ผลของการเสพติดอินเทอร์เน็ตและสมาร์ทโฟนที่มีต่อภาวะซึมเศร้าและความวิตกกังวลจากการวิเคราะห์การจับคู่คะแนนความชอบ (2018)

Int J Environ Res การสาธารณสุข 2018 เม.ย. 25; 15 (5) pii: E859 ดอย: 10.3390 / ijerph15050859

คิมยงจุน1, จังหือ2, ลีวาย3, ลีดี4, คิมดีเจ5.

นามธรรม

มีการศึกษาความสัมพันธ์ของการติดอินเทอร์เน็ต (IA) และการติดสมาร์ทโฟน (SA) ที่มีปัญหาสุขภาพจิตอย่างกว้างขวาง เราตรวจสอบผลกระทบของ IA และ SA ต่อภาวะซึมเศร้าและความวิตกกังวลในขณะที่ปรับตัวแปรทางสังคมวิทยา ในการศึกษานี้ผู้เข้าร่วม 4854 คนได้ทำแบบสำรวจทางเว็บแบบตัดขวางซึ่งรวมถึงรายการทางสังคม - ประชากรศาสตร์มาตราส่วนภาษาเกาหลีสำหรับการติดอินเทอร์เน็ตมาตรวัดความสามารถในการติดสมาร์ทโฟนและเกณฑ์ย่อยของรายการตรวจสอบอาการ 90 รายการที่แก้ไข ผู้เข้าร่วมถูกจำแนกออกเป็นกลุ่ม IA, SA และการใช้งานปกติ (NU) เพื่อลดอคติในการสุ่มตัวอย่างเราใช้วิธีการจับคู่คะแนนความชอบโดยอาศัยการจับคู่ทางพันธุกรรม กลุ่ม IA มีความเสี่ยงต่อการเป็นโรคซึมเศร้าเพิ่มขึ้น (ความเสี่ยงสัมพัทธ์ 1.207; p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.264; p <0.001) เทียบกับ NUs กลุ่ม SA ยังแสดงให้เห็นถึงความเสี่ยงที่เพิ่มขึ้นของภาวะซึมเศร้า (ความเสี่ยงสัมพัทธ์ 1.337; p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.402; p <0.001) เทียบกับ NCs การค้นพบนี้แสดงให้เห็นว่าทั้ง IA และ SA มีผลกระทบอย่างมีนัยสำคัญต่อภาวะซึมเศร้าและความวิตกกังวล ยิ่งไปกว่านั้นการค้นพบของเราแสดงให้เห็นว่า SA มีความสัมพันธ์กับภาวะซึมเศร้าและความวิตกกังวลที่แข็งแกร่งกว่า IA และเน้นย้ำถึงความจำเป็นในการป้องกันและนโยบายการจัดการการใช้สมาร์ทโฟนมากเกินไป

ที่มา:  การติดอินเทอร์เน็ต ความวิตกกังวล; ภาวะซึมเศร้า; คะแนนความชอบ; การติดสมาร์ทโฟน

PMID: 29693641

ดอย: 10.3390 / ijerph15050859

 

1. บทนำ

ด้วยการใช้อินเทอร์เน็ตและสมาร์ทโฟนที่เพิ่มขึ้นและสะดวกสบายในชีวิตประจำวันการวิจัยที่สะสมได้แสดงให้เห็นถึงผลเสียของการใช้อินเทอร์เน็ตและสมาร์ทโฟนมากเกินไปในขอบเขตของสุขภาพจิต [1].
อัตราผู้ใช้สมาร์ทโฟนในประชากรเกาหลีใต้อยู่ที่ประมาณ 85% ซึ่งสูงที่สุดทั่วโลก [2]. อย่างไรก็ตามการใช้สมาร์ทโฟนมากเกินไปมีความสัมพันธ์อย่างมากกับปัญหาสุขภาพจิตหลายประการรวมถึงความเครียดและความเสี่ยงที่เพิ่มขึ้นของความวิตกกังวลผิดปกติ [3,4]. การติดสมาร์ทโฟน (SA) กลายเป็นรูปแบบใหม่ของการเสพติดพร้อมกับการเสพติดอินเทอร์เน็ต (IA) และลักษณะทางคลินิกของ SA ได้รับความสนใจในช่วงไม่กี่ปีที่ผ่านมา [5]. ตัวอย่างเช่นมีความแตกต่างบางประการเกี่ยวกับลักษณะของอุปกรณ์เช่นการพกพาที่ง่ายดายการเข้าถึงอินเทอร์เน็ตแบบเรียลไทม์และคุณสมบัติการสื่อสารโดยตรงของสมาร์ทโฟน [6]. ความเหมือนและความแตกต่างระหว่าง IA และ SA ได้รับการรายงานเกี่ยวกับตัวแปรทางประชากรศาสตร์และแง่มุมที่สร้างแรงจูงใจในการใช้สื่อ [1,6].
จากด้านสิ่งแวดล้อมการขาดกิจกรรมทางเลือกที่เกี่ยวข้องกับ IA [7]. นอกจากนี้การเป็นโสดได้รับรายงานว่าเกี่ยวข้องอย่างมากกับทั้งเครือข่ายสังคมออนไลน์และเกมออนไลน์ [8]. สำหรับระดับการศึกษาและมิติรายได้ต่อเดือนการศึกษาเมื่อเร็ว ๆ นี้ในผู้ที่มี SA พบความแตกต่างอย่างมีนัยสำคัญในมิติด้านสุขภาพที่เอื้อต่อผู้ที่มีรายได้ต่ำกว่าและมีการศึกษาต่ำกว่า [9]. สอดคล้องกับการค้นพบนี้การทบทวนอย่างเป็นระบบรายงานความสัมพันธ์อย่างมีนัยสำคัญระหว่างผลการเรียนและความรุนแรงของ IA [10]. เกี่ยวกับอายุการตรวจสอบล่าสุดพบว่าการใช้อินเทอร์เน็ตที่มีปัญหามีความเกี่ยวข้องมากที่สุดกับทั้งวัยรุ่นและผู้ใหญ่ (อายุ 19 ปีขึ้นไป) [10] ในขณะที่การติดสมาร์ทโฟนเป็นที่แพร่หลายในวัยรุ่นที่อายุน้อยกว่าเมื่อเทียบกับผู้ใหญ่ที่เกิดใหม่ (อายุ 19 ปีขึ้นไป) [11]. การศึกษาล่าสุดแสดงให้เห็นว่าผู้หญิงมีแนวโน้มที่จะมีเวลาใช้งานโดยเฉลี่ยต่อวันและคะแนนการพึ่งพาสมาร์ทโฟนสูงขึ้นเมื่อเทียบกับผู้ชาย [4]. Choi et al. (2015) รายงานว่าเพศชายมีปัจจัยเสี่ยงที่เกี่ยวข้องสำหรับ IA และเพศหญิงสำหรับ SA [1]. เกี่ยวกับวัตถุประสงค์ในการใช้งานเครือข่ายสังคมออนไลน์มีความเกี่ยวข้องอย่างมากกับการพึ่งพาสมาร์ทโฟนในระดับสูงเมื่อเทียบกับฟังก์ชันอื่น ๆ ที่เกี่ยวข้องกับโทรศัพท์มือถือ [11]. ในบุคคลที่มี IA, Anderson et al. (2016) รายงานว่าเพศชายมีส่วนเกี่ยวข้องอย่างมากกับการเล่นเกมออนไลน์บนพีซี [10].
ในด้านจิตวิทยาความสัมพันธ์เชิงบวกของ IA และ SA กับภาวะซึมเศร้าและความวิตกกังวลได้รับการรายงานอย่างกว้างขวาง [12,13]. การศึกษาเมื่อเร็ว ๆ นี้ชี้ให้เห็นว่าการเสพติดอินเทอร์เน็ตและสมาร์ทโฟนอาจเกิดขึ้นจากโปรไฟล์ด้านความรู้ความเข้าใจอารมณ์และพฤติกรรมของผู้ใช้แต่ละคนแทนที่จะเป็นสื่อ14,15,16]. การศึกษาล่าสุดพบว่าบทบาทของการเอาใจใส่และความพึงพอใจในชีวิตทั้งใน IA และ SA [17]. เกี่ยวกับจิตพยาธิวิทยาการศึกษาหลายชิ้นรายงานความสัมพันธ์เชิงบวกระหว่าง IA ภาวะซึมเศร้าและความวิตกกังวล [18,19,20] ในขณะที่การศึกษาล่าสุดรายงานความสัมพันธ์ระหว่างการใช้สมาร์ทโฟนกับความรุนแรงภาวะซึมเศร้าและความวิตกกังวล [13]. ดังนั้นความสัมพันธ์ระหว่าง IA, SA และปัญหาสุขภาพจิตจำเป็นต้องได้รับการพิจารณาอย่างละเอียด ยิ่งไปกว่านั้นให้ทั้งความเหลื่อมและความแตกต่างระหว่าง IA และ SA [16] แล้วคำถามที่เกิดขึ้นคือ IA และ SA เชื่อมโยงกับระดับความซึมเศร้าและความวิตกกังวลที่เพิ่มขึ้นหลังจากปรับปัจจัยทางประชากรและเศรษฐกิจและสังคมที่สับสนแล้ว?
ยังไม่ชัดเจนว่าปัญหาสุขภาพจิตเป็นสาเหตุหรือผลจากการพึ่งพาอินเทอร์เน็ตและสมาร์ทโฟนมากเกินไป การศึกษาภาคตัดขวางได้ใช้การวิเคราะห์การถดถอยพหุคูณเพื่อตรวจสอบความสัมพันธ์ระหว่างปัญหาสุขภาพจิต IA และ SA ในคน [21]. อย่างไรก็ตามในการศึกษาเชิงสังเกตซึ่งขาดการสุ่มตัวอย่างการวิเคราะห์การถดถอยพหุคูณมีข้อ จำกัด เช่นความเป็นไปได้ของการประเมินค่าสูงเกินไปและข้อผิดพลาดมาตรฐานที่ไม่ดีเมื่อมีความแปรปรวนร่วมจำนวนมากนอกเหนือจากอคติในการเลือก [22]. ดังนั้นการประมาณผลของการเสพติดโดยการตรวจสอบผลลัพธ์เฉพาะเช่นภาวะซึมเศร้าและความวิตกกังวลจะมีอคติจากความไม่สมดุลของปัจจัยทางประชากรและเศรษฐกิจและสังคมที่เกี่ยวข้องกับ IA และ SA นอกจากนี้ยังไม่มีการศึกษาใดที่ตรวจสอบผลกระทบที่แตกต่างกันตามลักษณะของผู้ใช้อินเทอร์เน็ตและสมาร์ทโฟนรวมถึงบริบทด้านสิ่งแวดล้อมและโปรไฟล์ทางจิตวิทยาของผู้ใช้ IA และ SA เกี่ยวกับภาวะซึมเศร้าและความวิตกกังวล การจับคู่คะแนนความโน้มเอียง (PSM) ได้กลายเป็นแนวทางยอดนิยมในการลดอคติในการเลือกในการศึกษาเชิงสังเกต [23,24]. ในบทความนี้เราใช้การวิเคราะห์ PSM เพื่อตรวจสอบผลของ IA และ SA ต่อภาวะซึมเศร้าและความวิตกกังวลเพื่อลดอคติในการเลือกในข้อมูลของเรา เราเลือกเพศอายุการศึกษาสถานภาพสมรสและรายได้เป็นตัวแปรที่น่าสับสนโดยพิจารณาจากความสัมพันธ์ของตัวแปรทางสังคมวิทยาเหล่านี้กับ IA และ SA ในการศึกษาของเรา [9,25].
จุดมุ่งหมายหลักของการศึกษานี้คือการตรวจสอบความสัมพันธ์ระหว่าง IA, SA และสถานะทางอารมณ์นั่นคือภาวะซึมเศร้าและความวิตกกังวลโดยใช้การวิเคราะห์การจับคู่คะแนนความชอบ ประการที่สองเราพยายามค้นหาว่าผลของภาวะซึมเศร้าและความวิตกกังวลแตกต่างกันอย่างไรระหว่าง IA และ SA

