การใช้งานอินเทอร์เน็ตที่มีปัญหาและฟังก์ชั่นภูมิคุ้มกัน (2015)

PLoS One 2015 ส.ค. 5; 10 (8): e0134538 doi: 10.1371 / journal.pone.0134538

รี้ด1, Vile R1, Osborne LA2, โรมาโนเอ็ม3, Truzoli R3.

นามธรรม

การใช้อินเทอร์เน็ตที่มีปัญหานั้นมีความสัมพันธ์กับความหลากหลายทางจิตวิทยา แต่ความสัมพันธ์กับความเจ็บป่วยทางกายไม่ได้รับการสอบสวนในระดับเดียวกัน การศึกษาในปัจจุบันสำรวจผู้เข้าร่วม 505 ออนไลน์และถามเกี่ยวกับระดับของการใช้อินเทอร์เน็ตที่มีปัญหา (การทดสอบการเสพติดอินเทอร์เน็ต) ภาวะซึมเศร้าและความวิตกกังวล (ความวิตกกังวลในโรงพยาบาลและระดับภาวะซึมเศร้า) และสุขภาพปัจจุบันของพวกเขา - แบบสอบถามสุขภาพทั่วไป (GHQ-28) และแบบสอบถามฟังก์ชันภูมิคุ้มกัน ผลการศึกษาพบว่าประมาณร้อยละ 30 ของกลุ่มตัวอย่างแสดงระดับการติดอินเทอร์เน็ตที่ไม่รุนแรงหรือแย่กว่านั้นโดยวัดจาก IAT แม้ว่าจะมีความแตกต่างในวัตถุประสงค์ที่ชายและหญิงใช้อินเทอร์เน็ต แต่ก็ไม่แตกต่างกันในแง่ของระดับการใช้งานที่มีปัญหาระหว่างเพศ ปัญหาเกี่ยวกับอินเทอร์เน็ตมีความสัมพันธ์อย่างมากกับตัวแปรทางจิตวิทยาอื่น ๆ เช่นภาวะซึมเศร้าความวิตกกังวลปัญหาสังคมและปัญหาการนอนหลับ การติดอินเทอร์เน็ตนั้นสัมพันธ์กับการลดการทำงานของระบบภูมิคุ้มกันที่รายงานตนเอง แต่ไม่ได้เกี่ยวข้องกับการวัดสุขภาพทั่วไป (GHQ-28) ความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและฟังก์ชั่นภูมิคุ้มกันลดลงพบว่าเป็นอิสระจากผลกระทบของการเจ็บป่วยที่เกิดร่วม มันบอกว่าความสัมพันธ์เชิงลบระหว่างระดับของการใช้อินเทอร์เน็ตที่มีปัญหาและการทำงานของระบบภูมิคุ้มกันอาจจะไกล่เกลี่ยโดยระดับของความเครียดที่เกิดจากการใช้อินเทอร์เน็ตและกิจกรรมประสาทที่เห็นอกเห็นใจต่อมาซึ่งเกี่ยวข้องกับภูมิคุ้มกัน supressants เช่น cortisol

อ้างอิง: Reed P, Vile R, Osborne LA, Romano M, Truzoli R (2015) การใช้งานอินเทอร์เน็ตที่มีปัญหาและฟังก์ชั่นภูมิคุ้มกัน โปรดหนึ่ง 10 (8): e0134538 ดอย: 10.1371 / journal.pone.0134538

Editor: อันโตนิโอเวอร์ดิโจการ์เซีย, มหาวิทยาลัยกรานาดา, สเปน

ที่ได้รับ: ธันวาคม 3, 2014; ได้รับการยืนยัน: กรกฎาคม 10, 2015; ที่เผยแพร่: สิงหาคม 5, 2015

ลิขสิทธิ์: © 2015 Reed และคณะ นี่เป็นบทความการเข้าถึงแบบเปิดที่เผยแพร่ภายใต้ข้อกำหนดของ ใบอนุญาตแสดงที่มาของครีเอทีฟคอมมอนส์ซึ่งอนุญาตให้ใช้การแจกจ่ายและการทำซ้ำแบบไม่ จำกัด ในสื่อใดก็ตามหากมีการให้เครดิตผู้เขียนต้นฉบับและแหล่งที่มา

ความพร้อมใช้งานของข้อมูล: เนื่องจากข้อกำหนดทางจริยธรรมที่วางไว้ในการเผยแพร่ข้อมูลใด ๆ ที่เก็บรวบรวมทางอิเล็กทรอนิกส์โดยคณะกรรมการจริยธรรมของจิตวิทยาเราไม่สามารถทำให้ชุดข้อมูลพร้อมใช้งานออนไลน์ แต่เรามีความสุขมากที่จะให้ข้อมูลเหล่านี้กับใครก็ตามที่ต้องการดูโดยติดต่อศาสตราจารย์ Phil ได้ที่ [ป้องกันอีเมล].

เงินทุน: ผู้เขียนไม่มีการสนับสนุนหรือเงินทุนที่จะรายงาน

การแข่งขันความสนใจ: ผู้เขียนได้ประกาศว่าไม่มีความสนใจในการแข่งขันอยู่

บทนำ

การใช้อินเทอร์เน็ตมากเกินไปหรือไม่เหมาะสม (หรือการใช้อินเทอร์เน็ตที่มีปัญหา) ได้รับการแนะนำโดยบางคนว่าเป็นปัญหาสำหรับบุคคลบางกลุ่ม [1,2] และจำเป็นต้องศึกษาเพิ่มเติมเกี่ยวกับความผิดปกติของการติดอินเทอร์เน็ต (IAD) ว่าเป็นแนวคิดที่มีประโยชน์หรือไม่ [1,3] บุคคลที่รายงานปัญหาเกี่ยวกับการใช้อินเทอร์เน็ตของพวกเขาทราบจำนวนอาการที่เกี่ยวข้องเช่น: การหยุดชะงักที่สำคัญในการทำงานและความสัมพันธ์ทางสังคม [4,5,6] และผลกระทบด้านลบเมื่อแยกออกจากอินเทอร์เน็ต [7] การประมาณความชุกของการใช้อินเทอร์เน็ตที่มีปัญหาในประชากรทั่วไปแตกต่างกันไประหว่าง 2% และ 8% และช่วงสูงสุดถึง 20% ในตัวอย่างที่อายุน้อยกว่า [3, 8-10] แม้ว่าตัวเลขเหล่านี้จะยากต่อการตีความอย่างแม่นยำเนื่องจากคำจำกัดความที่แตกต่างกันของ 'การใช้อินเทอร์เน็ตที่มีปัญหา' หรือ 'การติดอินเทอร์เน็ต' ที่มีการใช้งาน

