ความชุกของการติดอินเทอร์เน็ตและปัจจัยที่เกี่ยวข้องในนักศึกษาแพทย์จาก Mashhad ประเทศอิหร่านใน 2013 (2014)

ไปที่:

นามธรรม

พื้นหลัง:

การใช้อินเทอร์เน็ตที่มีปัญหาเพิ่มขึ้นและก่อให้เกิดปัญหาร้ายแรงในหลายพื้นที่ ประเด็นนี้ดูเหมือนจะสำคัญกว่าสำหรับนักศึกษาแพทย์

วัตถุประสงค์:

การศึกษานี้ได้รับการออกแบบมาเพื่อสำรวจความชุกของการติดอินเทอร์เน็ตและปัจจัยที่เกี่ยวข้องในหมู่นักศึกษาของ Mashhad University of Medical Sciences

วัสดุและวิธีการ:

การศึกษาภาคตัดขวางดำเนินการกับนักศึกษาแพทย์ 383 คนของ Mashhad ในปี 2013 ผู้เข้าร่วมสี่ร้อยคนได้รับการคัดเลือกด้วยวิธีการสุ่มตัวอย่างแบบแบ่งชั้นสองขั้นตามสัดส่วนกับจำนวนนักเรียนในแต่ละขั้นของการศึกษา การรวบรวมข้อมูลทำได้โดยใช้ Chen Internet Addiction Scale (CIAS) และรายการตรวจสอบรายละเอียดทางประชากรและลักษณะของพฤติกรรมการใช้อินเทอร์เน็ต

ผลการศึกษา:

พบว่า 2.1% ของประชากรที่ศึกษามีความเสี่ยงและ 5.2% เป็นผู้เสพติด การพูดคุยกับผู้คนใหม่ ๆ การสื่อสารกับเพื่อนและครอบครัวและการเล่นเกมเป็นกิจกรรมที่ได้รับความนิยมมากที่สุดในกลุ่มเหล่านี้ ปัจจัยที่เกี่ยวข้องกับการติดอินเทอร์เน็ต ได้แก่ เพศชายขั้นการศึกษาเวลาที่ใช้อินเทอร์เน็ตในแต่ละวันเวลาที่ใช้อินเทอร์เน็ตบ่อยที่สุดค่าใช้จ่ายรายเดือนและการบริโภคชา

สรุป:

แม้ว่าการศึกษาของเราแสดงให้เห็นว่าความชุกของการติดอินเทอร์เน็ตไม่ได้มากกว่าประชากรและมหาวิทยาลัยอื่น ๆ เนื่องจากความชุกของการติดอินเทอร์เน็ตเพิ่มขึ้นอย่างรวดเร็วทั่วโลกประชากรกลุ่มนี้อาจเสี่ยงต่อการติดยาเสพติด ดังนั้นการมุ่งเน้นไปที่ปัจจัยที่เกี่ยวข้องสามารถช่วยเราในการออกแบบการแทรกแซงและการรักษาที่มีประสิทธิภาพมากขึ้นสำหรับกลุ่มที่อ่อนแอนี้

คำสำคัญ: อินเทอร์เน็ตความชุกนักเรียน

1 พื้นหลัง

การใช้อินเทอร์เน็ตเพิ่มขึ้นอย่างรวดเร็วทั่วโลก ในปี 2002 มีผู้ใช้ประมาณ 665 ล้านคนทั่วโลก ในอิหร่านมีจำนวนผู้ใช้อินเทอร์เน็ตเพิ่มขึ้น 3100% ระหว่างปี 2002 ถึง 2006 และในปัจจุบันจำนวนนี้มีผู้ใช้มากกว่า 11.5 ล้านคน (1) ในขณะที่อัตราการใช้อินเทอร์เน็ตเพิ่มขึ้น 2500% จากปี 2000 ถึง 2010 ในประเทศที่พูดภาษาอาหรับและ 281% ในประเทศที่ใช้ภาษาอังกฤษ (2). แม้จะมีประโยชน์มากมาย แต่ก็มีรายงานปัญหามากมายเช่นการเปิดรับภาพและเนื้อหาที่ไม่เหมาะสมการขาดความเป็นส่วนตัวและการติดอินเทอร์เน็ตอันเป็นผลมาจากการใช้งานที่เพิ่มขึ้นนี้ (1). Young เชื่อว่าผู้ใช้อินเทอร์เน็ตสามารถใช้คำว่า“ การเสพติด” ได้เนื่องจากอาการของการติดอินเทอร์เน็ตเปรียบได้กับอาการของการเสพติดนิโคตินแอลกอฮอล์หรือสารเสพติด เช่นเดียวกับการเสพติดอื่น ๆ การพึ่งพาเป็นหัวใจหลักของการติดอินเทอร์เน็ตซึ่งถูกกำหนดโดยปัจจัยต่างๆเช่นอาการถอนความอดทนการใช้งานที่หุนหันพลันแล่นและไม่สามารถควบคุมการใช้งานได้ (1). คำว่า 'การติดอินเทอร์เน็ต' เป็นครั้งแรกโดยดร. อีวานโกลด์เบิร์กในปี 1995 เพื่ออธิบายถึง 'การใช้อินเทอร์เน็ตทางพยาธิวิทยาและการบังคับ' Griffith จัดหมวดหมู่คำนี้เป็นกลุ่มย่อยของพฤติกรรมเสพติด (3). มีการเสนอและประเมินเกณฑ์การวินิจฉัยหลายประการซึ่งสรุปโดย Buyn และเพื่อนร่วมงาน (4). นอกจากนี้ยังมีการวัดผลทางจิตวิทยาต่างๆเพื่อประเมินการติดอินเทอร์เน็ตซึ่งรวมถึง: Young Internet Addiction Test, Problematic Internet Use Questionnaire (PIUQ), Compulsive Internet Use Scale (CIUS) (4) และ Chen Internet Addiction Scale (CIAS) (5). ปัจจัยทางสังคมและวัฒนธรรม (เช่นปัจจัยทางประชากรความสะดวกในการเข้าถึงและความนิยมของอินเทอร์เน็ต) ความชอบทางชีวภาพ (เช่นปัจจัยทางพันธุกรรมกระบวนการทางเคมีประสาทที่ผิดปกติ) ความบกพร่องทางจิตใจ (เช่นลักษณะส่วนบุคคลอิทธิพลเชิงลบ) และอินเทอร์เน็ต - ลักษณะเฉพาะจูงใจให้บุคคลใช้อินเทอร์เน็ตมากเกินไป (4). ดังที่ Chen และเพื่อนร่วมงานโต้แย้ง (2003) ผู้ที่แสดงพฤติกรรมเสพติดมีแนวโน้มที่จะมีปัญหาด้านสุขภาพเศรษฐกิจสังคมและพฤติกรรม (4). มีรายงานมากมายเกี่ยวกับอัตราความชุกของการติดอินเทอร์เน็ต (0.3% ถึง 38%) (6). Young คาดว่าประมาณ 5-10% ของผู้ใช้อินเทอร์เน็ตติดมัน (1). ตามรายงานของ Lejoyeux และ Weinstein อัตราความชุกของการติดอินเทอร์เน็ตในสหรัฐอเมริกาและยุโรปอยู่ระหว่าง 1.5 ถึง 8.2% (4). นักศึกษามหาวิทยาลัยมีความอ่อนไหวต่อการติดอินเทอร์เน็ตอย่างมากเนื่องจากสาเหตุหลายประการดังนี้

