Problematisk användning av Internet och immunfunktion (2015)

PLoS One. 2015 Aug 5; 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538.

Reed P1, Vile R1, Osborne LA2, Romano M3, Truzoli R3.

Abstrakt

Problematisk internetanvändning har förknippats med en mängd olika psykologiska komorbiditeter, men relationen till fysisk sjukdom har inte fått samma utredningsgrad. Den aktuella studien undersökte 505-deltagare online och frågade om deras nivåer av problematisk internetanvändning (Internet Addiction Test), depression och ångest (Hospital Angst and Depression Scales), social isolation (UCLA Loneliness Questionnaire), sömnproblem (Pittsburgh Sleep Quality Index) och deras nuvarande hälsa - General Health Questionnaire (GHQ-28) och Immun Function Questionnaire. Resultaten visade att cirka 30% av provet visade milda eller sämre nivåer av internetberoende, mätt med IAT. Även om det fanns skillnader i de syften för vilka män och kvinnor använde internet, fanns det inga skillnader i fråga om nivåer av problematisk användning mellan könen. Internetproblemen var starkt relaterade till alla andra psykologiska variabler som depression, ångest, social isolering och sömnproblem. Internetberoende förknippades också med minskad självrapporterad immunfunktion, men inte med måttet på allmän hälsa (GHQ-28). Detta samband mellan problematisk internetanvändning och reducerad immunfunktion befanns vara oberoende av effekterna av ko-morbiditeterna. Det föreslås att det negativa sambandet mellan nivå av problematisk internetanvändning och immunfunktion kan förmedlas av nivåer av stress som produceras av sådan internetanvändning, och efterföljande sympatisk nervaktivitet, som hänför sig till immunsupressiva medel, såsom kortisol.

Citation: Reed P, Vile R, Osborne LA, Romano M, Truzoli R (2015) Problematisk Internetanvändning och immunfunktion. PLoS ONE 10 (8): e0134538. doi: 10.1371 / journal.pone.0134538

Redaktör: Antonio Verdejo-García, University of Granada, SPANIEN

Mottagen: December 3, 2014; Accepterad: Juli 10, 2015; Publicerad: Augusti 5, 2015

Upphovsrätt: © 2015 Reed et al. Detta är en artikel med öppen åtkomst distribuerad under villkoren för Creative Commons Attribution License, som tillåter obegränsad användning, distribution och reproduktion i vilket medium som helst, förutsatt att den ursprungliga författaren och källan krediteras

Data Tillgänglighet: På grund av etiska krav som ställs på frisläppande av elektroniskt insamlade data av Institutionen för psykologiska etiska kommittén, kan vi inte göra datauppsättningen tillgänglig online, men vi är mycket glada att tillhandahålla dessa data till någon som vill se den, genom att kontakta professor Phil Vass kl [e-postskyddad].

finansiering: Författarna har inget stöd eller finansiering för att rapportera.

Konkurrerande intressen: Författarna har förklarat att inga konkurrerande intressen existerar.

Beskrivning

Överdriven eller missanpassad användning av internet (eller problematisk internetanvändning) har föreslagits av vissa som problem för vissa grupper av individer [1,2], och behovet av ytterligare studier om huruvida en Internet Addiction Disorder (IAD) är ett användbart begrepp har föreslagits [1,3]. Individer som rapporterar problem angående deras internetanvändning noterar ett antal associerade symptom, till exempel: större störningar i deras arbete och sociala relationer [4,5,6], och negativa effekter när de separeras från internet [7]. Uppskattningar av förekomsten av problematisk internetanvändning i den allmänna befolkningen varierar mellan 2% och 8%, och sträcker sig upp till 20% i yngre prover [3, 8-10], även om dessa siffror är svåra att tolka exakt på grund av de olika definitionerna av "problematisk internetanvändning" eller "internetberoende" som används.

De personer som rapporterar problematisk internetanvändning rapporterar också ett brett utbud av tillhörande psykologiska och sociala problem [10-12]. Psykologiska komorbiditeter som noterats hos de individer som rapporterar problematisk internetanvändning har visat sig inkludera: ångest [7,13,14], hyperaktivitetsstörning med uppmärksamhetsunderskott [15], Autismspektrum störningar [7,16], depression [13-15, 17], impulsdysreglering och fientlighet [18-20] och schizofreni [7,21]. Social fobi [18] och ensamhet [22], är också mycket vanligt associerade med IAD. Dessutom har höga nivåer av livstress [23] och social isolering [22, 24-26], och en lägre livskvalitet [24,27], nämns av dem som rapporterar problematisk internetanvändning

Problematiskt höga nivåer och typer av internetanvändning har också förknippats med neurologiska förändringar [28,29]. En ökande mängd forskning antyder att problematisk internetanvändning, gemensamt med andra beteendemissbruk, är förknippad med avvikelser i det dopaminergiska systemet [30,31], och med ökad sympatisk nervaktivitet [32,33], som också har visat sig vara relaterade till varandra [34].

Till skillnad från den växande litteraturen om IAD: s psykologiska och neurologiska korrelat har det funnits få studier av effekterna av problematisk internetanvändning på fysisk hälsa. En relation mellan störd sömn och tung internetanvändning har upprättats [35,36], liksom en relation mellan problematisk internetanvändning och en dålig diet [37] vilket resulterar i viktproblem, som fetma [38]. En del forskning har funnit samband mellan problematisk internetanvändning och självrapporterad hälsorelaterad livskvalitet, ett begrepp relaterat till sjukdom, även om det bör noteras att det finns mycket få sådana demonstrationer och det finns skillnader i denna litteratur [39,40]. Till exempel har hälsorelaterad livskvalitet, uppmätt med SF-36, visat sig korrelera med problematisk internetanvändning, även om livskvalitet inte korrelerar med tiden som användes på internet [40]. Däremot, när hälsorelaterad livskvalitet har uppmätts med General Health Questionnaire (GHQ), har det inte konstaterats en liten relation med IAD [9,39]. Orsakerna till de olika resultatmönstren som använder dessa två mått på hälsorelaterad livskvalitet är oklara - även om de kan återspegla både skillnader i operationellisering av uppfattningen om problematisk internetanvändning i hela studier och SF-36s fokus på både fysisk och psykologisk hälsorelaterad livskvalitet jämfört med GHQ: s främsta psykologiska fokus. Således är litteraturen om hälsorelaterad livskvalitet för närvarande svår att tolka.

Ovanstående diskussion innebär att ytterligare forskning inom detta potentiellt viktiga område är motiverat med tanke på den ökande användningen av internet [3], och avsaknaden av tydliga bevis för dess inverkan på hälsofunktionen per se i motsats till hälsorelaterad livskvalitet, såväl som tillhörande problem som ökade nivåer av tillhörande fysisk sjukdom kan orsaka för hälsosystem. Naturligtvis, med tanke på de komorbiditeter som uppvisas av dem som rapporterar problematisk internetanvändning, kan varje samband mellan problematisk internetanvändning och fysisk sjukdom vara produkten till något av ett antal problem. Försummelse av jaget av dem som rapporterar problematisk internetanvändning när det gäller dålig kost och dåliga sömnmönster, kan vara involverade i ökade nivåer av fysisk sjukdom [37,40]. Visst har dålig sömn visat sig förutsäga vissa aspekter av immunfunktionen [41-43]. Dessutom kan de ko-morbida psykologiska problemen också spela en roll. Det har noterats att psykiska hälsoproblem är korrelerade med antalet förkylningar som rapporterats under ett år [44]. Specifikt, båda depressioner [45-47], och ångest- och stressproblem [48], särskilt social ångest och ensamhet [49-51], förutsäga immundysfunktion. Slutligen är aktivering av det sympatiska systemet, som noteras hos de med problematisk internetanvändning, korrelerat med ökningar i adrenalin- och kortisolnivåer, och leder till minskad immunfunktion, särskilt hos de med höga nivåer av rapporterad stress [52]. Varje utredning av sambandet med problematisk internetanvändning och fysisk sjukdom kommer att kräva en viss bedömning av de relativa bidragen till dessa relaterade funktionsaspekter.

