Addict Behav. 2018 Feb 12; 81: 157-166. doi: 10.1016 / j.addbeh.2018.02.017.
Ioannidis K1, Treder MS2, Chamberlain SR1, Kiraly F3, Redden SA4, Stein DJ5, Lochner C6, Grant JE7.
Abstrakt
Bakgrund och syfte:
Problematisk internetanvändning (PIU; även känd som Internetberoende) är ett växande problem i moderna samhällen. Det finns knappa kunskaper om de demografiska variablerna och specifika internetaktiviteter förknippade med PIU och en begränsad förståelse för hur PIU bör konceptualiseras. Vårt mål var att identifiera specifika internetaktiviteter associerade med PIU och utforska den modererande rollen av ålder och kön i dessa föreningar.
METODER:
Vi rekryterade 1749 deltagare i åldern 18 år och uppåt via mediaannonser i en internetbaserad undersökning på två platser, en i USA och en i Sydafrika; vi använde Lasso-regression för analysen.
RESULTAT:
Specifika internetaktiviteter var förknippade med högre problematiska poäng för internetanvändning, inklusive allmän surfing (lasso β: 2.1), internetspel (β: 0.6), online shopping (β: 1.4), användning av online-auktionswebbplatser (β: 0.027), social nätverk (β: 0.46) och användning av onlinepornografi (β: 1.0). Ålder modererade förhållandet mellan PIU och rollspel (β: 0.33), onlinespel (β: 0.15), användning av auktionswebbplatser (β: 0.35) och strömmande media (β: 0.35), med äldre ålder förknippad med högre nivåer av PIU. Det fanns ofullständiga bevis för att kön och kön × internetaktiviteter var förknippade med problematiska internetanvändningsresultat. Attention-deficit hyperactivity disorder (ADHD) och social ångestsyndrom var associerade med höga PIU-poäng hos unga deltagare (ålder ≤ 25, β: 0.35 respektive 0.65), medan generaliserad ångestsyndrom (GAD) och tvångssyndrom (OCD) var associerade med höga PIU-poäng hos de äldre deltagarna (ålder> 55, β: 6.4 respektive 4.3).
SLUTSATSER:
Många typer av online beteende (t.ex. shopping, pornografi, allmän surfing) har ett starkare förhållande till den maladaptiva användningen av internet än spel som stöder den diagnostiska klassificeringen av problematisk internetanvändning som en mångfacetterad sjukdom. Dessutom varierar internetaktiviteter och psykiatriska diagnoser i samband med problematisk användning på Internet med ålder, med konsekvenser för folkhälsan.
NYCKELORD: Beteendeberoende; Internet missbruk; Internetspelstörning; Lasso; Maskininlärning; Problematisk internetanvändning
PMID: 29459201
DOI: 10.1016 / j.addbeh.2018.02.017
1
Beskrivning
Problematisk internetanvändning (PIU; även känd som Internetberoende), är ett folkhälsoproblem i moderna samhällen över hela världen. Epidemiologin för PIU är fortfarande oklar (
; ) med ett brett utbud av rapporterade uppskattningar av punktprevalens (1 % till 36.7 %), vilket sannolikt inte bara återspeglar befolkningsskillnader utan också mångfalden av bedömningsverktyg och olika operativa definitioner av PIU-beteenden. DSM-5 har lyft fram Internetspelstörningar som ett villkor för ytterligare studier ( ), och specifikt utesluter andra internetbaserade aktiviteter som spel och användning av sociala medier, trots de ackumulerande bevisen för att problematisk internetanvändning är ett mångfacetterat problem som går utöver onlinespel ( ; ;). Många olika onlinebeteenden har beskrivits som kapabla att försämra normal funktion när de utövas till överdrift, inklusive onlinespel och massivt multipla-player online-rollspel ( ; ; ; ; ; ; ), onlinespel ( ; ), onlineshopping ( ; ; ), titta på pornografi ( ; ; ), frekvent e-postkontroll, snabbmeddelanden ( ; ; ) och överanvändning av sociala medier ( ; ). Onlinebeteenden kan också orsaka oro för individers fysiska hälsa ( ; ) eller lägga grunden för kriminella handlingar ( ). Impulsiva och tvångsmässiga egenskaper kan underbygga problematiska internetbeteenden ( ; ; ; ; ), medan specifika internetaktiviteter har kopplats till psykiatriska störningar; till exempel har onlineshopping kopplats samman med depression och hamstring (
).
Ungdomar och studenter anses vara mest sårbara för PIU (
; ; ; ; ), men medelålders och äldre befolkningar har inte undersökts heltäckande. Ung ålder har förknippats med problematisk näthandel ( ; ). Det har dock gjorts ett antal studier som identifierar problematiska internetaktiviteter, inklusive överdriven internetbaserad shopping, hos vuxna befolkningar (
). Sammantaget är den naturliga historien för problematisk internetanvändning fortfarande okänd och det kan finnas åldersrelaterade skillnader i PIU överlag, eller i olika problematiska onlinebeteenden.
PIU har ansetts ha en manlig övervikt (
; ) och är sannolikt vanligare bland asiatiska manliga ungdomar, men kvinnor kan också vara sårbara ( ; ). På en klinisk nivå inkluderade majoriteten av PIU-studierna endast manliga deltagare ( ) och det är oklart om kvinnliga kliniska populationer kan ha understuderats. Det finns vissa bevis från observationsstudier för att män och kvinnor skiljer sig åt i hur de fungerar i onlinemiljön när det gäller aktiviteter de väljer och deras negativa konsekvenser ( ; ). Överdriven användning av chatt och sociala medier har associerats med kvinnligt kön hos unga studenter ( ; ; ; ; S ). Kvinnligt kön har också identifierats som en prediktor för problematisk näthandel ( ), men motsatsen har också rapporterats ( ; ). Onlinespel har associerats med manligt kön ( ), men massivt multiplayer-rollspel online har rapporterats i båda könen ( ). Onlinepornografi såväl som onlinespel har rapporterats vara vanligare bland vuxna män ( ), men det har hävdats att rollen av belöningsförstärkning, signalreaktivitet och sug efter sex online är liknande för båda könen ( ). Särskilda plattformar för sociala medier med beroendeframkallande potential, såsom nätverkssajter som Facebook, används av båda könen och det har hävdats att kvinnor kan vara särskilt utsatta ( ). Sammantaget kan det finnas könsspecifika skillnader för aspekter av PIU; alternativt kan det vara så att när väl kliniska och beteendemässiga egenskaper/förväxlingar tagits i beaktande så påverkas båda könen på liknande sätt ( ; ;
).
Sammantaget kräver problematisk internetanvändning inklusive det stora utbudet av problematiska internetbeteenden mer rigorösa undersökningar som skulle belysa vilka specifika aktiviteter som bör betraktas som problematiska eller dysfunktionella eller i allmänhet bidra till fenomenet som beskrivs som PIU. Sättet på vilket ålder och kön modererar förhållandet mellan särskilda internetaktiviteter och PIU har understuderats, vilket motiverar mer uppmärksamhet.
Vårt mål var att identifiera specifika internetrelaterade aktiviteter statistiskt associerade med PIU och om det finns interaktioner med ålder eller kön som modererar dessa relationer.