 

 

2 วัสดุและวิธีการ

 

 

2.1. ผู้เข้าร่วมการศึกษา

ข้อมูลดังกล่าวประกอบด้วยการตอบแบบสำรวจการวินิจฉัยตนเองโดยไม่เปิดเผยตัวทางออนไลน์ของผู้ใหญ่ชาวเกาหลี 5003 คน (อายุ 19–49 ปี) จัดทำโดยมหาวิทยาลัยคาทอลิกแห่งเกาหลีกรุงโซล และโรงพยาบาลเซนต์แมรี่ในเดือนธันวาคม 2014 [26]. การศึกษาดำเนินการตามปฏิญญาเฮลซิงกิ คณะกรรมการตรวจสอบสถาบันของมหาวิทยาลัยคาทอลิกเกาหลีโซล; และโรงพยาบาลเซนต์แมรี่อนุมัติการศึกษานี้ ผู้เข้าร่วมทั้งหมดได้รับแจ้งเกี่ยวกับการศึกษาและให้ความยินยอมเป็นลายลักษณ์อักษร ผู้เข้าร่วมการสำรวจได้รับคัดเลือกจากคณะกรรมการของ บริษัท วิจัยและแบบสอบถามการรายงานตัวเองได้รับการจัดการผ่านอินเทอร์เน็ตโดยไม่มีค่าตอบแทนใด ๆ มีผู้ตอบเพียง 149 คนที่ไม่ได้ใช้สมาร์ทโฟนเท่านั้นที่ได้รับการยกเว้น สุดท้ายเราวิเคราะห์ข้อมูลของผู้เข้าร่วม 4854 คน ในกลุ่มตัวอย่างสุดท้ายแบ่งอายุออกเป็น 30 ประเภท ได้แก่ ต่ำกว่า 33.19 (30%) 39–43.94 (40%) และ 49–22.87 (2573%) มีเพศชาย 53.01 คน (2281%) และหญิง 46.99 คน (XNUMX%) ตัวแปรทางประชากรเพิ่มเติมของผู้เข้าร่วมที่พิจารณา ได้แก่ การศึกษาสถานภาพสมรสและรายได้

 

 

2.2 มาตรการ

 

 