Uppenbarligen är fysisk hälsa ett mycket omfattande koncept, men ovanstående granskning antyder att problematisk internetanvändning kan påverka specifikt immunfunktionen, som inte har fått någon direkt studie [53]. Om detta är fallet kan sjukdomar som förkylning [54], influensa [55], förkylningssår [56], lunginflammation [57], sepsis [58] och hudinfektioner [59], kan vara nyckeln att fokusera på när man bedömer effekterna av problematisk internetanvändning på fysiska symtom. Som nämnts ovan har tidigare undersökningar av förhållandet mellan problematisk internetanvändning och fysisk sjukdom haft en tendens att fokusera på rapporter om hälsorelaterad livskvalitet som erhållits med hjälp av instrument som SF-36 och GHQ. Även om dessa åtgärder är tillförlitliga, fokuserar de inte nödvändigtvis på någon specifik uppsättning sjukdomar och är inte relaterade till de sjukdomar som individer med undertryckt immunsystem kan vara benägna att ställa ut. För att bestämma i vilken grad immunfunktionen kan äventyras har tidigare arbete undersökt självrapporter av symtomen som vanligtvis är korrelerade med dålig immunfunktion [31,44]. Självrapportering betraktas som en stark metod i detta sammanhang, eftersom sådana symtom är lätta att självdiskriminera, ofta rapporteras inte till hälso- och sjukvårdspersonal och de dyker inte upp i medicinska register och upplevs ofta utan någon objektivt verifierbar viral orsak [54].

Med tanke på dessa överväganden ovan undersökte den aktuella studien sambandet mellan problematisk internetanvändning och två primära åklagare för hälsa (immunfunktion och självrapporterad hälsostatus), samt en rad hälsorelaterade variabler (depression, ångest, ensamhet och sömnproblem). Av särskilt intresse var förhållandet mellan problematisk internetanvändning och immunrelaterad fysisk hälsa, som inte tidigare har utvärderats specifikt. I detta avseende var det första syftet med studien att undersöka om högre nivåer av problematisk internetanvändning skulle vara förknippade med en större rapport om immunrelaterade sjukdomar (utöver den potentiella effekten av internetproblemen på de andra hälsorelaterade variablerna ). Dessutom fanns ett antal sekundära mål som inte tidigare har undersökts av studien, inklusive att utforska arten av sambandet mellan problematisk internetanvändning och självrapporterad hälsostatus. Detta undersöktes för att fastställa om denna variabel visade samma förhållande till problematisk internetanvändning som rapporter om immunrelaterade symptom. Ett antal andra potentiellt associerade problem för dem som visar problematisk internetanvändning, som också har visat sig förutsäga dålig immunfunktion, såsom ångest, depression, ensamhet och sömnproblem, mättes i ett försök att bestämma sambandet mellan problematisk internetanvändning och fysiska hälsosymtom oberoende av dessa samtidiga problem. Detta bör möjliggöra ett första steg för att fastställa arten av alla förhållanden mellan problematisk internetanvändning och minskad immunfunktion, om en associering skulle befinna sig.

Metod

Etiskt uttalande

Etiskt godkännande för denna forskning erhölls från Institutionen för psykologiska etiska kommittén, Swansea University. Deltagarna gav informerat samtycke för att delta i denna studie genom att underteckna ett godkännandeformulär efter att ha läst informationsbladet som lämnats för dem, och etikkommittén godkände detta samtyckesförfarande.

Deltagare

Fem hundra och fem deltagare (265-kvinnor och 240-män) rekryterades genom länkar som publicerats på webbplatser (sociala nätverkssajter, bloggar och mikrobloggtjänster och spelwebbplatser). En rekryteringsstrategi online antogs i linje med tidigare utforskningar av effekterna av problematisk internetanvändning [60,61].

Alla deltagare var volontärer och ingen fick någon form av kompensation för sitt deltagande. Deltagarna hade en medelålder på 29.73 (+ 13.65, intervall 18–101) år: <20 år = 7.5%; 21–29 år = 61.8%; 30–39 år = 15.5%; 40–49 år = 4.6%; 50–59 år = 4.2%; 60+ år = 5.9%. Deltagarnas självrapporterade etnicitet var: 202 (40%) Vit; 50 (10%) blandade / flera etniska grupper; 141 (28%) asiatiska; 106 (21%) svart / afrikansk / karibisk; och 6 (1%) annan etnisk grupp. Provets civilstånd var: 305 (60%) ensamstående, 65 (13%) gifta eller i civilt partnerskap; 105 (21%) i andra former av förhållande; och 30 (6%) skilda eller änkor.

Deltagarens typiska användning av Internet

Deltagarna ombads att uppskatta deras genomsnittliga internetanvändning genom att be dem uppskatta antalet timmar per vecka som de tillbringat på internet under de senaste månaderna; denna åtgärd vidtas ofta i studier av problematisk internetanvändning [40,61]. Även om det har föreslagits att det är "icke-professionell" användning som korrelerar med flera problem förknippade med tung internetanvändning [40], trodde man att den professionella / icke-professionella skillnaden inte kan gälla för alla svarande, och att dessa användningar också kan vara svåra att diskriminera för vissa svarande. Dessutom har total internetanvändning i sig också visat sig vara förknippad med internetrelaterade problem [40].

Det genomsnittliga antalet timmar per vecka rapporterad internetanvändning var 39.57 (+ 28.06, intervall = 1 till 135): 28.3% rapporterade utgifter mellan 1 och 20 timmar per vecka online; 29.5% rapporterade att de tillbringade 21 till 40 timmar per vecka online; 22.4% rapporterade att de tillbringade 41 till 60 timmar i veckan online, och 19.8% rapporterade att de spenderade över 61 timmar i veckan på internet. Det genomsnittliga antalet timmar per vecka som kvinnor tillbringade online var 34.77 (± 26.84, intervall = 1 – 135), och för män var detta 44.88 (± 28.46, intervall = 6 – 130). Ett oberoende grupptest avslöjade att denna skillnad var statistiskt signifikant, med en måttlig storlek, t(503) = 4.11, p <0.001, d = 0.366. Det fanns ett betydande, men svagt, positivt linjärt förhållande mellan ålder och tid tillbringad online F(1,503) = 6.74, p <0.05, R2 = 0.013, men ett starkare inverterat U-kvadratiskt samband mellan dessa variabler, F(1,502) = 11.10, p <0.001, R2 = 0.042). Men när provet delades upp i de som för närvarande var singel (N = 331) och de i någon form av förhållande (N = 174), fanns det ingen statistiskt signifikant skillnad i tidsbruk online t (503) = 1.48, p > .10, d = 0.146. På liknande sätt fanns det inga statistiskt signifikanta skillnader mellan tid som tillbringades online mellan de olika etniska grupperna, F <1.

Deltagarna frågades också om vilka typer av användning de gjorde på internet och ombads att ange om de hade besökt vissa typer av webbplatser under de senaste månaderna eller inte. Svaren på denna fråga visas i Tabell 1, som visar procentandelen av hela provet som hade besökt webbplatser i olika former, tillsammans med procentandelar av män och kvinnor, och yngre (mindre än 29 år) och äldre (30 år och äldre), deltagare som besöker webbplatser. För övrigt, Tabell 1 visar Phi-koefficienter för dessa data (beräknat på det faktiska antalet deltagare, snarare än de procenttal som visas i Tabell 1). Phi-koefficienterna ger ett index för graden av associering mellan variablerna (och är statistiskt signifikanta när motsvarande chi-kvadratstatistik är signifikant).

miniatyr
Tabell 1. Procentandel av prov som besöker webbplatser av olika former, tillsammans med procentuella män och kvinnor, och yngre och äldre, deltagare som besöker webbplatser tillsammans med Phi-koefficienter.

doi: 10.1371 / journal.pone.0134538.t001

Dessa uppgifter avslöjar att sociala nätverk (t.ex. Facebook, Twitter) och shopping / bankwebbplatser är de vanligaste typerna av webbplatser. Spel (inklusive lotterisajter), spel och webbplatser med sexuellt / dating innehåll användes måttligt ofta, med litet antal som deltog i traditionell blogging (exklusive Twitter) eller chattrum. Det fanns vissa könsskillnader i internetanvändning, medan kvinnor använde sociala medier och köpsajter mer än män och män som använde spel, sexuella / datingsidor och chattrum mer än kvinnor. Fler personer under 30 år gamla använde webbplatser för sociala nätverk och webbplatser för forskning, oftare än de över 30. De över 30 år gamla använde emellertid shopping / bankwebbplatser, såväl som nyhetssajter, traditionell bloggning och chattrum, oftare än de under 30 år gamla.

material

Internet Addiction Test (IAT)

IAT [62] är en 20-artikelskala som täcker i vilken utsträckning användning av internet stör vår vardag (t.ex. arbete, sömn, relationer, etc.). Varje objekt görs på en skala 1 – 4, och den totala poängen sträcker sig från 20 till 100. Faktorstrukturen för IAT diskuteras för närvarande [61,63], men en avgränsningsscore på 40 eller mer för IAT: s totala poäng anses utgöra en viss nivå av problematisk internetanvändning [7,62,64] Den interna tillförlitligheten för skalan har visat sig ligga mellan .90 [64] och .93 [62].

