Validação de uma versão em malaio da Escala de Vício em Smartphone entre estudantes de Medicina na Malásia (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337.

Ching SM1, Yee A2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

Sumário

INTRODUÇÃO:

Este estudo foi iniciado para determinar as propriedades psicométricas da Smart Phone Addiction Scale (SAS), traduzindo e validando esta escala na língua malaia (SAS-M), que é a principal língua falada na Malásia. Este estudo pode distinguir o vício em telefone inteligente e internet entre estudantes de medicina malaios multiétnicos. Além disso, a confiabilidade e validade do SAS também foi demonstrada.

MATERIAIS E MÉTODOS:

Um total de participantes 228 foram selecionados entre agosto 2014 e setembro 2014 para completar um conjunto de questionários, incluindo o SAS e o teste de dependência da Internet Kimberly Young (IAT) modificado na língua malaia.

RESULTADOS:

Foram incluídos neste estudo 99 homens e 129 mulheres com idades entre 19 e 22 anos (21.7 ± 1.1). Foram realizadas análises descritivas e fatoriais, coeficientes intraclasse, testes t e análises de correlação para verificar a confiabilidade e validade do SAS. O teste de esfericidade de Bartlett foi significativo (p <0.01), e a medida de adequação da amostra de Kaiser-Mayer-Olkin para o SAS-M foi de 0.92, indicando meritoriamente que a análise fatorial foi apropriada. A consistência interna e a validade concorrente do SAS-M foram verificadas (alfa de Cronbach = 0.94). Todas as subescalas do SAS-M, exceto a antecipação positiva, foram significativamente relacionadas à versão malaia do IAT.

CONCLUSÕES:

Este estudo desenvolveu a primeira escala de dependência de smartphones entre estudantes de medicina. Essa escala mostrou ser confiável e válida na língua malaia.

Citação: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validação de uma versão malaio da Escala de Dependência de Smartphone entre Estudantes de Medicina na Malásia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, Universidade de Ariel, ISRAEL

Recebido: Março 18, 2015; Aceitaram: Setembro 11, 2015; Publicado em: 2 de outubro de 2015

Direitos de autor: © 2015 Ching et al. Este é um artigo de acesso aberto distribuído sob os termos do Licença Creative Commons Attribution, que permite o uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original e a fonte sejam creditados

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

Financiamento: Os autores também gostariam de agradecer ao fundo de pesquisa da UPM (concessão no: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) para o apoio financeiro. O URL é http://www.rmc.upm.edu.my/.

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

Introdução

Não há dúvida de que o smartphone nos proporcionou uma enorme conveniência em nosso dia a dia, já que tem uma capacidade de computação e conectividade mais avançada do que os telefones básicos de recursos [1]. O uso do smartphone tem sua própria variedade de objetivos e finalidades. Uma ampla gama de estudos relatou que o smartphone tem inúmeros benefícios para fins sociais e médicos [2-5]. Embora o smartphone tenha se tornado uma das ferramentas de comunicação mais populares e importantes, seu uso excessivo emergiu como uma questão social em todo o mundo e criou uma nova preocupação com a saúde mental, na qual o usuário tende a desenvolver dependência dele [6-8].

O vício em smartphones também é chamado de “dependência de celular”, “uso compulsivo de telefone celular” ou “uso excessivo de telefone celular”. Esses termos descrevem principalmente o fenômeno do uso problemático de telefones celulares [9, 10]. “Adicção de smartphones” é o termo normalmente usado na literatura. Esse vício é caracterizado principalmente por preocupações, impulsos ou comportamentos excessivos ou mal controlados em relação ao uso de smartphones, na medida em que os indivíduos negligenciam outras áreas da vida [11-13]. Estudos relatam que o uso excessivo de telefones celulares foi associado a estresse, distúrbios do sono, tabagismo e sintomas de depressão.14-16].

Dados recentes da Malásia mostraram que a penetração do smartphone aumentou de 47% em 2012 para 63% em 2013. Em 2014, 10.13 milhões de malaios eram usuários ativos de smartphones, em comparação com 7.7 milhões em 2012 [17-20]. O uso patológico do smartphone é semelhante ao vício em internet. O uso do vício em internet se torna excessivo entre jovens e adultos em todo o mundo [21]. A dependência excessiva da internet leva a distúrbios psiquiátricos, baixa autoestima, depressão e prejuízo no desempenho acadêmico e ocupacional [22-25]. Estudos locais relataram que a prevalência do vício em internet foi 43% [26], e há mais de 4.2 milhões de usuários ativos do Facebook na Malásia; Na verdade, o Facebook é o principal site de relacionamento do país. Dado que tem havido um rápido aumento no uso de smartphones na Malásia, há uma necessidade urgente de validar uma escala para medir a dependência de smartphones na população local para determinar sua prevalência e identificar quem está em risco de desenvolver dependência de smartphones para que os decisores políticos pode planejar uma intervenção adequada em um futuro próximo.