2
Material och metoder
2.1
Inställning och åtgärder
Mer detaljer om inställningen och måtten för denna studie har också beskrivits i vår tidigare publikation om PIU (
). Rapportering av metoder för denna studie följer STROBE-riktlinjen (
). Den aktuella studien genomfördes från januari 2014–februari 2015. Individer i åldern 18 år och äldre rekryterades på två platser: Chicago (USA) och Stellenbosch (Sydafrika) med hjälp av internetannonser (medelålder 29 [18–77); 1119 män [ 64 %], 1285 kaukasiska [73 %]). I annonserna ombads individer att delta i en onlineundersökning om internetanvändning. Deltagarna fyllde i undersökningen anonymt med hjälp av programvaran Survey Monkey. Enkäten skickades via Craigslist så endast deltagare från de specifika platserna var inriktade på. Studien godkändes av de institutionella granskningsnämnderna vid varje forskningsplats. Deltagarna fick ingen ersättning för att de deltog utan var inskrivna i ett slumpmässigt lotteri där fem priser var tillgängliga med varje pris värt mellan $50 och $200 i USA och tre priser mellan ZAR250 och ZAR750 i Sydafrika.
Onlineundersökningen innehöll frågor om varje individs ålder, kön, ras, relationsstatus, sexuell läggning och utbildningsbakgrund, tillsammans med olika mått på specifika internetaktiviteter. Vi mätte ett antal olika internetaktiviteter inklusive 1) allmän surfing 2) internetspel totalt 3) Online rollspel (RPG) 4) Tidsförluster/färdighetsspel (t.ex. appar på iPod/iPad/mobiltelefon, Tetris, Jewels) 5 ) Online action multiplayer (t.ex. Call of Duty, Gears of War) 6) Online shopping 7) Auktionswebbplatser (t.ex. Ebay) 8) Onlinespel 9) Sociala nätverk 10) Onlinesporter (t.ex. Fantasy sport, ESPN) 11) Pornografi/sex på internet 12) Meddelanden/bloggning (t.ex. AIM, Skype) och 13) Strömmande videor/media (t.ex. YouTube, Hulu). Undersökningen inkluderade också kliniska åtgärder: Internet Addiction Test (IAT) (
) för att tillhandahålla ett mått på felaktig internetanvändning; välj Mini International Neuropsychiatric Interview-moduler (MINI) ( ) för att identifiera trolig social ångeststörning (SAD), generaliserad ångeststörning (GAD) och tvångssyndrom (OCD); Adult ADHD Self-Report Scale Symptom Checklist (ASRS-v1.1) ( ) för att identifiera symptom på ADHD (Attention Deficit Hyperactivity Disorder); Padua Inventory (PI) ( ) för att identifiera tvångsmässiga tendenser; och Barratt Impulsiveness Scale (BIS-11) för att kvantifiera impulsiv personlighet (
). Beskrivande statistik för alla variabler sammanfattas och stratifieras efter ålder i tilläggstabell S1a.
IAT består av 20 frågor som undersöker aspekter av PIU. Poängen på IAT sträcker sig från 20 till 100 med 20–49 som reflekterar mild internetanvändning, 50–79 måttlig internetanvändning och 80–100 som återspeglar allvarlig internetanvändning. PI består av 39 objekt som bedömer vanligt tvångsmässigt och tvångsmässigt beteende. BIS-11 är ett självrapporterande frågeformulär som används för att bestämma nivåer av impulsivitet.
Vi utförde en Principal Components Analysis (PCA) för att identifiera om ett fåtal komponenter i internetaktiviteter skulle kunna svara för en betydande del av variansen. Denna analys visade dock att vi krävde >11 av 13 komponenter för att uppnå >90 % av variansen, vilket indikerar att en betydande del av variablerna för internetaktiviteter bidrar unikt till variansen. Vi valde därför att använda varje variabel separat i vår analys.
Endast data från deltagare som besvarade hela onlineundersökningen, inklusive internetaktivitetsmåtten, ingick i analyserna. Det ursprungliga provet omfattade 2551 individer. 63 individer exkluderades för att de saknade IAT-poäng. Ytterligare 18 individer exkluderades för att rapportera transkönat kön och 459 för att sakna viktiga prediktorvariabler, t.ex. PI- eller BIS-frågeformulär. Fem individer exkluderades för rapporterande ålder <18 år. Ytterligare 257 personer uteslöts på grund av saknade mått på internetaktivitet. Det slutliga hela setet inkluderade 1749 individer med fullständiga poäng på alla variabler. Detta sista steg i uteslutningsprocessen står för urvalsskillnaden mellan den aktuella studien och
. Denna sista kompletta uppsättning inkluderade 1063 individer från Stellenbosch-platsen och 686 individer från Chicago-platsen. Den uppskattade punktprevalensen av PIU var ~8.5 % med ett IAT-gränsvärde på 50 eller högre. Vid jämförelse av de två populationerna av studieplats hade Stellenbosch-platsen yngre deltagare [medel(intervall) 24.3(18–76) vs 36.3(18–77), ANOVA F < 0.05, η 2 : 0.20], en lägre andel av manligt kön [58 % mot 73 %, χ 2 < 0.05, φ :0.15], högre andel av heterosexuell sexuell läggning [91 % mot 84 %, χ 2 < 0.05, φ :0.10], högre frekvens av ADHD [50 % vs 41 % χ 2 < 0.05, φ :0.9], lägre priser för onlinehandel [mean(range) 0.48(0–5) vs 1.27(0–5), ANOVA F < 0.05, η 2 : 0.18] och något lägre IAT-poäng [medel(intervall) 30.3(20–94) vs 35.9(20–85), ANOVA F < 0.05, η 2 : 0.06]. En mer detaljerad jämförelse presenteras i tilläggstabell S1b. Rekryterings- och uteslutningsprocessen presenteras grafiskt i Fig 1 . Alla kontinuerliga variabler (dvs. BIS-poäng) standardiserades för att öka tolkningsbarheten av modellkoefficienterna. Förutsägelsemetoderna använde IAT-poängen som en numerisk variabel (intervall 20–94, medelvärde 32.48). Alla analyser utfördes i R Studio version 3.1.2. Lasso generaliserade linjära modeller utfördes med "glmnet"-paketet (Package glmnet version 2.0–5 (
)). Mer information om analysprocessen finns i tillägget (metodikbilaga).
2.2
Utforskning av korrelationer
Vi undersökte korrelationer mellan variablerna i våra data (se Fig 2 ). Alla olika internetaktiviteter hade svaga positiva korrelationer med IAT-poängen (Pearson-korrelationskoefficientintervall 0.23–0.48). Vissa måttliga positiva korrelationer mellan internetaktivitetsvariabler identifierades, dvs totalt internetspel och RPG (r = 0.57), totalt internetspel och actionspel för flera spelare (r = 0.55), onlineshopping och användning av auktionswebbplatser (r = 0.55), allmän surfning och shopping (r = 0.44), allmän surfning och socialt nätverkande (r = 0.44), allmän surfning och strömmande media (r = 0.44). Det fanns svaga positiva korrelationer mellan sport och pornografi (r = 0.38), manligt kön och sport (r = 0.30) eller pornografi (r = 0.39) eller actionspel för flera spelare (r = 0.27). Det fanns svaga samband mellan onlinespel och action multiplayer (r = 0.41), RGP (r = 0.32), auktionswebbplatser (r = 0.38), sport (r = 0.38) eller pornografi (r = 0.39). Impulsiviteten var svagt positivt korrelerad med allmän surfning, onlineshopping, användning av auktionswebbplatser, sociala nätverk, strömmande media och pornografi (0.2 ≤ r ≤ 0.3). Det fanns också en svag korrelation mellan högre ålder och shoppingaktiviteter (r = 0.33) eller användning av auktionswebbplatser (r = 0.22), och mellan icke-heterosexuell sexuell läggning och pornografi (r = 0.22). Alla andra samband mellan internetaktiviteter och ålder, kön, relationsstatus, sexuell läggning, utbildningsnivå, ras och nivåer av impulsivitet och tvångsmässighet var mycket svaga (-0.2 < r < 0.2).