Hospital Angst and Depression Scale (HADS)

HADS [65] är ett allmänt använt mått på ångest och depression. Ursprungligen utformad för användning av allmänna medicinska polikliniker på sjukhus och har använts för icke-medicinska prover [66,67]. Den innehåller 14 artiklar (7 för ångest och 7 för depression) som hänför sig till den senaste veckan. Det finns 7 frågor vardera för ångest och depression, varje fråga görs från 0 till 3 beroende på svårighetsgraden av symptomet; den maximala poängen är 21 för var och en av skalorna. Svarande kan klassificeras i fyra kategorier: 0 – 7 normal; 8 – 10 mild; 11 – 14 måttlig; och 15 – 21 allvarliga. Testtillförlitligheten och giltigheten är båda starka [65], och den interna tillförlitligheten är .82 för ångestskalan och .77 för depressionskalan, för en icke-klinisk population [67].

UCLA ensamhetsskala

UCLA-ensamhetsskalan [68] består av 20-uttalanden utformade för att bedöma ensamhet. Deltagarna svarar på varje fråga med en 4-punktsskala ("Jag känner ofta så här", "Jag känner ibland så här", "Jag känner sällan så här" och "Jag känner aldrig så här"), och varje artikel är poäng från 0 till 3, vilket ger den totala poängen ett intervall från 0 till 60. En högre poäng indikerar en högre grad av ensamhet. En avstängningspunkt för ensamhetsproblem ges vanligtvis vid en standardavvikelse över genomsnittet för provet. Skalan har hög tillförlitlighet, med en intern konsistens av .92, och en test-omprövning på nytt .73 [69].

Pittsburgh Sleep Quality Index (PSQI)

Denna PSQI [70] består av 10 huvudfrågor, några med underavsnitt, där deltagaren måste ange data om sina sömnvanor. Frågeformuläret ger en poäng mellan 0 och 21, där en hög poäng återspeglar sämre sömn, och en poäng större än 5 återspeglar en dålig sovhytt [70]. Det har visat sig att PSQI har en hög "test-retest-tillförlitlighet" och en god giltighet när den används för test [70].

Allmän hälsofrågeformulär (GHQ-28)

GHQ-28 [71] mäter en rad psykiatriska problem och hälsoproblem, och är indelad i 4 underskalor: somatiska symtom, ångest och sömnlöshet, social dysfunktion och svår depression. Varje underskala innehåller 7-objekt, alla kräver svar på en 4-punkt Likert-skala: Inte alls, Inte mer än vanligt, Ganska mer än vanligt, Mycket mer än vanligt, poäng 0 till 3, respektive. Vågens inre tillförlitlighet är över .90. För den aktuella studien analyserades endast den somatiska symptomskalan, som bad deltagarna att betygsätta graden som de har känt: vid god allmän hälsa, i behov av en tonik, nedslagen, sjuk, huvudvärk, täthet eller tryck i huvud och heta eller kalla trollformler.

Immun Function Questionnaire (IFQ)

IFQkonsistterna av 15-artiklar som bedömer frekvensen av olika symtom förknippade med dålig immunfunktion. Baserat på deras frekvens i allmän befolkning, och direkt relation till immunbrister, valdes följande villkor som bas för artiklarna på frågeformuläret: vanlig förkylning [54], influensa [55], förkylningssår [56], lunginflammation [57], sepsis [58] och hudinfektioner [59]. Efter analysen av de viktigaste symtomen på dessa tillstånd inkluderades 19-symptom på frågeformuläret som tecken på försvagat immunförsvar: ont i halsen, huvudvärk, influensa, rinnande näsa, hosta, förkylningssår, kokar, mild feber, vårtor / verrucas , lunginflammation, bronkit, bihåleinflammation, plötslig hög feber, öroninfektion, diarré, meningit, ögoninfektion, sepsis och långa läkningsskador. De betygsattes på en 5-punkt Likert-skala (Aldrig, en eller två gånger, ibland, regelbundet, ofta, med poäng från 0 till 4 respektive). Den totala poängen sträcker sig från 0 till 79, med hög poäng som återspeglar sämre immunfunktion. IFQ har tidigare använts för att studera påverkan av stressande livshändelser på självrapporterad hälsa, till exempel för att bedöma effekterna av att få ett barn med ASD. I tidigare arbete [72] har IFQ-poäng visat sig korrelera positivt (r = .578, p <.001) med antalet besök hos en allmänläkare finns det en signifikant positiv korrelation mellan IFQ och en total GHQ-poäng (r = .410, p <.01), liksom en signifikant korrelation mellan IFQ och somatiska symtoms underskala av GHQ (r = .493, p <.01).

Tillvägagångssätt

Alla deltagare svarade på länkar som publicerats på webbplatser som är inriktade på att nå ett brett utbud av individer, inklusive sociala nätverkssajter (t.ex. Facebook, Twitter), bloggsidor / forumsidor (t.ex. Mashable), spelsajter (t.ex. Eurogamer.com), och webbplatser med hjälp av internetberoende. Dessa länkar gav deltagarna en kort introduktion till studien, där de fick höra att forskningen rör sambandet mellan internetanvändning och olika personlighets- och hälsoproblem. Om de var intresserade av att delta, instruerades de att följa en online-länk till frågeformuläret. Denna länk tog deltagarna till en webbsida som innehåller ytterligare information om studien: återigen redogjorde för att syftet med studien var relaterat till internetanvändning och olika personlighets- och hälsoproblem, och som också beskrev vilka typer av enkäter som de skulle besvara. Informationssidan gav också information om deras rätt att när som helst dra sig ur studien och de åtgärder som vidtagits för att säkerställa deras integritet. Informationen följdes av ett medgivande om att samtycka deltagarna att bara klicka för att påbörja frågeformuläret om de var villiga att ge samtycke och om de var över 18 ålder. Deltagarna presenterades sedan enkäterna.

Det gavs ingen tidsgräns för svar som skulle göras, och deltagarna fick möjlighet att spara sin undersökning och återvända till den vid ett senare tillfälle vid behov. När alla frågeformulär hade slutförts, som tog deltagarna ungefär 30 min, riktades deltagarna till en debriefingssida, som tackade dem för deras bidrag, gick mer detaljerat om syftet och syftet med studien och gav kontaktinformation för forskare och en rådgivningstjänst, om de ansåg att de behövde något stöd, efter frågor som togs upp i undersökningen. Studielänken förblev öppen i tre månader (under vårperioden) och stängdes sedan.

Dataanalyser

Ursprungligen analyserades de potentiella skillnaderna i poäng på internetberoende mellan deltagare med olika egenskaper (t.ex. kön, ålder etc.) med hjälp av t-test. Deltagarna delades sedan upp i problemgrupper på lägre och högre internet genom att använda en uppdelning vid avstängningspunkten för milda eller sämre internetproblem baserade på IAT (dvs. 40), och sambandet mellan problematiska poäng för användning av internet och kön, depression osv. undersöktes med chi-kvadratiska test. Förhållandet mellan immunfunktionspoängen och var och en av prediktorvariablerna undersöktes med hjälp av halvpartiella korrelationer (för att dela ut effekterna av de andra prediktorerna), och en stegvis regression användes också för att identifiera effekten av internetproblem på immunfunktionen utöver påverkan av de andra prediktorvariablerna. Samma analyser gjordes också för självrapportens hälsopoäng (GHQ). Slutligen delades grupperna upp i hög och låg immunfunktion och hög och låg självrapporterad hälsostatus (GHQ), och dessa grupper jämfördes i termer av deras internetberoende poäng genom analys av kovarians, med användning av de andra prediktorerna som kovariater. Då flera jämförelser gjordes, antogs allvarligare kriterium för avstötning för signifikantestning och effektstorlekar beräknades genomgående.

Resultat

Medelpoängen för internetproblem (IAT) för provet var 37.25 (± 16.18, intervall = 0 – 96). Den genomsnittliga IAT-poängen för kvinnor var 36.26 (± 15.36, intervall = 0 – 69), och denna poäng för män var 38.35 (± 17.00, intervall = 9 – 96). Ett oberoende grupper t-test avslöjade ingen statistiskt signifikant skillnad mellan dessa poäng, t <1, d = 0.006. Pearson-korrelationer avslöjade ett statistiskt signifikant och måttligt stort förhållande mellan tid som tillbringades online och IAT-poäng, r(503) = .485, p <.001, R2 = .235, men det fanns inget signifikant samband mellan deltagarnas ålder och deras IAT-poäng, r(503) = –.025, p > .50, R2 = .0006.