Como a estrutura fatorial preparada para o teste de dependência de internet [27], a Smartphone Addiction Scale (SAS) desenvolvida por Min Kwon et al. foi a primeira escala de dependência de smartphones usada para diagnóstico [28]. Esta escala é composta por itens 33 e tem sido relatada como confiável, com boa consistência interna (alpha de Cronbach = 0.967), e a validade concorrente das seis subescalas vai de 0.32 a 0.61 [28].

Este estudo teve como objetivo traduzir o SAS para a língua malaia e estudar as propriedades psicométricas da versão malaia do SAS (SAS-M) para facilitar seu uso para futuras pesquisas no cenário local.

Metodologia

Projeto de estudo e configuração

Este foi um estudo transversal de todos os estudantes de medicina do primeiro e segundo ano da Universiti Putra Malaysia. Esses alunos foram abordados para um estudo de validação de agosto 2014 até setembro 2014. Esta universidade está localizada em Serdang, próximo à capital administrativa da Malásia, Putrajaya. Estimamos que o tamanho da amostra fosse pelo menos 165 com base no cálculo de cinco casos por item no SAS (que tem um total de itens 33) [29]. Portanto, um tamanho de amostra de 228 neste estudo foi adequado.

Procedimento.

Estágio 1: O autor obteve a versão em inglês do SAS de Kwon et al. A tradução do inglês para o malaio foi realizada em paralelo por dois especialistas em idiomas bilíngües, e uma tradução para trás foi realizada por um terceiro especialista em idiomas bilíngües. As discrepâncias entre a versão original e a retrotradução foram discutidas e os ajustes foram feitos de acordo. Uma versão final do SAS traduzido, que chamamos de rascunho do SAS-M, foi gerada por um painel de especialistas composto por um psiquiatra, dois médicos seniores e um médico de família, todos profissionais qualificados quanto ao uso de instrumentos psicométricos e todos os quais tinham experiência clínica com condições depressivas.

Estágio 2: O primeiro rascunho do SAS-M foi testado experimentalmente entre os estudantes nativos do idioma malaio 20 para identificar quaisquer falhas nesta versão. Quaisquer palavras consideradas inadequadas ou inadequadas nesta versão foram anotadas e corrigidas. A maioria dos alunos teve dificuldade em aceitar o item 15: “ficar bravo e ressentido quando não tenho um smartphone”. Este item foi revisado e traduzido como "Sentindo-se impaciente e inquieto quando não tenho um smartphone" na língua malaia. A versão finalizada do SAS-M foi revisada por dois psiquiatras consultores com mais de 10 anos de experiência para avaliar a validade de conteúdo e assegurar uma face satisfatória e semântica satisfatória, critérios e equivalência conceitual.

Estágio 3: Cada aluno forneceu consentimento informado por escrito após receber uma explicação completa da natureza e confidencialidade do estudo, e os alunos 228 consentiram em participar do estudo, com uma taxa de não resposta de 9%. Os dados sociodemográficos (idade, sexo, etnia e renda familiar) foram obtidos dos estudantes. Informações sobre o uso do smartphone dos alunos com base em sua própria estimativa, como o número de horas de uso por semana, o número de anos como usuário regular de smartphone e a idade em que começaram a usar um smartphone, foram documentadas. Os alunos receberam os seguintes questionários:

  1. O SAS e o SAS-M (Tabela A em Texto S1).
  2. Versão Malaio do Teste de Vício em Internet.

Instrumentos

Escala de dependência de smartphone [28].

O SAS é uma escala tipo Likert de ponto 6 autopreenchida com itens 33. Cada questão tem uma escala de resposta de 1 a 6 (1 = discordo totalmente a 6 = concordo totalmente), refletindo a frequência dos sintomas. O entrevistado circula a declaração que descreve mais de perto as características de uso do smartphone. A pontuação total possível no SAS varia de 48 a 288. Quanto maior a pontuação, maior o grau de uso patológico do smartphone.