ผู้ที่รายงานการใช้งานอินเทอร์เน็ตที่มีปัญหายังรายงานปัญหาทางจิตวิทยาและสังคมที่เกี่ยวข้องหลากหลาย [10-12] ความผิดปกติทางจิตวิทยาที่พบในผู้ที่รายงานการใช้งานอินเทอร์เน็ตที่มีปัญหานั้นพบว่า: ความวิตกกังวล [7,13,14], โรคสมาธิสั้น [15], ความผิดปกติสเปกตรัมออทิสติก [7,16], ภาวะซึมเศร้า [13-15, 17], แรงกระตุ้น dysregulation และความเป็นศัตรู [18-20] และโรคจิตเภท7,21] โรควิตกกังวลทางสังคม [18] และความเหงา [22] มีความเกี่ยวข้องกันโดยทั่วไปกับ IAD นอกจากนี้ความเครียดในชีวิตระดับสูง23] และความโดดเดี่ยวทางสังคม [22, 24-26] และคุณภาพชีวิตที่ต่ำกว่า24,27] กล่าวถึงโดยผู้ที่รายงานการใช้อินเทอร์เน็ตที่มีปัญหา

ระดับสูงที่เป็นปัญหาและประเภทของการใช้อินเทอร์เน็ตก็มีส่วนเกี่ยวข้องกับการเปลี่ยนแปลงทางระบบประสาท [28,29] จำนวนการวิจัยที่เพิ่มขึ้นชี้ให้เห็นว่าการใช้อินเทอร์เน็ตที่เป็นปัญหาเช่นเดียวกับการติดพฤติกรรมอื่น ๆ นั้นสัมพันธ์กับความผิดปกติในระบบโดปามีน [30,31] และเพิ่มความกระวนกระวายต่อกิจกรรมประสาท [32,33] ซึ่งแสดงให้เห็นว่ามีความสัมพันธ์ซึ่งกันและกัน34].

ในทางตรงกันข้ามกับวรรณกรรมที่เพิ่มขึ้นเกี่ยวกับความสัมพันธ์ทางจิตวิทยาและระบบประสาทของ IAD มีการศึกษาน้อยมากเกี่ยวกับผลกระทบของการใช้อินเทอร์เน็ตที่มีปัญหาต่อสุขภาพร่างกาย มีการสร้างความสัมพันธ์ระหว่างการนอนหลับรบกวนและการใช้อินเทอร์เน็ตจำนวนมาก [35,36] เช่นเดียวกับความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหากับอาหารที่ไม่ดี [37] ส่งผลให้เกิดปัญหาน้ำหนักเช่นโรคอ้วน [38] งานวิจัยบางชิ้นพบความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพที่รายงานด้วยตนเองซึ่งเป็นแนวคิดที่เกี่ยวข้องกับความเจ็บป่วยแม้ว่ามันควรจะสังเกตว่ามีการสาธิตน้อยมากและมีความคลาดเคลื่อนในวรรณกรรมนี้39,40] ตัวอย่างเช่นคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพที่วัดโดย SF-36 นั้นพบว่ามีความสัมพันธ์กับการใช้อินเทอร์เน็ตที่มีปัญหาแม้ว่าคุณภาพชีวิตไม่สัมพันธ์กับเวลาที่ใช้อินเทอร์เน็ต [40] ในทางตรงกันข้ามเมื่อวัดคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพโดยแบบสอบถามสุขภาพทั่วไป (GHQ) ความสัมพันธ์น้อยได้รับการบันทึกด้วย IAD [9,39] เหตุผลของรูปแบบการค้นพบที่แตกต่างกันโดยใช้มาตรการทั้งสองของคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพนั้นไม่ชัดเจน - แม้ว่าพวกเขาอาจจะสะท้อนให้เห็นถึงความแตกต่างทั้งในการปฏิบัติงานของความคิดเกี่ยวกับการใช้อินเทอร์เน็ตที่มีปัญหาในการศึกษาและจุดเน้นของ SF-36 คุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพทั้งทางร่างกายและจิตใจเปรียบเทียบกับการมุ่งเน้นด้านจิตวิทยาของ GHQ ดังนั้นวรรณกรรมเกี่ยวกับคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพจึงยากที่จะตีความ