2.3
Att hantera överpassning
För våra statistiska metoder använde vi modeller som inkluderade demografiska variabler (ålder, ras, utbildningsnivå, kön, relationsstatus, sexuell läggning), kliniska egenskaper (diagnoser av ADHD, GAD, social ångest och OCD), beteendedimensioner som är kända för att vara associerade med PIU (impulsivitet och tvångsmässighet), internetaktiviteter och interaktionsvillkor mellan internetaktiviteter × ålder eller kön; den senare beslöts för att testa hypotesen att ålder eller kön modererar sambandet mellan internetaktiviteter och problematiska poäng för internetanvändning. Vi inkluderade totalt 51 prediktorvariabler. Genom att inkludera en uppsjö av variabler strävade vi efter en modell som är mer exakt och som samtidigt fångar komplexa interaktioner mellan demografiska och internetaktivitetsvariabler. Men nackdelen med att ha många prediktorvariabler är att detta vanligtvis leder till överanpassning åtföljd av stora koefficienter. Dessutom tenderar linjär regression i urvalet också att överanpassa, särskilt i komplexa modeller, och är fundamentalt felaktig när det gäller att göra förutsägelser om nya data. Det finns omfattande bevis på nackdelarna med modeller som är övermonterade (
). För att hantera överanpassning har vi diskuterat att använda statistiska metoder utanför urvalet (korsvalidering) för att få en uppskattning av modellens generalisering och prediktionsfel (
). Vi utforskade detta tillvägagångssätt i våra nuvarande data när vi använde en korsvaliderad uppskattning utanför urvalet av rot-medelkvadrat-felet i samband med bakåtval av variabler för att testa om modeller förbättras genom att lägga till ett stort antal variabler i delmängderna av möjliga kombinationer av prediktorer, och vi såg att glesa modeller (dvs med ungefär mellan 13 och 16 variabler) var icke-sämre när det gäller korsvaliderad RMSE jämfört med mer komplexa modeller (inklusive >16 variabler). Detta visas i utforskande Fig 3 (övre vänstra).
2.4
Regulerad regression med sparsitetsbegränsningar
Av de skäl som nämndes i föregående stycke ville vi använda en metod för förutsägelse som inte skulle överpassa lika mycket, samtidigt som den var jämförbar med vanliga statistiska metoder när det gäller att förutsäga PIU-poäng. Det skulle också vara värdefullt om vår metod också kunde göra variabelselektion (dvs genom att minska antalet prediktorer med koefficienter som inte är noll), för att hjälpa till med tolkningsbarheten av modellen. Regularisering, ursprungligen designad av Tikhonov för att lösa integralekvationer (
) och som senare introducerades inom statistisk vetenskap av har några av de önskade ovannämnda egenskaperna att skifta modellkonstruktionen mot gleshet och minska överanpassning ( ). Lasso (generaliserad linjär modell med straffad maximal sannolikhet, känd som regression med minsta absoluta krympning och urvalsoperatör (Lasso eller LASSO ( ))) är en metod för regularisering och regressionsanalys som nu ofta används inom medicinsk vetenskap ( ; ) och har potential att användas i klinisk prediktionsmodellering inom psykiatrin (RC ). Ridge-regression är en annan form av regulariserad linjär regression som krymper koefficienter genom att införa en koefficientstraff ( ). Det elastiska nätet är en mellanmodell mellan nock och lasso och dess straff styrs av α, som överbryggar gapet mellan lasso (α = 1) och nock (α = 0). Avstämningsparametern λ styr den totala styrkan av straffen. Lasso använder L1-straffet och ridge använder L2-straffet. I motsats till åsregression är effekten av Lasso L1-straffet att de flesta koefficienter drivs till noll, vilket leder till en regulariserad lösning som samtidigt är sparsam. Genom denna mekanism utför lasson variabelselektion vilket avsevärt kan förenkla tolkningen, särskilt om många prediktorer är involverade i modellen. En annan icke-standard metod känd för hög noggrannhet och förmåga att undvika övermontering är slumpmässiga skogar (
). Slumpmässiga skogar är en maskininlärningsmetod som fungerar bra mot icke-linjära beroenden och därför kan en undersökning av denna modells prestanda ge oss insikt i, möjligen "dolda", komplexa associationer.
2.5
Prognosmetoder
För att välja lämplig modell i vår analys jämförde vi linjär regression, åsregression, elastic-net, Lasso och slumpmässiga skogsmodeller med varandra och mot en naiv baslinje, med hjälp av en korsvaliderad out-of-sample-uppskattning av RMSE. Vår korsvalidering inkluderade att slumpmässigt dela upp data i ett tränings- och testset, justera modellparametrarna i träningssetet och göra förutsägelser för IAT-poäng i testsetet. På grund av den slumpmässiga karaktären av att dela upp data i veck, upprepade vi denna process 50 gånger för att få en stabil och replikerbar uppskattning. Vi jämförde sedan de slutliga vektorerna av RMSE-poäng med hjälp av Exact Wilcoxon-Pratt signerade rangtest. Alla modeller var signifikant överlägsna den naiva baslinjen (p korrigerad <0.001, Cohens d = -0.87) (se tilläggstabell S2). Sammanfattande statistik över RMSE-poäng presenteras i tilläggstabell S3. Lasso och elastiskt nät var överlägsna åsregression (p-korrigerad <0.01, d = 0.51, d = 0.49) och linjär regression (p korrigerad <0.001, d = 0.76) och inte statistiskt olika mellan varandra (p-korrigerad >0.05, d = -0.08). Slumpmässig skog var inte överlägsen antingen lasso (p = 0.12) eller elastiskt nät (p korrigerat >0.05). Därför använde vi Lasso i vår analys, eftersom Lasso, utöver god prestanda utanför urvalet, kunde utföra variabelselektion genom att krympa koefficienter till noll och därmed öka tolkningsbarheten. Även om det elastiska nätet även kan utföra variabelselektion, tenderar det att välja fler variabler, och trots att det är en mer komplex och kraftfullare modell gav det inte nämnvärt bättre prestanda än lasso. I vår slutliga analys av fullständiga data och undergruppsanalyser använde vi 10-faldig korsvalidering för att producera den optimala lambda för varje lassomodell och rapportera koefficienter som produceras av dessa modeller. Förklaringsdiagram som härrör från den fullständiga dataanalysen presenteras i Fig 3 .