Teste de dependência de internet [26].

O questionário IAT, desenvolvido pela Kimberly Young no 1998, é a ferramenta mais utilizada para diagnosticar o vício em internet. A versão malaia foi validada localmente, com boa consistência interna (alfa de Cronbach = 0.91) e confiabilidade paralela (coeficiente de correlação intraclasse (ICC) = 0.88, P <0.001). Este é um questionário autopreenchido que consiste em uma escala do tipo Likert de 5 pontos contendo 20 itens, com valor mínimo de 20 pontos e máximo de 100. A pontuação de cada questão varia de 1 a 5 (1 = nunca a 5 = sempre), replicando a ocorrência dos sintomas. Os alunos escolheram a afirmação que melhor descreve as características de uso da internet. Quanto maior a pontuação, maior o grau de uso patológico da internet. Quando a pontuação na versão malaia do IAT é superior a 43, o indivíduo é diagnosticado como estando em risco de dependência de internet [26].

Análise Estatística

Todas as análises foram realizadas com o programa Statistical Package for the Social Sciences versão 21.0 (SPSS, Chicago, IL, EUA). Estatísticas descritivas foram calculadas para as características de base dos participantes. O alfa de Cronbach foi usado para avaliar a consistência interna do SAS-M, e a normalidade dos dados foi avaliada por meio da análise de Kolmogorov-Smirnov. A homogeneidade dos itens da escala foi analisada com base nos coeficientes de correlação entre os itens e escores totais se um item fosse excluído. A validade de construto foi investigada por análise fatorial exploratória e promax oblíqua com normalização de Kaiser. A carga fatorial de> 0.30 foi usada para determinar os itens para cada fator. Com base na regra de Guttman-Kaiser, os fatores com autovalor maior que 1 são retidos [30, 31]. O ICC foi usado para examinar a confiabilidade paralela entre o SAS-M e a versão em inglês do SAS e a confiabilidade teste-reteste do SAS-M. A correlação de Pearson foi usada para examinar a validade concorrente entre o SAS-M e a versão malaia do TAI. O ponto de corte ideal SAS-M para casos de risco foi determinado a partir dos pontos de coordenadas quando a pontuação para a versão malaia do TAI era superior a 43 [26], momento em que a sensibilidade e especificidade foram ótimas nas análises ROC (receiver operating characteristic). A área sob a curva (AUC) foi determinada para a curva ROC.

Definição

Usuários regulares são definidos como aqueles que usam smartphones pelo menos 6 ou mais vezes em meses 6 [32]

Aprovação ética

A aprovação de ética para este estudo foi obtida do Comitê de Ética da Universiti Putra Malaysia (FPSK-EXP14 P091).

Consistentes

Um total de alunos 228 foram recrutados neste estudo. tabela 1 mostra as características clínicas da população estudada. No geral, a idade média foi de aproximadamente 22 anos ± 1.1. Mais da metade dos estudantes eram do sexo feminino (56.6%), e a maioria era de etnia malaia (52.4%). A média de horas de uso de smartphones por semana foi de 36.5 horas. Em média, os alunos começaram a usar um smartphone com a idade de 19 anos, e o número médio de anos de uso regular de smartphones foi de 2.4 anos.

miniaturas  

 
Tabela 1. Características da população do estudo (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Estrutura Fatorial e Consistência Interna do SAS-M

O teste de esfericidade de Bartlett foi significativo (p <0.01), e a medida de adequação de amostragem de Kaiser-Meyer-Olkin para o SAS-M foi de 0.92, indicando que a escala era meritória [33], que por sua vez indicava que a análise fatorial era apropriada. Seis fatores foram extraídos (autovalor> 1.00) por meio da abordagem de análise fatorial exploratória e da rotação promax oblíqua com normalização Kaiser, que representou 65.3% da variância total. Este resultado foi consistente com o SAS original [28].