  1. วิทยาเขตของมหาวิทยาลัยให้การเข้าถึงอินเทอร์เน็ตที่ง่ายและไม่ จำกัด
  2. นักเรียนรุ่นใหม่ได้รับอิสรภาพและหลุดพ้นจากการควบคุมของผู้ปกครองเป็นครั้งแรกในชีวิต
  3. การหาเพื่อนใหม่มักจะทำผ่านอินเทอร์เน็ต
  4. นักเรียนประสบปัญหาร้ายแรงในการตั้งค่าของมหาวิทยาลัย
  5. แรงกระตุ้นในการใช้เทคโนโลยีสมัยใหม่ในวัยรุ่นมีความเข้มแข็งมากกว่ากลุ่มอายุอื่น ๆ
  6. บรรยากาศเสมือนจริงของอินเทอร์เน็ตหลอกล่อนักเรียนให้หลุดจากความกดดันในการทำงานของมหาวิทยาลัยการบ้านและการสอบ

การศึกษาในอดีตคาดว่า 3-13% ของนักศึกษามหาวิทยาลัยทั้งหมดเป็นผู้ติดอินเทอร์เน็ต (5). ในปี 2003 งานวิจัยเกี่ยวกับนักศึกษา 1360 คนที่มหาวิทยาลัยไต้หวันโดยใช้ Chen Internet Addiction Scale (CIAS) ประมาณว่า 17.9% ของพวกเขาติดอินเทอร์เน็ต (7). ในการศึกษาเรื่อง“ การติดอินเทอร์เน็ตและการสร้างแบบจำลองปัจจัยเสี่ยงของนักศึกษาแพทย์ของอารักษ์มหาวิทยาลัยอิหร่าน” โดยใช้แบบสอบถามของ Young พบว่าความชุกของการติดอินเทอร์เน็ตอยู่ที่ประมาณ 10.8% ในการศึกษานี้พบว่าปัจจัยของอายุต่ำกว่า 20 ปีเพศชายและการใช้ห้องสนทนาเป็นตัวทำนายที่สำคัญที่สุดของการติดอินเทอร์เน็ตในหมู่นักเรียน (8).

2 วัตถุประสงค์

เนื่องจากคนหนุ่มสาวถูกมองว่าอ่อนแอต่อการติดอินเทอร์เน็ตและเนื่องจากนักศึกษาวิทยาศาสตร์การแพทย์เข้าถึงอินเทอร์เน็ตในมหาวิทยาลัยแพทย์ได้ง่ายและรวดเร็วและเนื่องจากความประมาทต่อปัญหานี้จะทำให้เกิดปัญหาส่วนตัวสังคมและการศึกษาเราจึงตัดสินใจที่จะพิจารณา ขอบเขตของปัญหานี้และปัจจัยที่เกี่ยวข้องในกลุ่มนักศึกษาแพทย์ ผลการศึกษาของเราสามารถช่วยในการป้องกันปัญหานี้ในอนาคตและออกแบบการศึกษาเชิงปฏิบัติที่เหมาะสม