การสนทนาข้างต้นแสดงให้เห็นว่าการวิจัยเพิ่มเติมในพื้นที่ที่สำคัญนี้อาจรับประกันได้เนื่องจากการใช้อินเทอร์เน็ตที่เพิ่มขึ้น [3] และการขาดหลักฐานที่ชัดเจนเกี่ยวกับผลกระทบต่อการทำงานของสุขภาพ ต่อ se เมื่อเทียบกับคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพเช่นเดียวกับปัญหาของผู้ดูแลที่เพิ่มระดับความเจ็บป่วยทางกายที่เกี่ยวข้องอาจทำให้ระบบสุขภาพ แน่นอนว่าจากการที่ผู้ป่วยที่แสดงรายงานการใช้อินเทอร์เน็ตที่มีปัญหาร่วมกันความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและความเจ็บป่วยทางกายอาจเป็นผลมาจากปัญหาใดปัญหาหนึ่ง การเพิกเฉยต่อตนเองโดยผู้รายงานการใช้อินเทอร์เน็ตที่มีปัญหาในแง่ของอาหารที่ไม่ดีและรูปแบบการนอนที่ไม่ดีอาจมีส่วนร่วมในการเจ็บป่วยทางร่างกายในระดับที่เพิ่มขึ้น [37,40] แน่นอนว่าการนอนหลับไม่ดีแสดงให้เห็นการคาดการณ์บางประการของการทำงานของระบบภูมิคุ้มกัน [41-43] นอกจากนี้ปัญหาทางจิตใจที่ผิดปกติอาจมีบทบาทด้วยเช่นกัน มีรายงานว่าปัญหาสุขภาพจิตมีความสัมพันธ์กับจำนวนของโรคหวัดที่รายงานในช่วงหนึ่งปี [44] โดยเฉพาะภาวะซึมเศร้าทั้ง [45-47] และปัญหาความวิตกกังวลและความเครียด [48] โดยเฉพาะความวิตกกังวลทางสังคมและความเหงา [49-51] ทำนายความผิดปกติของระบบภูมิคุ้มกัน ในที่สุดการเปิดใช้งานของระบบความเห็นอกเห็นใจซึ่งมีการระบุไว้ในผู้ที่มีปัญหาการใช้งานอินเทอร์เน็ตมีความสัมพันธ์กับการเพิ่มขึ้นของระดับอะดรีนาลีนและคอร์ติซอลและนำไปสู่การทำงานของระบบภูมิคุ้มกันลดลงโดยเฉพาะในผู้ที่มีความเครียดสูง52] การตรวจสอบความสัมพันธ์ของการใช้อินเทอร์เน็ตที่มีปัญหาและความเจ็บป่วยทางกายจะต้องมีการประเมินผลงานที่เกี่ยวข้องของการทำงานที่เกี่ยวข้องเหล่านี้

เห็นได้ชัดว่าสุขภาพกายเป็นแนวคิดที่หลากหลายมาก แต่จากการทบทวนข้างต้นชี้ให้เห็นว่าการใช้อินเทอร์เน็ตที่มีปัญหาอาจส่งผลกระทบต่อการทำงานของระบบภูมิคุ้มกันโดยเฉพาะซึ่งไม่ได้รับการศึกษาโดยตรง53] หากเป็นกรณีนี้ความเจ็บป่วยเช่นโรคไข้หวัด54], ไข้หวัดใหญ่ [55] แผลเย็น56], โรคปอดบวม [57], การติดเชื้อ [58] และการติดเชื้อที่ผิวหนัง59] อาจเป็นกุญแจสำคัญในการประเมินผลกระทบของการใช้อินเทอร์เน็ตที่มีปัญหากับอาการทางกายภาพ การสำรวจก่อนหน้านี้ของความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและความเจ็บป่วยทางกายภาพมีแนวโน้มที่จะมุ่งเน้นไปที่รายงานคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพที่ได้รับโดยใช้เครื่องมือเช่น SF-36 และ GHQ แม้ว่ามาตรการเหล่านี้จะมีความน่าเชื่อถือ แต่ก็ไม่จำเป็นต้องมุ่งเน้นไปที่ชุดของความเจ็บป่วยใด ๆ ที่เฉพาะเจาะจงและไม่เกี่ยวข้องกับความเจ็บป่วยที่บุคคลที่มีระบบภูมิคุ้มกันที่ถูกกดขี่อาจมีแนวโน้มที่จะแสดง ในการกำหนดระดับการทำงานของระบบภูมิคุ้มกันที่อาจถูกบุกรุกงานก่อนหน้านี้ได้ตรวจสอบรายงานด้วยตนเองของอาการที่สัมพันธ์กับการทำงานของระบบภูมิคุ้มกันที่ไม่ดี [31,44] การรายงานตัวเองถือเป็นวิธีการที่เข้มแข็งในบริบทนี้เนื่องจากอาการดังกล่าวง่ายต่อการแยกแยะตัวเองมักจะไม่ถูกรายงานไปยังผู้เชี่ยวชาญด้านสุขภาพดังนั้นจึงไม่ปรากฏในบันทึกทางการแพทย์และมักพบโดยไม่มีสาเหตุไวรัสที่ตรวจสอบได้ [54].

จากการพิจารณาข้างต้นการศึกษาในปัจจุบันได้สำรวจความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหากับตัวชี้วัดหลักด้านสุขภาพสองประการ (การทำงานของภูมิคุ้มกันและสถานะสุขภาพที่รายงานด้วยตนเอง) รวมถึงตัวแปรที่เกี่ยวข้องกับสุขภาพ (ภาวะซึมเศร้าวิตกกังวลเหงาและ ปัญหาการนอนหลับ) สิ่งที่น่าสนใจอย่างยิ่งคือความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหากับสุขภาพร่างกายที่เกี่ยวข้องกับภูมิคุ้มกันซึ่งไม่เคยมีการประเมินมาก่อน ในการนี้จุดเริ่มต้นของการศึกษาคือการตรวจสอบว่าการใช้อินเทอร์เน็ตที่มีปัญหาในระดับที่สูงขึ้นจะเชื่อมโยงกับรายงานการเจ็บป่วยที่เกี่ยวข้องกับระบบภูมิคุ้มกันมากขึ้นหรือไม่ (มากกว่าและสูงกว่าผลกระทบที่อาจเกิดขึ้นจากปัญหาอินเทอร์เน็ตในตัวแปรอื่น ๆ ) นอกจากนี้ยังมีจุดมุ่งหมายรองอีกจำนวนหนึ่งที่ไม่เคยมีการตรวจสอบมาก่อนรวมถึงการสำรวจลักษณะของความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหากับสถานะสุขภาพที่รายงานด้วยตนเอง นี่คือการตรวจสอบเพื่อตรวจสอบว่าตัวแปรนี้แสดงความสัมพันธ์เดียวกันกับการใช้อินเทอร์เน็ตที่มีปัญหาเช่นเดียวกับรายงานของอาการที่เกี่ยวข้องกับภูมิคุ้มกัน ช่วงของปัญหาอื่น ๆ ที่เกี่ยวข้องที่อาจเกิดขึ้นสำหรับผู้ที่แสดงการใช้งานอินเทอร์เน็ตที่มีปัญหาซึ่งพบว่าสามารถทำนายการทำงานของระบบภูมิคุ้มกันที่ไม่ดีเช่นความวิตกกังวลซึมเศร้าความเหงาและปัญหาการนอนหลับได้ถูกวัดเพื่อพยายามหาความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ต และอาการสุขภาพร่างกายเป็นอิสระจากปัญหาร่วมกันเหล่านี้ สิ่งนี้จะช่วยให้ขั้นตอนแรกในการกำหนดลักษณะของความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและการทำงานของระบบภูมิคุ้มกันที่ลดลงหากพบการเชื่อมโยง