2.2.1. การวัดการติดอินเทอร์เน็ต

มาตราส่วนเกาหลีสำหรับการติดอินเทอร์เน็ต (K-scale) ได้รับการพัฒนาในเกาหลีเพื่อประเมิน IA และได้รับการตรวจสอบความถูกต้องในประชากรเกาหลีด้วยความสอดคล้องภายในที่เชื่อถือได้สูง [27]. ค่าสัมประสิทธิ์แอลฟาของครอนบาคสำหรับ K-Scale เท่ากับ 0.91 [28]. มีเจ็ดส่วนย่อยและ 40 รายการวัดความวุ่นวายในชีวิตประจำวันการรบกวนการทดสอบความเป็นจริงความคิดเสพติดโดยอัตโนมัติความสัมพันธ์ระหว่างบุคคลเสมือนพฤติกรรมเบี่ยงเบนการถอนตัวและความอดทน มาตราส่วนประเภท Likert นี้ถูกตั้งค่าจาก 1 (ไม่ใช่เลย) เป็น 4 (เสมอ) ตามรายงานก่อนหน้านี้โดยใช้มาตราส่วนนี้ผู้เข้าร่วมถูกจัดเรียงออกเป็นสามกลุ่ม: ปกติความเสี่ยงที่อาจเกิดขึ้นและความเสี่ยงสูง [29]. กลุ่มที่มีความเสี่ยงสูงถูกกำหนดให้มีคะแนนมาตรฐาน 70 หรือสูงกว่าในด้านความวุ่นวายในชีวิตประจำวันความคิดเสพติดโดยอัตโนมัติปัจจัยด้านความอดทนหรืออย่างน้อย 70 ทั้งหมด กลุ่มเสี่ยงที่อาจเกิดขึ้นได้รับการกำหนดเป็นคะแนน 62 หรือสูงกว่าในด้านความไม่สงบในชีวิตประจำวันความคิดเสพติดโดยอัตโนมัติปัจจัยด้านความอดทนหรืออย่างน้อย 63 คะแนน กลุ่มการใช้งานปกติมีคะแนนต่ำกว่าตัวเลขเหล่านี้ ในการศึกษานี้กลุ่ม IA ประกอบด้วยกลุ่มเสี่ยงที่อาจเกิดขึ้นและกลุ่มที่มีความเสี่ยงสูง

 

 

2.2.2. การวัดการติดสมาร์ทโฟน

มาตราส่วนความสามารถในการติดยาเสพติดสมาร์ทโฟน (K-SAS) ได้รับการตรวจสอบและใช้กันอย่างแพร่หลายในการตรวจสอบ SA [30]. ประกอบด้วยรายการ 15 รายการที่จัดอันดับในระดับความทุกข์ประเภท Likert สี่จุดตั้งแต่ 1 (ไม่เลย) ถึง 4 (เสมอ) คำถามตรวจสอบปัจจัย 0.880 ประการ ได้แก่ ความวุ่นวายในชีวิตประจำวันความคิดเสพติดโดยอัตโนมัติและความอดทนอดกลั้น ค่าสัมประสิทธิ์แอลฟาของครอนบาคสำหรับ K-SAS คือ XNUMX [5].
จากรายงานก่อนหน้านี้โดยใช้มาตราส่วนนี้เราใช้คะแนนในการจำแนกผู้เข้าร่วมออกเป็นสามกลุ่ม: ปกติความเสี่ยงที่อาจเกิดขึ้นและความเสี่ยงสูง [30]. กลุ่มที่มีความเสี่ยงสูงถูกกำหนดให้มีคะแนนรวม 44 คะแนนขึ้นไปหรือมีคะแนนย่อย 15 หรือมากกว่าจากความไม่สงบในชีวิตประจำวันพร้อมกับคะแนนย่อย 13 คะแนนขึ้นไปทั้งในด้านความคิดเสพติดโดยอัตโนมัติและความอดทน กลุ่มเสี่ยงที่อาจเกิดขึ้นถูกกำหนดให้มี 41 คะแนนขึ้นไปในคะแนนรวมหรือ 15 หรือมากกว่าในปัจจัยรบกวนชีวิตประจำวัน กลุ่มการใช้งานปกติมีคะแนนที่ต่ำกว่าตัวเลขเหล่านี้ [30]. ในการศึกษานี้กลุ่มที่ติดสมาร์ทโฟนประกอบด้วยกลุ่มที่มีความเสี่ยงสูงและมีโอกาสเสี่ยง

 

 

2.2.3. การวัดปัญหาสุขภาพจิต: ภาวะซึมเศร้าและความวิตกกังวล

SCL-90-R เป็นแบบสอบถามหลายมิติที่พัฒนาขึ้นเพื่อคัดกรองคุณลักษณะทางจิตวิทยาและจิตพยาธิวิทยาของ 9 ส่วนย่อย ได้แก่ การทำให้เป็นอารมณ์ครอบงำความรู้สึกอ่อนไหวระหว่างบุคคลความซึมเศร้าความวิตกกังวลความเกลียดชังความวิตกกังวลเกี่ยวกับโรคกลัวความคิดหวาดระแวงและโรคจิต [31]. SCL-90 ประกอบด้วย 90 รายการที่จัดอยู่ในระดับความทุกข์ 5 จุดตั้งแต่ 0 (ไม่มี) ถึง 4 (มาก) การทดสอบ - ทดสอบความเชื่อถือได้ของ SCL-90-R ในภาษาเกาหลีคือ 0.76 สำหรับภาวะซึมเศร้าและ 0.77 สำหรับความวิตกกังวล ความสอดคล้องภายในเท่ากับ 0.89 สำหรับภาวะซึมเศร้าและ 0.86 สำหรับความวิตกกังวล [31]. อาการซึมเศร้าและความวิตกกังวลได้รับรายงานว่าเป็นอาการทางจิตเวชที่เกี่ยวข้องกับ IA และ SA [12,13]. มิติข้อมูลเฉพาะที่น่าสนใจในการตรวจสอบในการศึกษานี้รวมถึงมาตราย่อย SCL-90-R สำหรับภาวะซึมเศร้าและความวิตกกังวล

 

 

2.3 การวิเคราะห์ข้อมูล

 

 

2.3.1. นิยามทางสถิติ

ปล่อยให้ Zi

 

เป็นตัวบ่งชี้การติดไบนารีสำหรับหัวเรื่อง ith; นั่นคือ, Zi=1 ถ้าหัวเรื่องนั้นติด (IA หรือ SA) และ Zi=0 มิฉะนั้น. ผลลัพธ์ที่เป็นไปได้ของปัญหาทางจิต (ภาวะซึมเศร้าหรือความวิตกกังวล) หมายถึง Yi(Zi. โปรดทราบว่าผลลัพธ์ที่เป็นไปได้เพียงรายการเดียวเท่านั้นที่จะสังเกตเห็นในเวลาเดียวกันสำหรับแต่ละเรื่องดังนั้นการคำนวณโดยตรงของ Yi(1)-Yi เป็นไปไม่ได้ แทนที่จะเป็นผลกระทบส่วนบุคคลพารามิเตอร์หลักที่น่าสนใจคือผลของการเสพติดที่คาดว่าจะมีต่อประชากรที่เสพติด

τ=E(Yi(1)-Yi(0)|
 
อย่างไรก็ตามการประมาณค่า τ

ยังคงมีปัญหาเนื่องจาก E(Yi(0)|Zi ไม่สามารถประมาณได้โดยตรง แน่นอนว่าในการทดลองแบบสุ่ม E(Yi(0)|Zi ก็พอใจแล้ว τ สามารถประมาณได้อย่างง่ายดาย อย่างไรก็ตามในการศึกษาการสังเกตการประมาณอย่างไร้เดียงสาของ τ สามารถเอนเอียงได้เพราะ E(Yi(0)|Zi. ในการปรับอคติการเลือกนี้เราถือว่าเราสามารถสังเกตความแปรปรวนร่วมได้ Xi ที่ไม่ได้รับผลกระทบจากการเสพติดใด ๆ และสำหรับความแปรปรวนร่วมที่กำหนด Xi, ผลลัพธ์ที่อาจเกิดขึ้น Yi(1), Yi ไม่ขึ้นอยู่กับเงื่อนไขของตัวบ่งชี้การเสพติด Zi. นอกจากนี้หากผลลัพธ์ที่เป็นไปได้ไม่ขึ้นอยู่กับเงื่อนไขการเสพติดของตัวแปรร่วม Xiพวกเขายังไม่ขึ้นอยู่กับเงื่อนไขการเสพติดในคะแนนความชอบ P(Xi)= P(Zi=1|Xi[19]. ตัวประมาณค่า PSM สำหรับ τ จะกลายเป็น