3 วัสดุและวิธีการ

การศึกษาภาคตัดขวางนี้ดำเนินการกับนักศึกษาแพทย์ในเมือง Mashhad ประเทศอิหร่านระหว่างปีการศึกษา 2012-2013 ขนาดของกลุ่มตัวอย่างถูกประมาณโดยใช้สูตรในการประมาณค่าความชุก ตามความชุกของการติดอินเทอร์เน็ตในสองการศึกษาก่อนหน้านี้ (โดยใช้แบบสอบถามเดียวกัน) (1, 7) เมื่อพิจารณาถึงความชุก 10%, α = 0.05 และความแม่นยำ 0.03 ขนาดของกลุ่มตัวอย่างจะคำนวณได้ 400 หลังจากอนุมัติโครงการแล้วสมาชิก 400 คนของประชากรเป้าหมายได้รับการคัดเลือกผ่านการสุ่มตัวอย่างสองขั้นตอน นักศึกษาแพทย์แบ่งชั้นตามขั้นตอนของการศึกษา (วิทยาศาสตร์พื้นฐานสรีรวิทยาภายนอกและฝึกงาน) จากนั้นจำนวนผู้เข้าร่วมที่ต้องการจะถูกเลือกโดยการสุ่มตัวอย่างตามความสะดวกจากแต่ละกลุ่มตามสัดส่วนจำนวนนักเรียนในแต่ละกลุ่ม นักเรียนจะลงทะเบียนหลังจากให้ความยินยอมในการเข้าร่วมการศึกษาแล้วเท่านั้น ผู้เข้าร่วมทุกคนควรใช้อินเทอร์เน็ตในช่วงสามเดือนที่ผ่านมาก่อนการศึกษา พวกเขามั่นใจได้ว่าแบบสอบถามเป็นแบบไม่ระบุชื่อและข้อมูลการศึกษาเป็นความลับอย่างเคร่งครัด Chen ใช้มาตรวัดการติดอินเทอร์เน็ต (CIAS) และรายการตรวจสอบเพื่อรวบรวมข้อมูลและข้อมูล การแปลภาษาฟาร์ซีของ CIAS ประกอบด้วย 26 รายการและ 5 subscales CIAS ได้รับการออกแบบโดย Chen และเพื่อนร่วมงานในปี 2003 เพื่อประเมินการติดอินเทอร์เน็ต (5). รายการถูกเรียงลำดับตามเครื่องชั่ง Likert สี่เครื่อง:

  1. ไม่เห็นด้วยอย่างยิ่ง,
  2. ไม่เห็นด้วยบ้าง
  3. ค่อนข้างเห็นด้วยและ
  4. เห็นด้วยอย่างยิ่ง.

ช่วงคะแนนอยู่ระหว่าง 26 ถึง 104 และคะแนนที่สูงกว่าแสดงให้เห็นถึงความรุนแรงของการติดอินเทอร์เน็ตที่สูงขึ้น (26-63 แสดงให้เห็นการใช้งานปกติ 64-67 บ่งชี้ว่ามีความเสี่ยงในการใช้งานและจำเป็นต้องตรวจคัดกรองและ 68-104 บ่งชี้ว่าติดอินเทอร์เน็ต) Ramazani และเพื่อนร่วมงาน (2012) ได้ตรวจสอบแบบสอบถามนี้ในกลุ่มนักศึกษาแพทย์ชาวอิหร่าน (1). ผลลัพธ์ของแบบสอบถามนี้มีประโยชน์ในการอธิบายดัชนีทั้งหมด 'อาการหลักของการติดอินเทอร์เน็ต' (IA-Sym) สองระดับ, 'ปัญหาที่เกี่ยวข้องกับการติดอินเทอร์เน็ต' (IA-RP) และกลุ่มอาการบีบบังคับห้ากลุ่มย่อย (Com ), การถอนตัว (Wit), อาการความอดทน (Tol), ปัญหาสุขภาพระหว่างบุคคล (IH) และปัญหาการจัดการเวลา (TM) ในการศึกษาครั้งแรก Chen และเพื่อนร่วมงานได้ประเมินอัลฟาของมาตราส่วนและระดับย่อยของแบบสอบถาม CIAS ของครอนบาคอยู่ในช่วง 0.79 ถึง 0.93 ในปี 2005 การศึกษาที่คล้ายคลึงกันโดย Ku et al กำหนดอัลฟาของครอนบาคเป็น 0.94 (9). Ramazani และเพื่อนร่วมงานยังได้รายงานค่าอัลฟาของ Cronbach สำหรับ subscales ซึ่งอยู่ระหว่าง 0.67 ถึง 0.85 นอกจากนี้ในการศึกษานี้ค่าสัมประสิทธิ์การลู่เข้าของ r = 0.85 กับ P <0.001 ระหว่าง CIAS และ IAT (แบบสอบถามการติดอินเทอร์เน็ตรุ่นเยาว์) แสดงให้เห็นถึงความถูกต้องของการลู่เข้าที่สูงของแบบสอบถามนี้ (1). ดังนั้นการศึกษาก่อนหน้านี้ได้ยืนยันความน่าเชื่อถือและความถูกต้องของแบบสอบถามนี้ในระดับสูง ในการศึกษาของเราตัวแปรตามคือการติดอินเทอร์เน็ต ตัวแปรอิสระและภูมิหลังในการศึกษานี้ ได้แก่ อายุเพศสถานที่พำนักสถานภาพสมรสขั้นตอนการศึกษาค่าบริการอินเทอร์เน็ตรายเดือนระยะเวลาในการใช้อินเทอร์เน็ตส่วนใหญ่ระยะเวลาในการใช้อินเทอร์เน็ตประเภทกิจกรรมอินเทอร์เน็ตและชากาแฟและ การบริโภคบุหรี่ นักศึกษาแพทย์กรอกแบบสอบถามตามจำนวนที่ต้องการรวบรวมข้อมูลและวิเคราะห์โดย SPSS เวอร์ชัน 11.5 ประการแรกมีการอธิบายลักษณะของแต่ละกลุ่มโดยใช้มาตรการส่วนกลางและการกระจายและนำเสนอโดยตารางและแผนภูมิ จากนั้นในการเปรียบเทียบตัวแปรเชิงคุณภาพระหว่างกลุ่มจึงใช้การทดสอบไคสแควร์ สำหรับตัวแปรเชิงปริมาณความปกติของข้อมูลได้รับการประเมินโดยการทดสอบ KS T-test ใช้สำหรับเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่มอิสระสองกลุ่มที่มีการแจกแจงแบบปกติ ในกรณีของการแจกแจงแบบไม่ปกติจะใช้การทดสอบแบบไม่ใช้พาราเมตริก (Mann-Whitney) ที่เทียบเท่า สำหรับการวิเคราะห์ทั้งหมดระดับนัยสำคัญถูกกำหนดไว้ที่ P <0.05