วิธี

คำชี้แจงด้านจริยธรรม

การอนุมัติทางจริยธรรมสำหรับการวิจัยนี้ได้รับจากคณะกรรมการจริยธรรมจริยธรรมของมหาวิทยาลัยสวอนซี ผู้เข้าร่วมให้ความยินยอมที่ได้รับการบอกกล่าวเพื่อเข้าร่วมในการศึกษานี้โดยการลงนามในแบบฟอร์มยินยอมหลังจากอ่านเอกสารข้อมูลที่ให้ไว้สำหรับพวกเขาและคณะกรรมการจริยธรรมได้อนุมัติขั้นตอนการยินยอมนี้

ผู้เข้าร่วมกิจกรรม

ผู้เข้าร่วมห้าร้อยห้าคน (หญิง 265 และชาย 240) ได้รับการคัดเลือกผ่านลิงก์ที่โพสต์บนเว็บไซต์อินเทอร์เน็ต (เว็บไซต์เครือข่ายสังคมออนไลน์บล็อกและเว็บไซต์ microblogging และเว็บไซต์เกม) มีการนำกลยุทธ์การรับสมัครออนไลน์มาใช้สอดคล้องกับการสำรวจก่อนหน้านี้เกี่ยวกับผลกระทบของการใช้อินเทอร์เน็ตที่มีปัญหา [60,61].

ผู้เข้าร่วมทั้งหมดเป็นอาสาสมัครและไม่มีใครได้รับค่าตอบแทนใด ๆ สำหรับการเข้าร่วม ผู้เข้าร่วมมีอายุเฉลี่ย 29.73 (+ 13.65 ช่วง 18–101) ปี: <20 ปี = 7.5%; 21–29 ปี = 61.8%; 30–39 ปี = 15.5%; 40–49 ปี = 4.6%; 50–59 ปี = 4.2%; 60 ปีขึ้นไป = 5.9% เชื้อชาติที่รายงานด้วยตนเองของผู้เข้าร่วมคือ 202 (40%) ขาว; 50 (10%) กลุ่มชาติพันธุ์ผสม / หลายกลุ่ม; 141 (28%) เอเชีย; 106 (21%) ดำ / แอฟริกัน / แคริบเบียน; และ 6 (1%) กลุ่มชาติพันธุ์อื่น ๆ สถานภาพสมรสของกลุ่มตัวอย่างคือ 305 (60%) โสด 65 (13%) แต่งงานหรืออยู่ในความร่วมมือทางแพ่ง 105 (21%) ในรูปแบบความสัมพันธ์อื่น ๆ และ 30 (6%) หย่าร้างหรือเป็นม่าย

การใช้อินเทอร์เน็ตโดยทั่วไปของผู้เข้าร่วม

ผู้เข้าร่วมถูกขอให้ประเมินการใช้อินเทอร์เน็ตโดยเฉลี่ยโดยขอให้พวกเขาประเมินจำนวนชั่วโมงต่อสัปดาห์ที่ใช้ในอินเทอร์เน็ตในช่วงสองสามเดือนที่ผ่านมา มาตรการนี้มักใช้ในการศึกษาการใช้อินเทอร์เน็ตที่มีปัญหา40,61] แม้ว่ามันจะได้รับการแนะนำว่ามันเป็นการใช้ 'ไม่ใช่มืออาชีพ' ที่มีความสัมพันธ์กับปัญหาต่าง ๆ ที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตหนัก [40] มันคิดว่าความแตกต่างระหว่างมืออาชีพ / ไม่ใช่มืออาชีพอาจไม่ได้ใช้กับผู้ตอบแบบสอบถามทั้งหมดและการใช้งานเหล่านี้อาจเป็นการยากที่จะแยกแยะผู้ตอบแบบสอบถามบางคน ยิ่งไปกว่านั้นการใช้งานอินเทอร์เน็ตโดยรวมก็พบว่ามีความเกี่ยวข้องกับปัญหาที่เกี่ยวข้องกับอินเทอร์เน็ต [40].

จำนวนชั่วโมงที่ใช้อินเทอร์เน็ตโดยเฉลี่ยต่อสัปดาห์ที่รายงานคือ 39.57 (+ 28.06, ช่วง = 1 ถึง 135): 28.3% รายงานการใช้จ่ายระหว่าง 1 และ 20 ชั่วโมงต่อสัปดาห์ออนไลน์ 29.5% รายงานการใช้จ่าย 21 เป็น 40 ชั่วโมงต่อสัปดาห์ออนไลน์ 22.4% รายงานการใช้จ่าย 41 เป็น 60 ชั่วโมงต่อสัปดาห์ออนไลน์และ 19.8% รายงานการใช้จ่ายผ่าน 61 ชั่วโมงต่อสัปดาห์บนอินเทอร์เน็ต จำนวนชั่วโมงเฉลี่ยต่อสัปดาห์ที่ผู้หญิงใช้ออนไลน์คือ 34.77 (± 26.84, ช่วง = 1 – 135) และสำหรับผู้ชายเพศชายนี่คือ 44.88 (± 28.46, ช่วง = 6 – 130) การทดสอบกลุ่มอิสระทีเปิดเผยว่าความแตกต่างนี้มีนัยสำคัญทางสถิติโดยมีเอฟเฟกต์ขนาดปานกลาง t(503) = 4.11 p <0.001, d = 0.366 มีความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญ แต่อ่อนแอเชิงบวกระหว่างอายุและเวลาที่ใช้ออนไลน์ F(1,503) = 6.74 p <0.05, R2 = 0.013 แต่ความสัมพันธ์กำลังสองของ Inverted-U ที่แข็งแกร่งระหว่างตัวแปรเหล่านี้ F(1,502) = 11.10 p <0.001, R2 = 0.042) อย่างไรก็ตามเมื่อตัวอย่างถูกแบ่งออกเป็นผู้ที่ปัจจุบันโสด (N = 331) และผู้ที่อยู่ในรูปแบบของความสัมพันธ์ (N = 174) ไม่มีความแตกต่างอย่างมีนัยสำคัญทางสถิติในการใช้เวลาออนไลน์ t (503) = 1.48 p > .10, d = 0.146 ในทำนองเดียวกันไม่มีความแตกต่างอย่างมีนัยสำคัญแบบคงที่ระหว่างเวลาที่ใช้ออนไลน์ในกลุ่มชาติพันธุ์ต่าง ๆ F <1.

