การใช้อินเทอร์เน็ตทางพยาธิวิทยาและพฤติกรรมเสี่ยงในวัยรุ่นยุโรป (2016)

int J. Environ. Res สาธารณสุข 2016, 13(3), 294; ดอย:10.3390 / ijerph13030294

โทนี่ Durkee 1,*, Vladimir Carli 1, Birgitta Floderus 2Camilla Wasserman 3,4, Marco Sarchiapone 3,5, Alan Apter 6, Judit A. Balazs 7,8, Julio Bobes 9, Romuald Brunner 10, Paul Corcoran 11, Doina Cosman 12คริสเตียนฮาริ่ง 13, Christina W. Hoven 4,14, Michael Kaess 10, Jean-Pierre Kahn 15, Bogdan Nemes 12, Vita Postuvan 16, Pilar A. Saiz 9, Peeter Värnik 17 และ Danuta Wasserman 1
1
ศูนย์วิจัยและป้องกันการฆ่าตัวตายแห่งชาติศูนย์สุขภาพจิต (NASP), สถาบัน Karolinska, Stockholm SE-17177, สวีเดน
2
ภาควิชาประสาทวิทยาคลินิกสถาบัน Karolinska, Stockholm SE-17177, สวีเดน
3
ภาควิชาอายุรศาสตร์และวิทยาศาสตร์สุขภาพมหาวิทยาลัยโมลีเซ, Campobasso 86100, อิตาลี
4
ภาควิชาจิตเวชศาสตร์เด็กและวัยรุ่น, สถาบันจิตเวชแห่งรัฐนิวยอร์ก, มหาวิทยาลัยโคลัมเบีย, นิวยอร์ก, นิวยอร์ก 10032, สหรัฐอเมริกา
5
สถาบันแห่งชาติเพื่อการโยกย้ายถิ่นฐานและความยากจน Via San Gallicano, Roma 25 / A, อิตาลี
6
ศูนย์การศึกษาเด็ก Feinberg, ศูนย์การแพทย์สำหรับเด็ก Schneider, มหาวิทยาลัยเทลอาวีฟ, เทลอาวีฟ 49202, ประเทศอิสราเอล
7
Vadaskert โรงพยาบาลจิตเวชเด็กและวัยรุ่นบูดาเปสต์ 1021, ฮังการี
8
สถาบันจิตวิทยามหาวิทยาลัยEötvösLorándบูดาเปสต์ 1064 ฮังการี
9
ภาควิชาจิตเวชศาสตร์ศูนย์วิจัยชีวการแพทย์ในเครือข่ายสุขภาพจิต (CIBERSAM) มหาวิทยาลัยโอเบียโดโอเบียโด 33006 สเปน
10
แผนกความผิดปกติของการพัฒนาบุคลิกภาพ, คลินิกจิตเวชเด็กและวัยรุ่น, ศูนย์เวชศาสตร์สังคม, มหาวิทยาลัยไฮเดลเบิร์ก, ไฮเดลเบิร์ก 69115, เยอรมนี
11
มูลนิธิวิจัยการฆ่าตัวตายแห่งชาติถนนเวสเทิร์นไอร์แลนด์
12
ภาควิชาจิตวิทยาคลินิกมหาวิทยาลัยการแพทย์และเภสัชศาสตร์ Iuliu Hatieganu, Str. วิกเตอร์ Babes Nr 8, Cluj-Napoca 400000, โรมาเนีย
13
ฝ่ายวิจัยสุขภาพจิต, มหาวิทยาลัยเทคโนโลยีสารสนเทศการแพทย์ (UMIT), คลาเกนฟูร์ท, อินส์บรุค 6060, ออสเตรีย
14
ภาควิชาระบาดวิทยาโรงเรียน Mailman สาธารณสุขศาสตร์มหาวิทยาลัยโคลัมเบียนิวยอร์กนิวยอร์ก 10032 สหรัฐอเมริกา
15
แผนกจิตเวช, ศูนย์ Hospitalo-Universitaire de Nancy, มหาวิทยาลัยลอเรน, แนนซี่, Vandoeuvre-lès-Nancy 54500, ฝรั่งเศส
16
ศูนย์วิจัยการฆ่าตัวตายสโลเวเนีย, สถาบัน Andrej Marušič, มหาวิทยาลัย Primorska, Koper 6000, สโลวีเนีย
17
ศูนย์พฤติกรรมและวิทยาศาสตร์สุขภาพสถาบันสุขภาพจิตและการฆ่าตัวตายเอสโตเนีย - สวีเดนมหาวิทยาลัยทาลลินน์ทาลลินน์ 10120 เอสโตเนีย
*
Correspondence: Tel.: +46-852-486-935; Fax: +46-8-30-64-39
นักวิชาการบรรณาธิการ: Paul B. Tchounwou
ได้รับ: 1 ธันวาคม 2015 / ยอมรับแล้ว: 3 มีนาคม 2016 / เผยแพร่: 8 มีนาคม 2016

นามธรรม

: พฤติกรรมเสี่ยงเป็นปัจจัยสำคัญที่ทำให้เกิดความเจ็บป่วยในวัยรุ่นและคนหนุ่มสาว อย่างไรก็ตามความสัมพันธ์ของพวกเขากับการใช้งานทางพยาธิวิทยาทางอินเทอร์เน็ต (PIU) นั้นยังไม่มีการสำรวจค่อนข้างมาก วัตถุประสงค์หลักของการศึกษานี้คือการตรวจสอบความสัมพันธ์ระหว่างพฤติกรรมเสี่ยงและ PIU ในวัยรุ่นยุโรป การศึกษาแบบภาคตัดขวางนี้ดำเนินการภายใต้กรอบของโครงการสหภาพยุโรป FP7: การออมและการเพิ่มขีดความสามารถชีวิตของเยาวชนในยุโรป (SEYLE) ข้อมูลเกี่ยวกับวัยรุ่นถูกรวบรวมจากโรงเรียนที่สุ่มภายในพื้นที่ศึกษาทั่วทั้ง 11 ประเทศในยุโรป PIU วัดโดยใช้แบบสอบถามการวินิจฉัยของ Young (YDQ) ประเมินพฤติกรรมความเสี่ยงโดยใช้คำถามจากการสำรวจสุขภาพนักเรียนทั่วโลก (GSHS) รวมวัยรุ่น 11,931 รวมอยู่ในการวิเคราะห์: 43.4% ชายและหญิง 56.6% (M / F: 5179 / 6752) ด้วยอายุเฉลี่ยของปี 14.89 ± 0.87 วัยรุ่นที่รายงานพฤติกรรมการนอนหลับที่ไม่ดีและการกระทำที่เสี่ยงพบว่ามีความสัมพันธ์ที่แข็งแกร่งกับ PIU ตามด้วยการใช้ยาสูบสารอาหารที่ไม่ดีและการไม่ออกกำลังกาย ในบรรดาวัยรุ่นในกลุ่ม PIU นั้น 89.9% มีลักษณะว่ามีพฤติกรรมเสี่ยงหลายอย่าง ความสัมพันธ์ที่สำคัญที่สังเกตได้ระหว่าง PIU กับพฤติกรรมเสี่ยงรวมกับอัตราการเกิดร่วมสูงเป็นการเน้นย้ำถึงความสำคัญของการพิจารณา PIU เมื่อทำการคัดกรองรักษาหรือป้องกันพฤติกรรมที่มีความเสี่ยงสูงในหมู่วัยรุ่น

คำสำคัญ: การใช้อินเทอร์เน็ตทางพยาธิวิทยา; การติดอินเทอร์เน็ต ความเสี่ยงพฤติกรรม พฤติกรรมเสี่ยงหลายประการ วิถีชีวิตที่ไม่ดีต่อสุขภาพ วัยรุ่น SEYLE

1. บทนำ

วัยรุ่นเป็นช่วงเปลี่ยนผ่านโดดเด่นด้วยการเปลี่ยนแปลงที่สำคัญในคุณสมบัติทางกายภาพสังคมและจิตวิทยา [1] ยิ่งไปกว่านั้นความสัมพันธ์กับเพื่อนครอบครัวและสังคมได้รับการเปลี่ยนแปลงอย่างชัดเจนในช่วงเวลาชั่วคราวนี้เมื่อวัยรุ่นเริ่มยืนยันอิสรภาพในการตัดสินใจอารมณ์และพฤติกรรมของพวกเขา [2] ความถนัดทางสังคมในวัยรุ่นมักจะพัฒนาในช่วงเวลาของการปฏิสัมพันธ์ทางจิตสังคมภายในบริบทการเรียนรู้ที่แตกต่างกัน [3] รับแพลตฟอร์มที่กว้างขวางสำหรับการเสริมสร้างความรู้ความเข้าใจทางสังคมและทักษะความสัมพันธ์ระหว่างบุคคล [4,5] อินเทอร์เน็ตได้พิสูจน์แล้วว่าเป็นช่องทางใหม่ที่ไม่เหมือนใครสำหรับการพัฒนาด้านจิตสังคมในหมู่วัยรุ่น [6,7].
แม้จะมีข้อได้เปรียบโดยธรรมชาติเหล่านี้ แต่จากการศึกษาแสดงให้เห็นว่าการใช้งานแอพพลิเคชั่นออนไลน์บ่อยครั้งและเป็นเวลานานมีแนวโน้มที่จะแทนที่ปฏิสัมพันธ์ทางสังคมและความสัมพันธ์ทั่วไป [8,9] มีหลักฐานแสดงให้เห็นว่าเวลาสะสมทางออนไลน์แทนที่เวลาในการโต้ตอบแบบตัวต่อตัวกับครอบครัวและเพื่อน [10], เข้าร่วมในกิจกรรมนอกหลักสูตร [11] จบงานวิชาการ12] นิสัยการกินที่เหมาะสม [13], การออกกำลังกาย [14] และนอน [15] เนื่องจากวัยรุ่นใช้เวลาออนไลน์มากขึ้นจึงมีความเสี่ยงที่การใช้อินเทอร์เน็ตของพวกเขาอาจกลายเป็นมากเกินไปหรือแม้แต่ทางพยาธิวิทยา [16].
 
