Athari za Internet na Smartphone Addictions juu ya Unyogovu na wasiwasi Kulingana na Propensity Score Matching Uchambuzi (2018)

Int J Environ Res Afya ya Umma. 2018 Apr 25; 15 (5). pii: E859. doa: 10.3390 / ijerph15050859.

Kim YJ1, Jang HM2, Lee Y3, Lee D4, Kim DJ5.

abstract

Shirika la kulevya kwa mtandao (IA) na matumizi ya kulevya ya smartphone (SA) na matatizo ya afya ya akili yamejifunza sana. Sisi kuchunguza madhara ya IA na SA juu ya unyogovu na wasiwasi wakati kurekebisha kwa vigezo vya kijamii. Katika utafiti huu, washiriki wa 4854 wamekamilisha utafiti wa mtandao unaozingatia msalaba ikiwa ni pamoja na vitu vya kijamii na idadi ya watu, Kikorea cha Kikorea kwa Matumizi ya Madawa ya Internet, Kiwango cha Urembo wa Matumizi ya Kipaza sauti ya Smartphone, na vituo vya Ufuatiliaji Vipengele vya 90-Vyerekebishwa. Washiriki waliwekwa katika vikundi vya IA, SA, na vikundi vya kawaida (NU). Ili kupunguza uchezaji wa sampuli, tumeomba njia ya kuzingatia alama inayotokana na genetics inayolingana. Kikundi cha IA kilionyesha hatari kubwa ya unyogovu (hatari ya jamaa 1.207; p <0.001) na wasiwasi (hatari ya jamaa 1.264; p <0.001) ikilinganishwa na NUs. Kikundi cha SA pia kilionyesha kuongezeka kwa hatari ya unyogovu (hatari ya jamaa 1.337; p <0.001) na wasiwasi (hatari ya jamaa 1.402; p <0.001) ikilinganishwa na NC. Matokeo haya yanaonyesha kuwa zote mbili, IA na SA, zilitoa athari kubwa kwa unyogovu na wasiwasi. Kwa kuongezea, matokeo yetu yalionyesha kuwa SA ina uhusiano thabiti na unyogovu na wasiwasi, nguvu kuliko IA, na imesisitiza hitaji la sera ya kuzuia na usimamizi wa utumiaji mwingi wa smartphone.

Keywords:  Madawa ya mtandao; wasiwasi; huzuni; alama ya kiwango; addiction ya smartphone

PMID: 29693641

DOI: 10.3390 / ijerph15050859

 