ผู้เข้าร่วมถูกถามเกี่ยวกับประเภทของการใช้งานที่ทำจากอินเทอร์เน็ตและขอให้ระบุว่าพวกเขาได้เยี่ยมชมเว็บไซต์บางประเภทในช่วงสองสามเดือนที่ผ่านมาหรือไม่ คำตอบของคำถามนี้แสดงอยู่ใน 1 ตารางซึ่งแสดงเปอร์เซ็นต์ของกลุ่มตัวอย่างทั้งหมดที่เคยเข้าชมเว็บไซต์ในรูปแบบต่าง ๆ พร้อมกับเปอร์เซ็นต์ของชายและหญิงและอายุน้อยกว่า (น้อยกว่า 29 ปี) และเก่ากว่า (30 ปีขึ้นไป) ผู้เข้าร่วมเยี่ยมชมไซต์ นอกจากนี้ 1 ตาราง แสดงค่าสัมประสิทธิ์พีสำหรับข้อมูลเหล่านี้ (คำนวณตามจำนวนผู้เข้าร่วมจริงแทนที่จะเป็นเปอร์เซ็นต์ที่แสดงใน 1 ตาราง) ค่าสัมประสิทธิ์พีให้ดัชนีของระดับความสัมพันธ์ระหว่างตัวแปร (และมีนัยสำคัญทางสถิติเมื่อสถิติไคสแควร์ที่สอดคล้องกันมีความสำคัญ)

ภาพขนาดย่อ
ตาราง 1 ร้อยละของเว็บไซต์ตัวอย่างการเยี่ยมชมในรูปแบบต่าง ๆ พร้อมด้วยเปอร์เซ็นต์ชายและหญิงและอายุน้อยกว่าและเก่ากว่าผู้เข้าร่วมเยี่ยมชมเว็บไซต์พร้อมกับค่าสัมประสิทธิ์พี

ดอย: 10.1371 / journal.pone.0134538.t001

ข้อมูลเหล่านี้แสดงให้เห็นว่าเครือข่ายสังคมออนไลน์ (เช่น Facebook, Twitter) และเว็บไซต์ช้อปปิ้ง / การธนาคารเป็นเว็บไซต์อินเทอร์เน็ตที่ใช้กันมากที่สุด การพนัน (รวมถึงไซต์ลอตเตอรี) การเล่นเกมและไซต์ที่มีเนื้อหาเกี่ยวกับเรื่องเพศ / การออกเดทมักใช้ในระดับปานกลางโดยมีจำนวนน้อยที่มีส่วนร่วมในบล็อกแบบดั้งเดิม (ยกเว้น Twitter) หรือห้องสนทนา มีความแตกต่างทางเพศในการใช้อินเทอร์เน็ตโดยผู้หญิงใช้โซเชียลเน็ตเวิร์กและไซต์ช็อปปิ้งมากกว่าเพศชายและผู้ชายที่เล่นเกมเว็บไซต์ทางเพศ / การออกเดทและห้องแชทมากกว่าผู้หญิง ผู้คนที่มีอายุต่ำกว่า 30 ปีใช้เว็บไซต์เครือข่ายสังคมและเว็บไซต์เพื่อการวิจัยบ่อยกว่าเว็บไซต์ 30 อย่างไรก็ตามผู้ที่มีอายุมากกว่า 30 ใช้เว็บไซต์ช็อปปิ้ง / ธนาคารรวมถึงเว็บไซต์ข่าวบล็อกแบบดั้งเดิมและห้องสนทนาบ่อยกว่าผู้ที่มีอายุต่ำกว่า 30 ปี

วัสดุ

การทดสอบการติดอินเทอร์เน็ต (IAT)

IAT [62] เป็นระดับรายการ 20 ซึ่งครอบคลุมระดับที่การใช้อินเทอร์เน็ตขัดขวางชีวิตประจำวัน (เช่นงานการนอนหลับความสัมพันธ์ ฯลฯ ) แต่ละรายการมีการทำคะแนนในระดับ 1 – 4 และคะแนนโดยรวมอยู่ในช่วงตั้งแต่ 20 ถึง 100 โครงสร้างปัจจัยของ IAT กำลังถกเถียงกันในปัจจุบัน [61,63] แต่คะแนนที่ตัดออกของ 40 หรือมากกว่าสำหรับคะแนนรวมของ IAT นั้นถือเป็นการนำเสนอการใช้งานอินเทอร์เน็ตที่มีปัญหาในระดับหนึ่ง [7,62,64] ความน่าเชื่อถือภายในของเครื่องชั่งอยู่ระหว่าง. 90 [64] และ .93 [62].