พยาธิสภาพการใช้อินเทอร์เน็ต (PIU) มีลักษณะโดย preoccupations มากเกินไปหรือควบคุมไม่ดี, เร่งด่วนหรือพฤติกรรมที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตที่นำไปสู่การด้อยค่าหรือความทุกข์ [17] PIU มีแนวความคิดที่ถูกสร้างแบบจำลองเป็นความผิดปกติของการควบคุมแรงกระตุ้นและจัดเป็นอนุกรมวิธานของการติดพฤติกรรมที่คล้ายกับลักษณะของการพนันทางพยาธิวิทยา [18] แม้จะมีความก้าวหน้าล่าสุดในการวิจัย PIU ความพยายามที่จะเข้าใจปรากฏการณ์นี้ถูกขัดขวางโดยการขาดฉันทามติระหว่างประเทศเกี่ยวกับเกณฑ์การวินิจฉัยของเงื่อนไข มันไม่ได้ระบุไว้ในคู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (DSM) หรือการจำแนกประเภทของโรคระหว่างประเทศ (ICD) ระบบ nosological ความท้าทายที่สำคัญที่ต้องเผชิญกับงานวิจัยของ PIU คือความคิดที่ว่ามันเป็นสิ่งเสพติด
 
ในแง่ของความขัดแย้งเหล่านี้ DSM-5 ที่เผยแพร่เมื่อเร็ว ๆ นี้19] ได้รวมการติดพฤติกรรม (ความผิดปกติที่ไม่เกี่ยวข้องกับสารเสพติด) เป็นหมวดการวินิจฉัยอย่างเป็นทางการโดยความผิดปกติของการพนัน (GD) เป็นเงื่อนไขเดียวที่ระบุไว้ในการจัดหมวดหมู่ใหม่นี้ ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (IGD) ก็เป็นประเภทย่อยที่เป็นไปได้ของการติดพฤติกรรมที่ได้รับการพิจารณาให้รวมอยู่ในระบบ DSM nosological อย่างไรก็ตามหลักฐานที่สนับสนุน IGD เป็นความผิดปกติในการวินิจฉัยยังขาดอยู่ IGD ได้ถูกรวมไว้ในส่วนที่สามของ DSM-5 ซึ่งเป็นเงื่อนไขที่ต้องมีการศึกษาเพิ่มเติม [20] เพื่อกำหนดความเหมาะสมในท้ายที่สุดว่าเป็นความผิดปกติในการวินิจฉัย แม้ว่าความกำกวมของ nosological ปัจจุบันของ PIU ยังคงมีหลักฐานการพิสูจน์การเชื่อมโยงที่แข็งแกร่งระหว่าง PIU และรูปแบบอื่น ๆ ของการติดยาเสพติด [21,22,23,24].
การวิจัยแสดงให้เห็นว่าบุคคลที่มี PIU แบ่งปันคุณสมบัติทางระบบประสาทชีวภาพและจิตสังคมที่มีการเสพติดทั้งพฤติกรรมและสารที่เกี่ยวข้อง [25,26,27,28,29] ยึดตามแบบจำลองทางทฤษฎีที่แสดงโดย Griffiths [30] มีอาการหลักหกประการที่แสดงในความผิดปกติของการเสพติดที่ใช้กับ PIU ได้ เหล่านี้รวมถึง: salience (การลุ่มหลงกับกิจกรรมออนไลน์), การปรับเปลี่ยนอารมณ์ (การใช้อินเทอร์เน็ตเพื่อหลบหนีหรือบรรเทาความเครียด), ความอดทน (จำเป็นที่จะต้องออนไลน์อีกต่อไป), การถอน (ภาวะซึมเศร้าและหงุดหงิดเมื่อออฟไลน์), ความขัดแย้ง (ความพยายามที่ล้มเหลวในการหยุดการใช้อินเทอร์เน็ต) ส่วนประกอบหลักเหล่านี้เป็นกรอบทฤษฎีสำหรับการประเมินขนาดของ PIU
 
อัตราความชุกของ PIU นั้นแตกต่างกันไปในแต่ละประเทศส่วนหนึ่งเป็นเพราะความหลากหลายของคำจำกัดความศัพท์และการประเมินผลการวินิจฉัย ในความพยายามที่จะประเมินความชุกทั่วโลกเฉิงและหลี่ [31] ระบุความแตกต่างเหล่านี้โดยใช้การวิเคราะห์อภิมานผลกระทบแบบสุ่มโดยใช้การศึกษาด้วยเครื่องมือและเกณฑ์ psychometric เปรียบเทียบ วิธีการนี้ทำให้ผู้เข้าร่วม 89,281 ทั้งหมดจากประเทศ 31 ครอบคลุมทั่วโลก ผลการวิจัยพบว่าความชุกทั่วโลกของ PIU คือ 6.0% (95% CI: 5.1 – 6.9) ที่มีความหลากหลายระดับปานกลางเท่านั้น
การศึกษาความชุกการประเมิน PIU ในระดับยุโรปโดยใช้ตัวอย่างตัวแทนมี จำกัด แม้จะมีความขัดสนนี้ แต่ก็มีหลักฐานทางระบาดวิทยาที่แสดงถึงแนวโน้มที่มั่นคงในอัตราความชุกของกลุ่มเป้าหมายนี้ ในตัวอย่างที่เป็นตัวแทนของวัยรุ่นยุโรป (n = 18,709) ที่มีอายุ 11 – 16 ปี Blinka และคณะ [32] แสดงให้เห็นว่าความชุกของ PIU คือ 1.4% สิ่งนี้เกิดขึ้นพร้อมกับอัตราที่รายงานโดย Tsitsika และคณะ [33] ซึ่งเป็นผู้ประมาณความชุก PIU ของ 1.2% ในตัวอย่างตัวแทนของเยาวชนชาวยุโรป (n = 13,284) ที่มีอายุ 14 – 17 ปี Durkee และเพื่อนร่วมงาน34] อย่างไรก็ตามพบความชุก PIU ที่สูงขึ้นเล็กน้อยของ 4.4% ในตัวอย่างที่เป็นตัวแทนของวัยรุ่นยุโรป (n = 11,956) ที่มีอายุ 14 – 16 ปี อัตราความชุกของ PIU ในยุโรปพบว่ามีเพศชายสูงกว่าเพศหญิงเพิ่มขึ้นตามอายุแตกต่างกันไปในแต่ละประเทศและเชื่อมโยงกับความผิดปกติทางจิตและพฤติกรรม [35,36,37,38,39].
 
การโจมตีของพฤติกรรมเสี่ยงเกิดขึ้นบ่อยครั้งในช่วงวัยรุ่นที่มีโอกาสสูงที่จะเข้าสู่วัยผู้ใหญ่อย่างต่อเนื่อง เพศชายมีแนวโน้มที่จะมีความชุกสูงกว่าเพศหญิงและความถี่ของพฤติกรรมเสี่ยงมีแนวโน้มเพิ่มขึ้นตามอายุ [40] มีระดับความรุนแรงที่แตกต่างกันตั้งแต่พฤติกรรมการนอนที่ไม่ดีโภชนาการที่ไม่ดีและการไม่ออกกำลังกายทางกายภาพไปจนถึงความเสี่ยงสูง (พฤติกรรมการดื่มแอลกอฮอล์มากเกินไปการใช้ยาผิดกฎหมายและการใช้ยาสูบ) โดยทั่วไปการวิจัยได้ประเมินพฤติกรรมเสี่ยงในฐานะหน่วยงานอิสระแม้ว่าหลักฐานที่ชัดเจนแสดงให้เห็นถึงการเกิดขึ้นของพวกเขาแม้ในวัยเด็ก [41,42] ประชากรที่มีพฤติกรรมเสี่ยงหลายโรคมีความเสี่ยงสูงที่สุดสำหรับโรคเรื้อรังโรคทางจิตเวชพฤติกรรมฆ่าตัวตายและการเสียชีวิตก่อนวัยอันควรเมื่อเปรียบเทียบกับบุคคลที่มีพฤติกรรมเสี่ยงเพียงครั้งเดียวหรือไม่มีเลย [43,44] ด้วยลักษณะที่เกิดขึ้นพร้อมกันของพฤติกรรมเสี่ยงจึงจำเป็นที่จะต้องเข้าใจความหมายของพวกเขาเกี่ยวกับความเสี่ยงของ PIU ของวัยรุ่น
 
ระบบเฝ้าระวังพฤติกรรมความเสี่ยงของเยาวชน (YRBSS) ในสหรัฐอเมริกายืนยันว่าพฤติกรรมเสี่ยงเป็นสาเหตุสำคัญที่ทำให้เกิดภาวะเจ็บป่วยในวัยรุ่นและคนหนุ่มสาว [45] นอกเหนือจากการคาดคะเนโดยนัยนี้ยังมีงานวิจัยที่ค่อนข้างน้อยซึ่งมีการตรวจสอบอย่างเป็นระบบในขอบเขตที่รูปแบบพฤติกรรมเหล่านี้เกี่ยวข้องกับ PIU วัยรุ่นโดยเฉพาะอย่างยิ่งในบริบทของยุโรป การตรวจสอบทางระบาดวิทยามีความจำเป็นเพื่อให้เข้าใจปรากฏการณ์นี้ได้ดีขึ้น
 
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างพฤติกรรมเสี่ยง (กล่าวคือการใช้แอลกอฮอล์การใช้ยาเสพติดการใช้ยาสูบการกระทำที่เสี่ยงต่อการถูกละทิ้งความเชื่อ นิสัยการนอนหลับไม่ดีโภชนาการไม่ดีและไม่มีกิจกรรมทางกาย) และรูปแบบการใช้อินเทอร์เน็ตที่แตกต่าง

2 วัสดุและวิธีการ

2.1 การออกแบบและประชากร

การศึกษาแบบตัดขวางในปัจจุบันได้ดำเนินการภายใต้กรอบของโครงการสหภาพยุโรป: การออมและการเพิ่มขีดความสามารถชีวิตของเยาวชนในยุโรป (SEYLE) [46] วัยรุ่นได้รับคัดเลือกจากโรงเรียนที่ได้รับการสุ่มเลือกจากสถานศึกษาในออสเตรียเอสโตเนียฝรั่งเศสเยอรมันฮังการีฮังการีไอร์แลนด์อิสราเอลอิตาลีโรมาเนียโรมาเนียสโลวีเนียและสเปนโดยเป็นศูนย์ประสานงานของประเทศสวีเดน
 
เกณฑ์การคัดเลือกโรงเรียนที่มีคุณสมบัติเหมาะสมนั้นเป็นไปตามเงื่อนไขดังต่อไปนี้: (1) โรงเรียนเป็นสาธารณะ (2) มีนักเรียน 40 อย่างน้อยอายุ 15 ปี; (3) มีครูมากกว่าสองคนสำหรับนักเรียนที่มีอายุ 15 ปี; และ (4) มีนักเรียนเพศเดียวกันไม่เกิน 60% โรงเรียนที่มีสิทธิ์ได้รับการจำแนกตามขนาด: (i) ขนาดเล็ก (med จำนวนค่ามัธยฐานของนักเรียนในทุกโรงเรียนของเว็บไซต์การศึกษา); และ (ii) มีขนาดใหญ่ (med จำนวนนักเรียนเฉลี่ยในโรงเรียนทุกแห่งในไซต์การศึกษา) [46] โดยใช้เครื่องสร้างตัวเลขสุ่มโรงเรียนถูกสุ่มตามการแทรกแซงของ SEYLE และขนาดโรงเรียนตามปัจจัยทางสังคมวัฒนธรรมสภาพแวดล้อมของโรงเรียนและโครงสร้างของระบบโรงเรียนในแต่ละเว็บไซต์
 
เก็บรวบรวมข้อมูลโดยใช้แบบสอบถามเชิงโครงสร้างที่บริหารงานโดยวัยรุ่นภายในสถานศึกษา
อัตราการเป็นตัวแทนความยินยอมการมีส่วนร่วมและการตอบสนองของตัวอย่างในการวิเคราะห์ระเบียบวิธี47].
การศึกษาครั้งนี้ดำเนินการตามประกาศของเฮลซิงกิและพิธีสารได้รับการอนุมัติจากคณะกรรมการจริยธรรมในแต่ละประเทศที่เข้าร่วมโครงการ ก่อนที่จะมีส่วนร่วมในการศึกษาทั้งวัยรุ่นและผู้ปกครองให้ความยินยอมของพวกเขาสำหรับการเข้าร่วม