O SAS-M exibiu boa consistência interna; O coeficiente alfa de Cronbach para a escala total foi 0.94, e os respectivos coeficientes para os seis fatores foram 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. Os seis fatores correspondentes às subescalas da SAS foram referidos como “relação orientada para o ciberespaço”, “perturbação da vida diária”, “primazia”, “uso excessivo”, “antecipação positiva” e “retirada” (tabela 2). Todos os itens tiveram correlações totais de item corrigido de mais de 0.9. A exclusão de qualquer um dos itens não aumentou a consistência interna da pontuação total (tabela 3). A confiabilidade paralela entre o SAS-M e o SAS foi alta, como demonstrado por um ICC de 0.95 (95% Intervalo de confiança = 0.937 – 0.962). A confiabilidade teste-reteste do SAS-M após um intervalo de 1-semana foi alta, com um ICC de 0.85 (95% Intervalo de confiança = 0.808-0.866).

miniaturas  

 
Tabela 2. Análise fatorial da versão SAS-Malay.

 

doi: 10.1371 / journal.pone.0139337.t002

miniaturas  

 
Tabela 3. Corrigido item-correlações totais e alfa de Cronbach se o item foi excluído para o SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Validade Concorrente do SAS-M: Correlações entre as Subescalas do SAS-M e a Versão Malaia do IAT

Os resultados da análise de correlação de Pearson que foi realizada entre as subescalas do SAS-M e a versão malaia do IAT são mostrados em tabela 4. Os resultados mostram que todas as subescalas do SAS-M, com exceção da “antecipação positiva”, foram significativamente relacionadas à versão malaia do TAI.

miniaturas  

 
Tabela 4. Validade concorrente do SAS-M (correlação de Pearson): Subescalas do SAS-M e a versão malaia do TAI.

 

doi: 10.1371 / journal.pone.0139337.t004

A AUC para a curva ROC foi 0.801 (95% CI = 0.746 para 0.855). O ponto de corte ideal para identificar os casos em risco foi superior ao 98, com uma sensibilidade de 71.43%, uma especificidade de 71.03%, um valor preditivo positivo (PPV) de 64.10% e um valor preditivo negativo (NPV) de 77.44 %. A prevalência de um caso de risco em desenvolvimento de dependência de smartphones neste estudo foi 46.9%, com base em uma pontuação de 98.

Discussão

Este estudo examinou a consistência interna, dimensionalidade e validade concorrente e de construção do SAS-M. Descobertas do estudo indicam que o SAS-M é um instrumento confiável e válido para avaliar a dependência de smartphones na população de língua malaia.

Neste estudo, o SAS-M exibiu boa consistência interna; O coeficiente alfa de Cronbach para a escala total foi 0.94, e os respectivos coeficientes para os seis fatores foram 0.877, 0.843, 0.865, 0.837, 0.865 e 0.861. A confiabilidade paralela do SAS-M e a confiabilidade teste-reteste após um intervalo de 1-semana foram consideradas boas, com CCIs de 0.95 e 0.85, respectivamente, que são até melhores que as da versão original do SAS [28]. Até o momento, este é o primeiro estudo de seu tipo relacionado ao vício em smartphones, e mostra que o SAS-M é tão bom quanto a versão em inglês.

No entanto, os seis componentes dominantes que explicaram uma grande proporção da variabilidade do SAS-M foram semelhantes aos do SAS original. No presente estudo, os componentes consistiram em “relação orientada ao ciberespaço”, “perturbação da vida diária”, “primazia”, “uso excessivo”, “antecipação positiva” e “retirada”. Os componentes do SAS original foram “perturbação da vida diária”, “antecipação positiva”, “retirada”, “relação orientada para o ciberespaço”, “uso excessivo” e “tolerância”. Nem todos os fatores adquiridos nessa análise fatorial foram paralelos aos fatores obtidos no SAS original. É mais provável que isso reflita as diferenças entre amostras malaias e coreanas. O significado do SAS original foi alterado durante o processo de tradução.

A maioria dos componentes relatados no presente estudo são os mesmos, exceto pelo componente “primacy”, que é diferente do componente “tolerância” no SAS original. As possíveis razões podem ser que a nossa população de estudo era mais jovem (21.7 ± 1.1 anos com uma faixa etária de 20 a 27) em comparação com a população coreana (26.1 ± 6.0 com faixas etárias de 18 a 53). O pano de fundo nossa população de estudo foi homogênea como todos os indivíduos eram estudantes de medicina em comparação com a ampla gama de ocupação e nível de educação no estudo SAS original. A interpretação diferente poderia ser complicada pela heterogeneidade nas origens e educação da população estudada.