1. Utangulizi

Pamoja na matumizi na urahisi wa Internet na simu za mkononi katika maisha ya kila siku, utafiti uliokusanywa umeonyesha madhara mabaya ya matumizi ya Internet na matumizi ya smartphone katika eneo la afya ya akili [1].
Kiwango cha mtumiaji wa smartphone katika idadi ya watu wa Korea Kusini ni takriban 85%, juu duniani kote [2]. Hata hivyo, matumizi makubwa ya smartphone huhusishwa sana na masuala ya afya ya akili, ikiwa ni pamoja na matatizo na hatari ya kuongezeka kwa wasiwasi usio wa kawaida [3,4]. Matumizi ya kulevya ya simu za mkononi (SA) imeonekana kama aina mpya ya kulevya pamoja na ulevi wa Internet (IA), na tabia ya kliniki ya SA imeshughulikiwa katika miaka ya hivi karibuni [5]. Kwa mfano, kuna tofauti tofauti kuhusu asili ya vifaa, kama vile portable rahisi, wakati halisi ya upatikanaji Internet na makala ya mawasiliano ya moja kwa moja ya simu za mkononi [6]. Sawa na tofauti kati ya IA na SA zimeripotiwa kuhusiana na vigezo vya idadi ya watu na mambo ya motisha ya matumizi ya vyombo vya habari [1,6].
Kutokana na hali ya mazingira, ukosefu wa shughuli mbadala unahusishwa na IA [7]. Zaidi ya hayo, kuwa mjane umeripotiwa kuhusishwa sana na mtandao wa kijamii na michezo ya michezo ya mtandaoni [8]. Kwa kiwango cha elimu na vipimo vya kipato cha kila mwezi, uchunguzi wa hivi karibuni kwa watu wenye SA uligundua tofauti kubwa katika hali ya afya kwa ajili ya wale walio na kipato cha chini na shahada ya chini ya elimu [9]. Kwa mujibu wa uchunguzi huu, ukaguzi wa utaratibu ulibainisha uwiano mkubwa kati ya utendaji wa kitaaluma na ukali wa IA [10]. Kwa mujibu wa umri, mapitio ya hivi karibuni yamegundua kwamba matumizi ya Intaneti yenye matatizo yanafaa sana kwa watu wazima wachanga na wanaojitokeza (miaka 19 na zaidi) [10], wakati dawa za kulevya za smartphone zimeenea zaidi katika vijana wadogo ikilinganishwa na watu wazima wanaojitokeza (miaka 19 na zaidi) [11]. Uchunguzi wa hivi karibuni umeonyesha kwamba wanawake huwa na wastani wa juu wa nyakati za matumizi ya kila siku na alama za utegemezi kwa simu za mkononi, ikilinganishwa na wanaume [4]. Choi et al. (2015) iliripoti kuwa jinsia ya kiume ina sababu ya hatari kwa IA, na jinsia ya kike kwa SA [1]. Kuhusu kusudi la matumizi, mitandao ya kijamii ilionyesha kuwa inahusiana zaidi na utegemezi mkubwa wa smartphone, ikilinganishwa na kazi nyingine za simu za simu [11]. Kwa watu binafsi wenye IA, Anderson et al. (2016) iliripoti kuwa jinsia ya kiume ilihusishwa sana na michezo ya kubahatisha PC mtandaoni [10].
Kwa upande wa masuala ya kisaikolojia, vyama vyema vya IA na SA pamoja na unyogovu na wasiwasi wamekuwa na taarifa nyingi [12,13]. Uchunguzi wa hivi karibuni umesema kwamba madawa ya kulevya kwenye mtandao na simu za mkononi zinaweza kutokea kwa ufahamu wa mtumiaji binafsi-kihisia na tabia badala ya kati yenyewe [14,15,16]. Uchunguzi wa hivi karibuni uliona jukumu la uelewa na kuridhika kwa maisha katika IA na SA [17]. Kuhusu maswala ya kisaikolojia, tafiti kadhaa zilibainisha uwiano mzuri kati ya IA, unyogovu, na wasiwasi [18,19,20], wakati uchunguzi wa hivi karibuni uliripoti uhusiano kati ya matumizi ya smartphone na ukali, unyogovu, na wasiwasi [13]. Kwa hiyo, ushirikiano kati ya matatizo ya IA, SA, na matatizo ya afya ya akili unahitajika kufanywa wazi. Aidha, kutokana na kuingiliana na tofauti kati ya IA na SA [16], basi swali linalojitokeza ni kwa kiwango gani IA na SA wanahusishwa na kuongezeka kwa kiwango cha unyogovu na wasiwasi baada ya kurekebisha mambo yanayochanganyikiwa ya idadi ya watu na ya kiuchumi?
Bado haijulikani kama matatizo ya afya ya akili ni sababu au matokeo ya kutegemea sana kwenye mtandao na simu za mkononi. Uchunguzi wa vipande vya msalaba umetumia uchambuzi wa regression nyingi kuchunguza uhusiano kati ya matatizo ya afya ya akili, IA, na SA kwa watu [21]. Hata hivyo, katika tafiti za uchunguzi, ambazo hazipatikani, uchambuzi wa regression nyingi una mapungufu, kama vile uwezekano wa overestimation na kosa la kiwango kikubwa wakati covariates nyingi zipo, pamoja na upendeleo wa uteuzi [22]. Kwa hiyo, kuzingatia madhara ya kulevya kwa uchunguzi tu wa matokeo fulani, kama vile unyogovu na wasiwasi, utafaidika na kutofautiana kwa sababu za idadi ya watu na kiuchumi zinazohusiana na IA na SA. Aidha, hakuna tafiti zilizochunguza madhara ya kutofautiana kulingana na sifa za watumiaji wa mtandao na wavuti, ikiwa ni pamoja na mazingira ya mazingira na maelezo ya watumiaji wa kisaikolojia, ya IA na SA juu ya unyogovu na wasiwasi. Upimaji wa alama ya kushikilia (PSM) umekuwa mbinu maarufu ya kupunguza upendeleo wa uteuzi katika tafiti za uchunguzi [23,24]. Katika karatasi hii, tumeomba uchambuzi wa PSM kuchunguza madhara ya IA na SA juu ya unyogovu na wasiwasi, ili kupunguza upendeleo wa uteuzi katika data yetu. Tulichagua ngono, umri, elimu, hali ya ndoa, na mapato kama kutofautiana, kwa kuzingatia ushirikiano wa vigezo hivi vya kijamii na IA na SA katika utafiti wetu [9,25].
Lengo kuu la utafiti huu ni kuchunguza ushirikiano kati ya IA, SA, na hali ya hali ya hewa, ambayo ni ugonjwa wa unyogovu na wasiwasi, ukitumia uchambuzi wa vinavyolingana na uchambuzi. Pili, tunatafuta kugundua jinsi madhara ya unyogovu na wasiwasi hutofautiana kati ya IA na SA.

 

 

2. Nyenzo na njia

 

 

2.1. Washiriki Wanafunzi

Takwimu zilijumuisha majibu ya kujitegemea ya utambuzi wa kibinafsi wa watu wazima wa 5003 wa Korea (wenye umri wa miaka 19-49), uliofanywa na Chuo Kikuu cha Katoliki cha Korea, Seoul; na Hospitali ya St. Mary katika Desemba 2014 [26]. Utafiti ulifanyika kwa mujibu wa Azimio la Helsinki. Bodi ya mapitio ya taasisi ya Chuo Kikuu cha Katoliki cha Korea, Seoul; na Hospitali ya St. Mary iliidhinisha utafiti huu. Washiriki wote walitambuliwa kuhusu utafiti na kutoa idhini iliyoandikwa yenye taarifa. Washiriki wa utafiti waliajiriwa na jopo la kampuni ya utafiti na maswali ya ripoti ya kujitegemea walitumiwa kupitia mtandao bila malipo yoyote. Wajibu wa 149 tu, ambao hawakutumia simu za mkononi, hawakuondolewa. Hatimaye, tulitathmini data ya washiriki wa 4854. Katika sampuli ya mwisho, umri umewekwa katika makundi matatu: Chini ya 30 (33.19%), 30-39 (43.94%), na 40-49 (22.87%). Kulikuwa na watu wa 2573 (53.01%) na wanawake wa 2281 (46.99%). Vigezo vya ziada vya idadi ya washiriki walizingatiwa ni elimu, hali ya ndoa, na mapato.