2.2 วัด

PIU ได้รับการประเมินโดยใช้แบบสอบถามการวินิจฉัยของ Young (YDQ) [18] YDQ เป็นแบบสอบถาม 8 รายการประเมินรูปแบบการใช้อินเทอร์เน็ตที่ส่งผลให้เกิดความบกพร่องทางด้านจิตใจหรือสังคมในช่วงหกเดือนก่อนการรวบรวมข้อมูล [48] แปดรายการใน YDQ สอดคล้องกับหกรายการในรูปแบบส่วนประกอบของ Griffiths และเก้ารายการในเกณฑ์การวินิจฉัย IGD ใน DSM-5 [49,50] ขึ้นอยู่กับคะแนน YDQ ตั้งแต่ 0 – 8 ผู้ใช้อินเทอร์เน็ตแบ่งออกเป็นสามกลุ่ม: ผู้ใช้อินเทอร์เน็ตแบบปรับตัว (AIU) (คะแนน 0 – 2); ผู้ใช้อินเทอร์เน็ต maladaptive (MIU) (ให้คะแนน 3 – 4); และผู้ใช้อินเทอร์เน็ตทางพยาธิวิทยา (PIU) (ให้คะแนน≥ 5) [51] นอกจากนี้วัดชั่วโมงออนไลน์ต่อวันโดยใช้คำถามรายการเดียวในแบบสอบถามที่มีโครงสร้าง
ข้อมูลเกี่ยวกับพฤติกรรมเสี่ยงได้จากการใช้แบบสอบถามจากการสำรวจสุขภาพนักเรียนทั่วโลก (GSHS) [52] พัฒนาโดยองค์การอนามัยโลก (WHO) และผู้ทำงานร่วมกัน GSHS เป็นการสำรวจโรงเรียนโดยประเมินพฤติกรรมเสี่ยงต่อสุขภาพของวัยรุ่นอายุ 13 – 17 แบบสอบถามที่รายงานด้วยตนเองนี้ประกอบด้วยรายการที่สอดคล้องกับสาเหตุสำคัญที่ทำให้เกิดการเจ็บป่วยในหมู่วัยรุ่นและคนหนุ่มสาว

2.3 พฤติกรรมความเสี่ยงส่วนบุคคล

จาก GSHS พฤติกรรมความเสี่ยงของแต่ละบุคคลได้แบ่งออกเป็นสามประเภท: (i) การใช้สาร (ii) การแสวงหาความรู้สึก (iii) และลักษณะการดำเนินชีวิต พฤติกรรมความเสี่ยงของบุคคลที่ตามมาถูกเขียนเป็นตัวแปรแบบแบ่งขั้ว

2.3.1 การใช้สารเสพติด

การใช้สารเกี่ยวข้องกับการใช้แอลกอฮอล์การใช้ยาอย่างผิดกฎหมายและการใช้ยาสูบ ตัวแปรถูกจำแนกตาม: ความถี่ (1) ของการใช้แอลกอฮอล์: ≥2ครั้ง / สัปดาห์เทียบกับ≤1ครั้ง / สัปดาห์; (2) จำนวนเครื่องดื่มในวันที่ดื่มปกติ: ≥3เครื่องดื่มเทียบกับ drinks2 เครื่องดื่ม; (3) อุบัติการณ์ตลอดชีวิตของการดื่มจนถึงจุดมึนเมา (แอลกอฮอล์มึนเมา): ≥3ครั้งเทียบกับ≤2ครั้ง; (4) อุบัติการณ์ตลอดชีวิตของการเมาค้างหลังจากดื่ม: ≥3ครั้งเทียบกับ vs.2 ครั้ง (5) เคยใช้ยา: ใช่ / ไม่ใช่; (6) เคยใช้กัญชาหรือกัญชา: ใช่ / ไม่ใช่; (7) เคยใช้ยาสูบ: ใช่ / ไม่ใช่; และ (8) กำลังสูบบุหรี่: ≥6 / วันเทียบกับ≤5 / วัน

2.3.2 ความรู้สึกที่กำลังมองหา

การแสวงหาความรู้สึกประกอบด้วยสี่รายการที่ระบุถึงการกระทำที่เสี่ยงในช่วงสิบสองเดือนที่ผ่านมา: (1) ขับรถในยานพาหนะโดยเพื่อนที่ดื่มแอลกอฮอล์ (2) ขี่สเกตบอร์ดหรือโรลเลอร์เบลดในการจราจรโดยไม่มีหมวกกันน็อคและ / หรือ (3) ดึงไปตามยานพาหนะที่กำลังเคลื่อนที่ และ (4) ไปที่ถนนที่อันตรายหรือตรอกซอกซอยในช่วงกลางคืน ทางเลือกการตอบสนองคือใช่ / ไม่ใช่ในทั้งสี่รายการ

2.3.3 ลักษณะการดำเนินชีวิต

ลักษณะการดำเนินชีวิตรวมถึงตัวแปรที่เกี่ยวข้องกับการนอนหลับโภชนาการการออกกำลังกายและการเข้าโรงเรียน นิสัยการนอนที่อ้างถึงในช่วงหกเดือนที่ผ่านมา: (1) รู้สึกเหนื่อยในตอนเช้าก่อนเข้าโรงเรียน: ≥3วัน / สัปดาห์เทียบกับ≤2วัน / สัปดาห์; (2) การนอนหลับหลังเลิกเรียน: ≥3วัน / สัปดาห์เทียบกับ≤2วัน / สัปดาห์ และ (4) กำลังนอนหลับ: ≤6ชั่วโมง / คืนเทียบกับ≥7ชั่วโมง / คืน โภชนาการหมายถึงหกเดือนที่ผ่านมา: (4) บริโภคผัก / ผลไม้: ≤1เวลา / สัปดาห์เทียบกับ≥2ครั้ง / สัปดาห์; และ (5) กินอาหารเช้าก่อนไปโรงเรียน: ≤2วัน / สัปดาห์เทียบกับ≥3วัน / สัปดาห์ กิจกรรมการออกกำลังกายที่อ้างถึงหกเดือนที่ผ่านมา: (6) การออกกำลังกายเป็นเวลาอย่างน้อย 60 นาทีในช่วงสองสัปดาห์ที่ผ่านมา: ≤3วันเปรียบเทียบกับ vs.4 วัน; และ (7) เล่นกีฬาเป็นประจำ: ใช่ / ไม่ใช่ การเข้าร่วมโรงเรียนประกอบด้วยสิ่งหนึ่งที่เกิดขึ้นจากการขาดเรียนที่ไม่ได้ใช้จากโรงเรียนในช่วงสองสัปดาห์ที่ผ่านมา: ≥3วันเทียบกับ≤2วัน

2.4 พฤติกรรมเสี่ยงหลายอย่าง

จำนวนทั้งหมดของพฤติกรรมเสี่ยงมีการคำนวณเป็นตัวแปรเดียวและเขียนเป็นมาตรการลำดับ ความน่าเชื่อถือแบบแยกครึ่ง (rsb = 0.742) และค่าความสอดคล้องภายใน (α = 0.714) ระบุระดับที่ยอมรับได้ของความเป็นเนื้อเดียวกันระหว่างรายการในการวัดความเสี่ยงหลายพฤติกรรม

3 การวิเคราะห์ทางสถิติ

ความชุกของพฤติกรรมความเสี่ยงส่วนบุคคลในกลุ่มผู้ใช้อินเทอร์เน็ตได้รับการคำนวณสำหรับผู้ชายและผู้หญิง เพื่อยืนยันความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างสัดส่วนของกลุ่มได้ทำการเปรียบเทียบหลาย ๆ คู่โดยใช้การทดสอบ z-two-sided กับ Bonferroni ที่ปรับค่า p-values การวิเคราะห์แบบขยายได้ดำเนินการเพื่อทดสอบผลกระทบของพฤติกรรมเสี่ยงต่อ MIU และ PIU โดยใช้แบบจำลองเชิงเส้นผสมทั่วไป (GLMM) ที่มีลิงค์ log multinomial และการประมาณโอกาสสูงสุดอย่างเต็มที่ ในการวิเคราะห์ GLMM นั้น MIU และ PIU ถูกป้อนเป็นมาตรการผลลัพธ์กับ AIU เป็นหมวดหมู่อ้างอิงพฤติกรรมความเสี่ยงของแต่ละบุคคลได้รับการแก้ไขเป็นระดับผลกระทบคงที่ระดับ 1 โรงเรียนเป็นจุดตัดสุ่มระดับ 2 และประเทศเป็นระดับสกัดกั้นแบบสุ่มระดับ 3 ส่วนประกอบความแปรปรวนถูกนำมาใช้เป็นโครงสร้างความแปรปรวนร่วมสำหรับผลกระทบแบบสุ่ม ในการศึกษาผลการควบคุมของเพศคำศัพท์ปฏิสัมพันธ์ (เพศ * ความเสี่ยง - พฤติกรรม) ได้ถูกนำมาดัดแปลงเป็นแบบจำลองการถดถอย การปรับสำหรับอายุและเพศถูกนำไปใช้กับโมเดล GLMM ที่เกี่ยวข้อง อัตราต่อรอง (OR) ที่มีช่วงความเชื่อมั่น 95% (CI) มีการรายงานสำหรับรุ่นที่เกี่ยวข้อง
ในการวิเคราะห์พฤติกรรมเสี่ยงหลายครั้งค่าเฉลี่ย (M) และข้อผิดพลาดมาตรฐานของค่าเฉลี่ย (SEM) ถูกคำนวณสำหรับกลุ่มผู้ใช้อินเทอร์เน็ตที่แตกต่างกันและแบ่งตามเพศ แปลง Box และมัสสุใช้เพื่อแสดงความสัมพันธ์เหล่านี้ สถิติอย่างมีนัยสำคัญระหว่างพฤติกรรมเสี่ยงและเพศถูกประเมินโดยใช้ตัวอย่างอิสระ t-test การวิเคราะห์ความแปรปรวนทางเดียว (One Way ANOVA) พร้อมการเปรียบเทียบแบบคู่หลังเพื่อประเมินความสำคัญทางสถิติระหว่างพฤติกรรมเสี่ยงและกลุ่มผู้ใช้อินเทอร์เน็ต
พล็อตตัวแปรการถดถอยจัดทำขึ้นเพื่ออธิบายความสัมพันธ์เชิงเส้นระหว่างจำนวนชั่วโมงออนไลน์ต่อวันกับจำนวนพฤติกรรมเสี่ยงในกลุ่มผู้ใช้อินเทอร์เน็ต การทดสอบทางสถิติทั้งหมดดำเนินการโดยใช้ IBM SPSS Statistics 23.0 ค่าวิกฤตของ p <0.05 ถือว่ามีนัยสำคัญทางสถิติ

4 ผล

4.1 ลักษณะของตัวอย่างการศึกษา

ในกลุ่มตัวอย่าง SEYLE เริ่มต้นของวัยรุ่น 12,395 คนมี 464 คน (3.7%) ที่ได้รับการยกเว้นเนื่องจากไม่มีข้อมูลเกี่ยวกับตัวแปรที่เกี่ยวข้อง สิ่งนี้ทำให้ได้ขนาดตัวอย่างของวัยรุ่นในโรงเรียน 11,931 คนสำหรับการศึกษาในปัจจุบัน กลุ่มตัวอย่างประกอบด้วยวัยรุ่นชาย 43.4% และวัยรุ่นหญิง 56.6% (M / F: 5179/6752) อายุเฉลี่ย 14.89 ± 0.87 ปี ความชุกของ MIU สูงกว่าเพศหญิงอย่างมีนัยสำคัญ (14.3%) เมื่อเทียบกับเพศชาย (12.4%) ในขณะที่ PIU สูงกว่าเพศชาย (5.2%) มากกว่าเพศหญิง (3.9%) (χ² (2, 11928) = 19.92, p < 0.001)

4.2 ความชุกของพฤติกรรมเสี่ยง

1 ตาราง อธิบายความชุกของพฤติกรรมเสี่ยงที่จัดแบ่งตามกลุ่มผู้ใช้อินเทอร์เน็ต อัตราความชุกโดยเฉลี่ยในกลุ่มผู้ใช้อินเทอร์เน็ต (AIU, MIU และ PIU) คือ 16.4%, 24.3% และ 26.5% สำหรับการใช้สาร (การใช้แอลกอฮอล์, การใช้ยาที่ผิดกฎหมายและการใช้ยาสูบ); 19.0%, 27.8% และ 33.8% สำหรับพฤติกรรมการแสวงหาความรู้สึก (การดำเนินการเสี่ยง); และ 23.8%, 30.8% และ 35.2% สำหรับลักษณะการดำเนินชีวิต (นิสัยการนอนที่ไม่ดี, โภชนาการที่ไม่ดี, การไม่ออกกำลังกายและการละทิ้งหน้าที่) ตามลำดับ ความชุกภายใน MIU และกลุ่ม PIU สูงกว่ากลุ่ม AIU อย่างมีนัยสำคัญในทุกกลุ่มความเสี่ยง (การใช้สารการแสวงหาความรู้สึกและลักษณะการใช้ชีวิต) ยกเว้นกลุ่มย่อยห้าหมวดการเปรียบเทียบแบบคู่พบว่าอัตราความชุกไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างกลุ่ม MIU และ PIU

ตาราง
1 ตาราง ความชุกของพฤติกรรมเสี่ยงในวัยรุ่นที่จำแนกตามเพศและกลุ่มผู้ใช้อินเทอร์เน็ต 1,2a-C.