ระดับความวิตกกังวลและอาการซึมเศร้าในโรงพยาบาล (HADS)

The HADS [65] เป็นตัวชี้วัดความวิตกกังวลและภาวะซึมเศร้าที่ใช้กันอย่างแพร่หลาย เดิมทีออกแบบมาเพื่อใช้งานโดยผู้ป่วยนอกโรงพยาบาลทั่วไปมันถูกใช้สำหรับตัวอย่างที่ไม่ใช่แพทย์ [66,67] มันมีรายการ 14 (7 สำหรับความวิตกกังวลและ 7 สำหรับภาวะซึมเศร้า) ที่เกี่ยวข้องกับสัปดาห์ที่ผ่านมา มีคำถาม 7 แต่ละข้อสำหรับความวิตกกังวลและภาวะซึมเศร้าคำถามแต่ละข้อมีคะแนนจาก 0 ถึง 3 ขึ้นอยู่กับความรุนแรงของอาการ คะแนนสูงสุดคือ 21 สำหรับเครื่องชั่งแต่ละเครื่อง ผู้ตอบสามารถแบ่งได้เป็นสี่ประเภท: 0 – 7 ปกติ; 8 – 10 อ่อน; 11 – 14 ปานกลาง; และ 15 – 21 รุนแรง ความน่าเชื่อถือการทดสอบซ้ำและความถูกต้องมีทั้งที่แข็งแกร่ง [65] และความน่าเชื่อถือภายในคือ. 82 สำหรับระดับความวิตกกังวลและ. 77 สำหรับระดับความหดหู่สำหรับประชากรที่ไม่ใช่ทางคลินิก [67].

สเกลความเดียวดายของ UCLA

ระดับความเหงาของ UCLA [68] ประกอบด้วยคำสั่ง 20 ที่ออกแบบมาเพื่อประเมินความเหงา ผู้เข้าร่วมตอบคำถามแต่ละข้อโดยใช้ระดับคะแนน 4 (“ ฉันมักจะรู้สึกแบบนี้”,“ บางครั้งฉันรู้สึกแบบนี้”,“ ฉันไม่ค่อยรู้สึกแบบนี้” และ“ ฉันไม่เคยรู้สึกแบบนี้”) และแต่ละรายการคือ คะแนนจาก 0 ถึง 3 ทำให้คะแนนรวมอยู่ในช่วงตั้งแต่ 0 ถึง 60 คะแนนที่สูงขึ้นหมายถึงความรุนแรงของความเหงาที่สูงขึ้น จุดตัดสำหรับปัญหาความเหงามักจะได้รับที่หนึ่งส่วนเบี่ยงเบนมาตรฐานเหนือค่าเฉลี่ยสำหรับตัวอย่าง เครื่องชั่งมีความน่าเชื่อถือสูงด้วยความสอดคล้องภายในของ. 92 และความน่าเชื่อถือการทดสอบซ้ำของ. 73 [69].

ดัชนีคุณภาพการนอนหลับของ Pittsburgh (PSQI)

PSQI นี้ [70] ประกอบด้วยคำถามหลัก 10 บางส่วนมีหัวข้อย่อยซึ่งผู้เข้าร่วมจะต้องป้อนข้อมูลเกี่ยวกับพฤติกรรมการนอนของพวกเขา แบบสอบถามให้คะแนนระหว่าง 0 และ 21 ซึ่งคะแนนสูงสะท้อนการนอนหลับที่แย่ลงและคะแนนที่สูงกว่า 5 สะท้อนให้เห็นถึงผู้นอนหลับที่ไม่ดี [70] พบว่า PSQI มี“ ความน่าเชื่อถือของการทดสอบการทดสอบซ้ำสูง” และความถูกต้องที่ดีเมื่อใช้สำหรับการทดสอบ [70].

แบบสอบถามสุขภาพทั่วไป (GHQ-28)

The GHQ-28 [71] วัดช่วงของปัญหาสุขภาพจิตและสุขภาพและแบ่งออกเป็นระดับย่อย 4: อาการร่างกายความวิตกกังวลและนอนไม่หลับความผิดปกติทางสังคมและภาวะซึมเศร้าอย่างรุนแรง แต่ละสเกลย่อยประกอบด้วยรายการ 7 ซึ่งทั้งหมดต้องการการตอบสนองในสเกลประเภทลิกเกอร์ 4- จุด Likert: ไม่ใช่เลย, ไม่เกินปกติ, ค่อนข้างมากกว่าปกติ, มากขึ้นกว่าปกติ, ให้คะแนน 0 ถึง 3 ตามลำดับ ความน่าเชื่อถือภายในของเครื่องชั่งอยู่เหนือ. 90 สำหรับการศึกษาในปัจจุบันมีเพียงการวิเคราะห์ระดับอาการทางร่างกายซึ่งขอให้ผู้เข้าร่วมให้คะแนนระดับที่พวกเขารู้สึกว่า: ในสุขภาพโดยทั่วไปที่ดีต้องมียาชูกำลัง, วิ่งลง, ป่วย, ปวดหัว, ความตึงเครียดหรือความดัน หัวและคาถาร้อนหรือเย็น

แบบสอบถามฟังก์ชันภูมิคุ้มกัน (IFQ)