3
Resultat
Lasso-regressionsresultat sammanfattas i hela urvalet och stratifieras efter ålder i Tabellerna 1 och 2 . Fullständiga tabeller med resultat för undergruppsanalyser, inklusive stratifierade efter ålder och studieplats, presenteras i de kompletterande onlinetabellerna (tabellerna S4–S10). Undersökande diagram av data presenteras i kompletterande figurer (fig. S1–S3). Resultat från den mer standardiserade statistiska metoden för linjär regression presenteras också i tilläggstabellerna S4–S10 och eventuella skillnader i strukturell slutledning jämfört med huvudresultaten som presenteras nedan är villkorade av valet av en annan modell.
| Internetaktivitet | Alla (n = 1749) | 18 ≤ Ålder ≤ 25 (n = 1042) | 26 ≤ Ålder ≤ 55 (n = 592) | Ålder > 55 (n = 115) |
|---|---|---|---|---|
| Allmän surfing | 2.100 | 2.400 | 1.500 | 0.590 |
| Internet spel | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| Tidslösare | 0.000 | 0.000 | 0.000 | 0.450 |
| Action multiplayer | 0.000 | 0.000 | 0.000 | 0.000 |
| Gå och Handla | 1.400 | 0.840 | 1.500 | 0.000 |
| Auktionswebbplatser | 0.027 | 0.000 | 0.990 | 0.230 |
| Betting | 0.000 | 0.000 | 0.780 | 0.000 |
| Sociala nätverk | 0.460 | 0.000 | 1.300 | 0.000 |
| Sporter | 0.000 | 0.000 | 0.000 | 0.000 |
| Pornografi | 1.000 | 1.400 | 0.210 | 0.000 |
| meddelandehantering | 0.000 | 0.000 | 0.110 | 0.000 |
| Strömmande media | 0.000 | 0.000 | 0.000 | 1.200 |
| PADUA | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| ADHD-diagnos | 1.700 | 0.350 | 3.100 | 0.000 |
| GAD diagnos | 0.230 | 0.000 | 0.000 | 6.400 |
| Social ångestdiagnos | 0.000 | 0.560 | 0.000 | 0.000 |
| OCD-diagnos | 0.270 | 0.000 | 0.000 | 4.300 |
| Internetaktivitet | Alla (n = 1749) | 18 ≤ Ålder ≤ 25 (n = 1042) | 26 ≤ Ålder ≤ 55 (n = 592) | Ålder > 55 (n = 115) |
|---|---|---|---|---|
| Demografiska variabler | 0.000 | 0.000 | 0.000 | 0.000 |
| Kön × någon internetaktivitet | 0.000 | 0.000 | 0.000 | 0.000 |
| Ålder × allmän surfing | 0.000 | - | - | - |
| Ålder × Internetspel | 0.000 | - | - | - |
| Ålder × RPG | 0.330 | - | - | - |
| Ålder × tidsslösare | 0.000 | - | - | - |
| Ålder × action multiplayer | 0.000 | - | - | - |
| Ålder × shopping | 0.000 | - | - | - |
| Ålder × spelande | 0.150 | - | - | - |
| Ålder × auktionswebbplatser | 0.350 | - | - | - |
| Ålder × sociala nätverk | 0.000 | - | - | - |
| Ålder × sport | 0.000 | - | - | - |
| Ålder × pornografi | 0.000 | - | - | - |
| Ålder × meddelanden | 0.000 | - | - | - |
| Ålder × strömmande media | 0.350 | - | - | - |
3.1
Demografi
I lassoregression var ingen variabel inklusive ålder, kön, ras, utbildningsnivå, relationsstatus eller sexuell läggning associerad med PIU i någon åldersundergrupp eller i fullständiga data.
3.2
Internetaktiviteter
I Lasso-regressionen med full data var ett antal internetaktiviteter associerade med höga PIU-poäng inklusive allmän surfing (β: 2.1), internetspel (β: 0.6), onlineshopping (β: 1.4), användning av auktionswebbplatser (β: 0.027), socialt nätverkande (β: 0.46) och användning av onlinepornografi (β: 1.0). Relationerna mellan PIU och rollspel (RPG), onlinespel, användning av auktionswebbplatser och användning av strömmande media modererades efter ålder (β: 0.33, 0.15, 0.35 respektive 0.35), med högre ålder förknippad med högre PIU-poäng . I åldersundergruppsanalys (unga deltagare ålder ≤ 25, medelålders deltagare 25 < ålder ≤ 55; äldre deltagare ålder > 55) var allmän surfing associerad med PIU i alla åldersgrupper, men starkare hos unga (β: 2.4) , mindre i medelåldern (β: 1.5), och ännu mindre hos de äldre deltagarna (β: 0.59). En liknande trend sågs i internetspel (β: 0.45, 0.11 och 0.0 för de tre åldersgrupperna respektive) och användning av onlinepornografi (β: 1.4, 0.21 och 0.0). Vissa internetaktiviteter som användning av online-rollspel var starkare associerade med PIU hos medelålders deltagare jämfört med andra åldersgrupper (β: 0.71). Samma sak gällde för onlinespel (β: 0.78), snabbmeddelanden (β: 0.11) och sociala nätverk online (β: 1.3). Användning av auktionswebbplatser var också starkare förknippad med PIU hos medelålders deltagare (β: 0.99), men också prediktivt hos de äldre deltagarna (β: 0.23). Strömmande onlinemedia och användning av tidsfördrivare associerades med PIU hos de äldre deltagarna (β: 1.2, 0.45 respektive), men inte i någon annan åldersgrupp.
3.3
Kliniska och beteendemässiga egenskaper
Symtom på uppmärksamhetsstörning med hyperaktivitet (ADHD) (β: 1.7), generaliserat ångestsyndrom (GAD) (β: 0.23) och tvångssyndrom (OCD) (β: 0.27) associerades med högre PIU-poäng. I åldersundergruppsanalys associerades ADHD och SAD med högre PIU-poäng hos yngre deltagare (β: 0.35 respektive 0.56), medan ADHD förblev signifikant i medelålders undergruppen (β: 3.1). GAD och OCD var associerade med högre PIU-poäng i den äldre deltagares undergrupp (β: 6.4 respektive 4.3), men inte i de andra åldersgrupperna. BIS-poäng (impulsiv personlighet) och PADUA-poäng (tvangsmässiga-tvångstendenser) var associerade med högre PIU-poäng i de fullständiga data (β: 0.066 respektive 0.074) och i analyser av alla åldersundergrupper.
4
Diskussion
Den här uppsatsen är det första försöket att heltäckande utforska de olika typerna av internetaktiviteter som är förknippade med missanpassad användning av internet, dvs med problematisk internetanvändning. Tidigare arbete har generellt tagit itu med frågan om specifika internetaktiviteter som leder till problematisk användning genom att fokusera på isolerade internetaktiviteter (
; ; ; ; ). Vi har här visat att en rad internetaktiviteter, inklusive allmän surfning, internetspel, onlineshopping, användning av auktionswebbplatser, onlinespel, sociala nätverk och användning av onlinepornografi bidrar separat och unikt till PIU, vilket ger bevis för att PIU är en komplex fenomen som omfattar en mängd olika problematiska beteenden. Utöver detta har vi visat att dessa beteenden behåller sina statistiskt signifikanta samband med PIU, även när psykiatriska symtom som är kända för att vara associerade med PIU (dvs. symtom på ADHD, GAD och OCD) ( ; ) och dimensioner av beteende som är kända för att vara prediktiva för PIU (dvs personlighetsmått på impulsivitet och tvångsförmåga) ( ; ; ;
) beaktas. Vi har vidare visat att specifika internetaktiviteter som RPG, onlinespel, användning av auktionswebbplatser och strömmande media är förknippade med högre PIU-poäng och att detta förhållande påverkas av ålder. Slutligen visar våra data att andra typer av onlinebeteende (t.ex. shopping, pornografi, allmän surfing) har ett starkare samband med missanpassad användning av internet än spel och det är möjligt att detta har att göra med det faktum att tidigare studier inte har inkluderat en sådan brett utbud av internetrelaterade aktiviteter. Dessa resultat har betydande implikationer för konceptualiseringen av PIU som en kliniskt meningsfull störning, eftersom de drar uppmärksamheten bort från den endimensionella och relativt snäva konstruktionen av "internetspelstörning", mot en multidimensionell enhet av problematisk internetanvändning eller internetberoende som omfattar flera aspekter mänskligt beteende online.