4 ผล

จากแบบสอบถามแบบกระจาย 400 ชุดนักเรียน 383 คนเข้าร่วมในการศึกษาของเราโดย 149 คน (38.9%) เป็นเพศชายและ 234 (61.1%) เป็นเพศหญิง อายุเฉลี่ยของผู้เข้าร่วมคือ 21.79 ± 2.42 (ช่วง = 17-30) 1 ตาราง แสดงลักษณะทางประชากรและปัจจัยอื่น ๆ ที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตของผู้เข้าร่วม ความยาวเฉลี่ยของการใช้อินเทอร์เน็ตคือ 1.87 ± 1.72 ชั่วโมงต่อวันและช่วงอยู่ระหว่างศูนย์ถึงสิบชั่วโมง

1 ตาราง 

ลักษณะทางประชากรและปัจจัยอื่น ๆ ที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตของนักศึกษาแพทย์ของมหาวิทยาลัย Mashhad ในปี 2013a

ผู้เข้าร่วมทั้งหมด 383 คนใช้อินเทอร์เน็ตเพื่อวัตถุประสงค์ต่างๆ 11 คน (2.9%) ใช้อินเทอร์เน็ตในการเล่นเกม 129 คน (33.7%) สำหรับการดาวน์โหลดภาพยนตร์และเพลง 24 คน (6.3%) สำหรับการแชทกับผู้คนใหม่ ๆ 153 คน (39.9%) สำหรับการค้นหาทางวิทยาศาสตร์; 134 คน (35%) สำหรับการสื่อสารกับเพื่อนและครอบครัว 207 คน (54%) สำหรับการตรวจสอบอีเมล 22 คน (5.7%) สำหรับการช็อปปิ้งทางอินเทอร์เน็ต 96 คน (25.1%) อ่านข่าว; และสุดท้าย 21 คน (5.5%) สำหรับการเขียนเว็บบล็อก 2 ตาราง แสดงค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานและช่วงของคะแนนสำหรับสเกลและส่วนย่อยของแบบสอบถาม CIAS ในการศึกษานี้ จากแบบสอบถามของ CIAS และเมื่อพิจารณาถึงจุดตัดของ 63, 67 พบว่า 92.7% ของประชากรที่ศึกษาไม่ได้ติดอินเทอร์เน็ต แต่ 2.1% มีความเสี่ยงและ 5.2% เป็นผู้ติดอินเทอร์เน็ตโดย XNUMX กลุ่มสุดท้ายถูกพิจารณาว่าเป็นกลุ่มที่มีปัญหา (3 ตาราง).

2 ตาราง 

ความชุกของการติดอินเทอร์เน็ต (ตามคะแนนที่กำหนด) ในหมู่นักศึกษาของ Mashhad University of Medical Sciences ในปี 2013
3 ตาราง 

ค่าเฉลี่ยค่าเบี่ยงเบนมาตรฐานและช่วงของคะแนนสำหรับมาตราส่วนและการสมัครรับแบบสอบถามการติดอินเทอร์เน็ตของเฉิน (CIAS)

ผลการวิจัยพบความสัมพันธ์ที่สำคัญระหว่างเพศและรูปแบบการใช้อินเทอร์เน็ตเนื่องจาก 72% ของกลุ่มผู้ใช้ที่มีปัญหาและกลุ่มปกติ 36% เป็นผู้ชาย (P <0.001) มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างขั้นตอนของการศึกษาและรูปแบบการใช้อินเทอร์เน็ตเนื่องจากนักศึกษาวิทยาศาสตร์พื้นฐานเป็นกลุ่มที่มีปัญหามากที่สุด (P = 0.04) เกี่ยวกับอายุเฉลี่ยและสถานภาพสมรสไม่พบความแตกต่างอย่างมีนัยสำคัญระหว่างสองกลุ่ม (4 ตาราง).

4 ตาราง 

ผลการทดสอบเชิงวิเคราะห์เพื่อเปรียบเทียบลักษณะทางประชากรและปัจจัยอื่น ๆ ที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตระหว่างกลุ่มปกติและกลุ่มที่มีปัญหาa

ความยาวเฉลี่ยของการใช้อินเทอร์เน็ตรายวันเวลาในการใช้งานที่โดดเด่นและค่าใช้จ่ายบริการอินเทอร์เน็ตเฉลี่ยต่อเดือนมีความแตกต่างกันอย่างมีนัยสำคัญระหว่างสองกลุ่ม ดังนั้นในกลุ่มที่มีการใช้งานปกติการใช้อินเทอร์เน็ตรายวันโดยเฉลี่ยอยู่ที่ 1.7 ± 1.54 ชั่วโมงต่อวันในขณะที่ในกลุ่มที่มีปัญหาคือ 3.92 ± 2.39 (P <0.001) และกลุ่มหลังใช้อินเทอร์เน็ตในช่วงกลางคืนและเที่ยงคืนมากกว่า บ่อยกว่ากลุ่มปกติ (P = 0.02) นอกจากนี้ผู้ใช้ที่มีปัญหาใช้จ่ายอินเทอร์เน็ตมากกว่าผู้ใช้ทั่วไป (P <0.001) การบริโภคชาเฉลี่ยต่อวันมีความแตกต่างกันอย่างมีนัยสำคัญในกลุ่มเหล่านี้เพื่อให้ผู้ใช้ที่มีปัญหาดื่มชามากกว่ากลุ่มปกติ อย่างไรก็ตามการดื่มกาแฟไม่แตกต่างกันระหว่างคนกลุ่มนี้ การสูบบุหรี่ไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติในแต่ละกลุ่ม (P = 0.81)4 ตาราง).

