Vilka typer av internettjänster gör ungdomar beroende av? Korrelat för problematisk Internetanvändning (2020)

Porranvändning var den mest beroendeframkallande internetapplikationen:

 "Förekomsten av PIU var den högsta bland ungdomar som använde internet för pornografi mest (19.6%), följt av spel (9.3%) och internetgemenskap (8.4%)"

"Oddsförhållandet för PIU bland de som använde internet mest för pornografi var dock högst, vilket innebär den starka beroendeframkallande potentialen för internetpornografi jämfört med andra internettjänster"

Porranvändning är den applikation som är mest korrelerad med depression, psykopati:

"Dessa resultat tyder på att användning av internet främst för pornografi är förknippat med svår psykopatologi, såsom depression och självmord, samt en stark beroendeframkallande potential."

------------------------------------

2020 20 april; 16: 1031-1041. doi: 10.2147 / NDT.S247292

Abstrakt

Syfte:

Denna studie undersökte prevalensen och korrelaten för problematisk internetanvändning (PIU) i ett stort urval av ungdomar baserat på vilken typ av internettjänst som användes.

Material och metoder:

Studien genomfördes från 2008 till 2010 och 223,542 12 ungdomar i åldrarna 18 till XNUMX år deltog i studien. Deltagarna svarade på ett självrapportfrågeformulär som inkluderade artiklar för demografiska faktorer, internetanvändningstid, mest använda internettjänst och mental hälsa. PIU bedömdes med Internet Addiction Proneness Scale for Youth-Short Form.

Resultat:

Den totala prevalensgraden för PIU var 5.2% och prevalensgraden stratifierad efter kön var 7.7% hos pojkar och 3.8% hos flickor. Distributionen av mest använda internettjänster skilde sig avsevärt mellan könen. De mest använda internettjänsterna var spel (58.1%) i pojkar och bloggar (22.1%) och messenger / chatt (20.3%) hos flickor. Odlingsgraden för PIU var betydligt olika beroende på den mest använda internettjänsten; använder internet mest för pornografi jämfört med informationssökning hade det högsta oddsförhållandet (4.526 gånger högre). Depressiva episoder, självmordstankar och självmordsförsök var signifikant förknippade med högre oddsförhållanden för PIU (1.725-, 1.747- och 1.361-fald, respektive).

Slutsats:

Denna studie identifierade kliniskt viktig information om PIU hos ungdomar. Distributionen av PIU har olika mönster baserat på kön och specifika internettjänster. Studier av PIU med väldefinierad metodik och utvärderingsverktyg för PIU för varje specifik internettjänst behövs.

NYCKELORD: beroende; ungdom; könsskillnader; Internetanvändning

PMID 32368065
PMCID: PMC7182452
DOI: 10.2147 / NDT.S247292

Beskrivning

Under de senaste två decennierna har internet trängt in i människors liv på ett mycket snabbt och brett sätt och har blivit ett viktigt sätt att leva dagligen, som att shoppa, få nyheter och kontakta vänner. USA: s undersökningsuppgifter rapporterade att cirka 90% av vuxna hade tillgång till internet 2019, och andelen människor som inte använde internet minskade från 48% år 2000 till endast 10% 2019. Framför allt använder ungdomar internet mer i vardagen än andra befolkningar. År 2018 rapporterades 95% av amerikanska ungdomar att ha tillgång till smartphones, och 45% av tonåringarna är online nästan konstant.

Även om internet ger olika fördelar, såsom utbildning, underhållning, social kommunikation, bekvämlighet och psykologiskt välbefinnande, många studier har rapporterat negativa föreningar på internet med ungdomars mentala hälsa, inklusive depression, social ångest, självmord och cybermobbning.- Särskilt är problematisk internetanvändning (PIU) som kännetecknas av överdriven användning och beroendeframkallande funktioner ett av de största problemen med internetanvändning i ungdomspopulationer, varav prevalens har rapporterats så högt upp till 26.7% av tidigare studier.,

Det är känt att ungdomar är sårbara för PIU på grund av ökad impulsivitet åtföljd av den relativa omogenheten av den prefrontala cortex (PFC), särskilt under den tidiga och mitten av tonåren.- Dessutom har den emotionella dysreguleringen under den tidiga spädbarnsperioden (2 år gammal) rapporterats ha en betydande inverkan på PIU hos ungdomarna, vilket indikerar att det födda temperamentet är en av de viktigaste riskfaktorerna för PIU. Sex är känt för att vara en annan differentierande moderator för mönstret PIU. Pojkar använder oftare spel på internet, medan flickor använder fler sociala nätverkstjänster än pojkar., Dessutom rapporteras också miljöfaktorer, inklusive bilagor med föräldrar och kamrater som en av prediktorerna för PIU hos ungdomar. Till exempel, Badenes-Ribera et al rapporterade att relationer med sina föräldrar påverkade nivån av PIU mest hos tidiga tonåringar, medan kamratrelationer var den mest relevanta faktorn i den äldre tonåren.

På samma sätt har flera studier undersökt de rådande oron för PIU och relaterade riskfaktorer hos ungdomar. Ändå har en tydlig definition av PIU inte gjorts. Forskare har undersökt PIU med olika termer och begrepp, till exempel "internetberoende", "Tvångsmässig internetanvändning", “Problematisk internetanvändning” och "patologisk internetanvändning". Andra studier med fokus på internetspel har använt termerna "problematisk användning av onlinespel", "Internet-spelberoende" och "internet-spelstörning".

Även om dessa olika termer och deras definitioner inkluderar en psykologisk konstruktion som innebär ett mönster av okontrollerad internetanvändning som resulterar i klinisk försämring, en orsak till bristen på guldstandarddefinition är att internet erbjuder en mängd olika innehåll som kan vara förknippade med beroendeframkallande potential som spel, spel, chatta eller pornografi. Ung påpekade att internetberoende täcker ett brett utbud av beteendemässiga impulskontrollproblem och kategoriseras av fem specifika undertyper, inklusive cyber-seksualitet, cyber-relationer, nettotvång, informationsöverbelastning och datorberoende.