 

 

2.2. Vipimo

 

 

2.2.1. Upimaji wa Madawa ya Internet

Kiwango cha Kikorea cha Utataji wa Internet (K-wadogo) kilianzishwa nchini Korea kuchunguza IA na imethibitishwa kwa idadi ya Kikorea yenye uaminifu mkubwa wa ushirikiano wa ndani [27]. Alama ya alpha ya Cronbach kwa K-Scale ilikuwa 0.91 [28]. Ina vitu visa saba na vitu vya 40, kupima mzunguko wa maisha ya kila siku, mzunguko wa kupima halisi, mawazo ya kutenganisha moja kwa moja, uhusiano wa kibinafsi wa kibinafsi, tabia mbaya, uondoaji, na uvumilivu. Kiwango hiki cha aina ya Likert kimetengwa kutoka kwa 1 (sio yote) hadi 4 (daima). Kulingana na ripoti ya awali kwa kutumia kiwango hiki, washiriki walipangwa katika vikundi vitatu: kawaida, hatari ya hatari, na hatari kubwa [29]. Kikundi kikubwa cha hatari kilifafanuliwa kuwa na alama ya kiwango cha 70 au zaidi, katika usumbufu wa maisha ya kila siku, mawazo ya dawa ya moja kwa moja, sababu za uvumilivu, au angalau 70 kwa jumla. Kundi la uwezekano wa hatari lilifafanuliwa kama alama ya 62 au zaidi katika usumbufu wa maisha ya kila siku, mawazo ya kujiumiza kwa moja kwa moja, sababu za uvumilivu, au angalau 63 kwa jumla. Kikundi cha kawaida cha matumizi kilikuwa na alama hizo chini ya namba hizi. Katika utafiti huu, vikundi vya IA vilijumuishwa na hatari na vikundi vya hatari.

 

 

2.2.2. Upimaji wa Madawa ya Smartphone

Simu ya Matumizi ya Matumizi ya Kipaza sauti ya Kipaza sauti (K-SAS) imethibitishwa na inatumiwa sana kwa skrini kwa SA [30]. Inajumuisha vipengee vya 15 vilipimwa katika kiwango cha nne cha aina ya Likert ya dhiki kutoka 1 (sio yote) hadi 4 (daima). Maswali yalizingatia mambo matatu: usumbufu wa maisha ya kila siku, mawazo ya kulevya, na uvumilivu. Alama ya alpha ya Cronbach kwa K-SAS ilikuwa 0.880 [5].
Kulingana na ripoti ya awali kwa kutumia kiwango hiki, tulitumia alama ili kuwaweka washiriki katika vikundi vitatu: kawaida, hatari, na hatari kubwa [30]. Kikundi kikubwa cha hatari kilifafanuliwa kuwa na alama ya 44 au zaidi kwa jumla, au kuwa na subscore ya 15 au zaidi katika usumbufu wa maisha ya kila siku pamoja na subscores ya 13 au zaidi, katika mawazo ya moja kwa moja ya kulevya na uvumilivu. Kundi la uwezekano wa hatari lilifafanuliwa kuwa na 41 au zaidi katika alama ya jumla, au 15 au zaidi katika sababu ya mzunguko wa maisha ya kila siku. Kikundi cha kawaida cha matumizi kilikuwa na alama hizo chini ya namba hizi [30]. Katika utafiti huu, kikundi cha addicted smartphone kilijumuishwa na vikundi vya hatari na hatari.

 

 

2.2.3. Upimaji wa Matatizo ya Afya ya Akili: Unyogovu na wasiwasi

Swali la SCL-90-R ni swala la multidimensional linalotengenezwa ili kutazama vipengele mbalimbali vya kisaikolojia na psychopathological ya ufuatiliaji wa 9: Usawazishaji, obsessive-compulsive, usikivu wa kibinadamu, unyogovu, wasiwasi, uadui, wasiwasi wa phobic, mawazo ya paranoid, na mawazo ya kisaikolojia [31]. SCL-90 ina vitu vya 90 vilipimwa katika kiwango cha dhiki cha 5 ya kutoka kwa 0 (hakuna) hadi 4 (uliokithiri). Kuaminika kwa retest ya SCL-90-R katika lugha ya Kikorea ilikuwa 0.76 kwa unyogovu na 0.77 kwa wasiwasi. Uhusiano wa ndani ulikuwa 0.89 kwa unyogovu na 0.86 kwa wasiwasi [31]. Unyogovu na wasiwasi wametambuliwa kuwa ni dalili za akili ambazo zinahusishwa sana na IA na SA [12,13]. Vipimo maalum vya maslahi ya skrini katika somo hili vilijumuisha uingizaji wa SCL-90-R kwa Unyogovu na wasiwasi.

 

 

2.3. Uchambuzi wa Takwimu

 

 

2.3.1. Ufafanuzi wa Takwimu

Hebu Zi

 

Kuwa kiashiria cha madawa ya kulevya ya binary kwa suala hilo; hiyo ni, Zi=1 ikiwa suala hilo linatumiwa (IA au SA), na Zi=0 vinginevyo. Matokeo ya shida ya akili (unyogovu au wasiwasi) inaelezwa kama Yi(Zi. Kumbuka kwamba moja tu ya matokeo yanayotambuliwa kwa wakati mmoja kwa kila somo, kwa kuhesabu kwa moja kwa moja Yi(1)-Yi haiwezekani. Badala ya athari ya mtu binafsi, parameter ya msingi ya maslahi ni kulevya inayotarajiwa kuathiri idadi ya watu walio na adhabu

τ=E(Yi(1)-Yi(0)|
 
Hata hivyo, makadirio ya τ

bado ina tatizo kwa sababu E(Yi(0)|Zi haiwezi kuwa inakadiriwa moja kwa moja. Bila shaka, katika majaribio ya randomized, E(Yi(0)|Zi ni kuridhika, hivyo τ inaweza kuhesabiwa kwa urahisi. Hata hivyo, katika utafiti wa uchunguzi, makadirio ya naïve ya τ inaweza kupendezwa kwa sababu E(Yi(0)|Zi. Kurekebisha upendeleo huu wa uteuzi, tunadhani kwamba tunaweza kuchunguza covariates Xi ambazo haziathiri na madawa yoyote ya kulevya, na kwa covariates iliyotolewa Xi, Matokeo ya matokeo Yi(1), Yi ni hali ya kujitegemea ya kiashiria cha kulevya Zi. Zaidi ya hayo, ikiwa matokeo ya uwezo yanajitegemea hali ya kulevya kwa vikwazo Xi, pia wanajitegemea masharti ya kulevya katika alama ya kiwango P(Xi)= P(Zi=1|Xi[19]. Mchambuzi wa PSM kwa τ inakuwa

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. Kuhesabu alama ya Propensity

