Validering av en malay version av Smartphone Addiction Scale bland medicinska studenter i Malaysia (2015)

Abstrakt

siffror

 

 

 

 

 

  

Citation: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, et al. (2015) Validering av en malaysisk version av Smartphone Addiction Scale bland medicinska studenter i Malaysia. PLoS ONE 10 (10): e0139337. doi: 10.1371 / journal.pone.0139337

Redaktör: Aviv M. Weinstein, University of Ariel, ISRAEL

Mottagen: Mars 18, 2015; Accepterad: September 11, 2015; Publicerad: Oktober 2, 2015

Upphovsrätt: © 2015 Ching 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: All relevant information finns i papperet och dess stödjande informationsfiler.

finansiering: Författarna vill också tacka UPM-forskningsfonden (bidrag nr: UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500) för det ekonomiska stödet. URL: n är http://www.rmc.upm.edu.my/.

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

Beskrivning

Det är ingen tvekan om att smarttelefonen har gett oss en enorm bekvämlighet i vårt dagliga liv, eftersom den har en mer avancerad datorkapacitet och anslutning än basfunktionstelefoner [1]. Användning av smartphone har sina egna olika mål och syften. Ett brett utbud av studier rapporterade att smarttelefonen har många fördelar för sociala och medicinska ändamål [2-5]. Även om smarttelefonen har blivit ett av de mest populära och viktiga kommunikationsverktygen har dess överdrivna användning dykt upp som en social fråga över hela världen och skapat ett nytt problem för mental hälsa, där användaren tenderar att utveckla beroende av den [6-8].

Smartphone-beroende kallas också ”mobiltelefonberoende”, ”tvångsmässig överanvändning av mobiltelefoner” eller ”överanvändning av mobiltelefoner”. Dessa termer beskriver främst fenomenet problematisk användning av mobiltelefoner [9, 10]. ”Smartphone-beroende” är det uttryck som vanligtvis används i litteraturen. Detta beroende kännetecknas huvudsakligen av överdrivna eller dåligt kontrollerade upptagen, uppmaningar eller beteenden när det gäller användning av smarttelefoner, i den utsträckning att individer försummar andra livsområden11-13]. Studier rapporterar att överdriven användning av mobiltelefoner var förknippad med stress, sömnstörning, rökning och symtom på depression [14-16].

Nya uppgifter från Malaysia visade att smarttelefonpenetrationen ökade från 47% i 2012 till 63% i 2013. I 2014 var 10.13 miljoner malaysier aktiva smarttelefonanvändare, jämfört med 7.7 miljoner i 2012 [17-20]. Patologisk användning av smarttelefonen liknar internetberoende. Användningen av internetberoende blir överdriven bland ungdomar och vuxna över hela världen [21]. Överdriven internetberoende leder till psykiatriska störningar, låg självkänsla, depression och nedsatt akademisk och yrkesmässig prestation [22-25]. Lokala studier rapporterade att förekomsten av internetberoende var 43% [26], och det finns mer än 4.2 miljoner aktiva Facebook-användare i Malaysia; Faktum är att Facebook är den bästa nätverkssidan i detta land. Med tanke på att det har skett en snabb ökning av smartphoneanvändningen i Malaysia finns det ett akut behov att validera en skala för att mäta smarttelefonberoende i lokalbefolkningen för att bestämma dess förekomst och för att identifiera vem som riskerar att utveckla smarttelefonberoende så att beslutsfattare kan planera en lämplig intervention inom en snar framtid.

Liksom den faktiska strukturen förberedd för internetberoende test [27], Smartphone Addiction Scale (SAS) utvecklad av Min Kwon et al. var den första skalan för smartphone-beroende som användes för diagnos [28]. Denna skala består av 33-artiklar och har rapporterats vara pålitlig, med god intern konsistens (Cronbachs alfa = 0.967), och den samtidiga giltigheten för de sex underskalorna sträcker sig från 0.32 till 0.61 [28].

Denna studie syftade till att översätta SAS till det malaysiska språket och att studera de psykometriska egenskaperna för den malaysiska versionen av SAS (SAS-M) för att underlätta dess användning för ytterligare forskning i den lokala miljön.