Neste estudo, todas as subescalas do SAS-M, exceto “antecipação positiva”, foram significativamente relacionadas à versão malaio do IAT. Essa pode ser a única subescala que não se relaciona bem com o TAI, porque o TAI mede principalmente o uso adverso da Internet, portanto, não há itens que perguntem sobre antecipação positiva. No entanto, este aspecto não reduz a validade concorrente porque as outras subescalas 5 estão fortemente correlacionadas.

A prevalência de casos de risco que poderiam ser identificados como dependência de smartphones usando essa escala foi 46.9%. Existem várias explicações possíveis para este resultado. A alta prevalência de dependência de smartphones é esperada, pois um estudo local mostrou que 85% dos malaios possui telefones celulares [18]. Smartphones são a opção favorita porque os malaios tendem a seguir as tendências da comunidade [20]. Além disso, o smartphone fornece mensagens instantâneas gratuitas através de certas plataformas, por exemplo, WhatsApp e WeChat, que enriquecem a vida dos usuários. O entretenimento é outra possível explicação para a alta prevalência de dependência de smartphones, pois com esses telefones, estudantes de medicina podem ouvir música, assistir a filmes e jogar jogos para aliviar o estresse.34]. Portanto, eles podem tender a passar mais tempo com seu smartphone no final do dia e, finalmente, tornar-se usuários patológicos.

No entanto, uma das preocupações em nosso estudo seria a pontuação ótima de corte SAS-M para casos de risco foi determinada a partir dos pontos de coordenadas quando a pontuação para a versão malaio do IAT foi maior que 43. Isso não está em dia com cortes bem estabelecidos para o TAI. Da mesma forma, não há critério diagnóstico estabelecido de dependência de internet ou smartphone de acordo com o DSM V no espectro do transtorno de dependência [21, 25]. Assim, o ponto de corte proposto por nosso estudo provavelmente foi muito baixo, levando a uma taxa muito alta de dependência de smartphones. Por direito, o diagnóstico da dependência da internet deve basear-se em três critérios, conforme descrito por Ko, et al, 2012 [25].

O SAS-M funciona mais como um rastreio ou uma escala para a avaliação da gravidade do uso viciante do smartphone do que um instrumento de diagnóstico. Fazer um diagnóstico adequado do vício em smartphones será uma questão importante para pesquisas futuras. Propusemos que no futuro o diagnóstico da dependência de smartphones deveria incluir mais critérios que consistem nos critérios A, B e C. O Critério A contém seis sintomas característicos do vício em smartphones como relacionamento orientado para o ciberespaço, perturbação da vida diária, primazia, uso excessivo, antecipação positiva e retirada. O critério B precisa incluir o prejuízo funcional secundário ao uso do smartphone. O critério C deve excluir outros transtornos psiquiátricos, como transtorno bipolar ou outro transtorno impulsivo. Os indivíduos que preenchem todos os critérios A, B e C só seriam considerados como tendo dependência de smartphones.

Força e limitações

Os resultados deste estudo devem ser interpretados no contexto das limitações do estudo: Primeiro, não há um critério diagnóstico estabelecido para dependência de internet ou smartphone de acordo com o DSM V no espectro do transtorno de dependência [21, 25]. No entanto, tendo em vista os limitados estudos sobre o vício em smartphones no ambiente local, os resultados deste estudo ainda podem fornecer algumas idéias para a equipe de profissionais de saúde. Segundo, apesar do tamanho da amostra ser adequado, mas não foi randomizado. O gênero e a raça não foram igualmente distribuídos. Além disso, este estudo foi realizado em um único centro, de modo que a população da amostra era homogênea e pode não refletir a população geral da Malásia.

Apesar dessa limitação, os resultados do presente estudo comprovaram que o SAS-M pode ser usado para a avaliação da dependência de smartphones entre jovens adultos malaios educados.

Conclusão

Este estudo desenvolveu a primeira escala de dependência de smartphones entre estudantes de medicina. Este estudo também fornece evidências de que o SAS-M é uma ferramenta válida e confiável, autoadministrada para rastrear aqueles com risco de ter dependência de smartphones.

Informações de Apoio

S1_Text.doc
 
 

Texto S1. Vício do telefone esperto Questionário da versão do Malay.

doi: 10.1371 / journal.pone.0139337.s001

(DOC)

Contribuições do autor

Concebeu e desenhou as experiências: SMC AY FKH. Realizou os experimentos: VR SMSL WAWS YLF. Analisou os dados: SMC AY. Reagentes / materiais / ferramentas de análise: SMC AY. Escrevi o artigo: SMC AY VR.