τPSM=EP(X)|Z=1

 

 

 

 

 

2.3.2. การประมาณคะแนนความโน้มเอียง

คะแนนความโน้มเอียงคำนวณโดยใช้การถดถอยโลจิสติกซึ่งเป็นแบบจำลองที่ใช้ทำนายความน่าจะเป็นที่จะเกิดการเสพติด 

เข้าสู่ระบบP(Zi=1|Xi)

 

 

 
ในเอกสารฉบับนี้เป็นตัวแปรสำหรับ Xi

 

 

เราพิจารณาตัวแปรตามหมวดหมู่ 1 ประเภท ได้แก่ เพศ (2 = ชายและ 1 = หญิง) อายุ (20 = 29–2, 30 = 39–3 และ 40 = 49–1) การศึกษา (2 = มัธยมต้น 3 = สูง โรงเรียนและ 1 = มหาวิทยาลัยขึ้นไป) สถานภาพสมรส (2 = โสด 3 = การอยู่ร่วมกัน 4 = แต่งงานแล้ว 5 = หย่าร้างและ 1 = ปลิดชีพ) และรายได้ (2 = ต่ำ 3 = กลาง - ต่ำ 4 = กลาง 5 = กลางสูงและ XNUMX = สูง) ใน 1 มาตราความแปรปรวนร่วมเหล่านี้อาจมีผลต่อผลลัพธ์ (ภาวะซึมเศร้าหรือความวิตกกังวล) และการเสพติดในเวลาเดียวกัน ดังนั้นในแต่ละวิชาเราจึงประมาณคะแนนความชอบ นั่นคือความน่าจะเป็นตามเงื่อนไขของการเสพติดเนื่องจากตัวแปรที่สังเกตได้ [32].

 

 

2.3.3. วิธีการจับคู่ตามคะแนนความโน้มเอียงโดยประมาณ

เมื่อประมาณคะแนนความชอบแล้วสามารถใช้การจับคู่เพื่อประมาณผลการรักษาหลังจากปรับให้เข้ากับความแตกต่างระหว่างสองกลุ่ม [33]. เป้าหมายของการจับคู่คือการสร้างตัวอย่างที่ตรงกันซึ่งทำให้สมดุลการกระจายตัวของผู้ป่วยในการศึกษาและตรงกับความแปรปรวนร่วมของกลุ่มควบคุมที่สังเกตได้ วิธีการปรับนี้ช่วยให้เราสามารถควบคุมตัวแปรที่สับสนได้ ในการศึกษานี้เราได้นำเอาวิธีการจับคู่ที่ใช้กันอย่างแพร่หลาย XNUMX วิธี ได้แก่ การจับคู่ที่เหมาะสมและพันธุกรรม [34].

 

 

2.3.4. การประมาณความเสี่ยงญาติของการเสพติดปัญหาสุขภาพจิตหลังการจับคู่คะแนนความชอบ

หลังจากการจับคู่คะแนนความชอบโดยใช้ตัวแปรที่สังเกตได้ (อายุเพศการแต่งงานรายได้และการศึกษา) เรามีชุดข้อมูลที่สมดุลมากขึ้น ในการสร้างแบบจำลองปัญหาสุขภาพจิต (ภาวะซึมเศร้าหรือความวิตกกังวล) เราใช้แบบจำลองเชิงเส้นทั่วไป (GLM) กับกลุ่มตัวอย่างที่ตรงกัน เนื่องจากคะแนนสุขภาพจิตเป็นบวกและมีอคติจึงมีการติดตั้งการแจกแจงแกมมาพร้อมลิงก์บันทึก ปล่อย Yi

 

เป็นผลลัพธ์ที่น่าสนใจ (คะแนนของภาวะซึมเศร้าหรือความวิตกกังวล) ด้วยค่าเฉลี่ย μiเราสามารถใช้เฟรมเวิร์ก Gamma GLM กับตัวแปรร่วมได้ Xi:

 

เข้าสู่ระบบμi=γT
 
 
ผ่านการสร้างแบบจำลองเราประมาณ eγ

 

 

เป็นความเสี่ยงสัมพัทธ์ (เป็นความแตกต่างระหว่างค่าเฉลี่ยที่คาดหวังระหว่างกลุ่ม) ของ IA และ SA สำหรับตัวแปรร่วมแต่ละชนิด

 

 

3 ผล

นอกจากผู้เข้าร่วม 4854 แล้ว 126 (2.60%) รวมอยู่ในกลุ่ม IA และ 652 (13.43%) รวมอยู่ในกลุ่ม SA 1 ตาราง แสดงสถิติเชิงพรรณนาของคะแนนภาวะซึมเศร้าและความวิตกกังวล คะแนนเฉลี่ยของภาวะซึมเศร้าและความวิตกกังวลของกลุ่ม IA และ SA สูงกว่ากลุ่มที่ใช้งานปกติ (NU)
1 ตาราง สถิติเชิงพรรณนาของคะแนนภาวะซึมเศร้าและความวิตกกังวล
ตาราง

 

 

3.1. การจับคู่คุณภาพของวิธีการจับคู่คะแนนนิสัยชอบ

แม้ว่าเราจะกำหนดเงื่อนไขความแปรปรวนร่วมเพียงไม่กี่รายการในแบบสอบถามของการศึกษานี้ แต่จากคะแนนความชอบเราพบว่าขั้นตอนการจับคู่นั้นเพียงพอที่จะทำให้สมดุลของการกระจายตัวของความแปรปรวนร่วมแต่ละชนิด 2 ตาราง และ 3 ตาราง. เราประเมินระยะทางในการแจกแจงระยะขอบของ Xi

 

 

 

. สำหรับความแปรปรวนร่วมแต่ละชนิดเราคำนวณอคติ นั่นคือความแตกต่างของค่าเฉลี่ยตัวอย่างของกลุ่มตัวอย่างที่ติดยาเสพติดและกลุ่มตัวอย่างปกติ ก่อนที่จะใช้การจับคู่คะแนนความชอบอคติไม่ได้ถูกละเลย อย่างไรก็ตามหลังจากการจับคู่คะแนนความชอบการเสพติดและกลุ่มตัวอย่างปกติมีการแจกแจงส่วนขอบที่คล้ายกันมากสำหรับตัวแปรร่วมทั้งหมด
2 ตาราง การเปรียบเทียบค่าเฉลี่ยร้อยละของลักษณะพื้นฐานระหว่าง IA และกลุ่มการใช้งานปกติในตัวอย่างเดิมและคะแนนความชอบที่จับคู่ตัวอย่างโดยใช้การจับคู่ทางพันธุกรรมและเหมาะสมที่สุด
ตาราง
3 ตาราง การเปรียบเทียบค่าเฉลี่ยร้อยละของลักษณะพื้นฐานระหว่าง SA และกลุ่มปกติในตัวอย่างเดิมและคะแนนความชอบที่จับคู่ตัวอย่างโดยใช้การจับคู่ทางพันธุกรรมและเหมาะสมที่สุด
ตาราง

 

 