Vigezo vinavyotumiwa hutumiwa kwa kutumia regression ya vifaa, mfano uliotumiwa kutabiri uwezekano wa kulevya 

logiP(Zi=1|Xi)

 

 

 
Katika karatasi hii, kama covariates kwa Xi

 

 

, tunaona covariates ya tano: ngono (1 = kiume na 2 = kike), umri (1 = 20-29, 2 = 30-39, na 3 = 40-49), elimu (1 = shule ya kati, 2 = high shule na 3 = chuo kikuu au juu), hali ya ndoa (1 = moja, 2 = cohabitation, 3 = ndoa, 4 = talaka, na 5 = waliopotea), na kipato (1 = chini, 2 = katikati, 3 = kati, 4 = katikati, na 5 = juu). In Sehemu 1, covariates hizi zinaweza kushawishi wakati huo huo matokeo (unyogovu au wasiwasi) na ulevi. Kwa hiyo, kwa kila somo, sisi inakadiriwa alama za propensity; yaani, uwezekano wa masharti ya kuwa addicted kutokana na covariates aliona [32].

 

 

2.3.3. Mbinu zinazofanana Kulingana na alama ya Propensity ya Estimated

Mara baada ya alama za kupima, inalinganishwa inaweza kutumika kutathmini athari ya matibabu baada ya kurekebisha tofauti kati ya makundi mawili [33]. Lengo la kulinganisha ni kuzalisha sampuli inayoendana ambayo inalingana na usambazaji wa mgonjwa wa utafiti na kuendana na covariates ya makundi ya kudhibiti yaliyozingatiwa. Njia hii ya kurekebisha inatuwezesha kudhibiti vigezo vinavyochanganya. Katika utafiti huu, tumekubali njia mbili zinazofanana sana, vinavyolingana na maumbile vinavyolingana [34].

 

 

2.3.4. Kiwango cha Hatari za Uzito za Kulevya kwa Matatizo ya Afya ya Kisaikolojia baada ya Matarajio ya Matarajio ya Matumizi

Baada ya alama ya kiwango cha kuzingatia kwa kutumia covariates zilizozingatiwa (umri, jinsia, ndoa, mapato, na elimu), tuna dataset iliyo na usawa zaidi. Ili kutatua tatizo la afya ya akili (unyogovu au wasiwasi), tumeomba mifano ya kawaida ya mstari (GLMs) kwa sampuli inayoendana. Kwa sababu alama za afya ya akili ni chanya na zimependekezwa, usambazaji wa gamma na kiungo cha logi umefungwa. Hebu Yi

 

kuwa matokeo ya maslahi (alama ya unyogovu au wasiwasi) na maana μi, tunaweza kutumia mfumo wa Gamma GLM na covariates Xi:

 

logiμi=γT
 
 
Kupitia mfano, tunakadiriwa eγ

 

 

kama hatari ya jamaa (kama inavyotarajiwa tofauti kati ya makundi) ya IA na SA kwa kila covariate.

 

 

3. Matokeo

Mbali na washiriki wa 4854, 126 (2.60%) yalijumuishwa kwenye kikundi cha IA na 652 (13.43%) ilijumuishwa katika kikundi cha SA. Meza 1 inaonyesha takwimu zinazoelezea za unyogovu na alama za wasiwasi. Maana ya maana ya unyogovu na wasiwasi wa vikundi vya IA na SA ni kubwa zaidi kuliko yale ya kikundi cha kawaida cha matumizi (NU).
Jedwali 1. Takwimu zinazoelezea za Unyogovu na alama za wasiwasi.
Meza

 

 

3.1. Ulinganifu wa ubora wa Propensity Score Matching Method

Ingawa sisi hali tu ya covariates katika wachache wa utafiti huu, kupitia alama ya propensity, tumegundua kuwa utaratibu unaofanana ulikuwa wa kutosha kusawazisha usambazaji wa kila covariate, Meza 2 na Meza 3. Sisi tathmini ya umbali katika mgawanyiko wa chini ya Xi

 

 

 

. Kwa kila covariate, tulipima ubaguzi; yaani, tofauti katika sampuli ya wastani wa sampuli zilizosababishwa na za kawaida. Kabla ya kutumia kiwango cha upimaji wa alama, vikwazo havikupuuzwa. Hata hivyo, baada ya alama ya kupima kiwango, kulevya na viwango vya kawaida vilikuwa na usambazaji mdogo sana wa covariates wote.
Jedwali 2. Kulinganisha kwa asilimia ya maana ya sifa ya msingi kati ya IA na vikundi vya matumizi ya kawaida, katika sampuli ya awali na alama ya propensity alama iliyoendana, kwa kutumia vinavyolingana na maumbile na sawa.
Meza
Jedwali 3. Kulinganisha ya asilimia ya maana ya sifa za msingi kati ya SA na vikundi vya kawaida, katika sampuli ya awali na alama ya propensity alama iliyofanana, kwa kutumia vinavyolingana na maumbile na sawa.
Meza

 

 

3.2. Athari za Madawa ya Mtandao juu ya Unyogovu na wasiwasi

Madhara ya IA juu ya unyogovu na wasiwasi kupatikana kwa kutumia propensity alama vinavyolingana ni taarifa katika Meza 4. Kupitia ulinganifu wa maumbile, sampuli 3846 zilichaguliwa. IA ilihusiana na hatari kubwa ya unyogovu (hatari ya jamaa 1.207, 95% muda wa kujiamini 1.128-1.292, na p <0.001) na wasiwasi (hatari ya jamaa 1.264, 95% muda wa kujiamini 1.173-1.362, na p <0.001). Viwango hivi vyote vya hatari ni muhimu kwa sababu muda wa kujiamini hauna 1. Kupitia ulinganifu bora, sampuli 252 zilichaguliwa. IA ilihusiana na unyogovu mkubwa (hatari ya jamaa 1.243, 95% muda wa kujiamini 1.145-1.348, na p <0.001) na wasiwasi (hatari ya jamaa 1.308, 95% muda wa kujiamini 1.192-1.435, na p <0.001). Sawa na ulinganifu wa maumbile, uwiano wa hatari kwa wote, unyogovu na wasiwasi, ni kubwa zaidi kuliko 1.
Jedwali 4. Athari za mtandao na matumizi ya kulevya ya smartphone juu ya unyogovu na wasiwasi, kwa kuzingatia upimaji wa alama vinavyolingana.
Meza