ความถี่สัมพัทธ์ของกิจกรรมอินเทอร์เน็ตแต่ละประเภทจะแสดงอยู่ใน 5 ตารางโดยที่ประเภทที่พบบ่อยที่สุดและน้อยที่สุดคือการเช็คอีเมลและเล่นเกมตามลำดับ การใช้การทดสอบทางสถิติที่เหมาะสมการแจกแจงความถี่ของการเล่นเกมการสนทนากับผู้คนใหม่ ๆ และการสื่อสารกับเพื่อนและครอบครัวพบว่าบ่อยกว่าในกลุ่มที่มีปัญหาเมื่อเทียบกับกลุ่มปกติและความแตกต่างเหล่านี้มีนัยสำคัญทางสถิติ ในทางตรงกันข้ามการดาวน์โหลดภาพยนตร์และเพลงการค้นหาทางวิทยาศาสตร์การตรวจสอบอีเมลการซื้อของทางอินเทอร์เน็ตการอ่านข่าวและการเขียนเว็บบล็อกไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างสองกลุ่ม

5 ตาราง 

ผลการทดสอบการวิเคราะห์เพื่อเปรียบเทียบความถี่ของกิจกรรมทางอินเทอร์เน็ตระหว่างกลุ่มปกติและกลุ่มที่มีปัญหา a

5 การสนทนา

การศึกษานี้แสดงให้เห็นว่า 2.1% ของจำนวนผู้เข้าร่วมทั้งหมดมีความเสี่ยงและ 5.2% เป็นผู้เสพติดดังนั้น 7.3% ของผู้เข้าร่วมทั้งหมดถือเป็นผู้ใช้ที่มีปัญหา จากการศึกษาของเติ้งและเพื่อนร่วมงานพบว่าความชุกของโรคนี้อยู่ที่ 5.52% ในนักเรียนซึ่งสอดคล้องกับผลลัพธ์ของเราเอง ในทำนองเดียวกัน Ramazani และเพื่อนร่วมงานพบว่ามีความชุกโดยรวม 3% สำหรับนักศึกษาแพทย์ชาวอิหร่าน (1). การศึกษาที่คล้ายกันนี้จัดทำขึ้นในกลุ่มนักศึกษาของมหาวิทยาลัยวิทยาศาสตร์การแพทย์แห่งตุรกีซึ่งแสดงให้เห็นความชุกของการติดอินเทอร์เน็ตคือ 24 (10.3%) ในกลุ่มนักศึกษาพยาบาล, 7 (9.9%) ในกลุ่มนักศึกษาพยาบาลผดุงครรภ์, 5 (9.1%) ในกลุ่มนักศึกษากู้ภัยทางการแพทย์และ 42 (19.6%) %) ของนักศึกษากายภาพบำบัด (10, 11). ต้องสังเกตว่าการเปรียบเทียบการศึกษาเหล่านี้เป็นงานที่ยากเนื่องจากความแตกต่างของประชากรในการศึกษาเครื่องมือประยุกต์และความแตกต่างในบริบททางสังคมและวัฒนธรรม ผู้เข้าร่วมการศึกษานี้ระบุวัตถุประสงค์หลักของการใช้อินเทอร์เน็ตดังต่อไปนี้ (ตามลำดับความสำคัญ): การตรวจสอบอีเมลการค้นหาทางวิทยาศาสตร์การสื่อสารกับเพื่อนและครอบครัวการดาวน์โหลดภาพยนตร์และเพลงการสนทนากับผู้คนใหม่ ๆ การซื้อของทางอินเทอร์เน็ตการเขียนบล็อกและ ในที่สุดก็เล่นเกม ในการศึกษานี้การใช้อินเทอร์เน็ตบ่อยที่สุดของผู้ใช้อินเทอร์เน็ตที่มีปัญหาคือการสนทนากับผู้คนใหม่ ๆ การสื่อสารกับเพื่อนและครอบครัวและการเล่นเกมออนไลน์ กิจกรรมสองกิจกรรมแรกเป็นกิจกรรมที่สำคัญที่สุดที่เกี่ยวข้องกับการพึ่งพาอินเทอร์เน็ตซึ่งสอดคล้องกับข้อเท็จจริงที่ได้รับการยืนยันจากงานวิจัยอื่น ๆ ว่าผู้ติดยาเสพติดส่วนใหญ่ชอบห้องสนทนา1, 3, 8, 10, 12, 13). เช่นเดียวกับการศึกษาอื่น ๆ ส่วนใหญ่การศึกษานี้แสดงให้เห็นว่าไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างการพึ่งพาอินเทอร์เน็ตและการใช้อินเทอร์เน็ตเพื่อการค้นหาทางวิทยาศาสตร์ การค้นพบนี้สอดคล้องกับการศึกษาอื่น ๆ (14). ในทางตรงกันข้ามในการสำรวจหัวข้อ“ การติดอินเทอร์เน็ตและปัจจัยที่เกี่ยวข้องในผู้อยู่อาศัยในโซน 2 ของเตหะรานตะวันตก” ซึ่งสำรวจผู้คนที่มีอายุ 15 ถึง 39 ปี Dargahi และเพื่อนร่วมงานได้พิสูจน์ว่าการใช้อินเทอร์เน็ตเกี่ยวข้องกับกิจกรรมทางวิทยาศาสตร์ (15); ความขัดแย้งนี้ส่วนใหญ่เกิดจากความแตกต่างของประชากรที่ทำการศึกษา เช่นเดียวกับการศึกษาก่อนหน้านี้ผลการศึกษายังชี้ให้เห็นว่ามีความสัมพันธ์อย่างมีนัยสำคัญระหว่างการเล่นเกมและการติดอินเทอร์เน็ต (12, 16). ในการศึกษานี้พบว่าอายุเฉลี่ยของผู้เข้าร่วมไม่มีความแตกต่างกันอย่างมีนัยสำคัญระหว่างสองกลุ่มซึ่งสอดคล้องกับผลการศึกษาของเบอร์นาร์ดีและเพื่อนร่วมงาน (17) และ Mohammad Beigi และเพื่อนร่วมงานกับนักศึกษาของ Arak University of Medical Sciences อย่างไรก็ตามนักวิจัยก่อนหน้านี้ส่วนใหญ่ได้ข้อสรุปว่ามีความสัมพันธ์อย่างมีนัยสำคัญระหว่างความรุนแรงของการเสพติดและอายุดังนั้นคนที่อายุน้อยกว่าจึงมีความเสี่ยงสูงต่อโรคติดอินเทอร์เน็ต (7, 8, 15, 18-20). บางทีสาเหตุของความขัดแย้งนี้อาจเป็นเพราะประชากรที่ศึกษาในการศึกษาก่อนหน้านี้มีช่วงอายุที่มากขึ้น จากการศึกษานี้พบว่าการติดอินเทอร์เน็ตพบได้บ่อยในผู้ชายซึ่งสอดคล้องกับงานวิจัยก่อนหน้านี้ (3, 7, 8, 12, 21-24). ในการศึกษาของ Ikenna Adiele และ Wole Olatokun ในวัยรุ่นอัตราส่วนชายต่อหญิงอยู่ที่ประมาณ 3: 1 สำหรับผู้ที่ติดอินเทอร์เน็ต (25).