3.2. ผลของการติดอินเทอร์เน็ตต่อภาวะซึมเศร้าและความวิตกกังวล

มีรายงานผลของ IA ต่อภาวะซึมเศร้าและความวิตกกังวลที่ได้รับจากการจับคู่คะแนนความชอบ 4 ตาราง. ผ่านการจับคู่ทางพันธุกรรม 3846 ตัวอย่างถูกเลือก IA เกี่ยวข้องกับความเสี่ยงที่มากขึ้นของภาวะซึมเศร้า (ความเสี่ยงสัมพัทธ์ 1.207 ช่วงความเชื่อมั่น 95% 1.128–1.292 และ p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.264 ช่วงความเชื่อมั่น 95% 1.173–1.362 และ p <0.001) อัตราส่วนความเสี่ยงสัมพัทธ์เหล่านี้มีนัยสำคัญเนื่องจากช่วงความเชื่อมั่นไม่มี 1 ผ่านการจับคู่ที่เหมาะสมที่สุดจึงเลือกตัวอย่าง 252 IA เกี่ยวข้องกับภาวะซึมเศร้าที่มากขึ้น (ความเสี่ยงสัมพัทธ์ 1.243, ช่วงความเชื่อมั่น 95% 1.145–1.348 และ p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.308, ช่วงความเชื่อมั่น 95% 1.192–1.435 และ p <0.001) เช่นเดียวกับการจับคู่ทางพันธุกรรมอัตราส่วนความเสี่ยงสัมพัทธ์ของทั้งภาวะซึมเศร้าและความวิตกกังวลมีมากกว่า 1 อย่างมีนัยสำคัญ
4 ตาราง ผลกระทบของการติดอินเทอร์เน็ตและสมาร์ทโฟนต่อภาวะซึมเศร้าและความวิตกกังวลโดยพิจารณาจากการจับคู่คะแนนความชอบ
ตาราง

 

 

3.3. ผลของการติดสมาร์ทโฟนต่อภาวะซึมเศร้าและความวิตกกังวล

รายงานผลกระทบของ SA ต่อภาวะซึมเศร้าและความวิตกกังวลโดยใช้การจับคู่คะแนนความชอบ 4 ตาราง. ผ่านการจับคู่ทางพันธุกรรม 4516 ตัวอย่างถูกเลือก SA เกี่ยวข้องกับความเสี่ยงที่มากขึ้นของภาวะซึมเศร้า (ความเสี่ยงสัมพัทธ์ 1.337, ช่วงความเชื่อมั่น 95% 1.296–1.378 และ p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.402, ช่วงความเชื่อมั่น 95% 1.355–1.450 และ p <0.001) ผ่านการจับคู่ที่เหมาะสมที่สุด 1304 ตัวอย่างถูกเลือก SA เกี่ยวข้องกับความเสี่ยงต่อการเกิดภาวะซึมเศร้าที่มากขึ้น (ความเสี่ยงสัมพัทธ์ 1.386, ช่วงความเชื่อมั่น 95% 1.334–1.440 และ p <0.001) และความวิตกกังวล (ความเสี่ยงสัมพัทธ์ 1.440, ช่วงความเชื่อมั่น 95% 1.380–1.503 และ p <0.001) อัตราส่วนความเสี่ยงสัมพัทธ์ทั้งหมดนี้มีนัยสำคัญ

 

 

3.4. ความแตกต่างของผลกระทบของการติดอินเทอร์เน็ตและสมาร์ทโฟนต่อภาวะซึมเศร้าและความวิตกกังวล

อัตราส่วนความเสี่ยงสัมพัทธ์สำหรับภาวะซึมเศร้าและความวิตกกังวลจากทั้งทางพันธุกรรมและการจับคู่ที่เหมาะสมสูงกว่า SA 10% สำหรับ IA ซึ่งหมายความว่า SA มีความเสี่ยงต่อภาวะซึมเศร้าและความวิตกกังวลมากกว่า IA ช่วงความเชื่อมั่นเหล่านั้นไม่มี 1 ดังนั้นเราจึงสามารถพูดได้ว่า SA มีแนวโน้มที่จะทำให้เกิดความผิดปกติทางจิต 34–44%

 

 

4 การสนทนา

ผลการวิจัยของเราพบว่าทั้ง IA และ SA มีผลกระทบอย่างมีนัยสำคัญต่อภาวะซึมเศร้าและความวิตกกังวลแม้ว่าจะควบคุมผู้สับสนโดยใช้การจับคู่คะแนนความชอบ การศึกษาทางระบาดวิทยาได้ประเมินความชุกของภาวะซึมเศร้าใน IA ที่สูงขึ้น [35,36]. การศึกษาภาคตัดขวางหลายชิ้นรายงานว่าบุคคลที่มี IA หรือ SA มีภาวะซึมเศร้าและวิตกกังวลในระดับที่สูงกว่าผู้ใช้ทั่วไป [13,37]. ในการศึกษาปัจจุบันผลการศึกษาของเราแสดงให้เห็นถึงบทบาทของ IA และ SA ในการพัฒนาภาวะซึมเศร้าและความวิตกกังวล มีคำอธิบายที่เป็นไปได้บางประการสำหรับการค้นพบในปัจจุบัน ประการแรกการใช้อินเทอร์เน็ตและสมาร์ทโฟนอย่างเสพติดสามารถเพิ่มปัญหาความสัมพันธ์ระหว่างบุคคลซึ่งเกี่ยวข้องกับภาวะซึมเศร้าและความวิตกกังวลเช่นความขัดแย้งในครอบครัวการขาดความสัมพันธ์แบบออฟไลน์และความต้องการที่เพิ่มขึ้นสำหรับการอนุมัติในโลกไซเบอร์ ประการที่สองอาการถอนจะถูกเสนอเป็นรูปแบบทางจิตใน IA และ SA ซึ่งเทียบได้กับความผิดปกติของการใช้สารเสพติด [5]. เมื่อพวกเขาไม่สามารถเข้าถึงพีซีหรือสมาร์ทโฟนบุคคลที่มี IA หรือ SA อาจวิตกกังวลและปรารถนาที่จะใช้อินเทอร์เน็ตหรือสมาร์ทโฟนเพื่อหลีกหนีความรู้สึกเชิงลบดังกล่าว [38]. คำอธิบายที่เป็นไปได้อีกประการหนึ่งคือไม่เหมือนกับสารเสพติดอื่น ๆ เช่นแอลกอฮอล์และนิโคตินผู้ใช้อินเทอร์เน็ตและสมาร์ทโฟนที่มากเกินไปอาจมีข้อมูลเชิงลึกเล็กน้อยเกี่ยวกับการใช้งานมากเกินไปในชีวิตประจำวันเนื่องจากการเข้าถึงอุปกรณ์ได้ฟรีและยืดหยุ่น [3] ทำให้พวกเขาประสบกับการใช้งานมากเกินไปเป็นการสร้างความรำคาญแทนที่จะเป็นสัญญาณของพฤติกรรมที่เป็นปัญหา [39]. การค้นพบที่น่าสนใจอีกประการหนึ่งคือ SA มีผลต่อภาวะซึมเศร้าและความวิตกกังวลมากกว่า IA สิ่งนี้ทำให้เราคาดเดาได้ว่า IA และ SA มีอิทธิพลต่อปัญหาสุขภาพจิตต่างกัน อาจมีคำอธิบายที่เป็นไปได้หลายประการสำหรับการค้นพบนี้ ประการแรกเมื่อพิจารณาถึงลักษณะของสื่อการใช้งานสมาร์ทโฟนที่มากเกินไปจะเกิดขึ้นได้ง่ายขึ้นผ่านลักษณะการสร้างนิสัยของอุปกรณ์เนื่องจากการเข้าถึงเครือข่ายไร้สายที่สูงขึ้นและการแจ้งเตือนบ่อย 24 ชั่วโมง [39]. ประการที่สองเกี่ยวกับปัจจัยด้านสิ่งแวดล้อมการค้นพบนี้อาจสะท้อนถึงการเปลี่ยนแปลงอย่างรุนแรงในปัจจุบันของค่าเฉลี่ยชีวิตประจำวันจากพีซีไปสู่สมาร์ทโฟน ผู้คนอาจใช้อินเทอร์เน็ตพีซีในการทำงานที่ซับซ้อนและทำงานประจำวันอื่น ๆ ด้วยสมาร์ทโฟนซึ่งส่งผลให้ผลิตภาพแรงงานลดลงและความเครียดในระดับที่สูงขึ้น [40]. ในที่สุดบุคคลที่มี SA อาจใช้สมาร์ทโฟนเพื่อรักษาความสัมพันธ์และความรู้สึกเชื่อมโยงกับเครือข่ายสังคมออนไลน์ [41] ซึ่งนำไปสู่ความกลัวที่จะพลาดและความกลัวที่จะขาดการเชื่อมต่อในขณะที่กระตุ้นให้มีการใช้สมาร์ทโฟนที่สูงขึ้น [42].
การศึกษานี้มีข้อ จำกัด หลายประการในการสรุปผลการค้นพบให้กับประชากรทั้งหมดเช่นลักษณะการตัดขวางของขีด จำกัด ข้อมูลและการตีความการอนุมานเชิงสาเหตุระหว่างการติดอินเทอร์เน็ตและสมาร์ทโฟนภาวะซึมเศร้าและความวิตกกังวล การจับคู่นิสัยชอบยังมีข้อ จำกัด และข้อกำหนด ข้อ จำกัด ที่สำคัญคือคะแนนความชอบสามารถควบคุมได้โดยผู้สับสนที่สังเกตได้เท่านั้น [43]. ความเป็นไปได้ของผู้สับสนที่ไม่ได้รับการสังเกตอาจยังคงอยู่ซึ่ง จำกัด การค้นหาการศึกษาสำหรับการสรุปทั่วไป นอกจากนี้เนื่องจากปัจจัยที่สังเกตได้ทั้งหมดในการศึกษานี้ถูกรวบรวมเป็นตัวแปรเด็ดขาดอาจมีการสูญเสียข้อมูลเมื่อสร้างแบบจำลอง PSM ดังนั้นการค้นพบของเราควรตีความด้วยความระมัดระวัง อย่างไรก็ตามเพื่อให้ได้ผลลัพธ์ที่ชัดเจนของการจับคู่เราได้พิจารณาวิธีการจับคู่สองวิธีการจับคู่ทางพันธุกรรมและการจับคู่ที่เหมาะสมที่สุด โดยเฉพาะอย่างยิ่งการจับคู่ทางพันธุกรรมใช้อัลกอริธึมการค้นหาทางพันธุกรรมดังนั้นกระบวนการจึงสามารถค้นหาโซลูชันการจับคู่ที่ดีโดยมีการสูญเสียข้อมูลน้อยลง [44]. สุดท้ายการประเมินอาการซึมเศร้าและความวิตกกังวลดำเนินการโดยการรายงานอาการทางจิตด้วยตนเองโดยใช้ SCL-90-R เพื่อประเมินปัญหาสุขภาพจิตอย่างถูกต้องและสม่ำเสมอยิ่งขึ้น ควรทำการสัมภาษณ์แบบมีโครงสร้างโดยแพทย์ในการศึกษาเพิ่มเติม