 

 

3.3. Athari za kulevya ya Smartphone juu ya Unyogovu na wasiwasi

Madhara ya SA juu ya unyogovu na wasiwasi kutumia vinavyolingana alama vinavyoripotiwa Meza 4. Kupitia ulinganifu wa maumbile, sampuli 4516 zilichaguliwa. SA ilihusiana na hatari kubwa ya unyogovu (hatari ya jamaa 1.337, 95% muda wa kujiamini 1.296-1.378, na p <0.001) na wasiwasi (hatari ya jamaa 1.402, 95% muda wa kujiamini 1.355-1.450, na p <0.001). Kupitia ulinganifu bora, sampuli 1304 zilichaguliwa. SA ilihusiana na hatari kubwa ya unyogovu (hatari ya jamaa 1.386, 95% muda wa kujiamini 1.334-1.440, na p <0.001) na wasiwasi (hatari ya jamaa 1.440, 95% muda wa kujiamini 1.380-1.503, na p <0.001). Uwiano huu wote wa hatari ni muhimu.

 

 

3.4. Tofauti katika Matumizi ya Mtandao na Matumizi ya Smartphone juu ya Unyogovu na wasiwasi

Uwiano wa hatari wa jamaa kwa unyogovu na wasiwasi, kutoka kwa wote vinavyolingana na maumbile na sawa, walikuwa 10% ya juu kwa SA kuliko kwa IA. Hii ina maana kuwa SA ina hatari kubwa ya unyogovu na wasiwasi kuliko IA. Vipindi vya ujasiri vile havi na 1, kwa hiyo tunaweza kusema kwamba SA ni 34-44% zaidi uwezekano wa kusababisha ugonjwa wa akili.

 

 

4. Majadiliano

Matokeo yetu ni kwamba wote wawili wa IA na SA huwa na madhara makubwa juu ya unyogovu na wasiwasi, hata baada ya kudhibiti washirika wanaotumia alama zinazofanana. Uchunguzi wa epidemiolojia umethibitisha kuenea kwa juu kwa unyogovu katika IA [35,36]. Uchunguzi wa vipande vingi umeelezea kwamba watu wenye IA au SA walionyesha viwango vya juu vya unyogovu na wasiwasi kuliko watumiaji wa kawaida [13,37]. Katika utafiti wa sasa, matokeo yetu yanaonyesha majukumu ya IA na SA katika kuendeleza unyogovu na wasiwasi. Kuna baadhi ya maelezo ya kutosha kwa matokeo ya sasa. Kwanza, matumizi mabaya ya intaneti na simu za mkononi zinaweza kuongeza matatizo ya kibinafsi, ambayo yanahusiana na unyogovu na wasiwasi, kama vile migogoro ya familia, ukosefu wa uhusiano wa mbali, na haja ya kuidhinishwa kwenye mtandao. Pili, dalili za uondoaji zinapendekezwa kama mwelekeo wa kisaikolojia katika IA na SA, ikilinganishwa na shida za unyanyasaji wa madawa ya kulevya [5]. Wala hawana upatikanaji wa PC au smartphone, watu walio na IA au SA wanaweza kuwa na wasiwasi, na kisha wanataka kutumia Intaneti au smartphone ili kuepuka hisia hizo mbaya [38]. Jambo lingine linalowezekana ni kwamba tofauti na vitu vingine vya kulevya, kama vile pombe na nikotini, intaneti na simu za watumiaji juu ya watumiaji wanaweza kuwa na ufahamu mdogo juu ya matumizi yao ya ziada katika maisha ya kila siku kwa sababu ya upatikanaji huru na rahisi kwa vifaa [3], kuwafanya waweze kutumia matumizi yao ya ziada kama hasira badala ya kuwa ishara ya tabia ya matatizo [39]. Utafutaji mwingine wa kuvutia ni kwamba SA aliongeza madhara makubwa juu ya unyogovu na wasiwasi kuliko IA. Hii inatuwezesha kutafakari kwamba IA na SA wana athari tofauti juu ya matatizo ya afya ya akili. Kunaweza kuwa na maelezo kadhaa ya uwezekano wa kutafuta hii. Kwanza, kwa kuzingatia sifa za vyombo vya habari, ni rahisi kwa matumizi makubwa ya smartphone yanaendelea kupitia tabia ya kutengeneza tabia ya kifaa, kwa sababu ya upatikanaji wake wa juu kwenye mtandao wa wireless na 24 h ya arifa za mara kwa mara [39]. Pili, kuhusiana na mambo ya mazingira, uchunguzi huu unaweza kutafakari mabadiliko ya sasa ya wastani wa wastani wa maisha kutoka kwa PC hadi kwenye simu za mkononi. Watu wanaweza kutumia mtandao wa PC kwa ajili ya kazi ngumu na kufanya kazi nyingine za kila siku na simu za mkononi, na kusababisha kupungua kwa uzalishaji wa kazi na ngazi ya juu ya dhiki [40]. Hatimaye, watu wenye SA wanaweza kutumia simu za mkononi ili kudumisha mahusiano na hisia ya kushikamana na mtandao wa kijamii mtandaoni [41], na kusababisha hofu ya kukosa na kuogopa kupoteza uhusiano, wakati unasababisha matumizi makubwa ya smartphone [42].
Utafiti huu una mapungufu kadhaa ya kuzalisha matokeo kwa idadi nzima ya watu, kama vile asili ya sehemu ya msalaba wa mipaka ya data na tafsiri ya uelewa wa causal kati ya mtandao na matumizi ya kulevya ya smartphone, unyogovu, na wasiwasi. Kulingana na usambazaji pia kuna mapungufu na mahitaji. Kikwazo kikubwa ni kwamba alama za propensity zinaweza kudhibiti tu kwa wasiwasi waliogundua [43]. Uwezekano wa washindani wasioweza kubaki inaweza kubaki, kuzuia utafiti wa kutafuta generalization. Zaidi ya hayo, kwa sababu ya washirika wote waliopatikana katika utafiti huu walikusanywa kama vigezo vya makundi, kunaweza kupoteza habari wakati wa kujenga mfano wa PSM. Kwa hiyo, matokeo yetu yanapaswa kutafsiriwa kwa busara. Hata hivyo, ili kupata matokeo thabiti ya vinavyolingana, tulizingatia mbinu mbili zinazofanana, vinavyolingana na maumbile na vinavyolingana. Hasa, vinavyolingana na maumbile hutumia algorithm ya utafutaji wa maumbile, hivyo mchakato wake unaweza kupata suluhisho linalofanana na kupoteza habari kidogo [44]. Hatimaye, tathmini ya unyogovu na dalili ya wasiwasi ulifanyika kwa kujitegemea ripoti ya dalili za kisaikolojia kwa kutumia SCL-90-R. Kutathmini matatizo ya afya ya akili kwa usahihi na kwa mara kwa mara. Mahojiano mazuri na daktari inapaswa kufanyika katika masomo zaidi.