Proportionerna av provet som faller över avstängningspunkten för måttlig eller sämre problematisk internetanvändning (dvs. en IAT-poäng på 40 eller högre [62]) visas i Fig 1 för hela provet, tillsammans med dessa data för kvinnor och män, separat. Av provet föll deltagarna 192 (103 kvinnliga, 89 manliga) över gränsen för internetproblem. Det fanns ingen statistisk signifikant skillnad mellan sannolikheten för en problematisk poäng för internetanvändning mellan könen, chi kvadrat = .17, p > .60, Phi = .018. Pekliga biseriella korrelationer avslöjade inget samband mellan ålder och föll över avskärningspunkten, rpb(503) = -.002, p > .30, Rpb2 = .102, även om det fanns ett statistiskt signifikant och måttligt stort förhållande mellan timmar tillbringade online och föll över avgränsningspunkten för problem med internetberoende, r(503) = .320, p <.001, Rpb2 = .102.

miniatyr
Fig 1. Procentandel deltagare över och under avgränsningspunkten för måttlig eller sämre problematisk internetanvändning (dvs. en IAT-poäng på 40 eller högre), tillsammans med dessa data för kvinnor och män, separat.

doi: 10.1371 / journal.pone.0134538.g001

Den övre panelen på Tabell 2 visar provmedlet och standardavvikelser för internetproblem (IAT), timmar tillbringade online, depression (HADS), ångest (HADS), ensamhet (UCLA) och sömnproblem (PSQI). Dessa medel är i stort sett i linje med de som har sett i tidigare undersökningar av sådana prover [7]. Den visar också procentandelen personer som faller över avstängningspunkten för de skalorna, som förutom sömnproblem var som förväntat för ett sådant prov. Tabell 2 visar också procentandelen av provet med IAD som faller över gränsvärdet för de andra psykologiska skalorna. Procentandelen av dem med en IAD som också uppvisar en komorbiditet är högre än de för provet som helhet. För att undersöka dessa förhållanden vidare utfördes en serie 2 × 2 chi-kvadrat-tester (komorbiditet närvarande eller frånvarande mot internetproblem närvarande eller frånvarande) för varje variabel och avslöjade att alla komorbiditeter var signifikant associerade med närvaron av ett internetproblem: depression–chi-kvadrat(1) = 30.56, p <.001, Phi = .246; ångest-chi-kvadrat(1) = 38.98, p <.001, Phi = .278; ensamhet-chi-kvadrat(1) = 15.31, p <.001, Phi = .174; och sova – chi-kvadrat(1) = 9.38, p <.01, Phi = .136. Pearson-korrelationerna mellan alla variablerna och med både somatiska hälsoproblem (GHQ) och immunsymtom visas också i Tabell 2och dessa analyser avslöjade statistiskt signifikanta samband mellan alla variablerna.

miniatyr
Tabell 2. Medel (standardavvikelser) för internetproblem (IAT), timmar tillbringade online, depression (HADS), ångest (HADS), ensamhet (UCLA) och sömnproblem (PSQI), tillsammans med procentandel av individer som faller över avbrottet för dessa skalor och andelen personer med IAD som faller över avgränsningen för dessa skalor.

 

Pearson korrelationer mellan alla variabler och med somatiska hälsoproblem (GHQ) och symtom visas också.

doi: 10.1371 / journal.pone.0134538.t002

Provets medelvärde för somatiska symtom (GHQ-S) var 7.28 (± 3.87; intervall = 0 – 19), och medelvärdet för frågan om immunrelaterade symtom var 15.20 (± 9.43; intervall = 0 – 37). Dessa skalor hade en korrelation av r = 0.345, p <.001, R2 = .119, med varandra. GHQ-poängen (S) var starkt relaterad till depression, ångest och sömnproblem, och i mindre utsträckning med de andra variablerna. Den immunrelaterade symtomskalan var starkt relaterad till ångest, sömn och internetproblem och i mindre grad med de andra variablerna.

Med tanke på att båda sjukdomsvariablerna (GHQ-S och IFQ) var korrelerade med alla de andra variablerna, och att IAT var relaterat till alla de andra variablerna för att undersöka om internetproblem (dvs IAT-poängen) bidrog till dessa sjukdomar, två separata stegvisa flera regressioner genomfördes - en för att förutsäga GHQ-S-poängen och en för att förutsäga IFQ-poängen. I båda fallen infördes depression, ångest, ensamhet, sömn och timmar tillbringade online i regressionsmodellen på det första steget. Alla dessa variabler plus internetproblem (IAT) poängen infördes sedan i modellen i det andra steget, och graden till vilken mängden varians som redovisades förbättrades genom tillsatsen av IAT-poängen beräknades.

De nedre panelerna av Tabell 2 visa resultaten för dessa analyser. Inspektion av data från den nedre högra panelen för GHQ-S-poäng visar att båda regressionsstegen var statistiskt signifikanta, med minskningen av fel producerad genom tillsatsen av IAT i steg 2 gav också en statistiskt signifikant förbättring av förutsägelsen av GHQ-S poäng. Det bör noteras att förbättringen i förutsägelse av GHQ-S producerad genom tillsats av IAT inte var särskilt stor. Samma datamönster hittades också från analysen som genomfördes för att förutsäga de immunrelaterade symptomen (IFQ) poäng. Tillägget av IAT i steg 2 gav emellertid en mycket större förbättring av förutsägbar noggrannhet för de immunrelaterade poängen (IFQ) än vad det hade gjort för de somatiska symtomen (GHQ-S).

För att ytterligare undersöka arten av förhållandena mellan variablerna, de halvpartiella korrelationerna mellan de enskilda prediktorerna (dvs. depression, ångest, sömn, ensamhet, timmar online och internetproblem) och de två symptompoängen (GHQ-S och IFQ) beräknades separat. De halvpartiella korrelationerna genomfördes mellan varje prediktorvariabel och de två sjukdomsrelaterade variablerna med användning av alla de andra prediktorvariablerna som samvariater. Detta gör att det unika förhållandet mellan två variabler kan observeras i frånvaro av medierande effekt av andra variabler, och dessa värden kan ses i Fig 2 för de två sjukdomsrelaterade variablerna. Dessa data visar ett liknande förhållande mellan förutsägare och symtom för både GHQ-S och IFQ; i detta hade depression, ångest och sömnproblem alla statistiskt signifikanta förhållanden med båda resultaten när påverkan av de andra variablerna kontrollerades. Internetproblem (IAT) förutspådde emellertid de immunrelaterade symptomen (IFQ) signifikant, men detta var inte statistiskt signifikant relaterat till GHQ (S) -poängen.

miniatyr
Fig 2. Halvpartiella korrelationer mellan depression (HADS), ångest (HADS), sömn (PSQI), ensamhet (UCLA), timmar online och internetproblem (IAT) och de två symptompoängen (GHQ (S) och IFQ).

doi: 10.1371 / journal.pone.0134538.g002

För att ytterligare undersöka förhållandet mellan internetrelaterade problem (IAT-poäng) och både allmän-somatiska (GHQ-S) och immunrelaterade (IFQ) hälsoproblem delades provet in i de poäng som låg nedanför 40 för måttliga eller sämre internetrelaterade problem på IAT [62]. Detta skapade två grupper: en grupp utan internetproblem (N = 313; medelvärde IAT = 26.89 + 7.89; intervall = 0 – 39) och en grupp med internetproblem (N = 313; medelvärde IAT = 54.14 ± 11.23; intervall = 40 – 96). Fig 3 visar den genomsnittliga allmänna-somatiska hälso-poängen (GHQ-S) poäng (vänster panel) och den genomsnittliga immun-relaterade hälsan (IFQ) poäng. Inspektion av data för GHQ-S avslöjar liten skillnad mellan de låga och höga IAT-grupperna när det gäller deras GHQ-S-poäng. Dessa data analyserades med användning av en analys av samvariation, med internetgrupp som en faktor mellan ämnen och depression, ångest, sömnproblem, ensamhet och timmar online som kovariater. Denna analys avslöjade ingen statistisk signifikant skillnad mellan internetproblemgrupperna vad gäller deras GHQ-S-poäng, F <1, partiell eta2 = .001. Däremot den högra panelen på Fig 3 visar att gruppen med höga internetproblem hade mer immunrelaterade hälsoproblem än gruppen utan problem med internet, F(1,498) = 27.79, p <.001, partiell eta2 = .046.

miniatyr
Fig 3. Genomsnittlig poäng för allmän-somatisk hälsa (GHQ (S)) (vänster panel) och genomsnittlig immunrelaterad hälsa (IFQ) för de två IAT-grupperna (lägre och högre problem).