Bland dessa specifika subtyper av PIU inkluderades ”internet-spelstörning” och ”spelstörning” som en diagnos i avsnitt 3 i Diagnostic and Statistical Manual of Mental Disorders (DSM-5) och den senaste revisionen av Internationella klassificeringen av sjukdomar (ICD-11) av Världshälsoorganisationen (WHO). Även om nongaming internetaktiviteter inte betraktades som en formell diagnos på grund av brist på bevis, det finns fortfarande oro för beroendeframkallande internetaktiviteter som internetspel, sociala nätverk och onlinepornografi.

Trots dessa oro över de olika subtyperna av PIU saknas emellertid studier som undersöker de olika beroendeframkallande potentialerna baserade på specifika internettjänster. En ny tysk studie med 6,081 12 studenter i åldern 19–XNUMX år undersökte distributionen av intensivt använda internetapplikationer i PIU och icke-PIU. I studien av Rosenkranz et al de mest intensivt använda Internet-applikationerna var sociala nätverkssajter och chattar, och de mest förutsägbara Internetapplikationerna för PIU var spel och spel. Emellertid saknas fortfarande studier som undersöker distribution och beroendepotential baserat på användning av den specifika internettjänsten; i själva verket, såvitt vi vet, finns det inga studier i Korea. Således syftade den aktuella studien till att undersöka prevalensen och korrelateringen av PIU i ett stort urval av ungdomar baserat på undertypen internetanvändning.

Material och metoder

Deltagare

Vår studie utfördes med data härledda från 2008, 2009 och 2010 Koreansk ungdomsriskbeteende webbaserad undersökning (KYRBS). KYRBS är en flerfaldig tvärsnittsstudie som har genomförts årligen av Korea Centers for Disease Control and Prevention (CDC) sedan 2005. KYRBS fokuserar på hälsoriskbeteenden hos ungdomar. Undersökningen genomfördes med ett frågeformulär som fyllts i av ungdomarna, som består av 125 artiklar, inklusive information om tobaksbruk, alkoholanvändning, fetma, fysisk aktivitet, sexuellt beteende, substansanvändning, internetanvändning och mental hälsa. Målpopulationen är nationellt representativa medel- och gymnasieelever i åldern 12–18 år i Korea, urvalet från 400 medel- och 400 gymnasieskolor varje år. Det totala antalet deltagare var 223,542 2008, och 2009, 2010 och 75,238 inkluderade KYRBS 75,066 73,238, XNUMX XNUMX respektive XNUMX XNUMX deltagare. Innan studieinträden gavs de fullständiga instruktionerna om studiens syfte och metoder för studenterna av utbildade lärare och skriftligt informerat samtycke erhölls från studenterna. Studenter som gick med på att delta deltog i det anonyma frågeformuläret som presenterades på en dator. CDC: s institutionella granskningsnämnd har godkänt protokollen för KYRBS.

Bedömning

För att bedöma PIU, har Internet Addiction Proneness Scale for Youth-Short Form (KS-skala) utvecklats av Kim et al. var använd. KS-skalan är en 20-punkts självrapportskala med en 4-punkts Likert-skala (1 = aldrig, 2 = ibland, 3 = ofta eller 4 = alltid). Den består av sex underfaktorer: (1) störning av adaptiv funktion (6 objekt), (2) positiv förväntan (1 artikel), (3) tillbakadragande (4 artiklar), (4) virtuell interpersonell relation (3 artiklar), (5) ) avvikande beteende (2 artiklar) och (6) tolerans (4 artiklar). Den svarande kategoriseras baserat på poängen i en av tre grupper: bestämd PIU, sannolik PIU och normal användare av internet. Definitiv PIU definieras av en total poäng på 53 eller högre eller närvaron av alla följande: anpassningsfunktionsresultat på 17 eller högre; uttagsresultat på 11 eller högre; och toleransvärden på 13 eller högre. Trolig PIU definieras av en total poäng mellan 48 och 52 eller närvaron av alla följande: anpassningsfunktionsresultat på 15 eller högre; uttagsresultat på 10 eller högre; och toleransvärden på 12 eller högre. I den aktuella studien definierades PIU-gruppen som deltagarna i de definitiva och troliga PIU-grupperna.

Internetanvändningstiden frågades med posten "Hur många timmar och minuter har du använt internet på vardagar och helgen de senaste 30 dagarna?" Den internettjänst som främst användes av deltagarna frågades av posten "Vilken tjänst använder du vanligtvis internet mest?" med valmöjligheterna inklusive informationssökning, messenger / chatt, spel, titta på filmer, lyssna på musik, titta på videor som användarskapat innehåll, e-post, shopping, pornografi, blogging etc. Närvaron av depressiva avsnitt, självmordstankar och självmordsförsök ifrågasattes av ett objekt för varje upplevelse under de senaste 12 månaderna med "ja" eller "nej" svar på följande sätt: "Har du någonsin känt dig ledsen eller desperat nog att stoppa ditt dagliga liv i två veckor under de senaste 12 månaderna? ” för depression, "Har du funderat på självmord på allvar under de senaste 12 månaderna?" för självmordstankar, och "Har du försökt självmord de senaste 12 månaderna?" för självmordsförsök.