 

 

5. Hitimisho

Katika utafiti huu, tulitathmini jinsi IA na SA vinavyoathiri matatizo ya afya ya akili, unyogovu na wasiwasi. Kwa ujuzi wetu bora, hii ni utafiti wa kwanza wa kukadiria uhusiano kati ya IA, SA na psychopathology kwa kutumia njia ya alama vinavyolingana na alama kutoka kwa data ya msalaba, na kuchunguza athari tofauti katika psychopatholojia kati ya IA na SA. Kwa kumalizia, matokeo yetu yanaonyesha kuwa wote wa IA na SA huongeza hatari ya unyogovu na wasiwasi. Kwa kuongeza, SA ilionyesha uhusiano mkubwa na unyogovu na wasiwasi ikilinganishwa na IA.
Maana ya matokeo haya ni kwamba watu wenye matatizo ya matumizi ya smartphone wanapaswa kufuatiliwa kwa uangalifu kwa matatizo ya afya ya akili, na kuonyesha umuhimu wa kuanzisha sera za kuzuia na usimamizi zinazozingatia kiwango cha kabla ya kliniki ya SA. Uchunguzi zaidi wa matarajio unapaswa kuchunguza maelekezo ya causal ya mahusiano kati ya matatizo ya IA, SA, na matatizo ya afya ya akili na lazima kutambua sababu za ubaguzi wa IA na SA.

 

 

Msaada wa Mwandishi

D.-JK na DL mimba na walijaribu majaribio; HMJ kuchambua data; Y.-JK aliandika karatasi. YL inasimamia ukusanyaji wa data. Waandishi wote walichangia maendeleo ya maandishi, waliihakikishia kwa usahihi, na kuidhinisha hati ya mwisho.

 

 

Shukrani

Kazi hii iliungwa mkono na ruzuku kutoka Foundation ya Utafiti wa Taifa ya Korea (Misaada ya 2014M3C7A1062894, 2014M3C7A1062896).

 

 

Migogoro ya riba

Waandishi hutangaza hakuna mgongano wa maslahi.

 

 