IFQconsists ของรายการ 15 ที่ประเมินความถี่ของอาการต่าง ๆ ที่เกี่ยวข้องกับการทำงานของภูมิคุ้มกันไม่ดี ขึ้นอยู่กับความถี่ของพวกเขาในประชากรทั่วไปและความสัมพันธ์โดยตรงกับการขาดภูมิคุ้มกันเงื่อนไขต่อไปนี้ได้รับเลือกเป็นฐานสำหรับรายการในแบบสอบถาม: โรคไข้หวัด54], ไข้หวัดใหญ่ [55] แผลเย็น56], โรคปอดบวม [57], การติดเชื้อ [58] และการติดเชื้อที่ผิวหนัง59] หลังจากการวิเคราะห์อาการสำคัญของอาการเหล่านี้ 19 อาการรายการถูกรวมอยู่ในแบบสอบถามเป็นสัญญาณของการทำงานของระบบภูมิคุ้มกันลดลง: เจ็บคอ, ปวดหัว, ไข้หวัดใหญ่, น้ำมูกไหล, ไอ, แผลเย็น, ไข้, หูด / verrucas , ปอดบวม, หลอดลมอักเสบ, ไซนัสอักเสบ, ไข้สูงฉับพลัน, การติดเชื้อที่หู, ท้องร่วง, เยื่อหุ้มสมองอักเสบ, การติดเชื้อที่ตา, การติดเชื้อ, และการบาดเจ็บจากการรักษาที่ยาวนาน พวกเขาได้รับการจัดอันดับในระดับประเภท 5 จุด Likert (ไม่เคยครั้งหรือสองครั้งเป็นครั้งคราวปกติบ่อยครั้งด้วยคะแนนจาก 0 ถึง 4 ตามลำดับ) คะแนนรวมอยู่ในช่วงตั้งแต่ 0 ถึง 79 โดยมีคะแนนสูงซึ่งสะท้อนการทำงานของระบบภูมิคุ้มกันที่แย่ลง ก่อนหน้านี้ IFQ เคยถูกใช้เพื่อศึกษาผลกระทบของเหตุการณ์ในชีวิตที่ตึงเครียดต่อสุขภาพที่รายงานด้วยตนเองเช่นการประเมินผลกระทบของการมีลูกด้วย ASD ในงานก่อนหน้า72] พบว่าคะแนน IFQ มีความสัมพันธ์เชิงบวก (r = .578 p <.001) จากจำนวนครั้งที่ไปพบแพทย์ทั่วไปมีความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญระหว่าง IFQ และคะแนน GHQ ทั้งหมด (r = .410 p <.01) เช่นเดียวกับความสัมพันธ์ที่มีนัยสำคัญระหว่าง IFQ และระดับอาการทางร่างกายของ GHQ (r = .493 p <.01)

การรักษาอื่นๆ

ผู้เข้าร่วมทุกคนตอบสนองต่อลิงก์ที่โพสต์บนเว็บไซต์อินเทอร์เน็ตที่กำหนดเป้าหมายเพื่อเข้าถึงผู้คนหลากหลายรวมถึงเว็บไซต์เครือข่ายสังคม (เช่น Facebook, Twitter), หน้าบล็อก / ฟอรัม (เช่น Mashable) เว็บไซต์เกม (เช่น Eurogamer.com) และเว็บไซต์ช่วยติดอินเทอร์เน็ต การเชื่อมโยงเหล่านี้ให้ผู้เข้าร่วมได้แนะนำสั้น ๆ เกี่ยวกับการศึกษาซึ่งพวกเขาบอกว่าการวิจัยเกี่ยวข้องกับความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตกับปัญหาบุคลิกภาพและสุขภาพต่างๆ หากพวกเขาสนใจเข้าร่วมพวกเขาได้รับคำแนะนำให้ติดตามลิงก์ออนไลน์ไปยังแบบสอบถาม ลิงค์นี้นำผู้เข้าร่วมไปยังหน้าเว็บที่มีข้อมูลเพิ่มเติมเกี่ยวกับการศึกษา: สรุปอีกครั้งว่าจุดประสงค์ของการศึกษานั้นเกี่ยวข้องกับการใช้อินเทอร์เน็ตและปัญหาด้านบุคลิกภาพและสุขภาพต่างๆและยังระบุประเภทของแบบสอบถามที่พวกเขาจะตอบ หน้าข้อมูลดังกล่าวยังให้รายละเอียดเกี่ยวกับสิทธิ์ในการถอนตัวออกจากการศึกษาเมื่อใดก็ได้และขั้นตอนการดำเนินการเพื่อให้มั่นใจถึงความเป็นส่วนตัว ข้อมูลดังกล่าวตามด้วยข้อความแสดงความยินยอมโดยสั่งให้ผู้เข้าร่วมเท่านั้นคลิกเพื่อเริ่มแบบสอบถามหากพวกเขายินดีที่จะให้ความยินยอมและหากพวกเขาอายุเกิน 18 ผู้เข้าร่วมจะถูกนำเสนอด้วยแบบสอบถาม

ไม่มีการ จำกัด เวลาสำหรับการตอบกลับและผู้เข้าร่วมจะได้รับตัวเลือกในการบันทึกแบบสำรวจและกลับมาอีกครั้งในภายหลังหากจำเป็น เมื่อแบบสอบถามทั้งหมดเสร็จสมบูรณ์ซึ่งใช้เวลาผู้เข้าร่วมประมาณ 30 ขั้นต่ำผู้เข้าร่วมจะถูกนำไปยังหน้าการซักถามซึ่งขอบคุณพวกเขาสำหรับการมีส่วนร่วมของพวกเขาเข้าไปในรายละเอียดเพิ่มเติมเกี่ยวกับเป้าหมายและวัตถุประสงค์ของการศึกษา นักวิจัยและบริการให้คำปรึกษาหากพวกเขารู้สึกว่าพวกเขาต้องการการสนับสนุนใด ๆ ติดตามประเด็นต่าง ๆ ที่เกิดขึ้นจากการสำรวจ ลิงค์การศึกษายังคงเปิดอยู่สามเดือน (ในช่วงฤดูใบไม้ผลิ) และจากนั้นก็ปิด