Statistik

Beskrivande statistik användes för analys av demografiska egenskaper. För att analysera sambandet mellan den mest använda internettjänsten, prevalens och korrelat av PIU och beskrivande statistik antogs chi-square-testet och variansanalysen (ANOVA). För att undersöka oddsförhållandet för PIU enligt de tillhörande korrelaten användes logistisk regression med PIU som en beroende variabel av två modeller. Den första modellen inkluderade kön, klass, mest använda internettjänst, depressiv episod, självmordstankar och självmordsförsök som oberoende variabler. Model 2 tillförde socioekonomisk status och skolprestanda som kovariater till modell 1. Statistiska analyser genomfördes med användning av mjukvarupaketet SPSS 25.0 för Windows (SPSS Inc., Chicago, IL).

Resultat

Demografiska egenskaper

Demografiska egenskaper visas i Tabell 1. Totalt deltog 223,542 52.5 medel- och gymnasieelever i studien och 5.8% var manliga. Den totala prevalensen av PIU var 3.2% och den högriskiga internetanvändargruppen bland PIU-gruppen var 7.7%. Förekomsten av PIU baserat på kön var 3.8% hos pojkar och 38.0% hos flickor. Andelen deltagare som upplevde en depressiv episod, självmordstankar och självmordsförsök var 19.1%, 4.8% respektive XNUMX%.

Tabell 1

Demografiska egenskaper

n (%)
Totalt223542
År
 200875238 (33.7)
 200975066 (33.6)
 201073238 (32.8)
Sex
 man117281 (52.5)
 Kvinna106261 (47.5)
Grade
 Gymnasieskolan 1: a38219 (17.1)
 Gymnasieskolan 2: a38423 (17.2)
 Gymnasiet 3: e38280 (17.1)
 Gymnasiet 1: a37218 (16.6)
 Gymnasiet 2: a36926 (16.5)
 Gymnasium 3: e34476 (15.4)
PIU
 Totalt13056 (5.8)
 Användare med hög risk7183 (3.2)
 Potentiell riskanvändare5873 (2.6)
 Depressiv episod; ja84848 (38.0)
 Självmordstankar; ja42728 (19.1)
 Självmordsförsök; ja10778 (4.8)
Socioekonomisk status
 Hög13775 (6.2)
 Hög-mitten48348 (21.6)
 Mitten105472 (47.2)
 Låg-medel41322 (18.5)
 Låg14625 (6.5)
Skolprestanda
 Hög25440 (11.4)
 Hög-mitten52399 (23.4)
 Mitten60448 (27.0)
 Låg-medel57183 (25.6)
 Låg28072 (12.6)

Förkortning: PIU, problematisk internetanvändning.

Prevalens och korrelat av PIU baserat på den mest använda Internet-tjänsten

Bland alla deltagare var den mest använda internettjänsten internetspel (35.0%) följt av informationssökning (16.2%), chatt (14.1%) och bloggning (12.1%) (Tabell 2 och Figur 1). Andelarna av de mest använda internettjänsterna var dock olika mellan pojkar och flickor (x2 = 9144.0; p <0.001). Medan den mest använda tjänsten hos pojkar var internetspel (58.1%), använde flickor mest (22.1%) och chattade (20.3%).

Tabell 2

Förening mellan mest använda internettjänst och prevalens och korrelat av PIU

Mest använda Internet-tjänstInformationssökningMessenger / chattaGamingKollar på filmLyssnar musikTitta på video (dvs. UCC)Internet Community eller ClubE-postE-handelInternetpornografiBloggingetc.TotaltStatistik F eller χ2
Totalt
 n36,15031,44678,325824821,0752896403211475315171627,1426050223,542
 %16.214.135.03.79.41.31.80.52.40.812.12.7100.0
Sex
 Manlig; n16,857987368,1394415725711581064313780156536372223117,28169144.0 *
 %14.48.458.13.86.21.00.90.30.71.33.11.9100.0
 Kvinna ; n19,29321,57310,186383313,81817382968834453515123,5053827102,434
 %18.220.39.63.613.01.62.80.84.30.122.13.6100.0
Internetanvändningstid; Medel (SD)
 Veckodag; timmar1.1 (1.3)1.6 (1.6)1.6 (1.8)1.3 (1.5)1.1 (1.3)1.4 (1.4)1.7 (1.5)1.0 (1.2)1.3 (1.3)2.0 (3.0)1.4 (1.4)1.5 (1.7)457.5 *
 Helgen; timmar1.8 (1.8)2.4 (2.1)3.1 (2.5)2.4 (2.1)1.8 (1.7)2.4 (2.1)3.0 (2.2)1.5 (1.7)2.1 (1.8)2.8 (3.4)2.2 (1.9)2.4 (2.3)1112.5 *
KS-skala1298.4 *
 Betyda27.829.633.029.127.029.832.926.427.836.228.728.6
 SD8.69.010.58.97.78.99.77.77.818.18.18.9
Total PIU; Ja3791.9 *
 n1217153473173345161223392514933691125613,056
 %3.44.99.34.02.44.28.42.22.819.63.44.25.8
Endast bestämd PIU; Ja2624.9 *
 n66681740261952726017411842694561537183
 %1.82.65.12.41.32.14.31.01.615.71.72.53.2
Depressiv avsnitt; Ja3867.8 *
 n13,41215,17124,0813307828811041585443222585812,149222584,848
 %37.148.230.740.139.338.139.338.641.950.044.836.838.0
Självmordstankar; Ja1918.0 *
 n6107794712,3071662399954587621211005336,2081,23242,728
 %16.925.315.720.219.018.821.718.520.731.122.920.419.1
Självmordsförsök; Ja1386.4 *
 n13322458281340197210218058274235166528810,778
 %3.77.83.64.94.63.54.55.15.213.76.14.84.8

Notera: * p <0.001.

förkortningar: PIU, problematisk internetanvändning; UCC, användarskapat innehåll; KS-skala, Internet Addiction Proneess Scale for Youth-Short Form; SD, standardavvikelse.

En extern fil som innehåller en bild, illustration etc. Objektnamn är NDT-16-1031-g0001.jpg

Mest använda internettjänster beroende på kön (%).