4.3 พฤติกรรมเสี่ยงหลายอย่าง

ผลการศึกษาพบว่า 89.9% ของวัยรุ่นในกลุ่ม PIU รายงานพฤติกรรมเสี่ยงหลายอย่าง การทดสอบความแปรปรวนทางเดียวพบว่าอัตราเฉลี่ยของพฤติกรรมเสี่ยงหลาย ๆ อย่างเพิ่มขึ้นอย่างมีนัยสำคัญจากการใช้แบบปรับตัว (M = 4.89, SEM = 0.02) ไปสู่การใช้แบบปรับตัว (M = 6.38, SEM = 0.07) ไปสู่การใช้ทางพยาธิวิทยา (M = 7.09, SEM = 0.12) (F (2, 11928) = 310.35, p <0.001) แนวโน้มนี้แทบจะเทียบเท่ากับผู้ชายและผู้หญิง (รูป 1).

Ijerph 13 00294 g001 1024
รูป 1 พล็อตแบบกล่องและมัสสุของพฤติกรรมเสี่ยงหลายอย่างในหมู่ผู้ใช้อินเทอร์เน็ตที่ปรับตัว (AIU), ผู้ใช้อินเทอร์เน็ต maladaptive (MIU) และผู้ใช้อินเทอร์เน็ตทางพยาธิวิทยา (PIU) แบ่งชั้นตามเพศ *
ยิ่งไปกว่านั้นไม่มีความแตกต่างทางสถิติระหว่างเพศในทั้ง MIU (t (1608) = 0.529, p = 0.597) และ PIU (t (526) = 1.92, p = 0.054) กลุ่มที่สังเกต (2 ตาราง) อย่างไรก็ตามควรสังเกตว่าค่า p สำหรับกลุ่ม PIU นั้นค่อนข้างใกล้เคียงกับการเข้าถึงนัยสำคัญทางสถิติ (p = 0.054) 

ตาราง
2 ตาราง กลุ่มตัวอย่างอิสระทำการทดสอบพฤติกรรมเสี่ยงและเพศโดยกลุ่มผู้ใช้อินเทอร์เน็ต 1 3-.
พล็อตตัวแปรการถดถอยแสดงความสัมพันธ์เชิงเส้นที่ชัดเจนระหว่างจำนวนชั่วโมงออนไลน์ต่อวันและจำนวนพฤติกรรมเสี่ยงในวัยรุ่น แนวโน้มนี้ค่อนข้างเหมือนกันระหว่างกลุ่มผู้ใช้อินเทอร์เน็ต (รูป 2). 

Ijerph 13 00294 g002 1024
รูป 2 ความสัมพันธ์เชิงเส้นระหว่างจำนวนชั่วโมงออนไลน์ต่อวันกับจำนวนพฤติกรรมเสี่ยงระหว่างกลุ่ม AIU, MIU และ PIU *

4.4 การวิเคราะห์ GLMM ของสมาคมระหว่างพฤติกรรมเสี่ยง MIU และ PIU

พฤติกรรมเสี่ยงที่มีความสัมพันธ์กับ MIU อย่างมีนัยสำคัญยังมีความสัมพันธ์กับ PIU อย่างมีนัยสำคัญยกเว้นสามหมวดหมู่ย่อยที่ระบุไว้ในการดำเนินการเสี่ยงและการละทิ้งหน้าที่ (3 ตาราง) การวิเคราะห์ GLMM แสดงให้เห็นว่าหมวดหมู่ย่อยทั้งหมดของนิสัยการนอนหลับที่ไม่ดีช่วยเพิ่มอัตราต่อรองของ PIU อย่างมีนัยสำคัญด้วยขนาดผลกระทบตั้งแต่ OR = 1.45 ถึง OR = 2.17 ความสัมพันธ์ที่สำคัญถูกพบระหว่างการดำเนินการเสี่ยงและ PIU ที่มีขนาดผลตั้งแต่ OR = 1.55 ถึง OR = 1.73 นอกจากนี้อัตราส่วนอัตราต่อรองสำหรับหมวดหมู่ย่อยเดียวภายในการใช้ยาสูบ (OR = 1.41) โภชนาการที่ไม่ดี (OR = 1.41) และการไม่ออกกำลังกายทางกายภาพ (OR = 1.39) โดเมนมีนัยสำคัญทางสถิติ

ตาราง
3 ตาราง โมเดลเชิงเส้นผสมแบบทั่วไป (GLMM) ของความสัมพันธ์ระหว่างพฤติกรรมเสี่ยงแต่ละตัวการใช้ maladaptive และการใช้ทางพยาธิวิทยาพร้อมการวิเคราะห์เพิ่มเติมเกี่ยวกับปฏิสัมพันธ์ทางเพศ 1 4-.

4.5 การมีเพศสัมพันธ์

การวิเคราะห์ปฏิสัมพันธ์ทางเพศพบว่าความสัมพันธ์ระหว่างการกระทำที่เสี่ยงต่อพฤติกรรมการนอนที่ไม่ดีและ PIU นั้นสูงขึ้นอย่างมีนัยสำคัญในเพศหญิงในขณะที่ความสัมพันธ์ระหว่างการละทิ้งหน้าที่โภชนาการที่ไม่ดีและ PIU สูงขึ้นอย่างมีนัยสำคัญในเพศชาย3 ตาราง).

5 การสนทนา

5.1 ความชุกของพฤติกรรมเสี่ยง

การศึกษาปัจจุบันพยายามที่จะตรวจสอบความสัมพันธ์ระหว่าง PIU และพฤติกรรมเสี่ยง ผลการศึกษาพบว่าความชุกของพฤติกรรมความเสี่ยงสูงกว่าผู้ใช้ทางพยาธิวิทยาอย่างมีนัยสำคัญเมื่อเทียบกับผู้ใช้แบบปรับตัวที่มีรูปแบบบางอย่างระหว่างเพศ ความชุกที่สูงที่สุดที่พบในผู้ใช้ maladaptive และพยาธิวิทยาคือนิสัยการนอนหลับที่ไม่ดีตามมาด้วยการใช้ยาสูบ การประมาณการเหล่านี้สูงกว่ามากเมื่อเปรียบเทียบกับอัตราความชุกที่รายงานในการศึกษาที่ดำเนินการนอกสหภาพยุโรปคือในภูมิภาคเอเชียและแปซิฟิก [53,54] คำอธิบายที่น่าเชื่อถือหนึ่งคำอาจเกี่ยวข้องกับการเปลี่ยนแปลงที่สังเกตได้ในระดับนิเวศวิทยา (เช่นอัตราการเจาะ) ในแต่ละภูมิภาค สถิติแสดงให้เห็นว่าภูมิภาคยุโรปมีอัตราการเจาะอินเทอร์เน็ตสูงสุด (78%) ทั่วโลก อัตรายุโรปมีมากกว่าสองเท่าเมื่อเทียบกับที่ปรากฎในภูมิภาคเอเชียและแปซิฟิก (36%) [55] อัตราการเจาะบทบาทที่แท้จริงมีอิทธิพลต่อความชุกของ PIU ที่ยังคงคลุมเครือ ดังนั้นความพยายามในอนาคตที่ตรวจสอบความสัมพันธ์นี้จะมีค่าอย่างยิ่งสำหรับการอธิบายการเชื่อมต่อนี้

5.2 การใช้สารเสพติด

ลักษณะระหว่างพฤติกรรมเสี่ยงและพฤติกรรมเสพติดซ้อนทับกันอย่างมาก นี่อาจเห็นได้ชัดที่สุดกับการใช้สาร การใช้สารมักจัดเป็นพฤติกรรมเสี่ยง แม้กระนั้นมันก็ยังเป็นอดีตของสารเสพติด หากพฤติกรรมที่มีความเสี่ยงสูงใช้กลไกพื้นฐานที่คล้ายกันดังนั้นการมีพฤติกรรมที่เป็นปัญหาอย่างหนึ่งอาจลดเกณฑ์ในการพัฒนาพฤติกรรมของปัญหาอื่น ๆ การยืนยันนี้ได้รับการยืนยันโดยการวิจัยโดยใช้หลักฐานเชิงประจักษ์แสดงให้เห็นถึงระดับสูงของการเชื่อมต่อระหว่างกันระหว่างพฤติกรรมเสี่ยงต่างๆ56] ตามแนวคิดนี้มีความเป็นไปได้ที่จะสมมติว่าวัยรุ่นที่มีพฤติกรรมเสี่ยงก่อนมีแนวโน้มที่จะมีความเสี่ยงสูงกว่า PIU เมื่อเทียบกับวัยรุ่นที่ไม่มีพฤติกรรมเสี่ยง

5.3 ความรู้สึกที่กำลังมองหา

สอดคล้องกับการวิจัยที่กล่าวมาแล้ว [57] ผลการวิจัยพบว่าการดำเนินการเสี่ยงภัยส่วนใหญ่ในหมวดการแสวงหาความรู้สึกมีความสัมพันธ์กับ PIU อย่างมีนัยสำคัญ การแสวงหาความรู้สึกเป็นลักษณะบุคลิกภาพที่เกี่ยวข้องกับข้อบกพร่องในการควบคุมตนเองและความพึงพอใจรอการตัดบัญชี58] คุณลักษณะเหล่านี้ในหมู่เยาวชนมักเกี่ยวข้องกับการรับรู้ถึงความรู้สึกมีอคติในแง่ดีซึ่งวัยรุ่นมีแนวโน้มที่จะลดความเสี่ยงด้วยตนเองในขณะที่ประเมินความเสี่ยงต่อผู้อื่นมากเกินไป59] วัยรุ่นที่แสดงลักษณะการเบี่ยงเบนเหล่านี้มีแนวโน้มที่จะมีแนวโน้มที่สูงขึ้นสำหรับปัญหาพฤติกรรม

