da Internet, tempo gasto online e traços de personalidade. L'Encéphale 2016; 42: pp. 214-218
Ver no artigo | Cross Ref - Laconi et al., 2014. Laconi S., Rodgers RF, e Chabrol H .: A medição do vício em Internet: Uma revisão crítica das escalas existentes e suas propriedades psicométricas. Computadores em Comportamento Humano 2014; 41: pp. 190-202
Ver no artigo | Cross Ref - Laier et al., 2013. Laier C., M. Pawlikowski, Pekal J., Schulte FP, e Brand M .: vício em cibersexo: excitação sexual experiente quando assistir pornografia e não contatos sexuais na vida real faz a diferença. Jornal de Vícios Comportamentais 2013; 2: pp. 100-107
Ver no artigo | Cross Ref - Lecardeur, 2013. Lecardeur L .: Psicopatologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: pp. 579-586
Ver no artigo | Cross Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A. e Bian Y .: Diferenças de gênero na relação entre vício em internet e depressão: um estudo cruzado em adolescentes chineses. Computadores em Comportamento Humano 2016; 63: pp. 463-470
Ver no artigo | Cross Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O .: Como a pesquisa sobre dependência de drogas evoluiu desde o advento do distúrbio do jogo na internet? Uma visão geral das ciberadições de uma perspectiva psicológica. Relatórios atuais de vício 2015; 2: pp. 263-271
Ver no artigo | Cross Ref - Masten e Tellegen, 2012. Masten AS, e Tellegen A .: Resiliência em psicopatologia do desenvolvimento: Contribuições do estudo longitudinal da competência do projeto. Desenvolvimento e Psicopatologia 2012; 24: pp. 345-361
Ver no artigo | Cross Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A., e de Zwaan M .: Prevalência estimada de compra compulsiva na Alemanha e sua associação com características sociodemográficas e sintomas depressivos. Investigação em Psiquiatria 2010; 180: pp. 137-142
Ver no artigo | Cross Ref - Patton e outros, 1995. Patton JH, Stanford MS e Barratt ES: Estrutura fatorial da escala de impulsividade de Barratt. Jornal de Psicologia Clínica 1995; 51: pp. 768-774
Ver no artigo | Recupero, 2008. Recupero PR: Avaliação forense de uso problemático da Internet. O Jornal da Academia Americana de Psiquiatria e da Lei 2008; 36: pp. 505-514
Ver no artigo - Rose e Dhandayudham, 2014. Rose S. e Dhandayudham A .: Rumo a uma compreensão do comportamento de compras problemáticas baseadas na Internet: o conceito de dependência de compras on-line e seus preditores propostos. Jornal de Vícios Comportamentais 2014; 3: pp. 83-89
Ver no artigo | Cross Ref - Rutland et al., 2007. Rutland JB, Sheets T. e Young T .: Desenvolvimento de uma escala para medir o uso de problemas de serviço de mensagens curtas: o questionário de diagnóstico de problemas de SMS. Cyberpsychology & Behavior 2007; 10: pp. 841-844
Ver no artigo | Cross Ref - Rutter, 1993. Rutter M .: Resiliência: Algumas considerações conceituais. Revista de Saúde do Adolescente: Publicação Oficial da Society for Adolescent Medicine 1993; 14: pp. 626-631
Ver no artigo | Cross Ref - Shaw e preto, 2008. Shaw M. e Black DW: dependência da Internet: definição, avaliação, epidemiologia e gestão clínica. Drogas do SNC 2008; 22: pp. 353-365
Ver no artigo | Cross Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E., e Dunbar GC: A Mini-International Neuropsychiatric Interview (MINI): O desenvolvimento e validação de uma entrevista psiquiátrica diagnóstica estruturada para DSM-IV e ICD-10. O Jornal de Psiquiatria Clínica 1998; 59:
Ver no artigo - Tam e Walter, 2013. Tam P. e Walter G .: Uso problemático da internet na infância e juventude: Evolução de uma aflição do século 21st. Psiquiatria Australasiana 2013; Indefinido:
Ver no artigo - Tibshirani, 1996. Tibshirani R .: Retração de regressão e seleção através do laço. Jornal da Royal Statistical Society, Série B 1996; 58: pp. 267-288
Ver no artigo - Tikhonov, 1963. Tikhonov AN: Solução de problemas formulados incorretamente e o método de regularização. Matemática Soviética Doklady 1963; 5: pp. 1035-1038
Ver no artigo - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A. e Brand M .: Compra on-line patológica como uma forma específica de vício em internet: uma investigação experimental baseada em modelo. PLoS One 2015; 10:
Ver no artigo - Tsai e outros, 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC e Yang YK: Os fatores de risco do vício em Internet? Uma pesquisa de calouros da universidade. Investigação em Psiquiatria 2009; 167: pp. 294-299
Ver no artigo | Cross Ref - Wallace, 2014. Wallace P .: Transtorno de dependência à Internet e juventude: Há preocupações crescentes sobre a atividade on-line compulsiva e que isso pode impedir o desempenho dos alunos e sua vida social. EMBO Reports 2014; 15: pp. 12-16
Ver no artigo | Cross Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W. e Hong Z .: Atividades on-line, prevalência de dependência de internet e fatores de risco relacionados à família e à escola entre adolescentes na China. Relatórios de comportamentos aditivos 2018; 7: pp. 14-18
Ver no artigo | Cross Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M. e Kozak K .: Dependência da Internet na população universitária: o papel da timidez. Cyberpsychology & Behavior 2004; 7: pp. 379-383
Ver no artigo | Cross Ref - Jovem, 1998. Jovem KS: Vício em Internet: O surgimento de um novo transtorno clínico. CyberPsychology & Behavior 1998; 1: pp. 237-244
Ver no artigo | Cross Ref
;