Förekomsten av PIU hos användare av varje specifik internettjänst var också signifikant annorlunda baserat på den mest använda internettjänsten (x2 = 3791.9; p <0.001). Förekomsten av PIU var den högsta bland ungdomar som använde internet för pornografi mest (19.6%), följt av spel (9.3%) och internetgemenskap (8.4%) (Tabell 2 och Figur 2). Andelen Internet-spelare bland den totala gruppen av personer med PIU var den högsta som 56.0%.

En extern fil som innehåller en bild, illustration etc. Objektnamn är NDT-16-1031-g0002.jpg

Prevalens av PIU enligt den mest använda internettjänsten (%).

förkortningar: PIU, problematisk internetanvändning; UCC, användarskapat innehåll.

Andelen deltagare med upplevelser av depressiv episod, självmordstankar och försök var också den högsta bland ungdomarna som använde internet för pornografi mest (50.0%, 31.1% respektive 13.7%), följt av chatt (48.2%, 25.3 % respektive 7.8%) och bloggning (44.8%, 22.9% och 6.1%).

Oddsförhållanden för att vara i PIU-gruppen baserat på demografiska och variabler för Internetanvändning

Tabell 3 visar oddsförhållandena för att vara i PIU-gruppen baserat på variabler för demografi och internetanvändning. Oddskvoten var signifikant högre hos pojkar än hos flickor (OR = 1.520; p <0.001). Jämfört med de yngsta deltagarna visade de äldre studentgrupperna signifikant högre oddskvoter, 1.274 - till 1.319 gånger högre, för PIU.

Tabell 3

Logistrisk regression för PIU med kovariater

variablerModell 1Modell 2
OR95% CIpOR95% CIp
Sex
 Kvinnakontorist
 man1.5011.432till1.573. 0001.5201.450till1.593. 000
Grade
 Gymnasieskolan 1: akontorist
 Gymnasieskolan 2: a1.3031.223till1.387. 0001.2741.196till1.357. 000
 Gymnasiet 3: e1.3681.285till1.457. 0001.3271.246till1.413. 000
 Gymnasiet 1: a1.3341.251till1.423. 0001.2861.205till1.373. 000
 Gymnasiet 2: a1.3101.226till1.399. 0001.2381.158till1.323. 000
 Gymnasium 3: e1.4041.313till1.501. 0001.3191.232till1.411. 000
Mest använda Internet-tjänst
 Informationssökningkontorist
 Messenger / chatta1.3781.274till1.490. 0001.2851.188till1.391. 000
 Gaming2.8242.644till3.015. 0002.6612.491till2.843. 000
 Kollar på film1.127. 995till1.276. 0601.096. 967till1.241. 152
 Lyssna musik. 743. 668till. 825. 000. 733. 660till. 814. 000
 Tittar på video (t.ex. UCC)1.2871.063till1.559. 0101.2781.055till1.548. 012
 Internetsamhälle eller klubb2.7852.453till3.162. 0002.8222.485till3.206. 000
 E-post. 682. 456till1.019. 062. 658. 440till. 985. 042
 E-handel. 893. 750till1.063. 203. 873. 733till1.040. 128
 Internetpornografi4.9444.311till5.670. 0004.5263.941till5.198. 000
 Blogging1.058. 967till1.158. 2171.023. 935till1.120. 616
 etc.1.3411.167till1.541. 0001.3351.162till1.535. 000
Depressiv avsnitt
 Nejkontorist
 Ja1.7821.710till1.857. 0001.7251.655till1.798. 000
Självmordstankar
 Nejkontorist
 Ja1.8131.728till1.903. 0001.7471.664till1.833. 000
Självmordsförsök
 Nejkontorist
 Ja1.4501.353till1.553. 0001.3611.270till1.459. 000

Anmärkningar: I modell 1 ingick kön, klass, mest använda internettjänst, depressiv episod, självmordstankar och självmordsförsök som kovariater. Modell 2 inkluderade socioekonomisk status och skolprestation som kovariater utöver modell 1.

förkortningar: PIU, problematisk internetanvändning; UCC, användarskapat innehåll

Jämfört med de ungdomar som använde internet för att söka mest information var oddskvoten för PIU hos ungdomar som använde internet för pornografi mest högst (OR = 4.526, p <0.001), följt av de som använde internet för samhället (OR = 2.822, p <0.001) och spel (OR = 2.661, p <0.001). De som använde internet mest för att lyssna på musik (OR = 0.733, p <0.001) och e-post (OR = 0.658, p = 0.042) visade signifikant lägre oddsen än de ungdomar som använde internet för informationssökning. Det fanns inga signifikanta skillnader i oddskvoterna mellan grupperna som använde internet mestadels för informationssökning och grupperna som tittade på film, online shopping och bloggning.

Föreningar mellan psykopatologi och risk för PIU

Andelen deltagare med upplevelse av depressiv episod, självmordstankar och självmordsförsök under de senaste 12 månaderna var de högsta i grupper som använde internet mest för pornografi (50.0%, 31.1% respektive 13.7%) följde av messenger / chatta (48.2%, 25.3% respektive 7.8%) och blogga (44.8%, 22.9% respektive 6.1%) (Tabell 2). Förekomsten av depressiv episod, självmordstankar och självmordsförsök var också signifikant associerade med ett högre oddsförhållande för PIU bland hela provet. (OR = 1.725, p <0.001; OR = 1.747, p <0.001; respektive 1.361, p <0.001) (Tabell 3).