Genom att använda korsvalidering utanför urvalet har vi dessutom visat att den "icke-standardiserade" metoden att använda Lasso-regression är mer exakt för att förutsäga PIU-poäng jämfört med den "mer standard" linjära regressionen. Att använda out-of-sample-uppskattning av det prediktiva värdet av en modell hjälper ofta till att tackla fenomenet genom vilket signifikanser avtar i replikationsstudier. Valet av Lasso-regression kommer dock med förbehållet att variabler som inte väljs av modellen (med nollkoefficienter) fortfarande kan vara prediktiva, särskilt när det finns höga korrelationer mellan valda och icke-valda variabler. I vår datamängd hade vi inga högkorrelerade variabler, men denna begränsning innebär att vi bör behandla eventuella negativa resultat konservativt. Till exempel, bristen på samband mellan kön och PIU samt avsaknaden av samband mellan kön × Internetaktiviteter med PIU stöder utan tvekan hypotesen att om ett bredare spektrum av PIU-beteenden och potentiella förväxlingar beaktas, är båda könen lika sårbara att utveckla aspekter av PIU (
; ). Men på grund av begränsningarna i vår analys kan vi inte utesluta möjligheten att andra samband mellan PIU och kön finns. Till exempel har det föreslagits att kön modererar förhållandet mellan onlineshopping och PIU och att kvinnor kan vara mer utsatta ( ). Av relevans kan vara att köptvångsstörning, en störning som är framträdande i medelåldersgrupper, har en kvinnlig övervikt i förhållandet 5:1 ( ), och kan vara orsaken till sådana fynd. Vi hade inga data om denna störning för att testa denna hypotes. Det är också viktigt att notera att IAT-instrumentet som används här har fått kritik för sin bristande robusthet när det gäller faktorstruktur, skillnader från nuvarande DSM-5 operationalisering (spelstörning) och släpar efter de tekniska framstegen för internetapplikationer ( ;
). Framtida PIU-forskning skulle vara väl betjänt av metodologiskt robusta, validerade instrument, som också skulle kunna fånga den snabbt utvecklande karaktären hos PIU ur ett tekniskt och beteendemässigt perspektiv.
Vår åldersundergruppsanalys gav insikt i åldersrelaterade samband mellan PIU och olika internetaktiviteter. Den vanliga uppfattningen att PIU är en störning hos ungdomar är inte nödvändigtvis korrekt och kan baseras på bristen på lämpligt utformade studier som fångar onlinebeteenden i alla åldersgrupper. Otillräcklig kunskap om PIUs naturhistoria under hela livslängden tillåter inte en omfattande undersökning av sårbarheter i de äldre populationerna när det gäller risk att utveckla PIU. Våra resultat indikerar dock att dessa sårbarheter existerar och ytterligare forskning är berättigad för att kartlägga egenskaperna hos populationerna i riskzonen. Att ha ADHD eller symtom på social ångest kan till exempel vara en prediktor för PIU i unga populationer, medan att ha OCD- eller GAD-symtom kan vara en prediktor för PIU i äldre populationer. Det faktum att OCD inte visade sig vara associerat med PIU i en färsk metaanalys (
) kan vara en indikator på att äldre populationer har understuderats. Det faktum att ADHD var starkt förknippat med höga PIU-poäng är inte förvånande, eftersom andra studier har rapporterat en mycket hög prevalens av ADHD (upp till 100 %) i PIU-populationer ( ). Samtidigt kan specifika medelålderspopulationer (mellan 26 och 55) vara mer i riskzonen för PIU om de också lider av köptvång eller spelstörning, med tanke på den naturliga historien för dessa störningar, som toppar i medelåldern (
).
Dessutom antyder fynden att en viss onlineaktivitet endast associerades med PIU i specifika åldersgrupper att vissa åldersgrupper kan löpa risk att utveckla aspekter av PIU. Medan unga människor kan löpa större risk att utveckla PIU med en benägenhet att titta på pornografi, en sårbarhet som kan vara mindre stark i medelåldern och avta senare i livet, kan äldre människor vara mer benägna att utveckla PIU som kännetecknas av problematisk användning av tid slösare och strömmande media (se utforskande Fig 4 ). Slutligen kan allmän surfing vara en underskattad aspekt av PIU, som verkar vara starkare förknippad med högre PIU-poäng hos ungdomar, men viktig i alla åldersgrupper; Detta fynd kan hänga samman med att det tidiga vuxenlivet kan vara mindre målinriktat och att ungdomarna tillbringar mer tid under ostrukturerade aktiviteter i onlinemiljöer jämfört med andra äldre åldersgrupper.
Våra resultat har också folkhälsoimplikationer i relation till regleringen av onlineinnehåll och inriktningsinsatser. Om vissa aktiviteter är starkare kopplade till utvecklingen av problematisk användning än andra, så uppstår frågan om folkhälsopolitiken bör rikta in sig på grupper av utsatta individer för att förbättra deras motståndskraft mot risken för PIU, eller om mer universella insatser riktar sig mot specifika aspekter av internetbeteenden, bör övervägas för att göra onlinemiljöerna mindre beroendeframkallande. Till exempel kan onlineplattformar i vissa fall använda specifika arkitekturer som utnyttjar användarnas sårbarheter (dvs impulsiva eller tvångsmässiga egenskaper) och som syftar till att maximera användarnas vistelsetid inom onlinemiljön. Även om detta är vettigt ur ett marknadsföringsperspektiv, väcker det oro för huruvida dessa miljöer också bör utfärda en hälsovarning till användaren.