 

 

5 สรุปผลการวิจัย

ในการศึกษานี้เราได้ศึกษาว่า IA และ SA มีผลต่อปัญหาสุขภาพจิตภาวะซึมเศร้าและความวิตกกังวลอย่างไร เพื่อความรู้ที่ดีที่สุดของเรานี่เป็นการศึกษาครั้งแรกที่ประเมินความสัมพันธ์ระหว่าง IA, SA และ Psychopathology โดยใช้วิธีคะแนนการจับคู่นิสัยชอบจากข้อมูลแบบตัดขวางและเพื่อตรวจสอบผลที่แตกต่างในทางจิตวิทยาระหว่าง IA และ SA โดยสรุปผลการวิจัยของเราพบว่าทั้ง IA และ SA เพิ่มความเสี่ยงต่อภาวะซึมเศร้าและความวิตกกังวล นอกจากนี้ SA ยังมีความสัมพันธ์กับภาวะซึมเศร้าและความวิตกกังวลมากขึ้นเมื่อเทียบกับ IA
ผลกระทบของการค้นพบนี้คือบุคคลที่มีปัญหาในการใช้สมาร์ทโฟนควรได้รับการตรวจสอบปัญหาสุขภาพจิตอย่างใกล้ชิดโดยเน้นถึงความจำเป็นในการกำหนดนโยบายการป้องกันและการจัดการที่มุ่งเป้าไปที่ระดับก่อนการรักษาของ SA การศึกษาเพิ่มเติมในอนาคตควรตรวจสอบทิศทางเชิงสาเหตุของความสัมพันธ์ระหว่าง IA, SA และปัญหาสุขภาพจิตและควรระบุปัจจัยที่เลือกปฏิบัติของ IA และ SA

 

 

ผลงานของผู้เขียน

D. -JK และ DL คิดและออกแบบการทดลอง HMJ วิเคราะห์ข้อมูล Y. -JK เขียนกระดาษ YL ดูแลการรวบรวมข้อมูล ผู้เขียนทุกคนมีส่วนในการพัฒนาต้นฉบับแก้ไขอย่างมีวิจารณญาณและอนุมัติต้นฉบับขั้นสุดท้าย

 

 

กิตติกรรมประกาศ

งานนี้ได้รับการสนับสนุนทุนจาก National Research Foundation of Korea (Grant No. 2014M3C7A1062894, 2014M3C7A1062896)

 

 

ขัดแย้งทางผลประโยชน์

ผู้เขียนรายงานว่าไม่มีความขัดแย้งทางผลประโยชน์

 

 