Diskussion

Vår studie undersökte prevalensen och korrelaten av PIU hos ett stort antal ungdomar baserat på de mest använda internettjänsterna. I vår studie var den totala prevalensen av PIU 5.4%, vilket är jämförbart med tidigare studier genomförda i andra länder. Flera tidigare studier av PIU rapporterade ett brett spektrum av PIU-prevalens. Till exempel rapporterade en studie genomförd i nio europeiska länder en prevalens på 25%, från 14% till 55% mellan länder. En annan studie som genomfördes i sex asiatiska länder rapporterade att förekomsten av beroendeframkallande internetanvändning screenad av Internet Addiction Test (IAT) varierade från 1% i Sydkorea till 5% på Filippinerna, och prevalensen av PIU varierade från 13% till 46% . Andra systematiska recensioner av internetberoende hade också rapporterat ett brett spektrum av prevalensnivåer från 1% till 18.7% och från 0.8% till 26.7%. Dessa studier hävdade att dessa stora intervall av prevalensnivåer för PIU kan ha orsakats av bristen på konsistens i metodiken, såsom definitioner, utvärderingsverktyg och avgränsningar för PIU., Därför behövs framtida studier med mer överenskomna definitioner och utvärderingsverktyg för PIU för att bekräfta förekomsten av PIU. Ändå rapporterade en metaanalys med 27 studier från 1998 till 2006 en genomsnittlig prevalens av störningar på internet-spel på 4.7%, trots ett brett spektrum av prevalensnivåer, vilket är förenligt med vår studie.

I vår studie visade pojkar en högre prevalens av PIU än flickor ungefär två gånger. Detta är ett konsekvent resultat med flera tidigare studier som rapporterade att manligt kön är en riskfaktor för PIU.- Andra studier har emellertid rapporterat det motsatta mönstret för könsskillnader för förekomsten av PIU. Till exempel Durkee et al rapporterade att små variationer i prevalensgraden för PIU hittades mellan könen i en studie med ungdomar från 11 europeiska länder trots vissa tvärkulturella skillnader. En kanadensisk studie rapporterade inte heller om könsskillnader i prevalensen av PIU. Dessutom rapporterade en studie med vuxna från nio europeiska länder att det totala PIU var vanligare hos kvinnor än hos män. Dessa skillnader när det gäller könsskillnader i PIU kan orsakas av tvärkulturella skillnader. För att förstå dessa skillnader i könsskillnaderna i prevalensen av PIU bör man dock beakta de specifika tjänster som används av internet av båda könen.

I vår studie var den mest använda internettjänsten bland alla deltagare internetspel följt av informationssökning, messenger / chatt och bloggning. Distributionen av de mest använda internettjänsterna skilde sig emellertid markant mellan könen. Medan pojkarna överväldigande använde internet för att spela mest använde flickor internet för att blogga och messenger / chatta mest. Dessa tendenser överensstämmer med fynd i tidigare studier. Flickor rapporterades vara mer benägna att använda snabbmeddelanden (74%) och sociala nätverkstjänster (70%) än pojkar i åldern 15 till 17 (62% respektive 54%)., Dufour et al rapporterade också att andelen överdriven användning av sociala nätverk och bloggar var högre hos flickor än pojkar. Däremot har användningen av internetspel konsekvent rapporterats vara högre hos män än hos kvinnor.,,, Även om de exakta orsakerna till dessa könsrelaterade skillnader i internetanvändning inte är väl förståda, tidigare studier för att förklara könsskillnader i datorspel involvering fokuserade på aspekter som innehåll och utformning av typiska spel, spelets våld, spelens konkurrensstrukturer och sociala interaktioner inom spelen. Våra resultat för ökad användning av internet för bloggning och chatt och lägre användning av internet för spel hos flickor än pojkar kan vara relaterade till väletablerade bevis på att kvinnor är mer interpersonellt inriktade, medan män är mer informations- / uppgiftsorienterade.

I vår studie var antalet individer med PIU det högsta bland internet-spelanvändare (som utgör mer än 50% av den totala PIU-gruppen), och oddskvoten för PIU var också mycket hög för användare av internet-spel. Dessa fynd ger stöd för den rådande oroen för spel på internet och inkluderingen av störningar på internet i diagnostiska kriterier., Ändå bör internetpornografiens beroendeframkallande också noteras. Andelen internetpornografi som den mest använda internettjänsten var inte hög (0.8%) och ännu sällsyntare hos flickor (0.1%). Oddsförhållandet för PIU bland dem som använde internet mest för pornografi var emellertid det högsta, vilket innebär den starkt beroendeframkallande potentialen för internetpornografi jämfört med andra internettjänster. Naturligtvis är konsumtion av pornografi inte ett problem som endast orsakas av internet. Det har hävdats att överdrivna internetanvändare inte är internetberoende men bara använder internet som ett medium för andra beroendeframkallande beteenden., Tidigare studier har emellertid påpekat att användningen av onlinepornografi ökar, och den ökade "trippel A" (tillgänglighet, överkomlighet och anonymitet) som tillhandahålls av internet har förbättrat den potentiella risken för den problematiska användningen av onlinepornografi. Dessutom är våra resultat inte förenliga med resultaten från den tidigare studien av Rosenkranz et al som rapporterade den relativt lägre beroendeframkallande potentialen för sexuellt innehåll jämfört med spel och spel. Dessa olika resultat angående den beroendeframkallande potentialen för sexuellt innehåll mellan studierna kan orsakas av socio-miljömässiga skillnader. Därför behövs ytterligare studier för att förstå och skydda ungdomar från risken för problematisk användning av internetpornografi.