จากการศึกษานี้พบว่าผู้ใช้อินเทอร์เน็ตที่มีปัญหาใช้เวลาในการใช้อินเทอร์เน็ตนานกว่าผู้ใช้ปกติซึ่งสอดคล้องกับการศึกษาก่อนหน้านี้ (13, 23). การเสียเวลาเป็นหนึ่งในสาเหตุที่ยิ่งใหญ่ที่สุดของการทำงานที่ไม่ดีในหมู่ผู้เสพติด

การศึกษาของเราชี้ให้เห็นความสัมพันธ์ที่สำคัญระหว่างขั้นตอนของการศึกษาและการติดอินเทอร์เน็ต การศึกษาของเราไม่พบความสัมพันธ์ระหว่างสถานภาพสมรสกับการติดอินเทอร์เน็ต อย่างไรก็ตามความสัมพันธ์ดังกล่าวพบในการศึกษาก่อนหน้านี้ส่วนใหญ่ซึ่งพบว่าการติดอินเทอร์เน็ตเป็นเรื่องปกติในหมู่คนโสดมากกว่าคนที่แต่งงานแล้ว (15). ในการศึกษาของเราสถานที่หลักในการใช้อินเทอร์เน็ตไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างกลุ่มการศึกษา การศึกษาพบว่าตำแหน่งของการเข้าถึงอินเทอร์เน็ตเป็นปัจจัยเสี่ยงที่อาจเกิดขึ้นจากการติดอินเทอร์เน็ต (12, 22, 26, 27). ผลการวิจัยของเราพบว่าผู้ใช้ที่มีปัญหาส่วนใหญ่มักจะใช้อินเทอร์เน็ตในเวลากลางคืนและเที่ยงคืน ในบรรดานักศึกษาแพทย์การใช้อินเทอร์เน็ตในตอนกลางคืนและเที่ยงคืนทำให้เกิดปัญหาทางสังคมการศึกษาหรือการประกอบอาชีพซึ่งอาจทำให้อาการติดอินเทอร์เน็ตในกลุ่มนี้รุนแรงขึ้น (28). จุดแข็งประการหนึ่งของการศึกษานี้คือผู้เข้าร่วมได้รับการคัดเลือกจากทุกขั้นตอนของการศึกษาและมีการประเมินปัจจัยที่เกี่ยวข้องกับการติดอินเทอร์เน็ตด้วย อย่างไรก็ตามการศึกษาของเรามีข้อ จำกัด บางประการ ประการแรกไม่มีการสัมภาษณ์เพื่อยืนยันการวินิจฉัยการติดอินเทอร์เน็ต ประการที่สองเราพยายามสร้างความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและปัจจัยเสี่ยงที่อาจเกิดขึ้นโดยไม่สามารถพิสูจน์ความสัมพันธ์ของเหตุและผลระหว่างปัจจัยเหล่านี้ได้ ในที่สุดบางคนปฏิเสธที่จะกรอกแบบสอบถามซึ่งอาจส่งผลเสียต่อความแข็งแกร่งของการศึกษาของเรา แม้ว่าการศึกษาของเราแสดงให้เห็นว่าความชุกของการติดอินเทอร์เน็ตไม่ได้มากกว่าประชากรและมหาวิทยาลัยอื่น ๆ เนื่องจากความชุกของการติดอินเทอร์เน็ตเพิ่มขึ้นอย่างรวดเร็วทั่วโลก แต่ประชากรที่ศึกษาอาจมีความเสี่ยงเพิ่มขึ้นจากการติดอินเทอร์เน็ต ดังนั้นการมุ่งเน้นไปที่ปัจจัยที่เกี่ยวข้องและก่อให้เกิดสามารถช่วยให้เราออกแบบการแทรกแซงและการรักษาที่มีประสิทธิภาพมากขึ้นสำหรับกลุ่มที่อ่อนแอ สุดท้ายนี้เราขอแนะนำให้ทำการศึกษาเพิ่มเติมโดยการสัมภาษณ์อาสาสมัครเพื่อหาสาเหตุและปัจจัยที่เกี่ยวข้องกับการติดอินเทอร์เน็ตของนักเรียน

กิตติกรรมประกาศ

ผู้เขียนรู้สึกขอบคุณมหาวิทยาลัยวิทยาศาสตร์การแพทย์ Mashhad สำหรับการก่อตั้งโครงการนี้

เชิงอรรถ

ความหมายของนโยบายสุขภาพ / การปฏิบัติ / การวิจัย / การศึกษาทางการแพทย์:การศึกษาหลายครั้งเกี่ยวกับความชุกของการเสพติดประเภทนี้ในนักศึกษาแพทย์ได้ดำเนินการในหลายประเทศ แต่โดยปกติแล้วปัจจัยที่เกี่ยวข้องมักถูกละเลย เมื่อพิจารณาถึงความสำคัญของสุขภาพจิตของนักศึกษาแพทย์ที่จะมีส่วนร่วมในการรักษาผู้ป่วยในอนาคตการใช้อินเทอร์เน็ตเป็นเวลานานและเป็นอันตรายและความผิดปกติของการนอนหลับจึงเป็นเรื่องที่น่ากังวลอย่างยิ่งและต้องได้รับการพิจารณาเป็นพิเศษ