5.4 ลักษณะการดำเนินชีวิต

นิสัยการนอนหลับไม่ดีพิสูจน์แล้วว่าเป็นปัจจัยที่แข็งแกร่งที่สุดที่เกี่ยวข้องกับ PIU นี่อาจเป็นเพราะการกระจัดของการนอนหลับสำหรับกิจกรรมออนไลน์ มีกิจกรรมออนไลน์บางอย่างที่ชักจูงผู้ใช้ให้อยู่ออนไลน์นานกว่าที่คาดการณ์ไว้ การศึกษาเกี่ยวกับเกมสวมบทบาทออนไลน์ที่มีผู้เล่นหลายคนอย่างหนาแน่น (MMORPG) ระบุว่าผู้ใช้จะถูกล่อลวงให้อยู่ออนไลน์นานขึ้นเพื่อติดตามเรื่องราวที่พัฒนาขึ้นของตัวละครออนไลน์ของพวกเขา [60] การใช้งานเว็บไซต์โซเชียลเน็ตเวิร์กมากเกินไปก็เกิดขึ้นในช่วงไม่กี่ปีที่ผ่านมาซึ่งแสดงถึงการเพิ่มขึ้นของเวลาที่ใช้ออนไลน์และความสัมพันธ์เชิงลบกับปฏิสัมพันธ์ทางสังคมในชีวิตจริง [61,62] การศึกษาแสดงให้เห็นว่าวัยรุ่นที่ใช้อินเทอร์เน็ตมากเกินไปมีแนวโน้มในการพัฒนาความผิดปกติของการนอนหลับอันเป็นผลมาจากการขยายเวลาออนไลน์ [63,64] การกำจัดการนอนหลับเรื้อรังสำหรับกิจกรรมออนไลน์อาจนำไปสู่การอดนอนซึ่งเป็นที่ทราบกันดีว่าก่อให้เกิดผลเสียอย่างรุนแรงต่อการทำงานของสังคมจิตใจและร่างกาย
การรบกวนในรูปแบบการนอนหลับที่มีการควบคุมอาจเป็นปัจจัยไกล่เกลี่ยในความสัมพันธ์ระหว่างการละทิ้งหน้าที่และการใช้อินเทอร์เน็ตที่ไม่เหมาะสม วัยรุ่นที่มีส่วนร่วมในกิจกรรมออนไลน์ในระดับที่มากเกินไปอาจเสี่ยงต่อการรบกวนการนอนหลับตามธรรมชาติ หลักฐานแสดงให้เห็นว่าเวลาแฝงที่เพิ่มขึ้นของการนอนหลับและการนอนหลับเคลื่อนไหวของดวงตาที่ลดลงอย่างรวดเร็ว (REM-sleep) นั้นสัมพันธ์กับการใช้อินเทอร์เน็ตมากเกินไป [65] ในขณะที่อัตนัย insomnias และ parasomnias เชื่อมโยงกับการละทิ้งหน้าที่66] ความผิดปกติของการนอนหลับมีผลกระทบเด่นชัดต่อการทำงานกลางวันและผลสัมฤทธิ์ทางการเรียน สิ่งนี้อาจทำให้วัยรุ่นไม่สนใจในโรงเรียนจึงเป็นการเพิ่มความเสี่ยงของการปฏิเสธโรงเรียนและการขาดเรียนเรื้อรัง [66].
โภชนาการที่ไม่ดีและการไม่ออกกำลังกายทางร่างกายนั้นมีความสัมพันธ์กับ PIU อย่างมีนัยสำคัญ วัยรุ่นที่ใช้เวลาออนไลน์นานขึ้นอาจไปหาอาหารที่ไม่ดีต่อสุขภาพ มันถูกตั้งสมมติฐานว่านักเล่นเกมออนไลน์ดื่มเครื่องดื่มให้พลังงานที่มีคาเฟอีนสูงและกินของว่างที่มีน้ำตาลสูงเพื่อเพิ่มความตื่นตัวในการเล่นเกมออนไลน์ [67] จากนั้นปัจจัยเหล่านี้อาจทำให้ผู้เล่นเกมออนไลน์มีแนวโน้มพฤติกรรมการอยู่ประจำเมื่อเทียบกับผู้ที่ไม่ใช่ผู้เล่นเกม นอกจากนี้ยังมีความภักดีอย่างมากในหมู่เกมเมอร์โดยเฉพาะผู้ที่ขับไล่อาหารสุขอนามัยส่วนบุคคลและการออกกำลังกายเพื่อที่จะเล่นเกมออนไลน์ต่อไป [68] สิ่งนี้อาจก่อให้เกิดความเสี่ยงต่อสุขภาพอย่างรุนแรงและอาจนำไปสู่อาการทางจิตที่รุนแรง

5.5 พฤติกรรมเสี่ยงหลายอย่าง

พฤติกรรมความเสี่ยงได้รับการยืนยันว่าเป็นไปพร้อมกันในธรรมชาติโดย 89.9% ของวัยรุ่นในกลุ่ม PIU รายงานพฤติกรรมเสี่ยงหลายอย่าง ผลลัพธ์เหล่านี้สอดคล้องกับทฤษฎีของ Jessor เกี่ยวกับพฤติกรรมของปัญหา [69,70] ทฤษฎีพฤติกรรมปัญหาเป็นรูปแบบทางจิตสังคมที่พยายามอธิบายผลลัพธ์พฤติกรรมในวัยรุ่น มันประกอบด้วยสามระบบแนวคิดตามองค์ประกอบทางจิตสังคม: ระบบบุคลิกภาพการรับรู้ระบบสิ่งแวดล้อมและระบบพฤติกรรม ในระบบหลังโครงสร้างพฤติกรรมเสี่ยง (เช่นการใช้แอลกอฮอล์การใช้ยาสูบการกระทำผิดและความเบี่ยงเบน) มีแนวโน้มที่จะเกิดขึ้นร่วมกันและจัดกลุ่มเป็น 'กลุ่มอาการของพฤติกรรมเสี่ยง'71] ตาม Jessor พฤติกรรมของปัญหาเหล่านี้มักเกิดจากการยืนยันความเป็นอิสระของวัยรุ่นจากผู้ปกครองและอิทธิพลทางสังคม
วัยรุ่นที่พยายามดิ้นรนเพื่อเอกราชอาจเป็นส่วนหนึ่งสำหรับแนวโน้มเชิงเส้นที่สำคัญที่ระบุไว้ระหว่างชั่วโมงออนไลน์ต่อวันและพฤติกรรมเสี่ยงหลาย แนวโน้มนี้ค่อนข้างเหมือนกันในทุกกลุ่มผู้ใช้อินเทอร์เน็ต การค้นพบเหล่านี้มีความเกี่ยวข้องสูงเนื่องจากพวกเขาแนะนำว่าชั่วโมงออนไลน์ที่มากเกินไปในตัวมันเองสามารถเพิ่มจำนวนพฤติกรรมเสี่ยงสำหรับวัยรุ่นทุกคนและไม่เพียง แต่ผู้ที่ได้รับการวินิจฉัยว่าเป็น PIU เท่านั้น ชั่วโมงออนไลน์ที่มากเกินไปอาจเป็นปัจจัยในการดูแลความสัมพันธ์ระหว่าง PIU และพฤติกรรมเสี่ยง อย่างไรก็ตามจำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อสำรวจความสัมพันธ์นี้

5.6 การมีเพศสัมพันธ์

การวิเคราะห์ปฏิสัมพันธ์ทางเพศแสดงให้เห็นว่าความสัมพันธ์ที่สำคัญที่สังเกตระหว่างพฤติกรรมเสี่ยงและ PIU มีการกระจายอย่างเท่าเทียมกันระหว่างเพศชายและเพศหญิง สิ่งนี้ค่อนข้างขัดแย้งกับงานวิจัยก่อนหน้าซึ่งมักแสดงให้เห็นว่า PIU และพฤติกรรมเสี่ยงมีความเฉพาะกับเพศชาย การเปลี่ยนเพศนี้อาจเป็นตัวบ่งชี้ว่าช่องว่างทางเพศสำหรับพฤติกรรมเสี่ยงอาจลดลงในหมู่วัยรุ่นยุโรป
จากมุมมองอื่นความสัมพันธ์ระหว่างเพศและพฤติกรรมเสี่ยงอาจถูกสื่อโดยปัจจัยที่สามเช่นโรคจิต ในการศึกษาขนาดใหญ่ตามเพศของวัยรุ่น (n = 56,086) อายุ 12 – 18 ปีอัตราความชุกของ PIU ได้รับการประมาณว่าเป็น 2.8% ในกลุ่มตัวอย่างทั้งหมดที่มีอัตราที่สูงขึ้นอย่างมีนัยสำคัญในเพศชาย (3.6%) 1.9%) [72] การศึกษาตามลำดับระบุว่าผู้หญิงที่มีปัญหาทางอารมณ์เช่นความไม่พอใจส่วนตัวหรืออาการซึมเศร้ามีความชุก PIU สูงกว่าเพศชายที่มีอาการทางอารมณ์คล้ายกันอย่างมีนัยสำคัญ การศึกษาเกี่ยวกับเพศศึกษาการพิจารณาผลกระทบของการมีเพศสัมพันธ์กับ PIU เป็นสิ่งที่จำเป็นเบื้องต้นสำหรับทิศทางในอนาคตของการวิจัย PIU

5.7 แบบจำลองส่วนประกอบของ Griffiths

รูปแบบการติดยาเสพติดของ Griffiths [30] ตั้งสมมติฐานว่าพฤติกรรมการเสพติด (เช่น PIU) และการเสพติดที่เกี่ยวข้องกับสารจะเพิ่มขึ้นผ่านกระบวนการ biopsychosocial ที่คล้ายกันและแบ่งปันโหงวเฮ้งหลายอย่าง เกณฑ์การติดของส่วนประกอบหลักหกประการในโมเดลนี้คือ (1) salience, (2) การปรับเปลี่ยนอารมณ์, (3) ความอดทน, (4) การถอน, ความขัดแย้ง (5) และ (6) การกำเริบ Kuss et al. [73] ประเมินรูปแบบส่วนประกอบของการติดยาเสพติดในตัวอย่างอิสระสองตัวอย่าง (n = 3105 และ n = 2257) ผลการวิจัยพบว่าแบบจำลองส่วนประกอบของ PIU นั้นสอดคล้องกับข้อมูลที่ดีมากในทั้งสองตัวอย่าง
ในการศึกษานี้ได้ใช้มาตรการ YDQ ในการประเมินและตรวจจับวัยรุ่นที่มีความเสี่ยงต่อการปรับตัวไม่เหมาะสมและพยาธิสภาพที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตและพฤติกรรมออนไลน์ เนื่องจากมาตรการ YDQ ประกอบด้วยเกณฑ์การติดยาทั้งหกที่ระบุไว้ในแบบจำลองส่วนประกอบของ Griffiths ความถูกต้องของผลลัพธ์ที่รายงานในการศึกษานี้ได้รับการสนับสนุนโดยกรอบทฤษฎีนี้

5.8 จุดแข็งและข้อ จำกัด

ตัวอย่างขนาดใหญ่ที่เป็นตัวแทนและข้ามชาติเป็นจุดแข็งที่สำคัญของการศึกษานี้ วิธีการที่เป็นเนื้อเดียวกันและขั้นตอนมาตรฐานที่ใช้ในทุกประเทศเพิ่มความน่าเชื่อถือความน่าเชื่อถือและการเปรียบเทียบข้อมูล ตามขอบเขตของความรู้ของเราพื้นที่ทางภูมิศาสตร์ในยุโรปเป็นพื้นที่ที่ใหญ่ที่สุดเท่าที่เคยมีการศึกษาเกี่ยวกับ PIU และพฤติกรรมเสี่ยง
นอกจากนี้ยังมีข้อ จำกัด บางประการของการศึกษา ข้อมูลที่รายงานด้วยตนเองมีแนวโน้มที่จะเรียกคืนและอคติความต้องการทางสังคมซึ่งมีแนวโน้มที่จะแตกต่างกันระหว่างประเทศและวัฒนธรรม การออกแบบแบบตัดขวางไม่สามารถอธิบายความสัมพันธ์ทางโลกได้ดังนั้นจึงไม่สามารถหาสาเหตุได้ ในการวัด GSHS หมวดหมู่ย่อยของการดำเนินการเสี่ยงมีเพียงส่วนหนึ่งของพฤติกรรมการแสวงหาความรู้สึก ดังนั้นควรใช้ความระมัดระวังเมื่อตีความผลลัพธ์