Ett annat anmärkningsvärt fynd i vår studie var den signifikanta sambanden mellan ett högre totala oddskvot för PIU och psykopatologi, inklusive depression och självmordstankar och försök, vilket överensstämmer med resultaten från en tidigare studie som rapporterade att gruppen studenter med PIU var mer benägna att visa mer depression och självmords- och självskadande beteende än den normala internetanvändningsgruppen. I synnerhet är det intressant att andelen "ja" -svar på depressiva avsnitt, självmordstankar och självmordsförsök var högre bland användare av messenger / chatta och blogga än användare av andra tjänster, med undantag för användare av internetpornografi, och denna andel var den lägsta bland Internet-spelanvändare. Dessa resultat antyder att deprimerade ungdomar bedriver social interaktion mer via internet än underhållning. Dessa resultat överensstämmer med en tidigare studie som också rapporterade att det fanns en högre risk för depression hos studenter med nongaming PIU än hos studenter med spel-PIU. Dessutom var andelen ”ja” -svar på depressiva avsnitt, självmordstankar och självmordsförsök den högsta bland internetpornografiska användare. Dessa resultat tyder på att användningen av internet främst för pornografi är förknippad med allvarlig psykopatologi, såsom depression och självmord, samt en stark beroendeframkallande potential.

Begränsningar

Vår studie har några begränsningar som bör noteras. Även om vi genomförde studien med ett stort urval ungdomar, är vår studie baserad på en tvärsnittsdesign, vilket begränsar tolkningen av kausalitet. Till exempel är depressiva episoder, självmordstankar och självmordsförsök förknippade med högre oddsförhållanden av PIU, och vi kan inte fastställa kausalitetsriktningen. Således är framtida studier med en longitudinell design berättigade. För det andra, även om vi försökte inkludera en mängd olika internettjänster som ungdomarna använder i frågeformulärerna, inkluderade vi inte alla tjänster. Internetspel är till exempel en av de största oron för internetanvändning, vilket inte ingick i frågeformuläret. För det tredje var vår studie baserad på självrapporten för ungdomarna ensam, vilket kunde fördjupa rapporten. Rapporteringen av psykiatriska symtom är känd för att vara avvikande bland informanter, såsom föräldrar och ungdomar. Därför är att få information från flera informanter, inklusive föräldrar, viktigt för den exakta utvärderingen av psykiatriska symtom. Lyckligtvis rapporterade en tidigare studie att rapporter baserade på självrapportering av ungdomarna för symtomen på beroendeframkallande sjukdomar som alkohol- och drogmissbruk var mycket mer sammanfallande med faktiska diagnoser än rapporter från föräldrarna. Dessutom använde vi förenklade kategoriska artiklar som bedömde depression, självmordstankar och självmordsförsök och inkluderade inte validerade utvärderingsverktyg. Även om dessa förenklade artiklar antogs för att förbättra svarsfrekvensen med ett paretisk frågeformulär för ett stort antal deltagare, kan detta resultera i brist på detaljerad information och snedvridning av den verkliga föreningen mellan PIU och ungdomars psykologi, såsom depression och självmord. Slutligen inkluderades inte information om familjeegenskaper, såsom interaktion mellan föräldrar och barn och förälderstil, i studien, vilket är en viktig faktor för att moderera PIU hos ungdomar. Därför är framtida studier inklusive mer detaljerad information om psykopatologi hos ungdomar och familjegenskaper från flera informanter garanterade att bekräfta de aktuella resultaten.

Slutsatser

Trots vissa begränsningar identifierade vår studie kliniskt viktig information om PIU hos ungdomar. Distributionen av de mest använda internettjänsterna har olika mönster baserat på kön. Förekomsten av PIU visade också betydande skillnader baserat på användningen av specifika internettjänster. Framtida studier av PIU med väldefinierad metodik och utvärderingsverktyg för varje specifik internettjänst behövs för att utveckla strategier för att skydda enskilda ungdomar från risken för PIU.

Erkännanden

Författarna vill tacka Ministeriet för utbildning, hälso- och välfärdsdepartementet och Centers for Disease Control and Prevention Korea Centers for Disease Control and Prevention, som tillhandahöll rådata.

Finansieringsdeklaration

Detta arbete stöddes av bidraget från National Research Foundation of Korea (NRF) finansierat av Koreas regering (MSIP; ministeriet för vetenskap, IKT och framtida planering) (NRF-2018R1C1B5041143).

Författarbidrag

Alla författare gjorde betydande bidrag till utformningen och designen, förvärv av data eller analys och tolkning av data; deltog i att utarbeta artikeln eller revidera den kritiskt för viktigt intellektuellt innehåll; gav slutgiltigt godkännande av den version som ska publiceras; och samtycker till att stå till ansvar för alla aspekter av arbetet.

Disclosure

Författarna rapporterar inga intressekonflikter i detta arbete.