Marejeo

  1. Choi, S.-W .; Kim, D.-J .; Choi, J.-S ;; Ahn, H .; Choi, E.-J .; Maneno, W.-Y .; Kim, S .; Youn, H. Kulinganisha hatari na mambo ya kinga yanayohusiana na madawa ya kulevya ya smartphone na madawa ya kulevya. J. Behav. Udhaifu. 2015, 4, 308-314. [Google] [CrossRef] [PubMed]
  2. 2016 Utafiti juu ya Utegemezi wa mtandao; Wizara ya Sayansi, ICT na Mipango ya baadaye: Seoul, Korea, 2017.
  3. Lee, Y.-K .; Chang, C.-T .; Lin, Y .; Cheng, Z.-H. Sehemu ya giza ya matumizi ya smartphone: sifa za kisaikolojia, tabia ya kulazimisha na technostress. Tumia. Hum. Behav. 2014, 31, 373-383. [Google] [CrossRef]
  4. Lee, KE; Kim, S.-H .; Ha, T.-Y .; Yoo, Y.-M .; Han, J.-J .; Jung, J.-H .; Jang, J.-Y. Utegemea juu ya matumizi ya smartphone na kushirikiana na wasiwasi nchini Korea. Afya ya Umma Rep. 2016, 131, 411-419. [Google] [CrossRef] [PubMed]
  5. Kim, D .; Chung, Y .; Lee, J .; Kim, M .; Lee, Y .; Kang, E .; Keum, C .; Nam, J. Maendeleo ya utumiaji wa madawa ya kulevya ya smartphone kwa wadogo: Ripoti ya kujitegemea. Kikorea J. Couns. 2012, 13, 629-644. [Google]
  6. Kwon, M .; Lee, J.-Y .; Won, W.-Y .; Park, J.-W .; Min, J.-A ;; Hahn, C .; Gu, X .; Choi, J.-H .; Kim, D.-J. Maendeleo na uthibitishaji wa wadogo wa simu za kulevya za smartphone (SAS). PLoS ONE 2013, 8, e56936. [Google] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. Internet kulevya: Ukaguzi wa utaratibu wa utafiti wa epidemiological kwa miaka kumi iliyopita. Curr. Pharm. Des. 2014, 20, 4026-4052. [Google] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J .; Griffiths, MD; Kuss, DJ; Demetrovics, Z .; Mazzoni, E .; Pallesen, S. Uhusiano kati ya matumizi ya addictive ya vyombo vya habari vya kijamii na michezo ya video na dalili za matatizo ya kifedha: Uchunguzi mkubwa wa vipande vingi. Kisaikolojia. Udhaifu. Behav. 2016, 30, 252. [Google] [CrossRef] [PubMed]
  9. Aljomaa, SS; Qudah, MFA; Albursan, IS; Bakhiet, SF; Abduljabbar, AS Smartphone ya kulevya kati ya wanafunzi wa chuo kikuu kwa mwanga wa vigezo fulani. Tumia. Hum. Behav. 2016, 61, 155-164. [Google] [CrossRef]
  10. Anderson, EL; Steen, E .; Stavropoulos, V. Matumizi ya Intaneti na Matatizo ya Intaneti Matumizi: Mapitio ya utaratibu wa mwelekeo wa utafiti wa muda mrefu katika ujana na uzima wa watu wazima. Int. J. Adolesc. Vijana 2017, 22, 430-454. [Google] [CrossRef]
  11. Haug, S .; Castro, RP; Kwon, M .; Filler, A .; Kowatsch, T .; Schaub, Mbunge matumizi ya simu na simulivu ya smartphone kati ya vijana nchini Uswisi. J. Behav. Udhaifu. 2015, 4, 299-307. [Google] [CrossRef] [PubMed]
  12. Ko, C.-H .; Yen, J.-Y .; Yen, C.-F .; Chen, C.-S ;; Chen, C.-C. Shirika kati ya madawa ya kulevya na magonjwa ya akili: Mapitio ya vitabu. Eur. Psychiatry 2012, 27, 1-8. [Google] [CrossRef] [PubMed]
  13. Demirci, K .; Akgönül, M .; Akpinar, A. Uhusiano wa matumizi ya smartphone na ubora wa usingizi, unyogovu, na wasiwasi katika wanafunzi wa chuo kikuu. J. Behav. Udhaifu. 2015, 4, 85-92. [Google] [CrossRef] [PubMed]
  14. Brand, M .; Vijana, KS; Laier, C .; Wölfling, K .; Potenza, MN Kuunganisha masuala ya kisaikolojia na neurobiological kuhusiana na maendeleo na matengenezo ya matatizo maalum ya matumizi ya mtandao: Kuingiliana kwa mfano wa Mtu-Athari-Kutambua-Utekelezaji (I-PACE). Neurosci. Biobehav. Mchungaji. 2016, 71, 252-266. [Google] [CrossRef] [PubMed]
  15. Kim, Y.-J .; Kim, D.-J .; Choi, J. Dysregulation ya utambuzi wa kulevya kwa mtandao na correlates yake ya neurobiological. Mbele. Biosci (Elite ed.) 2017, 9, 307-320. [Google]
  16. Lachmann, B .; Duke, É .; Sariyska, R .; Montag, C. Ni nani aliyepigwa kwa simu ya mkononi na / au mtandao? Kisaikolojia. Pop. Kitengo cha Vyombo vya Habari. 2017. [Google] [CrossRef]
  17. Lachmann, B .; Sindermann, C .; Sariyska, RY; Luo, R .; Wafuasi, MC; Becker, B .; Cooper, AJ; Montag, C. Jukumu la Uelewa na Ustawi wa Maisha katika Matumizi ya Mtandao na Matumizi ya Smartphone. Mbele. Kisaikolojia. 2018, 9, 398. [Google] [CrossRef] [PubMed]
  18. Banjanin, N .; Banjanin, N .; Dimitrijevic, I .; Ushawishi, I. Uhusiano kati ya matumizi ya intaneti na unyogovu: Kuzingatia masuala ya kisaikolojia ya kimwili, mitandao ya kijamii na tabia ya kulevya mtandaoni. Tumia. Hum. Behav. 2015, 43, 308-312. [Google] [CrossRef]
  19. Akin, A .; Iskender, M. Internet madawa ya kulevya na unyogovu, wasiwasi na dhiki. Int. Online J. Educ. Sci. 2011, 3, 138-148. [Google]
  20. Ostovar, S .; Allahyar, N .; Aminpoor, H .; Moafian, F .; Wala, MBM; Griffiths, madawa ya kulevya ya MD na hatari zake za kisaikolojia (unyogovu, wasiwasi, shida na upweke) kati ya vijana wa Irani na vijana wazima: Mfano wa usawa wa miundo katika utafiti wa vipande. Int. J. Ment. Udhaifu wa Afya. 2016, 14, 257-267. [Google] [CrossRef]
  21. Cheung, LM; Wong, WS Madhara ya usingizi na usumbufu wa internet juu ya unyogovu katika vijana wa Hong Kong Kichina: Uchunguzi wa sehemu ya mtiririko wa uchunguzi. J. Usingizi. 2011, 20, 311-317. [Google] [CrossRef] [PubMed]