Metodik

Studera design och inställning

Detta var en tvärsnittsstudie av alla första- och andraårs medicinska studenter från Universiti Putra Malaysia. Dessa studenter kontaktades för en valideringsstudie från augusti 2014 till september 2014. Detta universitet ligger i Serdang, bredvid Malasias administrativa huvudstad, Putrajaya. Vi uppskattade provstorleken till minst 165 baserat på beräkningen av fem fall per artikel i SAS (som har totalt 33 objekt) [29]. Därför var en provstorlek av 228 i denna studie tillräcklig.

Procedur.

Steg 1: Författaren erhöll den engelska versionen av SAS från Kwon et al. Översättning från engelska till engelska utfördes parallellt av två tvåspråkiga språkexperter, och en tillbaka översättning utfördes av en tredje expert på tvåspråkiga språk. Avvikelser mellan originalversionen och den bakre översättningen diskuterades och justeringar gjordes i enlighet med detta. En slutlig version av det översatta SAS, som vi kallade ett utkast till SAS-M, genererades av en expertpanel bestående av en psykiater, två överläkare och en familjeläkare, som alla var kvalificerade yrkesmän när det gäller användning av psykometriska instrument och som alla hade klinisk erfarenhet av depressiva tillstånd.

Steg 2: Det första utkastet till SAS-M testades bland 20 infödda malaysiska studenter för att identifiera eventuella brister i denna version. Alla ord som de svarande ansåg olämpliga eller olämpliga i denna version noterades och korrigerades. De flesta studenter hade svårt att acceptera artikel 15: "Att vara arg och förargad när jag inte har en smartphone". Den här artikeln reviderades och översattes till "Känner mig otålig och rastlös när jag inte har en smartphone" på det engelska språket. Den slutgiltiga versionen av SAS-M granskades vidare av två konsultpsykiatriker med mer än 10 års erfarenhet för att bedöma innehållets giltighet och för att säkerställa ett tillfredsställande ansikte och tillfredsställande semantik, kriterier och konceptuell ekvivalens.

Steg 3: Varje student lämnade skriftligt informerat samtycke efter att ha fått en fullständig förklaring av studiens art och konfidentialitet, och 228-studenter samtyckte till att delta i studien, med en andel av svaren på 9%. Sociodemografiska data (ålder, kön, etnicitet och hushållsinkomst) erhölls från studenterna. Information om elevernas smarttelefonanvändning baserat på deras egna uppskattning, såsom antalet timmar användning per vecka, antalet år som en vanlig smarttelefonanvändare och ålder då de började använda en smartphone, dokumenterades. Studenterna fick följande frågeformulär:

1. SAS och SAS-M (tabell A i S1 text).
2. Malayisk version av Internet Addiction Test.

Instrument

Smartphone Addiction Scale [28].

SAS är en självfyllt 6-punkt Likert-skala med 33-objekt. Varje fråga har en svarsskala från 1 till 6 (1 = håller starkt med 6 = håller helt med), vilket återspeglar symtomens frekvens. Respondenten cirkulerar uttalandet som närmare beskriver deras användningsegenskaper för smartphone. Den totala poängen som är möjlig på SAS varierar från 48 till 288. Ju högre poäng det är, desto större är graden av patologisk användning av smarttelefonen.

Internet Addiction Test [26].

IAT-frågeformuläret, som utvecklades av Kimberly Young i 1998, är det verktyg som oftast används för att diagnostisera internetberoende. Den malaysiska versionen har validerats lokalt, med god intern konsistens (Cronbachs alpha = 0.91) och parallell tillförlitlighet (intraclass correlation coefficient (ICC) = 0.88, P <0.001). Detta är ett självutfyllt frågeformulär som består av en 5-punkts Likert-skala som innehåller 20 artiklar, med ett minsta poängvärde på 20 och en maximal poäng på värde 100. Poängen för varje fråga sträcker sig från 1 till 5 (1 = aldrig till 5 = alltid), replikera förekomsten av symtomen. Eleverna valde det uttalande som bäst beskrev funktionerna i deras internetanvändning. Ju högre poäng är, desto större är graden av patologisk användning av internet. När poängen på den malaysiska versionen av IAT är mer än 43, diagnostiseras individen som risk för internetberoende [26].