6 สรุปผลการวิจัย

อัตราความชุกที่เพิ่มขึ้นอย่างมีนัยสำคัญในกลุ่ม AIU, MIU และ PIU ถูกพบในทุกประเภทความเสี่ยง (การใช้สารการแสวงหาความรู้สึกและลักษณะการดำเนินชีวิต) วัยรุ่นที่รายงานพฤติกรรมการนอนหลับที่ไม่ดีและการกระทำที่เสี่ยงพบว่ามีความสัมพันธ์ที่แข็งแกร่งกับ PIU ตามด้วยการใช้ยาสูบสารอาหารที่ไม่ดีและการไม่ออกกำลังกาย ความสัมพันธ์ที่สำคัญที่สังเกตได้ระหว่าง PIU กับพฤติกรรมเสี่ยงรวมกับอัตราการเกิดร่วมสูงเป็นการเน้นย้ำถึงความสำคัญของการพิจารณา PIU เมื่อทำการคัดกรองรักษาหรือป้องกันพฤติกรรมที่มีความเสี่ยงสูงในวัยรุ่น
ในบรรดาวัยรุ่นในกลุ่ม PIU นั้น 89.9% มีลักษณะว่ามีพฤติกรรมเสี่ยงหลายอย่าง ดังนั้นความพยายามควรกำหนดเป้าหมายวัยรุ่นที่ใช้อินเทอร์เน็ตมากเกินไปเนื่องจากมีการสังเกตแนวโน้มเชิงเส้นที่สำคัญระหว่างชั่วโมงออนไลน์ต่อวันและพฤติกรรมเสี่ยงหลายอย่าง แนวโน้มนี้คล้ายคลึงกันในทุกกลุ่มผู้ใช้อินเทอร์เน็ตที่ระบุว่าชั่วโมงออนไลน์ที่มากเกินไปในตัวมันเองเป็นปัจจัยสำคัญสำหรับพฤติกรรมเสี่ยง การค้นพบนี้จะต้องทำซ้ำและสำรวจต่อไปก่อนที่จะยืนยันผลกระทบทางทฤษฎีของพวกเขา

กิตติกรรมประกาศ

โครงการ SEYLE ได้รับการสนับสนุนผ่านรูปแบบการประสานงานที่ 1 (สุขภาพ) ของ European Union Seventh Framework Program (FP7), ข้อตกลงแบบให้เปล่าเลขที่ HEALTH-F2-2009-223091 ผู้เขียนเป็นอิสระจากผู้ให้ทุนในทุกด้านของการออกแบบการศึกษาการวิเคราะห์ข้อมูลและการเขียนต้นฉบับนี้ หัวหน้าโครงการและผู้ประสานงานของโครงการ SEYLE คือศาสตราจารย์ด้านจิตเวชศาสตร์และการฆ่าตัวตาย Danuta Wasserman สถาบัน Karolinska (KI) หัวหน้าศูนย์การวิจัยและป้องกันการฆ่าตัวตายของโรคทางจิตและการฆ่าตัวตายแห่งชาติ (NASP) ที่ KI สตอกโฮล์ม สวีเดน. สมาชิกคนอื่น ๆ ของคณะกรรมการบริหาร ได้แก่ อาจารย์อาวุโส Vladimir Carli, National Center for Suicide Research and Prevention of Mental Ill-Health (NASP), Karolinska Institute, Stockholm, Sweden; Christina WH Hoven และนักมานุษยวิทยา Camilla Wasserman ภาควิชาจิตเวชเด็กและวัยรุ่นสถาบันจิตเวชแห่งรัฐนิวยอร์กมหาวิทยาลัยโคลัมเบียนิวยอร์กสหรัฐอเมริกา และ Marco Sarchiapone, Department of Health Sciences, University of Molise, Campobasso, Italy SEYLE Consortium ประกอบด้วยศูนย์ใน 12 ประเทศในยุโรป ผู้นำไซต์สำหรับแต่ละศูนย์และแต่ละประเทศ ได้แก่ Danuta Wasserman (NASP, Karolinska Institute, Sweden, Coordinating Center), Christian Haring (University for Medical Information Technology, Austria), Airi Varnik (Estonian Swedish Mental Health & Suicidology Institute, Estonia), Jean-Pierre Kahn (University of Lorraine, Nancy, France), Romuald Brunner (University of Heidelberg, Germany), Judit Balazs (Vadaskert Child and Adolescent Psychiatric Hospital, Hungary), Paul Corcoran (National Suicide Research Foundation, Ireland), Alan Apter (Schneider Children's Medical Center of Israel, Tel Aviv University, Tel Aviv, Israel), Marco Sarchiapone (University of Molise, Italy), Doina Cosman (Iuliu Hatieganu University of Medicine and Pharmacy, Romania), Vita Postuvan (University of Primorska, Slovenia ) และ Julio Bobes (มหาวิทยาลัย Oviedo ประเทศสเปน) การสนับสนุน "ประเด็นทางจริยธรรมในการวิจัยกับผู้เยาว์และกลุ่มเสี่ยงอื่น ๆ " ได้รับทุนจากมูลนิธิบอตนาร์บาเซิลสำหรับศาสตราจารย์ด้านจริยธรรมสเตลล่าไรเตอร์ - ธีลคลินิกจิตเวชแห่งมหาวิทยาลัยบาเซิลซึ่งทำหน้าที่เป็นที่ปรึกษาอิสระด้านจริยธรรมของ โครงการ SEYLE

ผลงานของผู้เขียน

Tony Durkee เป็นผู้เขียนคนแรกและคนที่เกี่ยวข้องที่พัฒนาการออกแบบการศึกษาทำการวิเคราะห์เชิงสถิติและแก้ไขทุกขั้นตอนของต้นฉบับ Vladimir Carli, Birgitta Floderus และ Danuta Wasserman เข้าร่วมในการออกแบบการศึกษาและทำการแก้ไขที่สำคัญกับต้นฉบับ Camilla Wasserman, Christina W. Hoven, Michael Kaess และ Peeter Värnikให้คำปรึกษาและทำการแก้ไขที่สำคัญในต้นฉบับ Marco Sarchiapone, Alan Apter, Judit A. Balazs, Julio Bobes, Romuald Brunner, Paul Corcoran, Doina Cosman, Christian Haring, Jean-Pierre Kahn และ Vita Postuvan เป็นผู้สืบสวนหลักสำหรับโครงการ SEYLE ในประเทศของตน ต้นฉบับ Bogdan Nemes และ Pilar A. Saiz เป็นผู้จัดการโครงการของโครงการ SEYLE ในประเทศของตนและเข้าร่วมในการแก้ไขที่สำคัญของต้นฉบับ

ขัดแย้งทางผลประโยชน์

ผู้เขียนรายงานว่าไม่มีความขัดแย้งทางผลประโยชน์

ตัวย่อ

ตัวย่อต่อไปนี้ถูกใช้ในต้นฉบับนี้: 

SEYLE
ออมทรัพย์และเพิ่มศักยภาพชีวิตคนหนุ่มสาวในยุโรป
YRBSS
ระบบเฝ้าระวังพฤติกรรมเสี่ยงเยาวชน
GSHS
การสำรวจสุขภาพนักเรียนทั่วโลก
YDQ
แบบสอบถามการวินิจฉัยของเด็ก
GLMM
โมเดลผสมเชิงเส้นทั่วไป
การวิเคราะห์ความแปรปรวน
การวิเคราะห์ความแปรปรวนทางเดียว
PIU
การใช้อินเทอร์เน็ตทางพยาธิวิทยา
MIU
การใช้อินเทอร์เน็ตแบบ Maladaptive
AIU
การปรับใช้อินเทอร์เน็ต
CI
ช่วงความเชื่อมั่น
SEM
ข้อผิดพลาดมาตรฐานของค่าเฉลี่ย
M
หมายความ