Referências

  1. 1. Aplicações inteligentes Smartphone Rashvand HF, Hsiao KF (2015): uma breve revisão. Sistemas multimídia 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
  2. 2. Mosa AS, Yoo I, Folhas L (2012) Uma revisão sistemática de aplicativos de saúde para smartphones. Informática Médica e Tomada de Decisões da BMC 12: 67. doi: 10.1186 / 1472-6947-12-67. pmid: 22781312
  3. Ver artigo
  4. PubMed / NCBI
  5. Google Scholar
  6. Ver artigo
  7. PubMed / NCBI
  8. Google Scholar
  9. Ver artigo
  10. PubMed / NCBI
  11. Google Scholar
  12. Ver artigo
  13. PubMed / NCBI
  14. Google Scholar
  15. Ver artigo
  16. PubMed / NCBI
  17. Google Scholar
  18. Ver artigo
  19. PubMed / NCBI
  20. Google Scholar
  21. Ver artigo
  22. PubMed / NCBI
  23. Google Scholar
  24. Ver artigo
  25. PubMed / NCBI
  26. Google Scholar
  27. Ver artigo
  28. PubMed / NCBI
  29. Google Scholar
  30. Ver artigo
  31. PubMed / NCBI
  32. Google Scholar
  33. Ver artigo
  34. PubMed / NCBI
  35. Google Scholar
  36. Ver artigo
  37. PubMed / NCBI
  38. Google Scholar
  39. Ver artigo
  40. PubMed / NCBI
  41. Google Scholar
  42. Ver artigo
  43. PubMed / NCBI
  44. Google Scholar
  45. Ver artigo
  46. PubMed / NCBI
  47. Google Scholar
  48. Ver artigo
  49. PubMed / NCBI
  50. Google Scholar
  51. Ver artigo
  52. PubMed / NCBI
  53. Google Scholar
  54. Ver artigo
  55. PubMed / NCBI
  56. Google Scholar
  57. Ver artigo
  58. PubMed / NCBI
  59. Google Scholar
  60. Ver artigo
  61. PubMed / NCBI
  62. Google Scholar
  63. Ver artigo
  64. PubMed / NCBI
  65. Google Scholar
  66. Ver artigo
  67. PubMed / NCBI
  68. Google Scholar
  69. Ver artigo
  70. PubMed / NCBI
  71. Google Scholar
  72. Ver artigo
  73. PubMed / NCBI
  74. Google Scholar
  75. Ver artigo
  76. PubMed / NCBI
  77. Google Scholar
  78. Ver artigo
  79. PubMed / NCBI
  80. Google Scholar
  81. Ver artigo
  82. PubMed / NCBI
  83. Google Scholar
  84. Ver artigo
  85. PubMed / NCBI
  86. Google Scholar                     
  87. 3. Pista N, Mohammod M, Lin M, X Yang, Lu H, Ali S, et al. (2011) BeWell: Uma aplicação de smartphone para monitorar, modelar e promover o bem-estar. 5th Conferência Internacional sobre Tecnologias de Computação Pervasivas para Cuidados de Saúde, Dublin.
  88. 4. Patrick K, Griswold WG, Raab F, SS Intille (2008) Saúde e o telefone celular. Revista Americana de Medicina Preventiva 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. pmid: 18550322
  89. 5. Derbyshire E, Dancey D (2013) Aplicações médicas do smartphone para a saúde da mulher: o que é a base de evidências e o feedback? International Journal of Telemedicine and Applications Artigo ID 782074, 10. doi: 10.1155 / 2013/782074
  90. 6. Emad AS, Haddad E (2015) A influência dos telefones inteligentes na saúde humana e no comportamento: percepções jordanianas. Revista Internacional de Redes de Computadores e Aplicações 2 (2): 52 – 56.
  91. 7. Sarwar M, Soomro TR (2013) O impacto dos smartphones na sociedade. Revista Européia de Pesquisa Científica 98 (2): 216 – 226.
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) Um estudo sobre alguns dos efeitos comuns dos telefones celulares na saúde entre estudantes universitários. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
  93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Desenvolvimento e validação do Inventário de Dependência de Smartphone (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. pmid: 24896252
  94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) A impulsividade está relacionada à dependência percebida e ao uso real do telefone móvel? Psicologia Cognitiva Aplicada 21: 527-537. doi: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) Implicações sociais do uso de smartphone: uso de smartphone e bem-estar psicológico por estudantes universitários coreanos. Cyberpsychology, Behavior, and Social Networking 15: 491–497. doi: 10.1089 / cyber.2011.0580
  96. 12. Yen CF, Tang TC, Iene JY, Lin HC, Huang CF, Liu SC, et al. (2009) Sintomas de uso problemático de telefones celulares, comprometimento funcional e sua associação com depressão entre adolescentes no sul de Taiwan. Jornal da Adolescência 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. pmid: 19027941