 

Vänster panel = somatisk-relaterade poäng GHQ (S); höger panel = immunrelaterade poäng (IFQ).

doi: 10.1371 / journal.pone.0134538.g003

Diskussion

Den nuvarande studien undersökte förhållandet mellan poäng av internetberoende och hälsopoäng, med fokus på självbedömningar av immunsystemets funktion och allmän hälsostatus. Detta ansågs vara ett viktigt område att undersöka eftersom det inte hade förekommit några tidigare uppgifter om effekterna av problematisk internetanvändning på immunfunktionen. Dessutom hade tidigare rapporter om förhållandet mellan problematisk internetanvändning och hälsorelaterad livskvalitet avvikts med varandra [9,39,40]. Man trodde att de senare avvikelserna kan vara relaterade till arten av de åtgärder som används för att bedöma hälsostatus, med mer psykologiskt inriktade hälsorapportskalor, såsom GHQ, som är mindre relaterade till problematisk internetanvändning än åtgärder som är mer direkt relaterade till immunfunktion.

Även om en online rekryteringsstrategi antogs hade det aktuella urvalet liknande egenskaper som många andra som tidigare har använts i studien av internetanvändning. Provet var ungt (under 30 år gammalt), men det hade ett stort åldersintervall. Den genomsnittliga tidslängden på internet var cirka 5 – 6 timmar om dagen, vilket är i linje med flera nuvarande uppskattningar [40,61]. Det bör noteras att detta värde inte skilde mellan professionell och personlig användning, och det har föreslagits att detta är ett viktigt när det gäller internetproblem [40]. Det är emellertid oklart om en sådan distinktion alls är lätt att göra för deltagarna. De typer av aktiviteter som genomfördes på internet av de nuvarande deltagarna liknade de som noterades i tidigare studier [61]. Det var könsskillnader i internetanvändning. Kvinnor brukade använda sociala medier och köpsajter mer än män, men män tenderade att använda spel, sexuella / datingsidor och chattrum mer än kvinnor. Naturligtvis beror detta på självrapporteringsdata, och skillnaderna, även om de var statistiskt tillförlitliga, var små för några av dessa jämförelser. Nivåerna av problematisk internetanvändning i det aktuella urvalet, cirka 30% av provet visade milda eller sämre symtom på internetberoende, är i stort sett i linje med tidigare utredningar [7].

Ett viktigt fynd i den aktuella studien var att självrapporterad problematisk internetanvändning var relaterad till sämre självrapporterad immunfunktion, indexerad av antalet immunrelaterade symptom. Detta bekräftar resultaten från en studie som undersökte självrapporterad hälsorelaterad livskvalitet mätt med SF-36 och problematisk internetanvändning [40]. Trots att immunfunktion och självrapporterad hälsa var relaterade till varandra förutspådde emellertid problematisk internetanvändning inte självrapporterade hälsosymtom, mätt med den somatiska skalan i GHQ. Det senare konstaterandet överensstämmer med flera tidigare studier som inte har hittat ett samband mellan IAT-poäng och GHQ-poäng [9,39]. Den nuvarande positiva upptäckten, när det gäller förhållandet mellan IAT-poäng och nedsatt immunfunktion, kan återspegla att mätning av immunrelaterade symptom mer direkt, som gjordes i den aktuella studien, bedömer denna aspekt av hälsa bättre än den mer psykologiskt inriktade GHQ skala.

Trots svårigheterna i mätningen av immunfunktion som har diskuterats tidigare (se även nedan), skulle den kliniska relevansen av resultaten kunna placeras i sammanhang med tanke på de metodologiska begränsningarna i studien. Studien är korrelerande, vilket innebär att orsakssamband inte automatiskt bör sluts av en sådan förening. Det är möjligt att de med större sjukdomar tenderar att använda internet oftare än de som är montare. Men med tanke på den allmänt använda användningen av internet och sambandet mellan ungdomar och internetanvändning verkar detta dock osannolikt, även om det fortfarande är en möjlighet som kommer att kräva longitudinell forskning för att bedöma. Alternativt kan det vara så att någon tredje faktor förutspår både internetanvändning och dålig hälsa. Det bör emellertid också noteras att sambandet mellan problematisk internetanvändning och självrapporterad immunfunktion befanns hålla utöver effekterna av ett antal andra funktionsområden (depression, ångest, ensamhet) som är förknippade med problematisk internet använda sig av [10-12], och som i sig är förknippade med nedsatt immunfunktion [45,46,48,49]. Detta gör det oklart vad den tredje medierande faktorn kan vara.

Om problematisk internetanvändning förutspådde en sämre immunfunktion, skulle den tydliga frågan för kliniker handla om mekanismerna. En möjlighet är att höga nivåer av problematisk internetanvändning har noterats för att öka aktiveringen av det sympatiska nervsystemet [32,33]. En sådan förhöjd sympatisk aktivitet leder till ökningar i nivåer av nor-epinephrone och / eller kortisolider (kortisol), vilket så småningom leder till minskad immunfunktion [52]. Således kan denna väg väl underligga förhållandet mellan problematisk internetanvändning och reducerad immunfunktion, men kommer att kräva ytterligare undersökning. Det senare förslaget har viss relevans för framtida konceptualisering och utforskning av de kliniska funktionerna i problematisk internetanvändning.

Förhållandet mellan IAT-poäng och immunfunktion återspeglar det faktum att den totala användningen av internet för vissa människor i sig själva betraktas som ett problem - men vad de använder internet för kommer att skilja sig mellan dessa individer. Till exempel fann den aktuella studien könsskillnader i användningen som människor hade på internet, och det kan vara att särskilda användningar är relaterade till minskning av immunfunktionen på olika sätt mellan könen. Ytterligare detaljerat arbete beträffande typen av internetanvändning, såsom användarens exakta karaktär, och den tid som tillbringas online för professionellt och personligt bruk, kan kasta ytterligare ljus på förhållandet mellan internetanvändning och minskning av immunfunktionen.

Som alltid finns det några begränsningar för den aktuella studien som måste noteras. Det aktuella urvalet rekryterades online, och det kan ha varit partisk av typen av individ som deltog i studien. Det bör emellertid nämnas att utbudet av individer i provet var ganska stort med avseende på deras åldrar och deras andra egenskaper, och provet tycktes vara i linje med de som användes i tidigare studier. Det bör noteras att den aktuella studien inte skilde mellan professionell och personlig användning av internet, vilket kan vara viktigt att undersöka. Exempelvis kan nivån av tvång och brådskande användning av internet påverka stressnivåerna i större utsträckning än timmar som måste spenderas på internet för arbete. Det vill säga, en åtskillnad kan göras mellan dem som arbetar hårt och är stressade av den anledningen, och människor som har ett internetproblem och är stressade och ohöga på grund av detta problem.

När det gäller de potentiella alternativa prediktorerna för den nedsatta immunfunktionen som ses hos användare med högt problem kan framtida arbete överväga rollen för flera beroende som kan ha påverkat gruppen av problemanvändare på Internet. Information om farmakologiskt och icke-farmakologiskt beroende samlades inte i den aktuella rapporten, och det kan komma att vara problematiskt med internetproblem och påverka immunfunktionen. På liknande sätt kan nyligen stressade livshändelser ha påverkat beroendeframkallande beteende och immunsystemets funktion, liksom deltagarnas sociala förhållanden. Båda dessa aspekter kan undersökas genom ytterligare forskning.

Beroende av självrapport för immunfunktion kan därefter förstärkas genom användning av analys av blodceller, vilket skulle ge stöd till de aktuella slutsatserna. Som nämnts ovan finns det emellertid inte ett perfekt samband mellan fysiologin för immunfunktion och upplevelsen av symtom [54], och självrapportering av förkylningar och flus tas som ett giltigt mått på immunfunktionen i detta avseende [31,44]. Visst har det visat sig att självrapporter om sjukdomarsymtom - särskilt vad gäller infektioner i övre luftvägarna (t.ex. förkylning och influensa), som användes i den aktuella studien, korrelerar väl med objektiv immunoglobinavläsning [73].

Slutligen bör det erkännas att även om den aktuella studien visade förhållanden mellan problematisk internetanvändning och immunrelaterade symptom, finns det två varningar att dra kausaliska slutsatser från denna förening som bör nämnas. För det första, eftersom studien inte hade längsgående karaktär, bör kausal inferens inte göras för att bevisas. För det andra, eftersom många av prediktorvariablerna var korrelerade med varandra, kan detta ha gett en grad av co-linearitet i regressionsanalyserna som gjort tolkningen svår. Även om det bör noteras att användningen av halvpartiella korrelationer till viss del förbättrar denna svårighet.