4.1
Begränsningar
Detta var en tvärsnittsundersökning på nätet, därför kan inga orsakssamband dras. Dessutom, på grund av rekryteringsmetoden och möjliga benägenhet för personer med PIU att vara mer benägna att fylla i en online-enkät, kanske de nuvarande resultaten inte generaliserar till PIU i den allmänna bakgrundsbefolkningen i stort. En annan begränsning av vår studie är bristen på kliniska data för vissa diagnostiska enheter associerade med PIU, till exempel depression eller missbruk av droger. Därför är det möjligt att depression eller missbruk av droger kan förklara några av de samband som observerats i vår studie. Framtida studier bör inkludera ett bredare utbud av kliniska parametrar för att undersöka om dessa står för samband som observerats mellan PIU och internetaktiviteter. Det finns ytterligare begränsningar när det gäller våra kliniska data som härrör från användningen av MINI; detta är validerat för att levereras från en utbildad person i en ansikte mot ansikte-intervju medan det i vår studie levererades via ett onlineverktyg. Våra kliniska data överensstämmer dock med tidigare studier i PIU. En annan nackdel med vår datainsamling var dessutom att vi bedömde internetaktivitet med användning av tid som spenderades på aktiviteten som proxymått för PIU för den aktiviteten. Även om detta kan fånga överdriven, och därför problematisk användning, kan det också möjligen fånga väsentlig användning. Även om aktiviteterna som utvärderades i denna studie ofta som standard inte var väsentliga på grund av sin natur (t.ex. tidsfördriv), eller när de utförs i kraftigt överskott (t.ex. >8 timmar/dag av shopping, hasardspel eller pornografi), skulle framtida studier kunna inkludera åtgärder som kan skilja väsentlig från icke-nödvändig internetanvändning för varje internetaktivitet, för att möjliggöra sådana analyser. En annan begränsning av vår studie är bristen på data för barn och ungdomar. Barn och ungdomar kan interagera med internet på ett annat sätt, men också exponeras för onlineanvändning under ett annat neuroutvecklingsfönster. Därför kan sådana skillnader innebära olika sårbarheter eller motståndskraft när det gäller risk för att utveckla PIU. Till exempel kan tidig, låg exponering för onlinemiljön ha en "stressinokuleringseffekt" (
) som stålsätter individer från framtida utveckling av PIU. Om så är fallet kan detta ytterligare förklara varför äldre befolkningar som först fick sin första exponering av onlinemiljöer i vuxen ålder kan vara mer sårbara. Framtida studier kan inkludera dessa barn och ungdomars åldersgrupper och undersöka prospektivt om specifika internetaktiviteter är förutsägande för PIU. Tyvärr var antalet deltagare som rapporterade transgender kön litet (n = 18), vilket inte möjliggjorde en meningsfull analys av effekten av transgender kön. En sista begränsning av vår studie är att vår studiepopulation består av friska vuxna som endast <1% lider av signifikanta PIU-beteenden (IAT > 80). Framtida studier skulle gynnas av att ha ett specifikt fokus på den högre delen av PIU-spektrumet för att kunna jämföra dessa allvarliga PIU-populationer med en kontrollgrupp av låga till måttliga eller icke-PIU-individer. Medan den uppskattade punktprevalensen av PIU i vårt urval var ~8.5 % (med IAT ≥ 50 cut-off), förblir trösklarna för klinisk caseness för PIU omtvistade och framtida forskning skulle dra nytta av ett universellt accepterat mått och definition av PIU.
4.2
Slutsats
Sammanfattningsvis framhåller DSM-5 internetspelstörning som en kandidatstörning, men andra typer av onlinebeteende (t.ex. shopping, pornografi, allmän surfing) har ett starkare samband med missanpassad användning av internet än spel. Psykiatriska diagnoser och internetaktiviteter i samband med problematisk internetanvändning varierar med åldern, ett fynd som har konsekvenser för folkhälsan. Dessa resultat bidrar till den begränsade kunskapen om internetaktiviteter i samband med problematisk internetanvändning och kan bidra till den diagnostiska klassificeringen av problematisk internetanvändning som en mångfacetterad störning.
Rollen för finansieringskällor
Denna forskning fick interna medel från institutionen för psykiatri vid University of Chicago. Dr. Ioannidis forskningsaktiviteter stöds av Health Education East of England Higher Training Specialintresse sessioner. Författarna fick inga medel för att förbereda detta manuskript. Finansieringskällan spelade ingen roll i designen, dataanalysen eller skrivandet av studien.
bidragsgivare
KI utformade idén till manuskriptet, analyserade data, skrev större delen av manuskriptet och kompletterande material och samordnade medförfattarnas bidrag. MT och FK deltog i utformningen och granskningen av den statistiska analysen. SRC, SR, DJS, CL och JEG designade och koordinerade studien och samlade in och hanterade data. Alla författare läste och godkände det slutliga manuskriptet och bidrog till utformningen och revideringen av uppsatsen samt till att tolka resultaten.
Intressekonflikt
Dr. Grant har fått forskningsanslag från NIDA (RC1DA028279-01), National Center for Responsible Gaming och Roche and Forest Pharmaceuticals. Dr. Grant får ersättning från Springer som chefredaktör för Journal of Gambling Studies och har fått royalties från McGraw Hill, Oxford University Press, Norton och APPI. Dr. Chamberlain konsulterar för Cambridge Cognition och hans engagemang i denna forskning stöddes av ett Intermediate Clinical Fellowship från Wellcome Trust (UK; 110049/Z/15/Z ). Dan Stein och Christine Lochner finansieras av Sydafrikas medicinska forskningsråd. De andra författarna rapporterar inga ekonomiska relationer med kommersiellt intresse. Ingen av de ovan nämnda källorna hade någon roll i studiens design, insamling, analys eller tolkning av data, skrivandet av manuskriptet eller beslutet att lämna in uppsatsen för publicering.
Bekräftelse
Vi är tacksamma till de frivilliga från båda platserna som deltog i studien.
Bilaga A
Kompletterande uppgifter
Extramaterial
Referensprojekt
- Achab et al., 2011. Achab S., Nicolier M., Mauny F., Monnin J., Trojak B., Vandel P. och Haffen E.: Massivt multiplayer online-rollspel: Jämföra egenskaper hos missbrukare vs icke-beroende online rekryterade spelare i en fransk vuxen befolkning. BMC Psykiatri 2011; 11: s. 144
Visa i artikel - American Psychiatric Association, 2013. American Psychiatric Association: Diagnostisk och statistisk manual för psykiska störningar: DSM-5. Washington, DC: American Psychiatric Association, 2013.
Visa i artikel - Andreassen et al., 2012. Andreassen CS, Torsheim T., Brunborg GS och Pallesen S.: Utveckling av en Facebook-beroendeskala. Psykologiska rapporter 2012; 110: sid. 501-517
Visa i artikel | Cross Ref - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. och Oren A.: Internetberoende bland norska vuxna: En stratifierad sannolikhetsprovstudie. Scandinavian Journal of Psychology 2009; 50: sid. 121-127
Visa i artikel | Cross Ref - Svart, 2007. Black DW: A review of compulsive buying disorder. World Psychiatry: Official Journal of the World Psychiatric Association (WPA) 2007; 6: s. 14-18