  22. Cepeda, MS; Boston, R .; Farrar, JT; Kushuka, BL Kulinganishwa kwa regression ya vifaa dhidi ya kiwango cha alama wakati idadi ya matukio ni ya chini na kuna vurugu nyingi. Am. J. Epidemiol. 2003, 158, 280-287. [Google] [CrossRef] [PubMed]
  23. Austin, PC Uchunguzi muhimu wa vinavyolingana na kiwango cha juu katika machapisho ya matibabu kati ya 1996 na 2003. Stat. Med. 2008, 27, 2037-2049. [Google] [CrossRef] [PubMed]
  24. Austin, PC; Grootendorst, P .; Anderson, GM A kulinganisha uwezo wa tofauti propensity mifano mifano kwa usawa vigezo kipimo kati ya suala kutibiwa na bila kutibiwa: Utafiti Monte Monte. Stat. Med. 2007, 26, 734-753. [Google] [CrossRef] [PubMed]
  25. Müller, KW; Glaesmer, H .; Brähler, E .; Woelfling, K .; Beutel, ME Kuenea kwa uvutaji wa internet kwa idadi ya watu: Matokeo kutoka kwa utafiti wa watu wa Ujerumani. Behav. Inf. Technol. 2014, 33, 757-766. [Google] [CrossRef]
  26. Rho, MJ; Lee, H .; Lee, T.-H .; Cho, H .; Jung, D .; Kim, D.-J .; Choi, IY Sababu za Hatari kwa Matatizo ya Michezo ya Kubahatisha: Mambo ya Kisaikolojia na Tabia ya Michezo ya Kubahatisha. Int. J. Environ. Res. Afya ya Umma 2018, 15, 40. [Google] [CrossRef] [PubMed]
  27. Shirika la Huduma ya Taifa ya Huduma. Masomo ya Matumizi ya Madawa ya Mtandao Matoleo ya Wazee; Shirika la Huduma ya Taifa ya Huduma: Seoul, Korea, 2005. [Google]
  28. Kim, D. Kufuatilia Masomo ya Matumizi ya Madawa ya Intaneti Matumizi ya Kiwango; Shirika la Korea la Uwezo wa Digital na Kukuza: Seoul, Korea, 2008; Inapatikana mtandaoni: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (imefikia 8 Mei 2008).
  29. Kim, D.-I .; Chung, Y.-J .; Lee, E.-A .; Kim, D.-M .; Cho, Y.-M. Maendeleo ya matumizi ya madawa ya kulevya yanayotumika kwa kiwango kikubwa (KS wadogo). Kikorea J. Couns. 2008, 9, 1703-1722. [Google]
  30. Shirika la Huduma ya Taifa ya Huduma. Maendeleo ya Madawa ya Kiukreni ya Matumizi ya Matumizi ya Matumizi ya Kitaifa ya Kielelezo kwa Watoto na Wazee; Shirika la Huduma za Taifa: Seoul, Korea, 2011; pp. 85-86. [Google]
  31. Kim, KI ;; Kim, JW. Utafiti wa standardizaion wa orodha ya dalili-90-R katika Korea III. Ment. Afya Res. 1984, 2, 278-311. [Google]
  32. Heckman, J .; Smith, J. Kutathmini Uchunguzi wa Majaribio ya Kijamii. J. Econ. Mtazamo. 1995, 9, 85-110. [Google] [CrossRef]
  33. Caliendo, M .; Kopeinig, S. Baadhi ya mwongozo wa vitendo kwa ajili ya utekelezaji wa propensity score vinavyolingana. J. Econ. Surv. 2008, 22, 31-72. [Google] [CrossRef]
  34. Sekhon, JS; Diamond, A. Matumizi ya Kiumbile kwa Kutathmini Athari za Causal, Manuscript isiyochapishwa. Iliyotolewa katika Mkutano wa Mwaka wa Methodology ya Kisiasa, Tallahassee, FL, USA, Julai 2005. [Google]
  35. Ghassemzadeh, L .; Shahraray, M .; Moradi, A. Uhaba wa madawa ya kulevya na ulinganisho wa walezi wa Internet na wasiokuwa na madawa ya kulevya katika shule za juu za Irani. Cyberpsychol. Behav. 2008, 11, 731-733. [Google] [CrossRef] [PubMed]
  36. Yen, J.-Y .; Ko, C.-H .; Yen, C.-F .; Wu, H.-Y .; Yang, M.-J. Dalili za ugonjwa wa akili za ugonjwa wa Intaneti: Upungufu wa tahadhari na ugonjwa wa kuathirika (ADHD), unyogovu, phobia ya kijamii, na uadui. J. Adolesc. Afya 2007, 41, 93-98. [Google] [CrossRef] [PubMed]
  37. Tonioni, F .; Mazza, M .; Autullo, G .; Cappelluti, R .; Kikatalani, V .; Marano, G .; Fiumana, V .; Moschetti, C .; Alimonti, F .; Luciani, M. Je, matumizi ya madawa ya kulevya ni hali ya psychopatholojia tofauti na kamari ya patholojia? J. Addict. Behav. 2014, 39, 1052-1056. [Google] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD Online mitandao ya kijamii na kulevya-Ukaguzi wa maandiko ya kisaikolojia. Int. J. Environ. Res. Afya ya Umma 2011, 8, 3528-3552. [Google] [CrossRef] [PubMed]
  39. Oulasvirta, A .; Rattenbury, T .; Ma, L .; Raita, E. Tabia hufanya smartphone kutumia zaidi kuenea. Pers. Comput mbaya. 2012, 16, 105-114. [Google] [CrossRef]
  40. Duke, É .; Montag, C. Matumizi ya simu za mkononi, usumbufu wa kila siku na ufanisi wa kujitegemea. Udhaifu. Behav. Jibu. 2017, 6, 90-95. [Google] [CrossRef] [PubMed]
  41. Kuss, DJ; Griffiths, MD maeneo ya mitandao ya kijamii na madawa ya kulevya: Masomo kumi ya kujifunza. Int. J. Environ. Res. Afya ya Umma 2017, 14, 311. [Google] [CrossRef] [PubMed]
  42. Oberst, U .; Wegmann, E .; Stodt, B .; Brand, M .; Chamarro, A. Matokeo mabaya kutoka kwa mitandao nzito ya kijamii kwa vijana: Kuingilia kati ya hofu ya kukosa. J. Adolesc. 2017, 55, 51-60. [Google] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR maoni ya kualikwa: alama za ushujaa. Am. J. Epidemiol. 1999, 150, 327-333. [Google] [CrossRef] [PubMed]
  44. Diamond, A .; Sekon, J. Genetic vinavyolingana kwa kukadiria madhara ya causal: Njia mpya ya kufikia usawa katika tafiti za uchunguzi. Mchungaji Econ. Stat. 2013, 95, 932-945. [Google] [CrossRef]