Sammanfattningsvis konstaterade den nuvarande rapporten en koppling mellan problematisk internetanvändning och rapportering av ett större antal symtom förknippade med en nedsatt immunsystemfunktion. Detta förhållande var oberoende av antalet timmar som tillbringades online, och även effekterna av eventuella sam-morbida symtom på problematisk internetanvändning, såsom depression, isolering och ångest. Det föreslogs att den negativa påverkan av immunfunktion kan förmedlas av ökad stress, och också av den ökade sympatiska nervaktiviteten som ibland visas av internetmisbrukare.

Författarbidrag

Tänkt och designat experimenten: PR RV LAO MR RT. Utförde experimenten: RV. Analyserade data: RV PR. Bidragna reagenser / material / analysverktyg: LAO. Skrivde tidningen: PR LAO MR RT.

Referensprojekt

  1. 1. Block JJ. Problem för DSM-V: internetberoende. Am J Psychiatry 2008; 165: 306 – 7. doi: 10.1176 / appi.ajp.2007.07101556. PMID: 18316427
  2. 2. Unga KS. Internetmissbruk: Uppkomsten av en ny klinisk störning. CyberPsychology & Behavior 1998; 1 (3): 237–244. doi: 10.1089 / cpb.1998.1.237
  3. Visa artikel
  4. PubMed / NCBI
  5. Google Scholar
  6. Visa artikel
  7. PubMed / NCBI
  8. Google Scholar
  9. Visa artikel
  10. PubMed / NCBI
  11. Google Scholar
  12. Visa artikel
  13. PubMed / NCBI
  14. Google Scholar
  15. Visa artikel
  16. PubMed / NCBI
  17. Google Scholar
  18. Visa artikel
  19. PubMed / NCBI
  20. Google Scholar
  21. Visa artikel
  22. PubMed / NCBI
  23. Google Scholar
  24. Visa artikel
  25. PubMed / NCBI
  26. Google Scholar
  27. Visa artikel
  28. PubMed / NCBI
  29. Google Scholar
  30. Visa artikel
  31. PubMed / NCBI
  32. Google Scholar
  33. Visa artikel
  34. PubMed / NCBI
  35. Google Scholar
  36. Visa artikel
  37. PubMed / NCBI
  38. Google Scholar
  39. Visa artikel
  40. PubMed / NCBI
  41. Google Scholar
  42. Visa artikel
  43. PubMed / NCBI
  44. Google Scholar
  45. Visa artikel
  46. PubMed / NCBI
  47. Google Scholar
  48. Visa artikel
  49. PubMed / NCBI
  50. Google Scholar
  51. Visa artikel
  52. PubMed / NCBI
  53. Google Scholar
  54. Visa artikel
  55. PubMed / NCBI
  56. Google Scholar
  57. Visa artikel
  58. PubMed / NCBI
  59. Google Scholar
  60. Visa artikel
  61. PubMed / NCBI
  62. Google Scholar
  63. Visa artikel
  64. PubMed / NCBI
  65. Google Scholar
  66. Visa artikel
  67. PubMed / NCBI
  68. Google Scholar
  69. Visa artikel
  70. PubMed / NCBI
  71. Google Scholar
  72. Visa artikel
  73. PubMed / NCBI
  74. Google Scholar
  75. Visa artikel
  76. PubMed / NCBI
  77. Google Scholar
  78. Visa artikel
  79. PubMed / NCBI
  80. Google Scholar
  81. Visa artikel
  82. PubMed / NCBI
  83. Google Scholar
  84. Visa artikel
  85. PubMed / NCBI
  86. Google Scholar
  87. Visa artikel
  88. PubMed / NCBI
  89. Google Scholar
  90. Visa artikel
  91. PubMed / NCBI
  92. Google Scholar
  93. Visa artikel
  94. PubMed / NCBI
  95. Google Scholar
  96. Visa artikel
  97. PubMed / NCBI
  98. Google Scholar
  99. Visa artikel
  100. PubMed / NCBI
  101. Google Scholar
  102. Visa artikel
  103. PubMed / NCBI
  104. Google Scholar
  105. Visa artikel
  106. PubMed / NCBI
  107. Google Scholar
  108. Visa artikel
  109. PubMed / NCBI
  110. Google Scholar
  111. Visa artikel
  112. PubMed / NCBI
  113. Google Scholar
  114. Visa artikel
  115. PubMed / NCBI
  116. Google Scholar
  117. Visa artikel
  118. PubMed / NCBI
  119. Google Scholar
  120. Visa artikel
  121. PubMed / NCBI
  122. Google Scholar
  123. Visa artikel
  124. PubMed / NCBI
  125. Google Scholar
  126. Visa artikel
  127. PubMed / NCBI
  128. Google Scholar
  129. Visa artikel
  130. PubMed / NCBI
  131. Google Scholar
  132. Visa artikel
  133. PubMed / NCBI
  134. Google Scholar
  135. Visa artikel
  136. PubMed / NCBI
  137. Google Scholar
  138. Visa artikel
  139. PubMed / NCBI
  140. Google Scholar
  141. Visa artikel
  142. PubMed / NCBI
  143. Google Scholar
  144. Visa artikel
  145. PubMed / NCBI
  146. Google Scholar
  147. Visa artikel
  148. PubMed / NCBI
  149. Google Scholar
  150. Visa artikel
  151. PubMed / NCBI
  152. Google Scholar
  153. Visa artikel
  154. PubMed / NCBI
  155. Google Scholar
  156. Visa artikel
  157. PubMed / NCBI
  158. Google Scholar
  159. Visa artikel
  160. PubMed / NCBI
  161. Google Scholar
  162. Visa artikel
  163. PubMed / NCBI
  164. Google Scholar
  165. Visa artikel
  166. PubMed / NCBI
  167. Google Scholar
  168. Visa artikel
  169. PubMed / NCBI
  170. Google Scholar
  171. Visa artikel
  172. PubMed / NCBI
  173. Google Scholar
  174. Visa artikel
  175. PubMed / NCBI
  176. Google Scholar
  177. Visa artikel
  178. PubMed / NCBI
  179. Google Scholar
  180. Visa artikel
  181. PubMed / NCBI
  182. Google Scholar
  183. 3. Christakis DA. Internetberoende: en 21-århundradets epidemi ?. BMC Medicine 2010; 8 (1): 61. doi: 10.1186 / 1741-7015-8-61
  184. Visa artikel
  185. PubMed / NCBI
  186. Google Scholar
  187. Visa artikel
  188. PubMed / NCBI
  189. Google Scholar
  190. 4. Caplan SE, High AC. Online social interaktion, psykosocialt välbefinnande och problematisk internetanvändning. Internetberoende: En handbok och guide till utvärdering och behandling 201; 35-53. doi: 10.1002 / 9781118013991.ch3
  191. Visa artikel
  192. PubMed / NCBI
  193. Google Scholar
  194. Visa artikel
  195. PubMed / NCBI
  196. Google Scholar
  197. Visa artikel
  198. PubMed / NCBI
  199. Google Scholar
  200. Visa artikel
  201. PubMed / NCBI
  202. Google Scholar
  203. Visa artikel
  204. PubMed / NCBI
  205. Google Scholar
  206. Visa artikel
  207. PubMed / NCBI
  208. Google Scholar
  209. Visa artikel
  210. PubMed / NCBI
  211. Google Scholar
  212. Visa artikel
  213. PubMed / NCBI
  214. Google Scholar
  215. 5. Shaw M, svart DW. Internet missbruk. CNS-läkemedel 2008; 22: 353 – 65. pmid: 18399706 doi: 10.2165 / 00023210-200822050-00001
  216. 6. Griffiths M. Internetberoende-tid som ska tas på allvar? Addiction Research & Theory 2000; 8: 413–418. doi: 10.3109 / 16066350009005587
  217. 7. Romano M, Osborne LA, Truzoli R, Reed P. Differentiell psykologisk påverkan av internetexponering på internetberoende. PLOS ONE 2013; 8 (2): e55162. doi: 10.1371 / journal.pone.0055162. PMID: 23408958
  218. 8. Kuss DJ, Griffiths MD, Binder JF. Internetberoende hos studenter: Prevalens och riskfaktorer. Datorer i mänskligt beteende 2013; 29 (3): 959 – 966. doi: 10.1016 / j.chb.2012.12.024
  219. 9. Niemz K, Griffiths M, Banyard P. Förekomst av patologisk internetanvändning bland universitetsstudenter och korrelationer med självkänsla, det allmänna hälsofrågeformuläret (GHQ) och disinhibition. CyberPsychology & Behavior 2005; 8 (6): 562–570. doi: 10.1089 / cpb.2005.8.562
