PLoS One. 2016 Aug 17; 11 (8): e0159788. doi: 10.1371 / journal.pone.0159788.
Kim Y1, Jeong JE2, Cho H2, Jung DJ2, Kwak M2, Rho MJ3, Yu H1, Kim DJ2, Choi IY3.
Abstrakt
Syftet med denna studie var att identifiera personlighetsfaktorassocierade prediktorer för smartphone-beroende predisposition (SAP). Deltagarna var 2,573 män och 2,281 kvinnor (n = 4,854) i åldern 20-49 år (medelvärde ± SD: 33.47 ± 7.52); deltagarna slutförde följande frågeformulär: Koreanska Smartphone Addiction Proneness Scale (K-SAPS) för vuxna, beteendeinhibitionssystemet / beteendeaktiveringssystemets frågeformulär (BIS / BAS), Dickman Dysfunctional Impulsivity Instrument (DDII) och den korta självkontrollen Skala (BSCS). Deltagarna rapporterade dessutom deras demografiska information och användningsmönster för smarttelefoner (veckodagar eller helgens genomsnittliga användningstimmar och huvudanvändning). Vi analyserade data i tre steg: (1) som identifierar prediktorer med logistisk regression, (2) som härledde orsakssamband mellan SAP och dess prediktorer med hjälp av ett Bayesiansk trosnätverk (BN), och (3) beräknar optimala avstängningspunkter för de identifierade prediktorer som använder Youden-indexet.
Identifierade förutsägare för SAP var följande: kön (kvinna), genomsnittliga användningstimmar under helgen och poäng på BAS-Drive, BAS-Reward Responsivity, DDII och BSCS. Kvinnligt kön och poäng på BAS-Drive och BSCS ökade SAP direkt. BAS-Reward-responsivitet och DDII ökade indirekt SAP. Vi fann att SAP definierades med maximal känslighet enligt följande: genomsnittliga användningstimmar för helger> 4.45, BAS-Drive> 10.0, BAS-belöningssvar> 13.8, DDII> 4.5 och BSCS> 37.4. Denna studie väcker möjligheten att personlighetsfaktorer bidrar till SAP. Och vi beräknade gränsvärden för viktiga förutsägare. Dessa resultat kan hjälpa kliniker att söka efter SAP med hjälp av gränsvärden och främja förståelsen för SA-riskfaktorer.
PMID: 27533112
DOI: 10.1371 / journal.pone.0159788
;