Referensprojekt

1. Anderson M, Perrin A, Jiang J, Kumar M. 10% av amerikanerna använder inte Internet. Vilka är dom? Washington, DC: Pew Research Center; 2019. []
2. Anderson M, Jiang J. Tonåringar, sociala medier och teknik 2018. Washington, DC: Pew Research Center; 2018. []
3. Gross E, Juvonen J, Gable S. Internetanvändning och välbefinnande i tonåren. J Soc Issues. 2002;58:75–90. doi:10.1111/1540-4560.00249 [CrossRef] []
4. Caplan SE. Förhållanden mellan ensamhet, social ångest och problematisk internetanvändning. Cyberpsychol Behav. 2006;10(2): 234-242. doi: 10.1089 / cpb.2006.9963 [PubMed] [CrossRef] []
5. Daine K, Hawton K, Singaravelu V, Stewart A, Simkin S, Montgomery P. Kraften på webben: en systematisk granskning av studier av internetpåverkan på självskada och självmord hos unga. PLoS One. 2013;8(10): E77555. doi: 10.1371 / journal.pone.0077555 [PMC gratis artikel] [PubMed] [CrossRef] []
6. Kiriakidis SP, Kavoura A. Cybermobbning: en granskning av litteraturen om trakasserier via internet och andra elektroniska medel. Fam Community Health. 2010;33(2):82–93. doi:10.1097/FCH.0b013e3181d593e4 [PubMed] [CrossRef] []
7. Young KS, Rogers RC. Förhållandet mellan depression och internetberoende. Cyberpsychol Behav. 1998;1(1): 25-28. doi: 10.1089 / cpb.1998.1.25 [CrossRef] []
8. Kuss DJ, Griffiths MD, Karila L, Billieux J. Internetberoende: en systematisk översyn av epidemiologisk forskning under det senaste decenniet. Curr Pharm Des. 2014;20(25): 4026-4052. doi: 10.2174 / 13816128113199990617 [PubMed] [CrossRef] []
9. Pontes HM, Kuss DJ, Griffiths MD. Klinisk psykologi för internetberoende: en genomgång av dess konceptualisering, prevalens, neuronala processer och implikationer för behandling. Neurosci Neuroecon. 2015;4: 11-23. []
10. Cerniglia L, Cimino S, Ballarotto G, et al. Motorolyckor och ungdomar: en empirisk studie av deras känslomässiga och beteendeprofiler, försvarsstrategier och föräldrastöd. Transp Res F. 2015;35: 28-36. doi: 10.1016 / j.trf.2015.09.002 [CrossRef] []
11. Steinberg L. En dubbel systemmodell för ungdomars risktagande. Dev Psychobiol. 2010;52(3): 216-224. doi: 10.1002 / dev.20445 [PubMed] [CrossRef] []
12. Cerniglia L, Guicciardi M, Sinatra M, Monacis L, Simonelli A, Cimino S. Användning av digital teknik, impulsivitet och psykopatologiska symptom i tonåren. Behav Sci. 2019;9(8): E82. doi: 10.3390 / bs9080082 [PMC gratis artikel] [PubMed] [CrossRef] []
13. Cimino S, Cerniglia L. En longitudinell studie för empirisk validering av en etiopatogenetisk modell för internetberoende i tonåren baserad på tidig känslosreglering. Biomed Res Int. 2018;2018: 4038541. doi: 10.1155 / 2018 / 4038541 [PMC gratis artikel] [PubMed] [CrossRef] []
14. Lenhart A, Madden M, Macgill A, Smith A. Tonåringar och sociala medier. Washington, DC: Pew Internet & American Life Project; 2007. []
15. Dufour M, Brunelle N, Tremblay J, et al. Könsskillnad i internetanvändning och internetproblem bland gymnasieelever i Quebec. Kan J Psykiatri. 2016;61(10): 663-668. doi: 10.1177 / 0706743716640755 [PMC gratis artikel] [PubMed] [CrossRef] []
16. Badenes-Ribera L, Fabris MA, Gastaldi FGM, Prino LE, Longobardi C. Föräldra- och kamratfästning som förutsägare för facebookberoende-symtom i olika utvecklingsstadier (tidiga ungdomar och ungdomar). Addict Behav. 2019;95: 226-232. doi: 10.1016 / j.addbeh.2019.05.009 [PubMed] [CrossRef] []
17. Unga KS. Fångad på nätet: Hur man känner igen tecken på internetberoende - och en vinnande strategi för återhämtning. New York: John Wiley & Sons; 1998. []
18. Van der Aa N, Overbeek G, Engels RC, Scholte RH, Meerkerk GJ, Van den Eijnden RJ. Daglig och tvångsmässig användning av internet och välbefinnande i tonåren: en diathes-stressmodell baserad på stora fem personlighetsteg. J Ungdom Adolesc. 2009;38(6):765–776. doi:10.1007/s10964-008-9298-3 [PubMed] [CrossRef] []
19. Caplan SE. Problematisk internetanvändning och psykosocialt välbefinnande: utveckling av ett teoribaserat kognitivt – beteendemätinstrument. Beräkna Hum Behav. 2002;18(5):553–575. doi:10.1016/S0747-5632(02)00004-3 [CrossRef] []
20. Kaess M, Parzer P, Brunner R, et al. Patologisk internetanvändning ökar bland europeiska ungdomar. J Adolesc Hälsa. 2016;59(2): 236-239. doi: 10.1016 / j.jadohealth.2016.04.009 [PubMed] [CrossRef] []
21. Kim MG, Kim J. Korsvalidering av tillförlitlighet, konvergent och diskriminerande giltighet för den problematiska skalan för onlinespel. Beräkna Hum Behav. 2010;26(3): 389-398. doi: 10.1016 / j.chb.2009.11.010 [CrossRef] []
22. Kuss DJ, Griffiths MD. Internet-spelberoende: en systematisk översyn av empirisk forskning. Int J ment Health Addict. 2012;10(2):278–296. doi:10.1007/s11469-011-9318-5 [CrossRef] []
23. Pontes HM, Griffiths MD. Mätning av DSM-5 internet-spelstörning: utveckling och validering av en kort psykometrisk skala. Beräkna mänsklig behav. 2015;45: 137-143. doi: 10.1016 / j.chb.2014.12.006 [CrossRef] []
24. Strittmatter E, Kaess M, Parzer P, et al. Patologisk internetanvändning bland ungdomar: jämföra spelare och icke-spelare. Psykiatrisk Res. 2015;228(1): 128-135. doi: 10.1016 / j.psychres.2015.04.029 [PubMed] [CrossRef] []