อ้างอิง

  1. ชอย, S. -W.; คิมดี - เจ; ชอย, J. -S.; อาน, H.; ชอยอี - เจ; เพลงว. - ย.; คิม, ส.; Youn, H. การเปรียบเทียบความเสี่ยงและปัจจัยป้องกันที่เกี่ยวข้องกับการติดสมาร์ทโฟนและการติดอินเทอร์เน็ต เจพฤติกรรม. เสพติด. 2015, 4, 308 – 314 [Google Scholar] [CrossRef] [PubMed]
  2. 2016 การสำรวจเกี่ยวกับการพึ่งพาอินเทอร์เน็ตมากเกินไป กระทรวงวิทยาศาสตร์ ICT และการวางแผนอนาคต: โซลเกาหลี 2017
  3. ลี, Y. -K.; ช้าง, C. -T.; หลิน, ย.; เฉิง Z.-H. ด้านมืดของการใช้สมาร์ทโฟน: ลักษณะทางจิตใจพฤติกรรมบีบบังคับและนักเทคโนโลยี คอมพิวเตอร์ ฮัม. พฤติกรรม. 2014, 31, 373 – 383 [Google Scholar] [CrossRef]
  4. ลีคี; คิม, S. -H.; ฮา, T. -Y.; ยู, ย. - ม.; ฮันเจ - เจ; จุง, J. -H.; จ. - ย. การพึ่งพาการใช้สมาร์ทโฟนและความเกี่ยวข้องกับความวิตกกังวลในเกาหลี ตัวแทนสาธารณสุข 2016, 131, 411 – 419 [Google Scholar] [CrossRef] [PubMed]
  5. คิมดี; จุง, ย.; ลีเจ.; คิม, ม.; ลี, วาย.; คังอี.; Keum, C.; Nam, J. การพัฒนามาตราส่วนความเด่นชัดของการติดสมาร์ทโฟนสำหรับผู้ใหญ่: รายงานตนเอง. ที่ปรึกษาเจชาวเกาหลี 2012, 13, 629 – 644 [Google Scholar]
  6. ควอน, ม.; ลี, J. -Y.; ชนะว. - ย.; พาร์ค, J. -W.; มินเจ - อ.; ฮัน, ค.; กู X.; ชอย, J. -H.; คิม D.-J. การพัฒนาและการตรวจสอบมาตราส่วนการติดสมาร์ทโฟน (SAS) กรุณาหนึ่ง 2013, 8, e56936 [Google Scholar] [CrossRef] [PubMed]
  7. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. การติดอินเทอร์เน็ต: การทบทวนการวิจัยเชิงระบาดวิทยาอย่างเป็นระบบสำหรับทศวรรษที่ผ่านมา ฟี้ Pharm des 2014, 20, 4026 – 4052 [Google Scholar] [CrossRef] [PubMed]
  8. Andreassen, CS; Billieux, J.; กริฟฟิ ธ ส์, MD; Kuss ดีเจ; Demetrovics, Z.; มาซโซนี, อี.; Pallesen, S. ความสัมพันธ์ระหว่างการเสพติดโซเชียลมีเดียและวิดีโอเกมกับอาการของโรคจิตเวช: การศึกษาภาคตัดขวางขนาดใหญ่ Psychol. เสพติด. พฤติกรรม. 2016, 30, 252 [Google Scholar] [CrossRef] [PubMed]
  9. อัลโจมาเอสเอส; Qudah, MFA; อัลเบอร์ซาน, IS; Bakhiet, SF; Abduljabbar, AS การติดสมาร์ทโฟนในหมู่นักศึกษามหาวิทยาลัยภายใต้ปัจจัยบางประการ คอมพิวเตอร์ ฮัม. พฤติกรรม. 2016, 61, 155 – 164 [Google Scholar] [CrossRef]
  10. แอนเดอร์สัน EL; สตีน, อี.; Stavropoulos, V. การใช้อินเทอร์เน็ตและการใช้อินเทอร์เน็ตที่มีปัญหา: การทบทวนอย่างเป็นระบบเกี่ยวกับแนวโน้มการวิจัยระยะยาวในวัยรุ่นและวัยผู้ใหญ่ที่เกิดขึ้นใหม่ Int. J. Adolesc. เยาวชน 2017, 22, 430 – 454 [Google Scholar] [CrossRef]
  11. ฮักเอส; คาสโตร, RP; ควอน, ม.; ฟิลเลอร์, A .; Kowatsch, T.; Schaub การใช้สมาร์ทโฟนของ MP และการติดสมาร์ทโฟนของคนหนุ่มสาวในสวิตเซอร์แลนด์ เจพฤติกรรม. เสพติด. 2015, 4, 299 – 307 [Google Scholar] [CrossRef] [PubMed]
  12. โก, C. -H.; เยน, J. -Y.; เยน, C. -F.; เฉินซี - เอส; เฉิน, C. -C. ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและโรคจิตเวช: การทบทวนวรรณกรรม Eur. จิตเวช 2012, 27, 1 – 8 [Google Scholar] [CrossRef] [PubMed]
  13. Demirci, K.; Akgönül, M.; Akpinar, A. ความสัมพันธ์ของความรุนแรงของการใช้สมาร์ทโฟนกับคุณภาพการนอนหลับภาวะซึมเศร้าและความวิตกกังวลในนักศึกษามหาวิทยาลัย เจพฤติกรรม. เสพติด. 2015, 4, 85 – 92 [Google Scholar] [CrossRef] [PubMed]
  14. ยี่ห้อ, ม.; หนุ่ม KS; ไลเออร์, ค.; Wölfling, K.; Potenza, MN การบูรณาการข้อพิจารณาทางจิตวิทยาและระบบประสาทที่เกี่ยวข้องกับการพัฒนาและการบำรุงรักษาความผิดปกติของการใช้อินเทอร์เน็ตที่เฉพาะเจาะจง: รูปแบบการโต้ตอบของบุคคลที่มีผลต่อความรู้ความเข้าใจ - การดำเนินการ (I-PACE) แบบจำลอง Neurosci. ชีววิถี. Rev. 2016, 71, 252 – 266 [Google Scholar] [CrossRef] [PubMed]
  15. คิมย. - เจ.; คิมดี - เจ; Choi, J. ความผิดปกติทางปัญญาของการติดอินเทอร์เน็ตและความสัมพันธ์ทางระบบประสาท ด้านหน้า. Biosci (ฉบับ Elite) 2017, 9, 307 – 320 [Google Scholar]
  16. Lachmann, บี; ดยุคÉ.; Sariyska, R.; Montag, C. ใครติดสมาร์ทโฟนและ / หรืออินเทอร์เน็ต? Psychol. ป๊อป ลัทธิสื่อ 2017. [Google Scholar] [CrossRef]
  17. Lachmann, บี; ซินเดอร์มานน์, ค.; Sariyska, RY; หลัว, ร.; Melchers, MC; เบ็คเกอร์, บี; คูเปอร์, AJ; Montag, C. บทบาทของการเอาใจใส่และความพึงพอใจในชีวิตในความผิดปกติของการใช้อินเทอร์เน็ตและสมาร์ทโฟน ด้านหน้า. Psychol. 2018, 9, 398 [Google Scholar] [CrossRef] [PubMed]
  18. บันจานิน, น.; บันจานิน, น.; ดิมิทรีเยวิช, I .; Pantic, I. ความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตและภาวะซึมเศร้า: มุ่งเน้นไปที่การสั่นของอารมณ์ทางสรีรวิทยาเครือข่ายสังคมและพฤติกรรมเสพติดออนไลน์ คอมพิวเตอร์ ฮัม. พฤติกรรม. 2015, 43, 308 – 312 [Google Scholar] [CrossRef]
  19. อคิน, อ.; Iskender, M. การติดอินเทอร์เน็ตและภาวะซึมเศร้าความวิตกกังวลและความเครียด Int. ออนไลน์ J. Educ. วิทย์. 2011, 3, 138 – 148 [Google Scholar]
  20. ออสโตวาร์, S.; อัลเลาะห์น.; อมินโปร์, H.; Moafian, F.; น. MBM; Griffiths, MD การติดอินเทอร์เน็ตและความเสี่ยงทางจิตสังคม (ภาวะซึมเศร้าความวิตกกังวลความเครียดและความเหงา) ในวัยรุ่นและวัยหนุ่มสาวชาวอิหร่าน: แบบจำลองสมการโครงสร้างในการศึกษาแบบตัดขวาง Int. J. Ment. คนติดสุขภาพ. 2016, 14, 257 – 267 [Google Scholar] [CrossRef]
  21. Cheung, LM; Wong, WS ผลกระทบของการนอนไม่หลับและการติดอินเทอร์เน็ตต่อภาวะซึมเศร้าในวัยรุ่นชาวจีนฮ่องกง: การวิเคราะห์ภาคตัดขวางเชิงสำรวจ J. Sleep Res. 2011, 20, 311 – 317 [Google Scholar] [CrossRef] [PubMed]