Visa i artikel - Blockera, 2008. Block JJ: Issues for DSM-V: Internet addiction. American Journal of Psychiatry 2008; 165: sid. 306-307
Visa i artikel | Cross Ref - Brand et al., 2011. Brand M., Laier C., Pawlikowski M., Schächtle U., Schöler T., och Altstötter-Gleich C.: Titta på pornografiska bilder på Internet: Rollen av sexuell upphetsning och psykologisk-psykiatriska symptom för att använda sexsajter på Internet överdrivet . Cyberpsykologi, beteende och sociala nätverk 2011; 14: sid. 371-377
Visa i artikel | Cross Ref - Breiman, 2001. Breiman L.: Statistisk modellering: De två kulturerna. Statistisk vetenskap 2001; 16: s. 199-215
Visa i artikel - Bujak et al., 2016. Bujak R., Daghir-Wojtkowiak E., Kaliszan R. och Markuszewski MJ: PLS-baserade och regulariseringsbaserade metoder för val av relevanta variabler i icke-målinriktade metabolomikdata. Frontiers in Molecular Biosciences 2016; 3: sid. 1-10
Visa i artikel - Burns et al., 1996. Burns GL, Keortge SG, Formea GM och Sternberger LG: Revision av Padua-inventeringen av symtom på tvångssyndrom: Distinktioner mellan oro, tvångstankar och tvångshandlingar. Beteendeforskning och terapi 1996; 34: sid. 163-173
Visa i artikel | Cross Ref - Cao et al., 2007. Cao F., Su L., Liu T. och Gao X.: Förhållandet mellan impulsivitet och internetberoende i ett urval av kinesiska tonåringar. European Psychiatry 2007; 22: sid. 466-471
Visa i artikel | Cross Ref - Carli et al., 2013. Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E. och Kaess M.: Sambandet mellan patologisk internetanvändning och komorbid psykopatologi: En systematisk översikt. Psykopatologi 2013; 46: s. 1-13
Visa i artikel | Cross Ref - Claes et al., 2016. Claes L., Müller A. och Luyckx K.: Tvångsmässigt köp och hamstring som identitetssubstitut: Rollen av materialistiskt värdestöd och depression. Helhetspsykiatri 2016; 68: sid. 65-71
Visa i artikel | Cross Ref - Cole och Hooley, 2013. Cole SH och Hooley JM: Kliniska och personlighetskorrelationer av MMO-spel: Ångest och absorption vid problematisk internetanvändning. Samhällsvetenskaplig datorrevy 2013; 31: sid. 424-436
Visa i artikel | Cross Ref - Cunningham-Williams et al., 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR och Cloninger CR: Prevalens och prediktorer för patologiskt spelande: Resultat från studien St. Louis personlighet, hälsa och livsstil (SLPHL). Journal of Psychiatric Research 2005; 39: sid. 377-390
Visa i artikel | Cross Ref - von Elm et al., 2008. von Elm E., Altman DG, Egger M., Pocock SJ, Gøtzsche PC, Vandenbroucke JP och Initiative S.: The strengthening the reporting of observational studies in epidemiology (STROBE) statement: Guidelines for reporting observational studies. Journal of Clinical Epidemiology 2008; 61: sid. 344-349
Visa i artikel | Cross Ref - Fernández-Villa et al., 2015. Fernández-Villa T., Alguacil Ojeda J., Almaraz Gómez A., Cancela Carral JM, Delgado-Rodríguez M., García-Martín M. och Martín V.: Problematisk internetanvändning hos universitetsstudenter: Associerade faktorer och skillnader mellan kön . Adicciones 2015; 27: sid. 265-275
Visa i artikel | Cross Ref - Friedman et al., 2010. Friedman J., Hastie T. och Tibshirani R.: Regulariseringsvägar för generaliserade linjära modeller via koordinatnedstigning. Journal of Statistical Software 2010; 33: sid. 1-22
Visa i artikel - Griffiths, 2003. Griffiths M.: Internetspel: frågor, bekymmer och rekommendationer. Cyberpsykologi och beteende: Inverkan av internet, multimedia och virtuell verklighet på beteende och samhälle 2003; 6: sid. 557-568
Visa i artikel | Cross Ref - Ha och Hwang, 2014. Ha Y.-M. och Hwang WJ: Könsskillnader i internetberoende associerade med psykologiska hälsoindikatorer bland ungdomar som använder en nationell webbaserad undersökning. International Journal of Mental Health and Addiction 2014; 12: sid. 660-669
Visa i artikel | Cross Ref - Ho et al., 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F., Lu Y. och Mak K.-K.: Sambandet mellan internetberoende och psykiatrisk komorbiditet: en metaanalys. BMC Psykiatri 2014; 14: s. 183
Visa i artikel - Hoerl och Kennard, 1970. Hoerl AE och Kennard RW: Ridge regression: Biased estimering for nonortogonal problem. Technometrics 1970; 12: sid. 55-67
Visa i artikel - Huys et al., 2016. Huys QJM, Maia TV och Frank MJ: Beräkningspsykiatri som en bro från neurovetenskap till kliniska tillämpningar. Nature Neuroscience 2016; 19: sid. 404-413
Visa i artikel | Cross Ref - Igarashi et al., 2008. Igarashi T., Motoyoshi T., Takai J. och Yoshida T.: Ingen mobil, inget liv: Självuppfattning och beroende av textmeddelanden bland japanska gymnasieelever.
Visa i artikel - Ioannidis et al., 2016. Ioannidis K., Chamberlain SR, Treder MS, Kiraly F., Leppink E., Redden S. och Grant JE: Problematisk internetanvändning (PIU): Associationer med det impulsiva-kompulsiva spektrumet. Journal of Psych: An application of machine learning in psychiatry, 2016.
Visa i artikel - Janower, 2006. Janower CR: Spelande på Internet. Journal of Computer-Mediated Communication 2006; 2: s. 0
Visa i artikel | Cross Ref - Kessler et al., 2005. Kessler RC, Adler L., Ames M., Demler O., Faraone S., Hiripi E. och Walters EE: Världshälsoorganisationens självrapporteringsskala för ADHD (ASRS): En kort screeningskala för användning i den allmänna befolkning. Psykologisk medicin 2005; 35: sid. 245-256
Visa i artikel | Cross Ref - Kessler et al., 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. och Zaslavsky AM: Testa en maskininlärningsalgoritm för att förutsäga persistensen och svårighetsgraden av allvarlig depressiv sjukdom från självrapporter från baslinjen. Molekylärpsykiatri 2016; 21: sid. 1366-1371
Visa i artikel | Cross Ref - Khazaal et al., 2015. Khazaal Y., Achab S., Billieux J., Thorens G., Zullino D., Dufour M. och Rothen S.: Faktorstruktur för internetberoendetestet hos onlinespelare och pokerspelare. JMIR Mental Health 2015; 2:
Visa i artikel - Kim et al., 2016. Kim D., Kang M., Biswas A., Liu C. och Gao J.: Integrativt tillvägagångssätt för slutledning av genreglerande nätverk med användning av lassobaserad slumpmässig utformning och tillämpning på psykiatriska störningar. BMC Medical Genomics 2016; 9: s. 50
Visa i artikel - King, 1999. King SA: Internetspel och pornografi: Illustrativa exempel på de psykologiska konsekvenserna av kommunikationsanarki. Cyberpsykologi och beteende 1999; 2: sid. 175-193
Visa i artikel - King och Barak, 1999. King SA och Barak A.: Tvångsmässigt internetspel. Cyberpsykologi och beteende 1999; 2: sid. 441-456
Visa i artikel | Cross Ref - Király et al., 2015. Király O., Griffiths MD och Demetrovics Z.: Internetspelstörning och DSM-5: konceptualisering, debatter och kontroverser. Aktuella missbruksrapporter 2015; 2: sid. 254-262
Visa i artikel - Király et al., 2014. Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z. och Demetrovics Z.: Problematisk internetanvändning och problematiskt onlinespel är inte samma sak: Fynd från ett stort nationellt representativt urval av ungdomar. Cyberpsykologi, beteende och sociala nätverk 2014; 17: sid. 749-754