Statistisk analys

Alla analyser utfördes med hjälp av det statistiska paketet för samhällsvetenskap version 21.0 (SPSS, Chicago, IL, USA). Beskrivande statistik beräknades för deltagarnas basegenskaper. Cronbachs alfa användes för att bedöma SAS-M: s interna konsistens och dataens normalitet bedömdes med hjälp av Kolmogorov-Smirnov-analys. Skalposternas homogenitet analyserades baserat på korrelationskoefficienter mellan artiklar och totalpoäng om ett objekt raderades. Konstruktionens validitet undersöktes med explorativ faktoranalys och sned promax med Kaiser Normalization. Faktorbelastning> 0.30 användes för att bestämma artiklarna för varje faktor. Baserat på Guttman-Kaiser-regel behålls faktorerna med egenvärde större än 1 [30, 31]. ICC användes för att undersöka den parallella tillförlitligheten mellan SAS-M och den engelska versionen av SAS och test-omprövningen på nytt till SAS-M. Pearsons korrelation användes för att undersöka samtidiga giltighet mellan SAS-M och den malaysiska versionen av IAT. Den optimala SAS-M-cut-off poängen för riskfyllda fall bestämdes utifrån koordinatpunkterna när poängen för den malaysiska versionen av IAT var mer än 43 [26], vid vilken tidpunkt känsligheten och specificiteten var optimal i ROC-analyser. Området under kurvan (AUC) bestämdes för ROC-kurvan.

Definition

Vanlig användare definieras som de som använder smarttelefonen minst 6 eller mer gånger under 6 månader [32]

Etiskt godkännande

Etikgodkännande för denna studie erhölls från Etiska kommittén i Universiti Putra Malaysia (FPSK-EXP14 P091).

Resultat

Totalt rekryterades 228 studenter i denna studie. Tabell 1 visar de kliniska egenskaperna hos den studerade populationen. Sammantaget var medelåldern ungefär 22 år ± 1.1. Mer än hälften av studenterna var kvinnor (56.6%) och majoriteten var av malaysisk etnicitet (52.4%). Medeltimmarna för smarttelefonanvändning per vecka var 36.5 timmar. I genomsnitt började eleverna använda en smartphone vid en ålder av 19 år, och det genomsnittliga antalet år med vanlig smartphone-användning var 2.4 år.

  

 

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (81KB)

• TIFF

  originalbild (461KB)

Tabell 1. Egenskaper hos studiepopulationen (N = 228).

 

doi: 10.1371 / journal.pone.0139337.t001

Faktorstruktur och intern konsistens hos SAS-M

Bartletts test av sfäricitet var signifikant (p <0.01) och Kaiser-Meyer-Olkin-måttet på provtagningens tillräcklighet för SAS-M var 0.92, vilket indikerar att skalan var förtjänstfull [33], vilket i sin tur indikerade att faktoranalysen var lämplig. Sex faktorer extraherades (egenvärde> 1.00) via den explorativa faktoranalysmetoden och den sneda promaxrotationen med Kaiser-normalisering som svarade för 65.3% av den totala variansen. Detta resultat överensstämde med det ursprungliga SAS [28].

SAS-M uppvisade god intern konsistens; Cronbachs alfakoefficient för den totala skalan var 0.94 och respektive koefficienter för de sex faktorerna var 0.877, 0.843, 0.865, 0.837, 0.865 och 0.861. De sex faktorerna som motsvarade SAS underskalor kallades ”cyberspaceorienterad relation”, ”störning i det dagliga livet”, ”primat”, ”överanvändning”, ”positiv förväntan” och ”tillbakadragande” (Tabell 2). Alla artiklar hade korrigerade artiklar totala korrelationer på mer än 0.9. Radering av någon av artiklarna ökade inte den interna konsistensen av den totala poängen (Tabell 3). Den parallella tillförlitligheten mellan SAS-M och SAS var hög, vilket visas av en ICC på 0.95 (95% Förtroendeintervall = 0.937-0.962). SAS-M-testens tillförlitlighet efter ett 1-veckors intervall var högt, med en ICC på 0.85 (95% Förtroendeintervall = 0.808-0.866).