  220. 10. Weinstein A, Lejoyeux M. Internetberoende eller överdriven internetanvändning. American Journal of Drug and Alcohol Abuse 2010; 36 (5): 277 – 283. doi: 10.3109 / 00952990.2010.491880. PMID: 20545603
  221. 11. Bernardi S, Pallanti S. Internetberoende: en beskrivande klinisk studie med fokus på komorbiditeter och dissociativa symtom. Omfattande psykiatri 2009; 50 (6): 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011. PMID: 19840588
  222. 12. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC. Föreningen mellan internetberoende och psykiatrisk störning: en granskning av litteraturen. European Psychiatry 2012; 27 (1): 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. PMID: 22153731
  223. 13. Akin A, Iskender M. Internetberoende och depression, ångest och stress. International Online Journal of Educational Sciences 2011; 3 (1): 138 – 148.
  224. 14. Yen CF, Chou WJ, Liu TL, Yang P, Hu. Föreningen av symtom på internetberoende med ångest, depression och självkänsla bland ungdomar med uppmärksamhetsbrist / hyperaktivitetsstörning. Omfattande psykiatri 2014. doi: 10.1016 / j.comppsych.2014.05.025
  225. 15. Gundogar A, Bakim B, Ozer OA, Karamustafalioglu. P-32-Föreningen mellan internetberoende, depression och ADHD bland gymnasieelever. European Psychiatry 201; 27: 1. doi: 10.1016 / s0924-9338 (12) 74199-8
  226. 16. Romano M, Truzoli R, Osborne LA, Reed P. Förhållandet mellan autismkvotient, ångest och internetberoende. Forskning i autismspektrumstörningar 2014; 11: 1521 – 1526. doi: 10.1016 / j.rasd.2014.08.002
  227. 17. Young KS, Rogers RC. Förhållandet mellan depression och internetberoende. CyberPsychology & Behavior 1998; 1 (1): 25–28. doi: 10.1089 / cpb.1998.1.25
  228. 18. Ko CH, Liu TL, Wang PW, Chen CS, Yen CF, Yen JY. Förvärringen av depression, fientlighet och social ångest i samband med internetberoende bland ungdomar: en prospektiv studie. Omfattande psykiatri 2014. doi: 10.1016 / j.comppsych.2014.05.003
  229. 19. Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS. Impulsivitet i internetberoende: en jämförelse med patologiskt spel. Cyberpsykologi, beteende och sociala nätverk 2012; 15 (7): 373 – 377. doi: 10.1089 / cyber.2012.0063
  230. 20. Yen JY, Yen CF, Wu HY, Huang CJ, Ko CH. Fientlighet i den verkliga världen och online: effekten av internetberoende, depression och onlineaktivitet. Cyberpsykologi, beteende och sociala nätverk 2011; 14 (11): 649 – 655. doi: 10.1089 / cyber.2010.0393
  231. 21. Heim C. Mycket tung dator- och internetanvändning som en riskfaktor för schizofreni hos intelligenta unga män. Australian and New Zealand Journal of Psychiatry 2012; 46 (8): 791 – 792. doi: 10.1177 / 0004867412442407. PMID: 22403394
  232. 22. Caplan SE. Preferens för social interaktion online: En teori om problematisk användning av Internet och psykosocialt välbefinnande. Kommunikationsforskning 2003; 30: 625 – 648. doi: 10.1177 / 0093650203257842
  233. 23. Yan W, Li Y, Sui N. Förhållandet mellan stressade livshändelser, personlighetstrekk, upplevd familjefunktion och internetberoende bland studenter. Stress och hälsa 2014; 30 (1): 3 – 11. doi: 10.1002 / smi.2490. PMID: 23616371
  234. 24. Bozoglan B, Demirer V, Sahin I. Ensamhet, självkänsla och livstillfredsställelse som prediktorer för internetberoende: En tvärsnittsstudie bland turkiska universitetsstudenter. Scandinavian Journal of Psychology 2013; 54 (4): 313 – 319. doi: 10.1111 / sjop.12049. PMID: 23577670
  235. 25. Nalwa K, Anand AP. Internetmissbruk hos studenter: en orsak till oro. CyberPsychology & Behavior 2003; 6 (6): 653–656. doi: 10.1089 / 109493103322725441
  236. 26. Sanders CE, Field TM, Diego M, Kaplan M. Förhållandet mellan internetanvändning och depression och social isolering bland ungdomar. Ungdom 2000; 35 (138): 237 – 242. PMID: 11019768
  237. 27. Tonioni F, D'Alessandris L, Lai C, Martinelli D, Corvino S, Vasale M, ... Bria P. Internetberoende: timmar online, beteenden och psykologiska symptom. Allmänt sjukhuspsykiatri 2012; 34 (1): 80–87. doi: 10.1016 / j.genhosppsych.2011.09.013. pmid: 22036735
  238. 28. Yuan K, Qin W, Wang G, Zeng F, Zhao L, Yang X, et al. Misstörningar i mikrostrukturer hos ungdomar med internetberoende. PloS ONE 2011; 6 (6): e20708. doi: 10.1371 / journal.pone.0020708. PMID: 21677775
  239. 29. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. Avvikelser i gråa ämnen i internetberoende: En voxelbaserad morfometriundersökning. European Journal of Radiology 2011; 79 (1): 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025. PMID: 19926237
  240. 30. Hou H, Jia S, Hu S, Fan R, Sun W, Sun T, et al. Reducerade striatal dopamintransportörer hos personer med internetberoende. BioMed Research International 2012; 2012. doi: 10.1155 / 2012 / 854524
  241. 31. Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, Kim SE. Minskade striatal dopamin D2-receptorer hos personer med internetberoende. Neuroreport 2011; 22 (8): 407 – 411. doi: 10.1097 / WNR.0b013e328346e16e. PMID: 21499141
  242. 32. Lu DW, Wang JW, Huang ACW. Differentiering av risknivån för internetberoende baserat på autonoma nervrespons: Internet-beroende hypotesen om autonom aktivitet. Cyberpsykologi, beteende och sociala nätverk 2010; 13 (4): 371 – 378. doi: 10.1089 / cyber.2009.0254
  243. 33. Lin PC, Kuo SY, Lee PH, Sheen TC, Chen SR. Effekter av internetberoende på hjärtfrekvensvariation hos barn i skolåldern. Journal of Cardiovascular Nursing 2013. doi: 10.1097 / jcn.0b013e3182a477d5
  244. 34. Zheng H, Liu X, Patel K K. En roll för dopamin i det centralt medierade sympatiska svaret hos råttor med typ 2 diabetes inducerad av streptozotocin och en fettrik diet. FASEB Journal 2011; 25: 1028 – 11.
  245. 35. Bélanger RE, Akre C, Berchtold A, Michaud PA. En U-formad koppling mellan intensitet av Internetanvändning och ungdomars hälsa. Pediatrik 2014; 127: e330 – e335. doi: 10.1542 / peds.2010-1235
  246. 36. Lam LT. Internet-spelberoende, problematisk användning av internet och sömnproblem: En systematisk granskning. Aktuella psykiatrirapporter 2014; 16 (4): 1 – 9. doi: 10.1007 / s11920-014-0444-1
  247. 37. Kim Y, Park JY, Kim SB, Jung IK, Lim YS, Kim JH. Effekterna av internetberoende på livsstilen och dietbeteendet hos koreanska ungdomar. Näringsforskning och praktik 2010; 4 (1): 51 – 57. doi: 10.4162 / nrp.2010.4.1.51. PMID: 20198209
  248. 38. Li M, Deng Y, Ren Y, Guo S, He X. Fetessstatus för elever på mellanstadiet i Xiangtan och dess relation till internetberoende. Fetma 2014; 22 (2): 482 – 487. doi: 10.1002 / oby.20595. PMID: 23929670
  249. 39. Jenaro C, Flores N, Gomez-Vela M, Gonzalez-Gil F, Caballo C. Problematisk användning av Internet och mobiltelefoner: Psykologiska, beteendemässiga och hälsokorrelerade. Addiction Research and Theory 2007; 15: 309 – 320. doi: 10.1080 / 16066350701350247