Visa i artikel - Kittinger et al., 2012. Kittinger R., Correia CJ och Irons JG: Förhållandet mellan Facebook-användning och problematisk internetanvändning bland högskolestudenter. Cyberpsykologi, beteende och sociala nätverk 2012; 15: sid. 324-327
Visa i artikel | Cross Ref - Ko et al., 2012. Ko C.-H., Yen J.-Y., Yen C.-F., Chen C.-S. och Chen C.-C.: Sambandet mellan Internetberoende och psykiatrisk störning: En genomgång av litteraturen . European Psychiatry 2012; 27: s. 1-8
Visa i artikel - Ko et al., 2007. Ko C.-H., Yen J.-Y., Yen C.-F., Lin H.-C. och Yang M.-J.: Faktorer som förutsäger incidens och remission av internetberoende hos unga tonåringar: A prospektiv studie. Cyberpsykologi och beteende: Inverkan av internet, multimedia och virtuell verklighet på beteende och samhälle 2007; 10: sid. 545-551
Visa i artikel | Cross Ref - Kuss och Griffiths, 2011. Kuss DJ och Griffiths MD: Sociala nätverk och beroende på nätet – En översyn av den psykologiska litteraturen. International Journal of Environmental Research and Public Health 2011; 8: sid. 3528-3552
Visa i artikel | Cross Ref - Kuss et al., 2013. Kuss DJ, Griffiths MD och Binder JF: Internetberoende hos studenter: Prevalens och riskfaktorer. Datorer i mänskligt beteende 2013; 29: sid. 959-966
Visa i artikel | Cross Ref - Kuss och Lopez-Fernandez, 2016. Kuss DJ och Lopez-Fernandez O.: Internetberoende och problematisk internetanvändning: En systematisk översyn av klinisk forskning. World Journal of Psychiatry 2016; 6: sid. 143-176
Visa i artikel | Cross Ref - Laconi et al., 2016. Laconi S., Andréoletti A., Chauchard E., Rodgers RF och Chabrol H.: Problematisk internetanvändning, tid spenderad online och personlighetsdrag. L'Encéphale 2016; 42: sid. 214-218
Visa i artikel | Cross Ref - Laconi et al., 2014. Laconi S., Rodgers RF och Chabrol H.: Mätningen av Internetberoende: En kritisk granskning av befintliga skalor och deras psykometriska egenskaper. Datorer i mänskligt beteende 2014; 41: s. 190-202
Visa i artikel | Cross Ref - Laier et al., 2013. Laier C., Pawlikowski M., Pekal J., Schulte FP och Brand M.: Cybersexberoende: Upplevd sexuell upphetsning när du tittar på pornografi och inte verkliga sexuella kontakter gör skillnaden. Journal of Behavioral Addictions 2013; 2: sid. 100-107
Visa i artikel | Cross Ref - Lecardeur, 2013. Lecardeur L.: Psychopathologie du jeu multi-joueurs en ligne. Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: sid. 579-586
Visa i artikel | Cross Ref - Liang et al., 2016. Liang L., Zhou D., Yuan C., Shao A. och Bian Y.: Könsskillnader i förhållandet mellan internetberoende och depression: En korsfördröjd studie hos kinesiska ungdomar. Datorer i mänskligt beteende 2016; 63: sid. 463-470
Visa i artikel | Cross Ref - Lopez-Fernandez, 2015. Lopez-Fernandez O.: Hur har internetberoendeforskningen utvecklats sedan internetspelstörningen kom? En översikt av cyberberoende ur ett psykologiskt perspektiv. Aktuella missbruksrapporter 2015; 2: sid. 263-271
Visa i artikel | Cross Ref - Masten och Tellegen, 2012. Masten AS, och Tellegen A.: Resiliens i utvecklingspsykopatologi: Bidrag från projektet kompetens longitudinell studie. Utveckling och psykopatologi 2012; 24: sid. 345-361
Visa i artikel | Cross Ref - Mueller et al., 2010. Mueller A., Mitchell JE, Crosby RD, Gefeller O., Faber RJ, Martin A. och de Zwaan M.: Uppskattad förekomst av tvångsmässigt köp i Tyskland och dess samband med sociodemografiska egenskaper och depressiva symtom. Psykiatriforskning 2010; 180: s. 137-142
Visa i artikel | Cross Ref - Patton et al., 1995. Patton JH, Stanford MS och Barratt ES: Faktorstruktur på Barratts impulsivitetsskalan. Journal of Clinical Psychology 1995; 51: sid. 768-774
Visa i artikel | Recupero, 2008. Recupero PR: Forensisk utvärdering av problematisk internetanvändning. Journal of the American Academy of Psychiatry and the Law 2008; 36: sid. 505-514
Visa i artikel - Rose och Dhandayudham, 2014. Rose S., och Dhandayudham A.: Mot en förståelse av internetbaserade problemköpbeteende: konceptet med online shoppingberoende och dess föreslagna prediktorer. Journal of Behavioral Addictions 2014; 3: sid. 83-89
Visa i artikel | Cross Ref - Rutland et al., 2007. Rutland JB, Sheets T. och Young T.: Utveckling av en skala för att mäta problemanvändning av kortmeddelandetjänst: The SMS problem use diagnostic questionnaire. Cyberpsykologi & Beteende 2007; 10: sid. 841-844
Visa i artikel | Cross Ref - Rutter, 1993. Rutter M.: Resiliens: Några konceptuella överväganden. The Journal of Adolescent Health: Officiell publikation av Society for Adolescent Medicine 1993; 14: sid. 626-631
Visa i artikel | Cross Ref - Shaw och svart, 2008. Shaw M. och Black DW: Internetberoende: Definition, bedömning, epidemiologi och klinisk hantering. CNS Drugs 2008; 22: sid. 353-365
Visa i artikel | Cross Ref - Sheehan et al., 1998. Sheehan DV, Lecrubier Y., Sheehan KH, Amorim P., Janavs J., Weiller E. och Dunbar GC: The Mini-International Neuropsychiatric Interview (MINI): Utvecklingen och valideringen av en strukturerad diagnostisk psykiatrisk intervju för DSM-IV och ICD-10. Journal of Clinical Psychiatry 1998; 59:
Visa i artikel - Tam och Walter, 2013. Tam P. och Walter G.: Problematisk internetanvändning i barndom och ungdom: Evolution of a 21st century affliction. Australasian Psychiatry 2013; odefinierad:
Visa i artikel - Tibshirani, 1996. Tibshirani R.: Regressionskrympning och urval via lassot. Journal of the Royal Statistical Society, serie B 1996; 58: sid. 267-288
Visa i artikel - Tikhonov, 1963. Tikhonov AN: Lösning av felaktigt formulerade problem och regulariseringsmetoden. sovjetisk matematik Doklady 1963; 5: sid. 1035-1038
Visa i artikel - Trotzke et al., 2015. Trotzke P., Starcke K., Müller A. och Brand M.: Patologiskt köp online som en specifik form av internetberoende: En modellbaserad experimentell undersökning. PLoS One 2015; 10:
Visa i artikel - Tsai et al., 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C., Chen KC, Yang YC och Yang YK: Riskfaktorerna för internetberoende? En undersökning av nybörjare på universitet. Psykiatriforskning 2009; 167: sid. 294-299
Visa i artikel | Cross Ref - Wallace, 2014. Wallace P.: Internetberoendestörning och ungdom: Det finns en växande oro för tvångsmässig onlineaktivitet och att detta kan hämma elevernas prestationer och sociala liv. EMBO-rapporter 2014; 15: s. 12-16
Visa i artikel | Cross Ref - Xin et al., 2018. Xin M., Xing J., Pengfei W., Houru L., Mengcheng W. och Hong Z.: Onlineaktiviteter, prevalens av internetberoende och riskfaktorer relaterade till familj och skola bland ungdomar i Kina. Rapporter om beroendeframkallande beteende 2018; 7: s. 14-18
Visa i artikel | Cross Ref - Yuen et al., 2004. Yuen CN, Lavin MJ, Weinman M. och Kozak K.: Internetberoende i den kollegiala befolkningen: blyghets roll. Cyberpsykologi & Beteende 2004; 7: sid. 379-383
Visa i artikel | Cross Ref - Young, 1998. Young KS: Internetberoende: Uppkomsten av en ny klinisk störning. CyberPsychology & Behavior 1998; 1: sid. 237-244
Visa i artikel | Cross Ref
;