  

 

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (365KB)

• TIFF

  originalbild (756KB)

Tabell 2. Faktoranalys av SAS-Malay-versionen.

 

doi: 10.1371 / journal.pone.0139337.t002

  

 

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (594KB)

• TIFF

  originalbild (977KB)

Tabell 3. Korrigerat objekt – Totala korrelationer och Cronbachs alfa om artikel raderades för SAS-M.

 

doi: 10.1371 / journal.pone.0139337.t003

Samtidig giltighet av SAS-M: Korrelationer mellan delskalorna för SAS-M och den malaysiska versionen av IAT

Resultaten från Pearson-korrelationsanalysen som genomfördes mellan underskalorna i SAS-M och den malaysiska versionen av IAT visas i Tabell 4. Resultaten visar att alla underskalor för SAS-M, med undantag för ”positiv förväntan”, var väsentligt relaterade till den malaysiska versionen av IAT.

  

 

Ladda ner:  

• PPT

  PowerPoint-bildruta

• PNG

  större bild (238KB)

• TIFF

  originalbild (407KB)

Tabell 4. Samtidig giltighet av SAS-M (Pearsons korrelation): Underskalor av SAS-M och den malaysiska versionen av IAT.

 

doi: 10.1371 / journal.pone.0139337.t004

AUC för ROC-kurvan var 0.801 (95% CI = 0.746 till 0.855). Den optimala avgränsningsgraden för att identifiera riskfall var mer än 98, med en känslighet av 71.43%, en specificitet av 71.03%, ett positivt prediktivt värde (PPV) på 64.10% och ett negativt prediktivt värde (NPV) för 77.44 %. Förekomsten av ett riskfall som utvecklar smartphone-beroende i denna studie var 46.9%, baserat på en poäng på 98.

Diskussion

Denna studie undersökte SAS-M: s interna konsistens, dimension och samtidighet och konstruktionsgiltighet. Resultat från studien tyder på att SAS-M är ett pålitligt och giltigt instrument för att bedöma smarttelefonberoende i den malaysiska befolkningen.

I denna studie uppvisade SAS-M god intern konsistens; Cronbachs alfakoefficient för den totala skalan var 0.94 och respektive koefficienter för de sex faktorerna var 0.877, 0.843, 0.865, 0.837, 0.865 och 0.861. Den parallella tillförlitligheten hos SAS-M och test-omprövningen på nytt efter ett 1-veckors intervall visade sig vara bra, med ICC: er av 0.95 respektive 0.85, som är ännu bättre än den ursprungliga versionen av SAS [28]. Hittills är detta den första studien i sitt slag som är relaterad till smartphone-beroende, och den visar att SAS-M är lika bra som den engelska versionen.

De sex dominerande komponenterna som förklarade en stor del av SAS-M-variabiliteten var dock liknande de för det ursprungliga SAS. I den aktuella studien bestod komponenterna av "cyberområdesorienterad relation", "störning i vardagen", "överlägsenhet", "överanvändning", "positiv förväntan" och "tillbakadragande". Komponenterna i det ursprungliga SAS var ”dagliglivsstörning”, ”positiv förväntan”, ”tillbakadragande”, ”cyberspace-orienterad relation”, ”överanvändning” och ”tolerans”. Inte alla faktorer som förvärvats i denna faktoranalys var parallella med de faktorer som erhölls i det ursprungliga SAS. Det är mer troligt på grund av att detta återspeglar skillnaderna mellan malaysiska och koreanska prover. Betydelsen av det ursprungliga SAS hade ändrats under översättningsprocessen.

Majoriteten av komponenterna som rapporterats i den aktuella studien är desamma, med undantag för komponenten "primacy", som skiljer sig från komponenten "tolerance" i det ursprungliga SAS. De möjliga orsakerna kan vara att vår studiepopulation var yngre (21.7 ± 1.1 år med ett åldersintervall från 20 till 27) jämfört med den koreanska befolkningen (26.1 ± 6.0 med åldersintervallet från 18 till 53). Bakgrunden till vår studiepopulation var homogen eftersom alla ämnen var medicinska studenter jämfört med det stora utbudet av ockupations- och utbildningsnivå i den ursprungliga SAS-studien. Den olika tolkningen kan kompliceras av heterogeniteten i bakgrunden och utbildningen av den studerade befolkningen.