25. Unga KS. Internetberoende: utvärdering och behandling. Br Med J. 1999;7: 351-352. []
26. American Psychiatric Association. Diagnostisk och statistisk manual för mentala störningar (DSM-5®). Arlington, TX: American Psychiatric Publishing; 2013. []
27. King DL, Potenza MN. Leker inte runt: spelstörning i den internationella klassificeringen av sjukdomar (ICD-11). J Adolesc Hälsa. 2019;64(1): 5-7. doi: 10.1016 / j.jadohealth.2018.10.010 [PubMed] [CrossRef] []
28. Gainsbury SM. Online-spelberoende: förhållandet mellan internet-spel och störande spel. Curr Addict Rep. 2015;2(2):185–193. doi:10.1007/s40429-015-0057-8 [PMC gratis artikel] [PubMed] [CrossRef] []
29. Andreassen CS. Online sociala nätverk missbruk: en omfattande översyn. Curr Addict Rep. 2015;2(2):175–184. doi:10.1007/s40429-015-0056-9 [CrossRef] []
30. Grubbs JB, Volk F, Exline JJ, Pargament KI. Användning av internetpornografi: upplevd missbruk, psykologisk besvär och validering av en kort åtgärd. J Sex äktenskaplig ter. 2015;41(1):83–106. doi:10.1080/0092623X.2013.842192 [PubMed] [CrossRef] []
31. Rosenkranz T, Muller KW, Dreier M, Beutel ME, Wolfling K. Beroendeframkännande potential för internetapplikationer och differentiella korrelat för problematisk användning hos internetspelare jämfört med generaliserade internetanvändare i ett representativt urval av ungdomar. Eur Addict Res. 2017;23(3): 148-156. doi: 10.1159 / 000475984 [PubMed] [CrossRef] []
32. Kim Y, Choi S, Chun C, Park S, Khang YH, Oh K. Dataresursprofil: Koreabaserad ungdomsriskbeteende webbaserad undersökning (KYRBS). Int J Epidemiol. 2016;45(4): 1076-1076e. doi: 10.1093 / ije / dyw070 [PubMed] [CrossRef] []
33. Kim DI, Chung YJ, Lee EA, Kim DM, Cho YM. Utveckling av Internet-beroendeförhållanden skala-kort form (KS-skala). Korea J Couns. 2008;9: 1703-1722. doi: 10.15703 / kjc.9.4.200812.1703 [CrossRef] []
34. Laconi S, Kaliszewska-Czeremska K, Gnisci A, et al. Tvärkulturell studie av problematisk internetanvändning i nio europeiska länder. Beräkna mänsklig behav. 2018;84: 430-440. doi: 10.1016 / j.chb.2018.03.020 [CrossRef] []
35. Mak KK, Lai CM, Watanabe H, et al. Epidemiologi för internetbeteenden och missbruk bland ungdomar i sex asiatiska länder. Cyberpsychol Behav Soc Netw. 2014;17(11): 720-728. doi: 10.1089 / cyber.2014.0139 [PubMed] [CrossRef] []
36. Petry NM, O'Brien CP. Internet-spelstörning och DSM-5. Addiction. 2013;108(7): 1186-1187. doi: 10.1111 / add.12162 [PubMed] [CrossRef] []
37. Feng W, Ramo DE, Chan SR, Bourgeois JA. Internet-spelsjukdom: trender i prevalens 1998-2016. Addict Behav. 2017;75: 17-24. doi: 10.1016 / j.addbeh.2017.06.010 [PMC gratis artikel] [PubMed] [CrossRef] []
38. Bakken IJ, Wenzel HG, Götestam KG, Johansson A, Oren A. Internetberoende bland norska vuxna: en stratifierad sannolikhetsstudie. Scand J Psychol. 2009;50(2):121–127. doi:10.1111/j.1467-9450.2008.00685.x [PubMed] [CrossRef] []
39. Durkee T, Kaess M, Carli V, et al. Prevalens av patologisk internetanvändning bland ungdomar i Europa: demografiska och sociala faktorer. Addiction. 2012;107(12):2210–2222. doi:10.1111/j.1360-0443.2012.03946.x [PubMed] [CrossRef] []
40. Tsai HF, Cheng SH, Yeh TL, et al. Riskfaktorerna för internetberoende - en enkätundersökning. Psykiatrisk Res. 2009;167(3): 294-299. doi: 10.1016 / j.psychres.2008.01.015 [PubMed] [CrossRef] []
41. Pujazon-Zazik M, Park MJ. Att tweeta eller inte tweeta: könsskillnader och potentiella positiva och negativa hälsoutfall för ungdomars sociala internetanvändning. Am J Mens Health. 2010;4(1): 77-85. doi: 10.1177 / 1557988309360819 [PubMed] [CrossRef] []
42. Yau YH, Crowley MJ, Mayes LC, Potenza MN. Är internetbruk och videospel-beroendeframkallande beteenden? biologiska, kliniska och folkhälsoeffekter för ungdomar och vuxna. Minerva Psichiatr. 2012;53(3): 153-170. [PMC gratis artikel] [PubMed] []
43. Hartmann T, Klimmt C. Kön och datorspel: utforska kvinnors ogillar. J Comput Mediat Commun. 2006;11(4):910–931. doi:10.1111/j.1083-6101.2006.00301.x [CrossRef] []
44. Jackson LA, Ervin KS, Gardner PD, Schmitt N. Kön och internet: kvinnor som kommunicerar och män söker. Sexroller. 2001;44(5):363–379. doi:10.1023/A:1010937901821 []
45. Griffiths M. Internetberoende - dags att tas på allvar? Addict Res. 2000;8(5): 413-418. doi: 10.3109 / 16066350009005587 [CrossRef] []
46. Unga KS, de Abreu CN. Internetberoende: En handbok och guide till utvärdering och behandling. Hoboken, NJ: Wiley; 2010. []
47. de Alarcon R, de la Iglesia JI, Casado NM, Montejo AL. Onlineporrberoende: vad vi vet och vad vi inte gör - en systematisk granskning. J Clin Med. 2019;8(1): E91. doi: 10.3390 / jcm8010091 [PMC gratis artikel] [PubMed] [CrossRef] []
48. Cantwell DP, Lewinsohn PM, Rohde P, Seeley JR. Korrespondens mellan tonårsrapport och förälderrapport om psykiatriska diagnostiska data. J är Acad Child Adolesc Psychiatry. 1997;36(5):610–619. doi:10.1097/00004583-199705000-00011 [PubMed] [CrossRef] []