อ้างอิง

  1. Moshman, D. พัฒนาการทางความรู้ที่เหนือกว่าวัยเด็ก ในคู่มือจิตวิทยาเด็ก 5th ed .; Kuhn, D. , Damon, W. , Siegler, RS, Eds.; ไวลีย์: นิวยอร์ก, นิวยอร์ก, สหรัฐอเมริกา, 1998; เล่ม 2, pp. 947 – 978 [Google Scholar]
  2. Choudhury, S. ; Blakemore, SJ; Charman, T. การพัฒนาองค์ความรู้ทางสังคมในช่วงวัยรุ่น Soc Cogn มีผลต่อ Neurosci 2006, 1, 165 – 174 [Google Scholar] [CrossRef] [PubMed]
  3. เอ็กเซิลส์ JS; Wigfield, A.; Byrnes, J. การพัฒนาความรู้ความเข้าใจในวัยรุ่น ในคู่มือจิตวิทยา: จิตวิทยาพัฒนาการ; Lerner, RM, Easterbrooks, MA, Mistry, J. , Eds.; ไวลีย์: โฮโบเก้น, นิวเจอร์ซีย์, สหรัฐอเมริกา, 2003; เล่ม 6, pp. 325 – 350 [Google Scholar]
  4. Subrahmanyam, K.; Greenfield, P .; Kraut, R.; ขั้นต้น, E. ผลกระทบของการใช้คอมพิวเตอร์ต่อการพัฒนาของเด็กและวัยรุ่น J. แอป dev จิตวิทยา 2001, 22, 7 – 30 [Google Scholar] [CrossRef]
  5. Ellison, NB; สไตน์ฟิลด์, c.; Lampe, C. ประโยชน์ของ Facebook“ เพื่อน”: ทุนทางสังคมและการใช้งานเว็บไซต์เครือข่ายสังคมออนไลน์ของนักศึกษาวิทยาลัย เจคอมพิวเตอร์ Med commun 2007, 12, 1143 – 1168 [Google Scholar] [CrossRef]
  6. สไตน์ฟิลด์, c.; Ellison, NB; Lampe, C. ทุนทางสังคมการเห็นคุณค่าในตนเองและการใช้เว็บไซต์เครือข่ายสังคมออนไลน์: การวิเคราะห์ตามยาว J. แอป dev จิตวิทยา 2008, 29, 434 – 445 [Google Scholar] [CrossRef]
  7. Tapscott, D. การเติบโตของระบบดิจิตอล: การเพิ่มขึ้นของรุ่นสุทธิ; การศึกษา McGraw-Hill: นิวยอร์กนิวยอร์กสหรัฐอเมริกา 2008; พี 384 [Google Scholar]
  8. Kraut, R.; Patterson, M. ; Lundmark, V.; Kiesler, S. ; Mukopadhyay, T.; Scherlis, W. Internet ขัดขืน เทคโนโลยีทางสังคมที่ช่วยลดการมีส่วนร่วมทางสังคมและความเป็นอยู่ทางจิตวิทยา? am จิตวิทยา 1998, 53, 1017 – 1031 [Google Scholar] [CrossRef] [PubMed]
  9. Kraut, R.; Kiesler, S. ; Boneva, B .; Cummings, J.; Helgeson, V.; Crawford, A. ความขัดแย้งทางอินเทอร์เน็ตมาเยือนแล้ว J. Soc. ประเด็น 2002, 58, 49 – 74 [Google Scholar] [CrossRef]
  10. Nie, NH; Hillygus, DS; Erbring, L. การใช้อินเทอร์เน็ต, ความสัมพันธ์ระหว่างบุคคลและความเป็นกันเอง: การศึกษาไดอารี่เวลา ในอินเทอร์เน็ตในชีวิตประจำวัน Wellman, B. , Haythornthwaite, C. , Eds.; สำนักพิมพ์ Blackwell Ltd: Oxford, UK, 2002; pp. 213 – 243 [Google Scholar]
  11. Nalwa, K.; อานันท์การเสพติดอินเทอร์เน็ตของ AP ในนักเรียน: สาเหตุของความกังวล Cyberpsychol Behav 2003, 6, 653 – 656 [Google Scholar] [CrossRef] [PubMed]
  12. Akhter, N. ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและผลการเรียนของนักศึกษาระดับปริญญาตรีมหาวิทยาลัย. Edu Res รายได้ 2013, 8, 1793 [Google Scholar]
  13. Gürk, K; Yurt, S. Bulduk, S .; Atagöz, S. ติดยาเสพติดอินเทอร์เน็ตและปัญหาพฤติกรรมทางร่างกายและจิตใจในหมู่นักเรียนโรงเรียนมัธยมในชนบท Nurs วิทยาศาสตร์สุขภาพ 2015, 17, 331 – 338 [Google Scholar] [CrossRef] [PubMed]
  14. Peltzer, K; Pengpid, S. Apidechkul, T. การใช้อินเทอร์เน็ตจำนวนมากและการเชื่อมโยงกับความเสี่ยงด้านสุขภาพและพฤติกรรมส่งเสริมสุขภาพของนักศึกษามหาวิทยาลัยไทย int J. วัยรุ่น Med สุขภาพ 2014, 26, 187 – 194 [Google Scholar] [CrossRef] [PubMed]
  15. ปูนามากิ RL; Wallenius, M. ; ไนการ์ด, CH; Saarni, L.; Rimpela, A. การใช้เทคโนโลยีสารสนเทศและการสื่อสาร (ICT) และการรับรู้สุขภาพในวัยรุ่น: บทบาทของพฤติกรรมการนอนหลับและความเหนื่อยล้าในเวลาตื่น J. วัยรุ่น 2007, 30, 569 – 585 [Google Scholar] [CrossRef] [PubMed]
  16. สเตรเกอร์, ล.; Pollock, C.; Maslen, B. หลักการสำหรับการใช้คอมพิวเตอร์อย่างชาญฉลาดโดยเด็ก ๆ การยศาสตร์ 2009, 52, 1386 – 1401 [Google Scholar] [CrossRef] [PubMed]
  17. ชอว์เมตร; สีดำ, การติดอินเทอร์เน็ต DW: นิยาม, การประเมิน, ระบาดวิทยาและการจัดการทางคลินิก ระบบประสาทส่วนกลางของยาเสพติด 2008, 22, 353 – 365 [Google Scholar] [CrossRef] [PubMed]
  18. Young, K. การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ CyberPsychol Behav 1998, 1, 237 – 244 [Google Scholar] [CrossRef]
  19. สมาคมจิตแพทย์อเมริกัน (APA) คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต พร้อมใช้งานออนไลน์: http://www.dsm5.org (เข้าถึงได้ใน 2 กุมภาพันธ์ 2016)
  20. Petry, NM; O'Brien, ความผิดปกติของการเล่นเกม CP Internet และ DSM-5 ติดยาเสพติด 2013, 108, 1186 – 1187 [Google Scholar] [CrossRef] [PubMed]
  21. Sussman, S .; Lisha, N.; Griffiths, M. ความชุกของการเสพติด: ปัญหาของคนส่วนใหญ่หรือชนกลุ่มน้อย? Eval สุขภาพศ. 2011, 34, 3 – 56 [Google Scholar] [CrossRef] [PubMed]
  22. ลี HW; ชอย JS; ชิน, YC; ลี, JY; Jung, HY; Kwon, JS Impulsivity ในการติดอินเทอร์เน็ต: การเปรียบเทียบกับการพนันทางพยาธิวิทยา Cyberpsychol Behav Soc netw 2012, 15, 373 – 377 [Google Scholar] [CrossRef] [PubMed]
  23. Tonioni, F.; มาซา, ม.; Autullo, G .; Cappelluti, R.; Catalano, V; Marano, G .; Fiumana, V.; Moschetti, C. ; Alimonti, F.; Luciani, M. การติดอินเทอร์เน็ตเป็นเงื่อนไขทางจิตเวชแตกต่างจากการพนันทางพยาธิวิทยาหรือไม่ ผู้เสพติด Behav 2014, 39, 1052 – 1056 [Google Scholar] [CrossRef] [PubMed]
  24. Sajeev Kumar, P .; ปรา, น.; ราชา, Z.; Abraham, A. การเสพติดอินเทอร์เน็ตและความผิดปกติในการใช้สารเสพติดในนักเรียนวัยรุ่น - การศึกษาแบบภาคตัดขวาง J. Int. Med บุ๋ม. 2015, 2, 172 – 179 [Google Scholar]
  25. การแยกย่อย C.; Derevensky, JL; Potenza, MN พฤติกรรมที่ไม่ใช้สารเสพติดในเยาวชน: การพนันทางพยาธิวิทยาและการใช้อินเทอร์เน็ตที่เป็นปัญหา เด็กวัยรุ่น Psychiatr Clin น. 2010, 19, 625 – 641 [Google Scholar] [CrossRef] [PubMed]
  26. Goldstein, RZ; Volkow, ND ความผิดปกติของเยื่อหุ้มสมอง prefrontal ในการติดยาเสพติด: การค้นพบ Neuroimaging และผลกระทบทางคลินิก ชัยนาท รายได้ Neurosci 2011, 12, 652 – 669 [Google Scholar] [CrossRef] [PubMed]
  27. Montag, C.; Kirsch, P .; ซาวเออร์, C. ; Markett, S .; Reuter, M. บทบาทของยีน chrna4 ในการติดอินเทอร์เน็ต: การศึกษาเฉพาะกรณี เจติดยาเสพติด Med 2012, 6, 191 – 195 [Google Scholar] [CrossRef] [PubMed]
  28. Kormas, G .; Critselis, E.; Janikian, M. ; Kafetzis, D. ; Tsitsika, A. ปัจจัยเสี่ยงและลักษณะทางจิตสังคมของการใช้อินเทอร์เน็ตที่เป็นปัญหาและมีปัญหาในหมู่วัยรุ่น: การศึกษาแบบภาคตัดขวาง BMC สาธารณสุข 2011, 11, 595 [Google Scholar] [CrossRef] [PubMed]
  29. Zhou, Y .; Lin, F. -C.; Du, Y. -S .; Zhao, Z. -M .; Xu, J. -R .; Lei, H. Grey เรื่องความผิดปกติในการติดอินเทอร์เน็ต: การศึกษารูปร่างสัณฐานของ Voxel Eur J. Radiol 2011, 79, 92 – 95 [Google Scholar] [CrossRef] [PubMed]
  30. Griffiths, M. “ แบบจำลอง” องค์ประกอบของการติดยาเสพติดภายในกรอบ biopsychosocial J. Subst ใช้ 2005, 10, 191 – 197 [Google Scholar] [CrossRef]
  31. เฉิง, C. ; Li, AY ความชุกของการเสพติดอินเทอร์เน็ตและคุณภาพชีวิต (จริง): การวิเคราะห์อภิมานของประเทศ 31 ในเจ็ดภูมิภาคของโลก Cyberpsychol Behav Soc netw 2014, 17, 755 – 760 [Google Scholar] [CrossRef] [PubMed]
  32. Blinka, L.; Škařupová, K.; Ševčíková, A.; Wölfling, K.; Müller, KW; Dreier, M. ใช้อินเทอร์เน็ตมากเกินไปในวัยรุ่นยุโรป: อะไรเป็นตัวกำหนดความแตกต่างของความรุนแรง? int เจสาธารณสุข 2015, 60, 249 – 256 [Google Scholar] [CrossRef] [PubMed]
  33. Tsitsika, A .; Janikian, M. ; Schoenmakers, TM; Tzavela, EC; Ólafsson, K.; Wójcik, S. ; Florian Macarie, G.; Tzavara, C.; Richardson, C. พฤติกรรมการเสพติดอินเทอร์เน็ตในวัยรุ่น: การศึกษาแบบภาคตัดขวางในเจ็ดประเทศในยุโรป Cyberpsychol Behav Soc netw 2014, 17, 528 – 535 [Google Scholar] [CrossRef] [PubMed]
  34. Durkee, T.; Kaess, M .; Carli, V; Parzer, P .; Wasserman, C.; Floderus, B.; Apter, A .; Balazs, J .; Barzilay, S .; Bobes, J .; et al. ความชุกของการใช้อินเทอร์เน็ตทางพยาธิวิทยาในวัยรุ่นในยุโรป: ปัจจัยด้านประชากรและสังคม ติดยาเสพติด 2012, 107, 2210 – 2222 [Google Scholar] [CrossRef] [PubMed]
  35. Kuss, DJ; Griffiths, MD; Karila, L .; Billieux, J. การติดอินเทอร์เน็ต: การทบทวนการวิจัยเชิงระบาดวิทยาอย่างเป็นระบบสำหรับทศวรรษที่ผ่านมา ฟี้ Pharm des 2014, 20, 4026 – 4052 [Google Scholar] [CrossRef] [PubMed]
  36. Carli, V; Durkee, T.; Wasserman, D. Hadlaczky, G.; Despalins, R.; Kramarz, E.; Wasserman, C.; Sarchiapone, M. ; Hoven, CW; Brunner, R.; et al. ความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตทางพยาธิวิทยากับ comorbid psychopathology: การทบทวนอย่างเป็นระบบ พยาธิวิทยา 2013, 46, 1 – 13 [Google Scholar] [CrossRef] [PubMed]