I denna studie var alla delskalorna i SAS-M, med undantag för "positiv förväntan", signifikant relaterade till den malaysiska versionen av IAT. Detta kan vara den enda underskalan som inte korrelerar bra med IAT eftersom IAT huvudsakligen mäter negativ användning av internet, så det finns inga artiklar som frågar om positiv förväntan. Ändå minskar denna aspekt inte samtidigt giltighet eftersom de andra 5-underskalorna är starkt korrelerade.

Förekomsten av fall i riskzonen som kunde identifieras som smarttelefonberoende med denna skala var 46.9%. Det finns flera möjliga förklaringar till detta resultat. Den höga förekomsten av smartphone-beroende förväntas eftersom en lokal studie har visat att 85% av malaysierna äger mobiltelefoner [18]. Smarttelefoner är favoritalternativet eftersom malaysier tenderar att följa trenderna i samhället [20]. Dessutom tillhandahåller smartphone gratis snabbmeddelanden genom vissa plattformar, t.ex. WhatsApp och WeChat, som berikar användarnas liv. Underhållning är en annan möjlig förklaring av den höga prevalensen av smartphone-beroende eftersom medicinska studenter med dessa telefoner kan lyssna på musik, titta på filmer och spela spel för att lindra stress [34]. Därför kan de tendera att spendera mer tid med sin smartphone i slutet av dagen och till slut bli patologiska användare.

Emellertid skulle ett av bekymmerna i vår studie vara den optimala SAS-M-cut-off-poängen för fall i risker bestämdes utifrån koordinatpunkter när poängen för den malaysiska versionen av IAT var mer än 43. Detta är inte aktuellt väletablerade avgränsningar för IAT. På liknande sätt finns det inget fastställt diagnostiskt kriterium för internet- eller smarttelefonberoende enligt DSM V inom spektrumet av beroende störning [21, 25]. Således var den avgränsningspunkt som föreslagits av vår studie förmodligen för låg vilket ledde till en mycket hög uppskattad frekvens av smartphone-beroende. Till höger bör diagnosen internetberoende baseras på tre kriterier som beskrivs av Ko et al, 2012 [25].

SAS-M fungerar mer som en screening eller en skala för att bedöma svårighetsgraden av beroendeframkallande användning av smartphone än ett diagnostiskt instrument. Att göra en korrekt diagnos av smartphone-beroende kommer att vara en viktig fråga för framtida forskning. Vi föreslog att diagnosen smarttelefonberoende i framtiden skulle innehålla fler kriterier som består av kriterierna A, B och C. Kriterium A innehåller sex karakteristiska symtom på smarttelefonberoende som cyberområdesorienterade förhållanden, störningar i vardagen, överlägsen, överanvändning, positiv förväntan och tillbakadragande. Kriterium B måste inkludera funktionsnedsättningen som är sekundär för användning av smarttelefoner. Kriterium C bör utesluta annan psykiatrisk störning som bipolär störning eller annan impulsiv störning. Personer som uppfyller alla kriterierna A, B och C skulle bara anses ha smartphone-beroende.

Styrka och begränsningar

Resultaten av denna studie bör tolkas i sammanhanget med studiens begränsningar: För det första finns det inget fastställt diagnostiskt kriterium för internet- eller smartphone-beroende enligt DSM V i spektrumet av missbruksstörning21, 25]. Med tanke på de begränsade studierna av smarttelefonberoende i lokal miljö kan resultaten av denna studie fortfarande ge viss insikt till sjukvårdspersonalsteamet. För det andra, trots att provstorleken var tillräcklig men den slumpmässigt inte randomiserad. Könet och loppet var inte lika fördelat. Dessutom genomfördes denna studie vid ett enda centrum, så att provpopulationen var homogen och kanske inte återspeglar den allmänna befolkningen i Malaysia.

Trots denna begränsning visade resultaten från den här studien att SAS-M kan användas för utvärdering av smartphone-beroende bland utbildade malaysiska unga vuxna.