  97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Uso problemático da Internet e de telefones celulares e sintomas clínicos em estudantes universitários: o papel da inteligência emocional. Computadores em Comportamento Humano 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
  98. 14. Thomee S, Harenstam A, Hagberg M (2011) Uso de telefone celular e estresse, distúrbios do sono e sintomas de depressão entre adultos jovens - um estudo prospectivo de coorte. BMC Public Health 11: 66. doi: 10.1186 / 1471-2458-11-66. pmid: 21281471
  99. 15. Ezoé S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Relacionamentos de personalidade e estilo de vida com dependência de telefonia móvel entre estudantes de enfermagem do sexo feminino. Comportamento social e personalidade: uma revista internacional 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
  100. 16. Toda M, K Monden, Kubo K, Morimoto K (2006) Dependência de telefone celular e estilo de vida relacionado à saúde de estudantes universitários. Comportamento Social e Personalidade 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
  101. 17. Comissão de Comunicações e Multimídia da Malásia (2012) Usuários de telefone celular Pesquisa 2011. Acessível: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18. Comissão de Comunicações e Multimídia da Malásia (2014) Usuários de telefone celular Pesquisa 2012. Acessível: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19. ecommercemilo (2014). Acessível: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20. Osman MA, AS Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) Um Estudo da Tendência do Smartphone e seu Comportamento de Uso na Malásia. Revista Internacional de Novas Arquiteturas de Computadores e suas Aplicações 2: 274 – 285.
  105. 21. Weinstein A, Lejoyeux M (2010) Dependência da Internet ou uso excessivo da internet. O Jornal Americano de Abuso de Drogas e Álcool 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. pmid: 20545603
  106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Uso problemático da Internet e do telefone celular: Correlatos psicológicos, comportamentais e de saúde. Pesquisa e teoria do vício 15: 309–320. doi: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) Prevalência de uso patológico da Internet entre estudantes universitários e correlações com autoestima, Questionário de Saúde Geral (GHQ) e desinibição. CyberPsychology & Behavior 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) A relação entre depressão e vício em Internet. CyberPsychology & Behavior 1: 25–28. doi: 10.1089 / cpb.1998.1.25
  109. 25. Ko CH, Iene JY, Yen CF, CS de Chen, CC de Chen (2012) A associação entre dependência de Internet e desordem psiquiátrica: uma revisão da literatura. Psiquiatria Europeia 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. pmid: 22153731
  110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Validade da versão malaia do Internet Addiction Test: um estudo sobre um grupo de estudantes de medicina na Malásia. Revista de Saúde Pública Ásia-Pacífico 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y, Billieux J, Thorens G., Khan R., Louati Y, Scarlatti E, et al. (2008) Validação francesa do teste de vício em internet. CyberPsychology & Behavior 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28. Kwon M, Lee JY, Won WY, Parque JW, Min JA, Hahn C, e outros. (2013) Desenvolvimento e validação de uma escala de dependência de smartphones (SAS). PloS um 8: e56936. doi: 10.1371 / journal.pone.0056936. pmid: 23468893
  113. 29. Gorsuch RL (1983) Análise fatorial. 2nd ed. Hillsdale, New Jersey: Erlbaum.
  114. 30. Kaiser HF (1960) A aplicação de computadores eletrônicos para análise fatorial. Medição Educacional e Psicológica 20: 141 – 151 doi: 10.1177 / 001316446002000116
  115. 31. Guttman L (1954) Algumas condições necessárias para análise fatorial comum. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) Ligações entre sintomatologia depressiva e assédio na Internet entre jovens usuários regulares. CyberPsychology & Behavior 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
  117. 33. Kaiser HF (1974) Um índice de simplicidade fatorial. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
  118. 34. Elias H, Ping WS e Abdullah MC (2011) Estresse e desempenho acadêmico entre estudantes de graduação na Universiti Putra Malaysia. Ciências Procedia-Sociais e Comportamentais 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288