ผลงานของผู้เขียน:ศึกษาแนวคิดและการออกแบบ: Maryam Salehi และ Seyed Kaveh Hojjat การได้มาของข้อมูล: Ali Danesh และ Mahta Salehi การวิเคราะห์และตีความข้อมูล: Mina Norozi Khalili และ Maryam Salehi การร่างต้นฉบับ: Seyed Kaveh Hojjat และ Maryam Salehi การแก้ไขต้นฉบับสำหรับเนื้อหาทางปัญญาที่สำคัญ: Seyed Kaveh Hojjat; Maryam Salehi; มินาโนโรซีคาลิลี่; อาลีดาเนช; Mahta Salehi.

การเปิดเผยทางการเงิน:ผู้เขียนไม่มีผลประโยชน์ทางการเงินที่เกี่ยวข้องกับเนื้อหาในต้นฉบับ

เงินทุน / สนับสนุน:การศึกษานี้ได้รับทุนจาก Mashhad University of Medical Sciences

อ้างอิง

1. Ramezani M, Salehi M, Namiranian N. ความถูกต้องและความน่าเชื่อถือของระดับการติดอินเทอร์เน็ตของ Chen J Fundamentals สุขภาพจิต. 2012; 14 (55): 236–45.
2. Khazaal Y, Chatton A, Atwi K, Zullino D, Khan R, Billieux J. การตรวจสอบภาษาอาหรับของมาตราส่วนการใช้อินเทอร์เน็ตเชิงบังคับ (CIUS) Subst Abuse ปฏิบัติต่อนโยบายก่อนหน้า 2011; 6: 32. ดอย: 10.1186 / 1747-597X-6-32. [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
3. Goel D, Subramanyam A, Kamath R. การศึกษาเกี่ยวกับความชุกของการติดอินเทอร์เน็ตและความสัมพันธ์กับโรคจิตในวัยรุ่นอินเดีย จิตเวชอินเดีย J 2013; 55 (2): 140–3. ดอย: 10.4103 / 0019-5545.111451. [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
4. เงินสด H, Rae CD, Steel AH, Winkler A. การติดอินเทอร์เน็ต: บทสรุปโดยย่อของการวิจัยและการปฏิบัติ Curr Psychiatry Rev. 2012; 8 (4): 292–8. ดอย: 10.2174 / 157340012803520513. [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
5. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC, Yen CF. เกณฑ์การวินิจฉัยที่เสนอและเครื่องมือคัดกรองและวินิจฉัยการติดอินเทอร์เน็ตในนักศึกษา Compr จิตเวช. 2009; 50 (4): 378–84 ดอย: 10.1016 / j.comppsych.2007.05.019. [PubMed] [ข้ามอ้างอิง]
6. Chakraborty K, Basu D, Vijaya Kumar KG. การติดอินเทอร์เน็ต: ฉันทามติการโต้เถียงและหนทางข้างหน้า จิตเวชศาสตร์เอเชียตะวันออก. 2010; 20 (3): 123–32. [PubMed]
7. Tsai HF, Cheng SH, Yeh TL, Shih CC, Chen KC, Yang YC และอื่น ๆ ปัจจัยเสี่ยงของการติดอินเทอร์เน็ต - จากการสำรวจนักศึกษาใหม่ของมหาวิทยาลัย Res จิตเวช. 2009; 167 (3): 294–9. ดอย: 10.1016 / j.psychres.2008.01.015. [PubMed] [ข้ามอ้างอิง]
8. Ghamari F, Mohammadbeigi A, Mohammadsalehi N, Hashiani AA การติดอินเทอร์เน็ตและการสร้างแบบจำลองปัจจัยเสี่ยงในนักศึกษาแพทย์อิหร่าน อินเดีย J Psychol Med. 2011; 33 (2): 158–62 ดอย: 10.4103 / 0253-7176.92068. [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
9. Ko CH, Yen JY, Chen CC, Chen SH, Yen CF. เกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ตสำหรับวัยรุ่น J Nerv Ment Dis. 2005; 193 (11): 728–33 [PubMed]
10. Ak S, Koruklu N, Yilmaz Y. การศึกษาการใช้อินเทอร์เน็ตของวัยรุ่นตุรกี: ตัวทำนายที่เป็นไปได้ของการติดอินเทอร์เน็ต Cyberpsychol Behav Soc Netw. 2013; 16 (3): 205–9. ดอย: 10.1089 / cyber.2012.0255. [PubMed] [ข้ามอ้างอิง]
11. Krajewska-Kulak E, Kulak W, Marcinkowski JT, Damme-Ostapowicz KV, Lewko J, Lankau A และอื่น ๆ การติดอินเทอร์เน็ตในหมู่นักศึกษาของมหาวิทยาลัยการแพทย์เบียลีสตอก คอมพิวเตอร์แจ้งพยาบาล. 2011; 29 (11): 657–61 ดอย: 10.1097 / NCN.0b013e318224b34f. [PubMed] [ข้ามอ้างอิง]
12. Kormas G, Critselis E, Janikian M, Kafetzis D, Tsitsika A. ปัจจัยเสี่ยงและลักษณะทางจิตสังคมของการใช้อินเทอร์เน็ตที่มีปัญหาและเป็นปัญหาที่อาจเกิดขึ้นในวัยรุ่น: การศึกษาแบบตัดขวาง BMC สาธารณสุข. 2011; 11: 595. ดอย: 10.1186 / 1471-2458-11-595. [บทความฟรี PMC] [PubMed] [ข้ามอ้างอิง]