Slutsats

Denna studie utvecklade den första skalan för smarttelefonberoende bland medicinska studenter. Denna studie ger också bevis på att SAS-M är ett giltigt och pålitligt, självadministrerat verktyg för att screena för dem som riskerar att bli beroende av smartphone.

Stödjande information

Författarbidrag

Tänkt och designat experimenten: SMC AY FKH. Utförde experimenten: VR SMSL WAWS YLF. Analyserade data: SMC AY. Bidragna reagenser / material / analysverktyg: SMC AY. Skrivde tidningen: SMC AY VR.

Referensprojekt

1. 1. Rashvand HF, Hsiao KF (2015) Smarttelefonapplikationer: en kort översyn. Multimedia-system 21 (1): 103 – 119 doi: 10.1007 / s00530-013-0335-z
   • Visa artikel
   • PubMed / NCBI
   • Google Scholar
2. 2. Mosa AS, Yoo I, Sheets L (2012) En systematisk översyn av hälsoapplikationer för smartphones. BMC Medicinsk informatik och beslutsfattande 12: 67. doi: 10.1186 / 1472-6947-12-67. PMID: 22781312
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. 3. Lane N, Mohammod M, Lin M, Yang X, Lu H, Ali S, et al. (2011) BeWell: En smarttelefonapplikation för att övervaka, modellera och främja välbefinnande. 5th International Conference on Pervasive Computing Technologies for Healthcare, Dublin.
88. 4. Patrick K, Griswold WG, Raab F, Intille SS (2008) Health och mobiltelefonen. American Journal of Prevective Medicine 35: 177 – 181. doi: 10.1016 / j.amepre.2008.05.001. PMID: 18550322
89. 5. Derbyshire E, Dancey D (2013) Medicinska applikationer för smartphones för kvinnors hälsa: Vad är bevisbasen och feedbacken? International Journal of Telemedicine and Applications Artikel-ID 782074, 10. doi: 10.1155 / 2013/782074
90. 6. Emad AS, Haddad E (2015) Påverkan av smarta telefoner på människors hälsa och beteende: Jordaniens uppfattningar. International Journal of Computer Networks and Applications 2 (2): 52 – 56.
91. 7. Sarwar M, Soomro TR (2013) Smartphons inverkan på samhället. European Journal of Scientific Research 98 (2): 216 – 226.
92. 8. Acharya JP, Acharya I, Waghrey D (2013) En studie om några av de vanligaste hälsoeffekterna av mobiltelefoner bland studenter. Journal of Community Medicine & Health Education 3: 21. doi: 10.5958 / j.2319-5886.2.3.068
93. 9. Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, Chen SH. (2014) Utveckling och validering av Smartphone Addiction Inventory (SPAI). PLoS One 9: e98312. doi: 10.1371 / journal.pone.0098312. PMID: 24896252
94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) Avser impulsivitet upplevt beroende av och faktisk användning av mobiltelefonen? Tillämpad kognitiv psykologi 21: 527–537. doi: 10.1002 / acp.1289
95. 11. Park N, Lee H (2012) Sociala konsekvenser av smartphone-användning: koreanska studerandes smarttelefonanvändning och psykologiska välbefinnande. Cyberpsykologi, beteende och sociala nätverk 15: 491–497. doi: 10.1089 / cyber.2011.0580
96. 12. Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC, et al. (2009) Symtom på problematisk användning av mobiltelefoner, funktionsnedsättning och dess associering med depression bland ungdomar i södra Taiwan. Journal of Adolescence 32: 863 – 873. doi: 10.1016 / j.adolescence.2008.10.006. PMID: 19027941
97. 13. Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) Problematisk användning av Internet och mobiltelefoner och kliniska symtom hos studenter: rollen som emotionell intelligens. Datorer i mänskligt beteende 25: 1182 – 1187. doi: 10.1016 / j.chb.2009.03.001
98. 14. Thomee S, Harenstam A, Hagberg M (2011) Mobiltelefonanvändning och stress, sömnstörningar och symtom på depression hos unga vuxna - en framtida kohortstudie. BMC Folkhälsa 11: 66. doi: 10.1186 / 1471-2458-11-66. PMID: 21281471