  22. เซเปดา, MS; บอสตัน, อาร์.; ฟาร์, JT; Strom, BL การเปรียบเทียบการถดถอยโลจิสติกส์เทียบกับคะแนนความเอนเอียงเมื่อจำนวนเหตุการณ์ต่ำและมีหลายตัวสับสน น. J. Epidemiol 2003, 158, 280 – 287 [Google Scholar] [CrossRef] [PubMed]
  23. Austin, PC การประเมินที่สำคัญของการจับคู่คะแนนความชอบในวรรณกรรมทางการแพทย์ระหว่างปี 1996 ถึง 2003 สถิติ. Med. 2008, 27, 2037 – 2049 [Google Scholar] [CrossRef] [PubMed]
  24. ออสติน, พีซี; Grootendorst, พี; Anderson, GM การเปรียบเทียบความสามารถของแบบจำลองคะแนนความชอบที่แตกต่างกันเพื่อสร้างความสมดุลระหว่างตัวแปรที่วัดได้ระหว่างวิชาที่ได้รับการบำบัดและไม่ได้รับการบำบัด: การศึกษาของ Monte Carlo สถิติ. Med. 2007, 26, 734 – 753 [Google Scholar] [CrossRef] [PubMed]
  25. มึลเลอร์ KW; กลาสเมอร์, H.; Brähler, E. ; วูล์ฟลิ่ง, K.; Beutel, ME ความชุกของการติดอินเทอร์เน็ตในประชากรทั่วไป: ผลจากการสำรวจโดยใช้ประชากรเยอรมัน พฤติกรรม. Inf. เทคโน. 2014, 33, 757 – 766 [Google Scholar] [CrossRef]
  26. โร, MJ; ลี, H.; ลี, T. -H.; โช, H.; จุง.; คิมดี - เจ; ชอยปัจจัยเสี่ยง IY สำหรับความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต: ปัจจัยทางจิตวิทยาและลักษณะการเล่นเกมทางอินเทอร์เน็ต Int. J. Environ. Res. สาธารณสุข 2018, 15, 40 [Google Scholar] [CrossRef] [PubMed]
  27. สำนักงานบริการข้อมูลแห่งชาติ. การศึกษามาตราส่วนความเด่นของการติดอินเทอร์เน็ตสำหรับผู้ใหญ่ สำนักงานบริการข้อมูลแห่งชาติ: โซล, เกาหลี, 2005 [Google Scholar]
  28. Kim, D. การติดตามผลการศึกษามาตรวัดความโดดเด่นของการติดอินเทอร์เน็ต; Korea Agency for Digital Opportunity and Promotion: Seoul, Korea, 2008; มีจำหน่ายทางออนไลน์: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (เข้าถึงได้ใน 8 พฤษภาคม 2008)
  29. คิม D. -I .; จุง, ย. - จ.; ลี, E. -A.; คิม, D. -M.; ช. - ม. การพัฒนารูปแบบความเด่นของการติดอินเทอร์เน็ตแบบสั้น (ระดับ KS) ที่ปรึกษาเจชาวเกาหลี 2008, 9, 1703 – 1722 [Google Scholar]
  30. สำนักงานบริการข้อมูลแห่งชาติ. การพัฒนามาตรวัดการติดยาเสพติดสมาร์ทโฟนของเกาหลีสำหรับเยาวชนและผู้ใหญ่ สำนักงานบริการข้อมูลแห่งชาติ: โซล, เกาหลี, 2011; หน้า 85–86 [Google Scholar]
  31. คิมคิ.; คิม, จว. การศึกษามาตรฐานรายการตรวจสอบอาการ -90-R ในเกาหลี III Ment. Res สุขภาพ 1984, 2, 278 – 311 [Google Scholar]
  32. เฮ็คแมนเจ; Smith, J. การประเมินกรณีสำหรับการทดลองทางสังคม. J. Econ. มุมมอง 1995, 9, 85 – 110 [Google Scholar] [CrossRef]
  33. คาลิเอนโด, ม.; Kopeinig, S. คำแนะนำที่ใช้ได้จริงบางประการสำหรับการใช้การจับคู่คะแนนความชอบ J. Econ. รอด. 2008, 22, 31 – 72 [Google Scholar] [CrossRef]
  34. เสกข์, JS; Diamond, A. การจับคู่ทางพันธุกรรมสำหรับการประมาณผลของสาเหตุ, ต้นฉบับที่ไม่ได้เผยแพร่. นำเสนอในการประชุมประจำปีของระเบียบวิธีทางการเมืองแทลลาแฮสซีฟลอริดาสหรัฐอเมริกากรกฎาคม 2005 [Google Scholar]
  35. Ghassemzadeh, L.; ชาห์ราเรย์, ม.; Moradi, A. ความชุกของการติดอินเทอร์เน็ตและการเปรียบเทียบระหว่างผู้ติดอินเทอร์เน็ตและผู้ไม่ติดอินเทอร์เน็ตในโรงเรียนมัธยมของอิหร่าน ไซเบอร์ไซโคล. พฤติกรรม. 2008, 11, 731 – 733 [Google Scholar] [CrossRef] [PubMed]
  36. เยน, J. -Y.; โก, C. -H.; เยน, C. -F.; วู, H. -Y.; ยาง M.-J. อาการทางจิตเวชที่เกิดจากการติดอินเทอร์เน็ต: ภาวะสมาธิสั้นและโรคสมาธิสั้น (ADHD) ภาวะซึมเศร้าความหวาดกลัวทางสังคมและความเกลียดชัง J. Adolesc. สุขภาพ 2007, 41, 93 – 98 [Google Scholar] [CrossRef] [PubMed]
  37. Tonioni, F.; มาซซ่า, ม.; Autullo, G.; คัปเปลลูติ, ร.; คาตาลาโนโวลต์; มาราโนช.; ฟิวมานา, โวลต์; มอสเชตติค.; อลิมอนติ, ฉ.; Luciani, M. การติดอินเทอร์เน็ตเป็นอาการทางจิตที่แตกต่างจากการพนันทางพยาธิวิทยาหรือไม่? J. Addict. พฤติกรรม. 2014, 39, 1052 – 1056 [Google Scholar] [CrossRef] [PubMed]
  38. Kuss, DJ; Griffiths, MD เครือข่ายสังคมออนไลน์และการเสพติด - การทบทวนวรรณกรรมทางจิตวิทยา int J. Environ. Res สาธารณสุข 2011, 8, 3528 – 3552 [Google Scholar] [CrossRef] [PubMed]
  39. Oulasvirta, อ.; แรทเทนเบอรี T.; มะ, ล.; นิสัย Raita, E. ทำให้การใช้สมาร์ทโฟนแพร่หลายมากขึ้น Pers. คอมพิวเตอร์ที่แพร่หลาย 2012, 16, 105 – 114 [Google Scholar] [CrossRef]
  40. ดยุคÉ.; Montag, C. การติดสมาร์ทโฟนการหยุดชะงักรายวันและการรายงานผลผลิตด้วยตนเอง เสพติด. พฤติกรรม. ตัวแทน 2017, 6, 90 – 95 [Google Scholar] [CrossRef] [PubMed]
  41. Kuss ดีเจ; Griffiths, MD เว็บไซต์เครือข่ายสังคมและการเสพติด: เรียนรู้บทเรียน XNUMX บท Int. J. Environ. Res. สาธารณสุข 2017, 14, 311 [Google Scholar] [CrossRef] [PubMed]
  42. Oberst, U.; Wegmann, E. ; สต๊อด, บี; ยี่ห้อ, ม.; Chamarro, A. ผลกระทบเชิงลบจากเครือข่ายสังคมออนไลน์ในวัยรุ่น: บทบาทการไกล่เกลี่ยของความกลัวที่จะพลาด J. Adolesc. 2017, 55, 51 – 60 [Google Scholar] [CrossRef] [PubMed]
  43. Joffe, MM; Rosenbaum, PR คำบรรยายที่ได้รับเชิญ: คะแนนความโน้มเอียง น. J. Epidemiol 1999, 150, 327 – 333 [Google Scholar] [CrossRef] [PubMed]
  44. เพชร, ก.; Sekon, J. การจับคู่ทางพันธุกรรมสำหรับการประมาณผลเชิงสาเหตุ: วิธีการใหม่ในการบรรลุความสมดุลในการศึกษาเชิงสังเกต รายได้ Econ. สถิติ. 2013, 95, 932 – 945 [Google Scholar] [CrossRef]