13. Smahel D, Brown BB, Blinka L. ความสัมพันธ์ระหว่างมิตรภาพออนไลน์และการติดอินเทอร์เน็ตในวัยรุ่นและผู้ใหญ่ที่เกิดใหม่ Dev Psychol 2012; 48 (2): 381–8. ดอย: 10.1037 / a0027025. [PubMed] [ข้ามอ้างอิง]
14. Mohammadbeigi A, Mohammadsalehi N. ความชุกของการติดอินเทอร์เน็ตและปัจจัยเสี่ยงที่เกี่ยวข้องในนักเรียน J Guilan Univ Med วิทย์. 2010; 78: 46–8.
15. Dargahi H, Razavi M. [การติดอินเทอร์เน็ตและปัจจัยที่เกี่ยวข้องในชาวเตหะราน] Payesh. 2007; 6 (3): 265–72
16. Pramanik T, Sherpa MT, Shrestha R. การติดอินเทอร์เน็ตในกลุ่มนักศึกษาแพทย์: การศึกษาแบบภาคตัดขวาง Nepal Med Coll J. 2012; 14 (1): 46–8. [PubMed]
17. Bernardi S, Pallanti S. การติดอินเทอร์เน็ต: การศึกษาทางคลินิกเชิงพรรณนาโดยมุ่งเน้นไปที่โรคประจำตัวและอาการที่ไม่เข้ากัน Compr จิตเวช. 2009; 50 (6): 510–6. ดอย: 10.1016 / j.comppsych.2008.11.011. [PubMed] [ข้ามอ้างอิง]
18. Ni X, Yan H, Chen S, Liu Z. ปัจจัยที่มีอิทธิพลต่อการติดอินเทอร์เน็ตในกลุ่มตัวอย่างนักศึกษามหาวิทยาลัยในประเทศจีน Cyberpsychol Behav. 2009; 12 (3): 327–30. ดอย: 10.1089 / cpb.2008.0321. [PubMed] [ข้ามอ้างอิง]
19. Eitel DR, Yankowitz J, Ely JW. การใช้เทคโนโลยีอินเทอร์เน็ตโดยสูติแพทย์และแพทย์ประจำครอบครัว JAMA 1998; 280 (15): 1306–7 [PubMed]
20. Fu KW, Chan WS, Wong PW, Yip PS. การติดอินเทอร์เน็ต: ความชุกความถูกต้องของการเลือกปฏิบัติและความสัมพันธ์ระหว่างวัยรุ่นในฮ่องกง จิตเวชศาสตร์ Br J. 2010; 196 (6): 486–92 ดอย: 10.1192 / bjp.bp.109.075002. [PubMed] [ข้ามอ้างอิง]
21. รีส H, Noyes JM. โทรศัพท์มือถือคอมพิวเตอร์และอินเทอร์เน็ต: ความแตกต่างทางเพศในการใช้งานและทัศนคติของวัยรุ่น Cyberpsychol Behav. 2007; 10 (3): 482–4. ดอย: 10.1089 / cpb.2006.9927. [PubMed] [ข้ามอ้างอิง]
22. ซีฮาน AA. ตัวทำนายการใช้อินเทอร์เน็ตที่มีปัญหากับนักศึกษามหาวิทยาลัยในตุรกี Cyberpsychol Behav. 2008; 11 (3): 363–6. ดอย: 10.1089 / cpb.2007.0112. [PubMed] [ข้ามอ้างอิง]
23. Durkee T, Kaess M, Carli V, Parzer P, Wasserman C, Floderus B และอื่น ๆ ความชุกของการใช้อินเทอร์เน็ตทางพยาธิวิทยาของวัยรุ่นในยุโรป: ปัจจัยทางประชากรและสังคม การเสพติด 2012; 107 (12): 2210–22 ดอย: 10.1111 / j.1360-0443.2012.03946.x. [PubMed] [ข้ามอ้างอิง]
24. Niemz K, Griffiths M, Banyard P. ความชุกของการใช้อินเทอร์เน็ตทางพยาธิวิทยาในหมู่นักศึกษามหาวิทยาลัยและความสัมพันธ์กับความนับถือตนเองแบบสอบถามสุขภาพทั่วไป (GHQ) และการยับยั้ง Cyberpsychol Behav. 2005; 8 (6): 562–70 ดอย: 10.1089 / cpb.2005.8.562. [PubMed] [ข้ามอ้างอิง]
25. Adiele I, Olatokun W. ความชุกและปัจจัยกำหนดของการติดอินเทอร์เน็ตในวัยรุ่น คำนวณพฤติกรรมของมนุษย์ 2014; 31: 100–10. ดอย: 10.1016 / j.chb.2013.10.028. [ข้ามอ้างอิง]
26. Siomos KE, Dafouli ED, Braimiotis DA, Mouzas OD, Angelopoulos NV การติดอินเทอร์เน็ตในกลุ่มนักเรียนวัยรุ่นชาวกรีก Cyberpsychol Behav. 2008; 11 (6): 653–7. ดอย: 10.1089 / cpb.2008.0088. [PubMed] [ข้ามอ้างอิง]
27. Tsitsika A, Critselis E, Kormas G, Filippopoulou A, Tounissidou D, Freskou A และอื่น ๆ การใช้อินเทอร์เน็ตและการใช้ในทางที่ผิด: การวิเคราะห์การถดถอยหลายตัวแปรของปัจจัยทำนายของการใช้อินเทอร์เน็ตในวัยรุ่นกรีก Eur J Pediatr. 2009; 168 (6): 655–65 ดอย: 10.1007 / s00431-008-0811-1. [PubMed] [ข้ามอ้างอิง]
28. Chebbi P, Koong KS, Liu L, Rottman R. ข้อสังเกตบางประการเกี่ยวกับการวิจัยโรคติดอินเทอร์เน็ต J Info Sys Educ. 2001; 1 (1): 3–4.