  37. โฮ, RC; จาง MW ซาง, TY; Toh, AH; Pan, F .; Lu, Y.; เฉิง, C. ; Yip, PS; ลำ, LT; Lai, C. -M .; et al. ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและการป่วยร่วมทางจิตเวช: การวิเคราะห์อภิมาน BMC จิตเวชศาสตร์ 2014, 14, 1 – 10 [Google Scholar] [CrossRef] [PubMed]
  38. Kaess, M .; Durkee, T.; Brunner, R.; Carli, V; Parzer, P .; Wasserman, C.; Sarchiapone, M. ; Hoven, C.; Apter, A .; Balazs, J .; et al. การใช้อินเทอร์เน็ตทางพยาธิวิทยาในวัยรุ่นยุโรป: พฤติกรรมพยาธิวิทยาและพฤติกรรมทำลายตนเอง Eur เด็กวัยรุ่น จิตเวช 2014, 23, 1093 – 1102 [Google Scholar] [CrossRef] [PubMed]
  39. พอนเตส HM; Kuss, DJ; Griffiths, MD จิตวิทยาคลินิกของการติดอินเทอร์เน็ต: ความคิดเห็นของแนวความคิดความชุกกระบวนการเซลล์ประสาทและผลกระทบสำหรับการรักษา Neurosci Neuroeconomics 2015, 4, 11 – 23 [Google Scholar]
  40. กำลังส่ง RR; แคมป์เบลล์ RM; MacArthur, GJ; Gunnell, DJ; Hickman, M. พฤติกรรมเสี่ยงหลายอย่างในวัยรุ่น เจสาธารณสุข 2012, 34, i1 – i2 [Google Scholar] [CrossRef] [PubMed]
  41. Dodd, LJ; Al-Nakeeb, Y.; Nevill, A. Forshaw, MJ ปัจจัยเสี่ยงต่อการดำเนินชีวิตของนักเรียน: วิธีการวิเคราะห์กลุ่ม ก่อนหน้า Med 2010, 51, 73 – 77 [Google Scholar] [CrossRef] [PubMed]
  42. เบิร์ก, ม.; Sarris, J.; Coulson, C.; Jacka, F. การจัดการวิถีชีวิตของภาวะซึมเศร้าแบบ unipolar Acta Psychiatr Scand 2013, 127, 38 – 54 [Google Scholar] [CrossRef] [PubMed]
  43. Prochaska, JJ; ฤดูใบไม้ผลิ B .; การวิจัยการเปลี่ยนแปลงพฤติกรรมสุขภาพหลายครั้ง: บทนำและภาพรวม ก่อนหน้า Med 2008, 46, 181 – 188 [Google Scholar] [CrossRef] [PubMed]
  44. Carli, V; Hoven, CW; Wasserman, C.; Chiesa, F .; Guffanti, G .; Sarchiapone, M. ; Apter, A .; Balazs, J .; Brunner, R.; Corcoran, P. กลุ่มวัยรุ่นที่เพิ่งค้นพบใหม่ที่มีความเสี่ยง“ ล่องหน” สำหรับโรคจิตและพฤติกรรมการฆ่าตัวตาย: ผลจากการศึกษา SEYLE จิตเวชศาสตร์โลก 2014, 13, 78 – 86 [Google Scholar] [CrossRef] [PubMed]
  45. Kann, L .; Kinchen, S. Shanklin, SL; ฟลินท์ KH; Kawkins, J .; แฮร์ริส, วอชิงตัน; Lowry, R.; Olsen, E .; McManus, T.; Chyen, D. การเฝ้าระวังพฤติกรรมเสี่ยงของเยาวชน - สหรัฐอเมริกา, 2013 Surprise MMWR Summ 2014, 63, 1 – 168 [Google Scholar]
  46. Wasserman, D. Carli, V; Wasserman, C.; Apter, A .; Balazs, J .; Bobes, J .; Bracale, R.; Brunner, R.; Bursztein-Lipsicas, C.; Corcoran, P .; et al. การออมและเพิ่มขีดความสามารถให้กับชีวิตเด็กในยุโรป (SEYLE): การทดลองแบบควบคุมแบบสุ่ม BMC สาธารณสุข 2010, 10, 192 [Google Scholar] [CrossRef] [PubMed]
  47. Carli, V; Wasserman, C.; Wasserman, D. Sarchiapone, M. ; Apter, A .; Balazs, J .; Bobes, J .; Brunner, R.; Corcoran, P .; Cosman, D. การช่วยชีวิตและเสริมพลังชีวิตเด็กในยุโรป (SEYLE) การทดลองแบบสุ่มควบคุม (RCT): ประเด็นด้านระเบียบวิธีและลักษณะของผู้เข้าร่วม BMC สาธารณสุข 2013, 13, 479 [Google Scholar] [CrossRef] [PubMed]
  48. หนุ่ม KS ติดเน็ต: วิธีรับรู้สัญญาณของการติดอินเทอร์เน็ตและกลยุทธ์ที่ชนะเพื่อการฟื้นตัว เจไวลีย์: นิวยอร์กนิวยอร์กสหรัฐอเมริกา 1998; น. 248. [Google Scholar]
  49. ดาวลิ่ง, NA; แปลกตา, การคัดกรอง KL สำหรับการพึ่งพาอินเทอร์เน็ต: เกณฑ์การวินิจฉัยที่เสนอแตกต่างจากการใช้อินเทอร์เน็ตตามปกติหรือไม่? Cyberpsychol Behav 2009, 12, 21 – 27 [Google Scholar] [CrossRef] [PubMed]
  50. Li, W.; โอไบรอัน JE; สไนเดอร์, SM; Howard, MO เกณฑ์การวินิจฉัยสำหรับการใช้อินเทอร์เน็ตที่มีปัญหาในหมู่นักศึกษามหาวิทยาลัยของสหรัฐอเมริกา: การประเมินวิธีการผสม กรุณาหนึ่ง 2016, 11, e0145981 [Google Scholar] [CrossRef] [PubMed]
  51. พอนเตส HM; Király, O.; Demetrovics, Z.; Griffiths, MD แนวคิดและการวัดความผิดปกติของเกมอินเทอร์เน็ต dsm-5: การพัฒนาการทดสอบ IGD-20 กรุณาหนึ่ง 2014, 9, e110137 [Google Scholar] [CrossRef] [PubMed]
  52. องค์การอนามัยโลก (WHO) การสำรวจสุขภาพนักเรียนทั่วโลก (GSHS) พร้อมใช้งานออนไลน์: http://www.who.int/chp/gshs/en/ (เข้าถึงได้ใน 12 ธันวาคม 2015)
  53. Choi, K.; ลูกชาย, H .; ปาร์คเอ็ม; ฮั่นเจ .; คิม K; ลี, ข. Gwak, H. อินเทอร์เน็ตมากเกินไปและง่วงนอนตอนกลางวันมากเกินไปในวัยรุ่น จิตเวชศาสตร์ Neurosci 2009, 63, 455 – 462 [Google Scholar] [CrossRef] [PubMed]
  54. Evren, C.; Dalbudak, E.; Evren, B .; Demirci, AC ความเสี่ยงสูงต่อการติดอินเทอร์เน็ตและความสัมพันธ์กับการใช้สารตลอดชีวิตปัญหาทางจิตวิทยาและพฤติกรรมในวัยรุ่นชั้นประถมศึกษาปีที่ 10 Psychiatria Danub 2014, 26, 330 – 339 [Google Scholar]
  55. สหภาพโทรคมนาคมระหว่างประเทศ (ITU) ข้อเท็จจริงและตัวเลขด้าน ICT พร้อมใช้งานออนไลน์: http://www.itu.int/en (เข้าถึงได้ใน 8 สิงหาคม 2015)
  56. De La Haye, K.; D 'Amico, EJ; ไมล์ส JN; Ewing, B .; Tucker, JS ความแปรปรวนร่วมของพฤติกรรมเสี่ยงต่อสุขภาพหลายประการในวัยรุ่น กรุณาหนึ่ง 2014, 9, e98141 [Google Scholar]
  57. Cao, F .; ซู, แอล.; หลิวต.; Gao, X. ความสัมพันธ์ระหว่างความหุนหันพลันแล่นกับการติดอินเทอร์เน็ตในตัวอย่างของวัยรุ่นจีน Eur จิตเวชศาสตร์: J. รศ. Eur Psychiatr 2007, 22, 466 – 471 [Google Scholar] [CrossRef] [PubMed]
  58. Slater, MD Alienation, aggression, และ sensation ที่กำลังมองหาในฐานะผู้ทำนายการใช้งานภาพยนตร์วัยรุ่นคอมพิวเตอร์และเนื้อหาเว็บไซต์ที่มีความรุนแรง เจคอมมิวนิตี้ 2003, 53, 105 – 121 [Google Scholar] [CrossRef]
  59. คิม, ฮ่องกง; Davis, KE ต่อทฤษฎีที่ครอบคลุมเกี่ยวกับการใช้อินเทอร์เน็ตที่มีปัญหา: การประเมินบทบาทของการเห็นคุณค่าในตนเองความวิตกกังวลกระแสและความสำคัญของกิจกรรมอินเทอร์เน็ต คอมพิวเต ครวญเพลง Behav 2009, 25, 490 – 500 [Google Scholar] [CrossRef]
  60. ชาร์ลตัน, JP; Danforth, ID ติดยาเสพติดที่โดดเด่นและมีส่วนร่วมสูงในบริบทของการเล่นเกมออนไลน์ คอมพิวเต ครวญเพลง Behav 2007, 23, 1531 – 1548 [Google Scholar] [CrossRef]
  61. Kuss, DJ; Griffiths, MD เครือข่ายสังคมออนไลน์และการเสพติด - การทบทวนวรรณกรรมทางจิตวิทยา int J. Environ. Res สาธารณสุข 2011, 8, 3528 – 3552 [Google Scholar] [CrossRef] [PubMed]
  62. มีนา ป.ล. ; Mittal, PK; Solanki, RK ปัญหาการใช้เว็บไซต์เครือข่ายสังคมในหมู่วัยรุ่นในเมือง ตัวบ่งชี้จิตเวชเจ 2012, 21, 94 [Google Scholar] [CrossRef] [PubMed]
  63. Li, W.; โอไบรอัน JE; สไนเดอร์, SM; Howard, MO ลักษณะของการติดอินเทอร์เน็ต / การใช้อินเทอร์เน็ตทางพยาธิวิทยาในนักศึกษามหาวิทยาลัยของสหรัฐอเมริกา: การตรวจสอบวิธีการเชิงคุณภาพ กรุณาหนึ่ง 2015, 10, e0117372 [Google Scholar] [CrossRef] [PubMed]
  64. Lam, L. การติดเกมบนอินเทอร์เน็ตการใช้อินเทอร์เน็ตอย่างมีปัญหาและปัญหาการนอนหลับ: การทบทวนอย่างเป็นระบบ ฟี้ จิตเวชศาสตร์ 2014, 16, 1 – 9 [Google Scholar] [CrossRef] [PubMed]
  65. Cain, N.; Gradisar, M. การใช้สื่ออิเล็กทรอนิกส์และการนอนหลับในเด็กและวัยรุ่นวัยเรียน: บทวิจารณ์ Sleep Med 2010, 11, 735 – 742 [Google Scholar] [CrossRef] [PubMed]
  66. Hochadel, J .; Frolich, J .; Wiater, A .; Lehmkuhl, G.; Fricke-Oerkermann, L. ความชุกของปัญหาการนอนหลับและความสัมพันธ์ระหว่างปัญหาการนอนหลับและพฤติกรรมการปฏิเสธโรงเรียนในเด็กวัยเรียนในเด็กและการจัดอันดับของผู้ปกครอง พยาธิวิทยา 2014, 47, 119 – 126 [Google Scholar] [CrossRef] [PubMed]
  67. หลิน SSJ; Tsai, CC Sensation การแสวงหาและการพึ่งพาอินเทอร์เน็ตของวัยรุ่นมัธยมไต้หวัน คอมพิวเต ครวญเพลง Behav 2002, 18, 411 – 426 [Google Scholar] [CrossRef]
  68. Hsi-Peng, L .; Shu-ming, W. บทบาทของการติดอินเทอร์เน็ตในความภักดีของเกมออนไลน์: การศึกษาเชิงสำรวจ ความละเอียดอินเทอร์เน็ต 2008, 18, 499 – 519 [Google Scholar]
  69. Jessor, R.; Jessor, SL ปัญหาพฤติกรรมและการพัฒนาทางจิตสังคม: การศึกษาระยะยาวของเยาวชน; Academic Press: Cambridge, MA, USA, 1977; พี 281 [Google Scholar]
  70. Jessor, R. ทฤษฎีพฤติกรรมปัญหา, การพัฒนาด้านจิตสังคมและการดื่มสุราปัญหาวัยรุ่น br เจติดยาเสพติด 1987, 82, 331 – 342 [Google Scholar] [CrossRef] [PubMed]
  71. วิลเลียมส์, JH; เยอร์, ​​ซีดี; แอ๊บบอต, RD; ฮอว์กิน, JD; Catalano, RF เทียบเท่าโครงสร้างของการมีส่วนร่วมในพฤติกรรมที่เป็นปัญหาโดยวัยรุ่นข้ามกลุ่มเชื้อชาติโดยใช้การวิเคราะห์ปัจจัยยืนยันหลายกลุ่ม Soc ทำงาน Res 1996, 20, 168 – 177 [Google Scholar]
  72. ฮา, วาย - ม.; Hwang, WJ เพศที่แตกต่างในการติดอินเทอร์เน็ตที่เกี่ยวข้องกับตัวชี้วัดสุขภาพจิตในหมู่วัยรุ่นโดยใช้การสำรวจบนเว็บระดับชาติ int J. Ment สุขภาพติดยาเสพติด 2014, 12, 660 – 669 [Google Scholar] [CrossRef]
  73. Kuss, DJ; สั้นลง GW; Van Rooij, AJ; Griffiths, MD; Schoenmakers, TM การประเมินการติดอินเทอร์เน็ตโดยใช้รูปแบบส่วนประกอบการเสพติดอินเทอร์เน็ตที่น่าเบื่อหน่าย - การศึกษาเบื้องต้น int J. Ment สุขภาพติดยาเสพติด 2014, 12, 351 – 366 [Google Scholar] [CrossRef]