99. 15. Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) Förhållanden mellan personlighet och livsstil med beroende av mobiltelefoner bland kvinnliga sjuksköterskestudenter. Socialt beteende och personlighet: en internationell tidskrift 37 (2): 231 – 238. doi: 10.2224 / sbp.2009.37.2.231
100. 16. Toda M, Monden K, Kubo K, Morimoto K (2006) Mobiltelefonberoende och hälsorelaterad livsstil för universitetsstudenter. Socialt beteende och personlighet 34 (10): 1277 – 1284. doi: 10.2224 / sbp.2006.34.10.1277
101. 17. Malaysisk kommunikations- och multimediakommission (2012) Handtelefonanvändarundersökning 2011. Tillgängliga: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
102. 18. Malaysisk kommunikations- och multimediakommission (2014) Handtelefonanvändarundersökning 2012. Tillgängliga: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
103. 19. ecommercemilo (2014). Tillgängliga: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
104. 20. Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) En studie av trenden för smarttelefonen och dess användningsbeteende i Malaysia. International Journal of New Computer Architectures och deras tillämpningar 2: 274 – 285.
105. 21. Weinstein A, Lejoyeux M (2010) Internetberoende eller överdriven internetanvändning. American Journal of Drug and Alcohol Abuse 36: 277 – 283. doi: 10.3109 / 00952990.2010.491880. PMID: 20545603
106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) Problematisk internet- och mobiltelefonanvändning: Psykologiska, beteendemässiga och hälsokorrelerade. Addiction research & theory 15: 309–320. doi: 10.1080 / 16066350701350247
107. 23. Niemz K, Griffiths M, Banyard P (2005) Förekomst av patologisk Internetanvändning bland universitetsstudenter och korrelationer med självkänsla, General Health Questionnaire (GHQ) och desinhibition. CyberPsykologi och beteende 8: 562–570. pmid: 16332167 doi: 10.1089 / cpb.2005.8.562
108. 24. Young KS, Rogers RC (1998) Förhållandet mellan depression och internetberoende. CyberPsykologi och beteende 1: 25–28. doi: 10.1089 / cpb.1998.1.25
109. 25. Ko CH, Yen JY, Yen CF, Chen CS, Chen CC (2012) Föreningen mellan internetberoende och psykiatrisk störning: en granskning av litteraturen. European Psychiatry 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011. PMID: 22153731
110. 26. Guan NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) Giltighet av den malaysiska versionen av Internet Addiction Test: en studie på en grupp medicinstudenter i Malaysia. Asia-Pacific Journal of Public Health 27: 2210 – 2219. doi: 10.1177 / 1010539512447808
111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Fransk validering av internetmissbrukstestet. CyberPsykologi och beteende 11: 703–706. doi: 10.1089 / cpb.2007.0249. pmid: 18954279
112. 28. Kwon M, Lee JY, Won WY, Park JW, Min JA, Hahn C, et al. (2013) Utveckling och validering av en smartphone-beroende skala (SAS). PloS en 8: e56936. doi: 10.1371 / journal.pone.0056936. PMID: 23468893
113. 29. Gorsuch RL (1983) Faktoranalys. 2nd ed. Hillsdale, New Jersey: Erlbaum.
114. 30. Kaiser HF (1960) Tillämpning av elektroniska datorer på faktoranalys. Pedagogisk och psykologisk mätning 20: 141 – 151 doi: 10.1177 / 001316446002000116
115. 31. Guttman L (1954) Vissa nödvändiga villkor för vanlig faktoranalys. Psychometrika 19: 149 – 161. doi: 10.1007 / bf02289162
116. 32. Ybama ML (2004) Kopplingar mellan depressiv symtomatologi och internetchikane bland unga vanliga användare. CyberPsykologi och beteende 7: 247–257. pmid: 15140367 doi: 10.1089 / 109493104323024500
117. 33. Kaiser HF (1974) Ett index för faktorell enkelhet. Psychometrika 39: 31 – 36. doi: 10.1007 / bf02291575
118. 34. Elias H, Ping WS, Abdullah MC (2011) Stress och akademisk prestation bland forskarstuderande i Universiti Putra Malaysia. Procedia-sociala och beteendevetenskaper 29: 646 – 655. doi: 10.1016 / j.sbspro.2011.11.288