  250. 40. Kelley KJ, Gruber EM. Problematisk Internetanvändning och fysisk hälsa. Journal of Behavioral Addiction 2013; 2 (2): 108 – 112. doi: 10.1556 / JBA.1.2012.016. PMID: 26165930
  251. 41. Besedovsky L, Lange T, Born J. Sömn och immunfunktion. Pflügers Archiv-European Journal of Physiology 2012; 463 (1): 121-137. doi: 10.1007 / s00424-011-1044-0. PMID: 22071480
  252. 42. Cheung LM, Wong WS. Effekterna av sömnlöshet och internetberoende på depression hos kinesiska ungdomar i Hong Kong: en undersökande tvärsnittsanalys. Sleep Research 2011; 20: 311 – 317. doi: 10.1111 / j.1365-2869.2010.00883.x
  253. 43. Irwin M. Effekter av sömn och sömnförlust på immunitet och cytokiner. Hjärna, beteende och immunitet 2002; 16 (5): 503 – 512. doi: 10.1016 / s0889-1591 (02) 00003-x
  254. 44. Adam Y, Meinlschmidt G, Lieb R. Föreningar mellan psykiska störningar och förkylning hos vuxna: En befolkningsbaserad tvärsnittsstudie. Journal of Psychosomatic Research 2013; 74 (1): 69 – 73. doi: 10.1016 / j.jpsychores.2012.08.013. PMID: 23272991
  255. 45. Irwin M, Patterson T, Smith TL, Caldwell C, Brown SA, Gillin JC, et al. Minskning av immunfunktion vid livstress och depression. Biologisk psykiatri 1990; 27 (1): 22 – 30. pmid: 2297549 doi: 10.1016 / 0006-3223 (90) 90016-u
  256. 46. Kiecolt-Glaser JK, Glaser R. Depression och immunfunktion: centrala vägar till sjuklighet och dödlighet. Journal of Psychosomatic Research 2002; 53 (4): 873 – 876. pmid: 12377296 doi: 10.1016 / s0022-3999 (02) 00309-4
  257. 47. Kim HC, Park SG, Leem JH, Jung DY, Hwang SH. Depressiva symtom som en riskfaktor för förkylning bland anställda: En 4-månaders uppföljningsstudie. Journal of Psychosomatic Research 2011; 71 (3): 194 – 196. doi: 10.1016 / j.jpsychores.2011.01.014. PMID: 21843756
  258. 48. Dickerson SS, Kemeny ME. Akuta stressfaktorer och kortisolsvar: en teoretisk integration och syntes av laboratorieforskning. Psykologisk Bulletin 2004; 130 (3): 355. pmid: 15122924 doi: 10.1037 / 0033-2909.130.3.355
  259. 49. Cacioppo JT, Hawkley LC. Social isolering och hälsa, med tonvikt på underliggande mekanismer. Perspektiv i biologi och medicin 2003; 46 (3): S39 – S52. pmid: 14563073 doi: 10.1353 / pbm.2003.0049
  260. 50. Cohen S. Sociala relationer och hälsa. Amerikansk psykolog 2004; 59 (8): 676. pmid: 15554821 doi: 10.1037 / 0003-066x.59.8.676
  261. 51. Jaremka LM, Fagundes CP, Glaser R, Bennett JM, Malarkey WB, Kiecolt-Glaser JK. Ensamhet förutsäger smärta, depression och trötthet: Förstå rollen som immundysreglering. Psychoneuroendocrinology 2013; 38 (8): 1310 – 1317. doi: 10.1016 / j.psyneuen.2012.11.016. PMID: 23273678
  262. 52. McClelland DC, Floor E, Davidson RJ, Saron C. Stressad kraftmotivation, sympatisk aktivering, immunfunktion och sjukdom. Journal of Human Stress 1980; 6 (2): 11 – 19. pmid: 7391555 doi: 10.1080 / 0097840x.1980.9934531
  263. 53. Cao H, Sun Y, Wan Y, Hao J, Tao F. BMC Public Health 2011; 11: 802. doi: 10.1186 / 1471-2458-11-802. PMID: 21995654
  264. 54. Heikkinen T, Järvinen A. Förkylningen. Lancet 2003; 361: 51 – 59. pmid: 12517470 doi: 10.1016 / s0140-6736 (03) 12162-9
  265. 55. VEM. Granskning av 2012 – 2013 vinterinfluensasäsong, norra halvklotet. Världshälsoorganisationens vecka epidemiologiska rekord 2013; 88: 225 – 232. Hämtas från http://www.who.int/wer/2013/wer8822.pdf
  266. 56. Grout P, ​​Barber V E. förkylningssår - en epidemiologisk undersökning. Journal of the Royal College of General Practitioners 1976; 26: 428 – 434. PMID: 957310
  267. 57. Glaser R, Sheridan J, Malarkey WB, MacCallum RC, Kiecolt-Glaser J K. Kronisk stress modulerar immunresponsen mot ett vaccin mot pneumokokokal lunginflammation. Psykosomatisk medicin 2000; 62: 804 – 807. pmid: 11139000 doi: 10.1097 / 00006842-200011000-00010
  268. 58. Hass HS, Schauenstein K. Immunitet, hormoner och hjärnan. Allergi 2001; 56: 470 – 77 pmid: 11421890 doi: 10.1034 / j.1398-9995.2001.056006470.x
  269. 59. Aberg KM, Radeck KA, Choi EH, Kim DK, Demerjian M, Hupe M, et al. Psykologisk stress nedreglerar epidermalt antimikrobiellt peptiduttryck och ökar svårighetsgraden av kutaninfektioner hos möss. Journal of Clinical Investigation 2007; 117: 3339 – 3349. pmid: 17975669 doi: 10.1172 / jci31726
  270. 60. Ng BD, Wiemer-Hastings P. Beroende på internet och onlinespel. CyberPsychology & Behavior 2005; 8 (2): 110–113. doi: 10.1089 / cpb.2005.8.110
  271. 61. Widyanto L, McMurran M. De psykometriska egenskaperna hos internetberoende testet. Cyberpsykologi & beteende 2004; 7: 443–450. doi: 10.1089 / cpb.2004.7.443
  272. 62. Unga KS. Internet Addiction Test (IAT) 2009.
  273. 63. Chang MK, Man Law SP. Faktorstruktur för Youngs Internet Addiction Test: En bekräftande studie. Datorer i mänskligt beteende 2008; 24: 2597 – 2619. doi: 10.1016 / j.chb.2008.03.001
  274. 64. Hardie E, Tee MY. Överdriven användning av internet: rollen som personlighet, ensamhet och sociala stödnätverk i internetberoende. Australian Journal of Emerging Technologies and Society 2007; 5: 34 – 47.
  275. 65. Snaith RP, Zigmond AS. HADS: Hospital Angst och depression Scale 1994. Windsor: NFER Nelson.
  276. 66. Andrew B, Wilding J M. Förhållandet mellan depression och ångest till livstress och prestation hos studenter. British Journal of Psychology 2004; 95 (4): 509 – 521. doi: 10.1348 / 0007126042369802
  277. 67. Crawford JR, Henry JD, Crombie C, Taylor EP. Normativa data för HADS från ett stort icke-kliniskt prov. British Journal of Clinical Psychology 2001; 40 (4): 429 – 434. doi: 10.1348 / 014466501163904
  278. 68. Russell DW. UCLA Loneliness Scale (Version 3): Tillförlitlighet, giltighet och faktorstruktur. Journal of Personality Assessment 1996; 66 (1): 20 – 40. pmid: 8576833 doi: 10.1207 / s15327752jpa6601_2
  279. 69. Jobe LE, Williams White S. Ensamhet, sociala relationer och en bredare autismfenotyp hos studenter. Personlighet och individuella skillnader 2007; 42 (8): 1479 – 1489. doi: 10.1016 / j.paid.2006.10.021
  280. 70. Buysse DJ, Reynolds CF, Monk TH, Berman SR, Kupfer DJ. Pittsburgh Sleep Quality Index (PSQI): Ett nytt instrument för psykiatrisk forskning och praktik. Psykiatriforskning 1989; 28 (2): 193 – 213. doi: 10.1016 / 0165-1781 (89) 90047-4
  281. 71. Goldberg DP, Hillier V F. En skalad version av frågan om allmän hälsa. Psykologisk medicin 1979; 9: 139 – 145. pmid: 424481 doi: 10.1017 / s0033291700021644
  282. 72. Reed P. och Senunaite K. Inverkan av ett barn med ASD på självrapporterad immunfunktion av föräldrar. Under granskning.
  283. 73. McClelland DC, Alexander C, Marks E. Behovet av makt, stress, immunfunktion och sjukdom hos manliga fångar. Journal of Abnormal Psychology 1982; 91 (1): 61. pmid: 7056944 doi: 10.1037 / 0021-843x.91.1.61