การวิเคราะห์ข้อมูล

เริ่มแรกความแตกต่างที่อาจเกิดขึ้นในคะแนนการเสพติดอินเทอร์เน็ตระหว่างผู้เข้าร่วมที่มีคุณสมบัติแตกต่างกัน (เช่นเพศอายุ ฯลฯ ) ถูกวิเคราะห์โดยใช้การทดสอบ t จากนั้นผู้เข้าร่วมจะถูกแบ่งออกเป็นกลุ่มปัญหาอินเทอร์เน็ตที่ต่ำกว่าและสูงกว่าโดยใช้การแบ่งที่จุดตัดสำหรับปัญหาอินเทอร์เน็ตที่ไม่รุนแรงหรือแย่กว่านั้นตาม IAT (เช่น 40) และความสัมพันธ์ระหว่างคะแนนการใช้อินเทอร์เน็ตที่มีปัญหากับเพศภาวะซึมเศร้า สำรวจ ฯลฯ โดยใช้การทดสอบไค - สแควร์ ความสัมพันธ์ระหว่างคะแนนฟังก์ชันภูมิคุ้มกันและตัวแปรตัวทำนายแต่ละตัวถูกสำรวจโดยใช้สหสัมพันธ์กึ่งส่วน (เพื่อแยกส่วนจากผลกระทบของตัวทำนายอื่น) และใช้การถดถอยแบบขั้นตอนเพื่อระบุผลกระทบของคะแนนปัญหาอินเทอร์เน็ตในการทำงานของภูมิคุ้มกัน ซ้ำแล้วซ้ำอีกผลกระทบของตัวแปรทำนายอื่น ๆ การวิเคราะห์เดียวกันได้ดำเนินการสำหรับคะแนนสุขภาพรายงานด้วยตนเอง (GHQ) ในที่สุดกลุ่มจะถูกแบ่งออกเป็นฟังก์ชันภูมิคุ้มกันสูงและต่ำและสถานะสุขภาพที่รายงานตนเองสูงและต่ำ (GHQ) และกลุ่มเหล่านี้ถูกเปรียบเทียบในแง่ของคะแนนติดยาเสพติดอินเทอร์เน็ตของพวกเขาโดยการวิเคราะห์ความแปรปรวนร่วมโดยใช้ตัวทำนายอื่น ๆ เมื่อมีการดำเนินการเปรียบเทียบหลาย ๆ ครั้งจะใช้เกณฑ์การปฏิเสธที่รุนแรงมากขึ้นสำหรับการทดสอบที่สำคัญและขนาดของผลกระทบจะถูกคำนวณตลอด

ผลสอบ

คะแนนเฉลี่ยสำหรับปัญหาอินเทอร์เน็ต (IAT) สำหรับตัวอย่างคือ 37.25 (± 16.18, range = 0 – 96) คะแนน IAT เฉลี่ยสำหรับผู้หญิงคือ 36.26 (± 15.36, ช่วง = 0 – 69) และคะแนนนี้สำหรับผู้ชายคือ 38.35 (± 17.00, ช่วง = 9 – 96) กลุ่มอิสระ t-test เปิดเผยว่าไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่างคะแนนเหล่านี้ t <1, d = 0.006 เพียร์สันมีความสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติและขนาดปานกลางความสัมพันธ์ระหว่างเวลาที่ใช้ออนไลน์และคะแนน IAT r(503) = .485 p <.001, R2 = .235 แต่ไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่างอายุของผู้เข้าร่วมและคะแนน IAT ของพวกเขา r(503) = –.025 p > .50, R2 = .0006

สัดส่วนตัวอย่างลดลงเหนือจุดตัดสำหรับการใช้งานอินเทอร์เน็ตที่มีปัญหาปานกลางหรือแย่กว่านั้น (เช่นคะแนน IAT ของ 40 หรือสูงกว่า [62]) แสดงใน 1 รูป สำหรับตัวอย่างทั้งหมดพร้อมกับข้อมูลเหล่านี้สำหรับหญิงและชายแยกกัน จากตัวอย่างผู้เข้าร่วม 192 (103 เพศหญิง 89 เพศชาย) ตกลงมาเหนือปัญหาอินเทอร์เน็ต ไม่มีความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างความน่าจะเป็นของคะแนนการใช้อินเทอร์เน็ตที่เป็นปัญหาระหว่างเพศ ไคสแควร์ = .17 p > .60, พี = .018 ความสัมพันธ์แบบ biserial Point ไม่เปิดเผยความสัมพันธ์ระหว่างอายุและการตกลงมาเหนือจุดตัด rpb(503) = -.002 p > .30, Rpb2 = .102 แม้ว่าจะมีความสำคัญทางสถิติและขนาดปานกลางความสัมพันธ์ระหว่างชั่วโมงที่ใช้งานออนไลน์และลดลงเหนือจุดตัดสำหรับปัญหาการติดอินเทอร์เน็ต r(503) = .320 p <.001, Rpb2 = .102

ภาพขนาดย่อ
รูปที่ 1 ผู้เข้าร่วมร้อยละด้านบนและด้านล่างจุดตัดสำหรับการใช้งานอินเทอร์เน็ตที่มีปัญหาปานกลางหรือแย่ลง (เช่นคะแนน IAT ของ 40 หรือสูงกว่า) พร้อมด้วยข้อมูลเหล่านี้สำหรับหญิงและชายแยกจากกัน

ดอย: 10.1371 / journal.pone.0134538.g001

แผงด้านบนของ 2 ตาราง แสดงค่าเฉลี่ยตัวอย่างและส่วนเบี่ยงเบนมาตรฐานสำหรับปัญหาอินเทอร์เน็ต (IAT) จำนวนชั่วโมงที่ใช้ออนไลน์ภาวะซึมเศร้า (HADS) ความวิตกกังวล (HADS) ความเหงา (UCLA) และปัญหาการนอนหลับ (PSQI) วิธีการเหล่านี้มีความสอดคล้องกับสิ่งที่เห็นในการตรวจสอบตัวอย่างก่อนหน้านี้ [7] นอกจากนี้ยังแสดงให้เห็นว่าร้อยละของบุคคลที่ตกลงมาเหนือจุดตัดสำหรับเครื่องชั่งเหล่านั้นซึ่งนอกเหนือจากปัญหาการนอนหลับเป็นไปตามที่คาดไว้สำหรับตัวอย่างดังกล่าว 2 ตาราง ยังแสดงเปอร์เซ็นต์ของตัวอย่างที่มี IAD อยู่เหนือจุดตัดสำหรับสเกลทางจิตวิทยาอื่น ๆ เปอร์เซ็นต์ของผู้ที่มี IAD ยังแสดงความเจ็บป่วยร่วมนั้นสูงกว่าของกลุ่มตัวอย่างโดยรวม เพื่อตรวจสอบความสัมพันธ์เหล่านี้เพิ่มเติมชุดของการทดสอบไคสแควร์ 2 × 2 (ความเจ็บป่วยร่วมที่มีอยู่หรือขาดหายไปเทียบกับปัญหาอินเทอร์เน็ตที่มีอยู่หรือขาดหายไป) สำหรับแต่ละตัวแปรและพบว่าการเจ็บป่วยร่วมทั้งหมดมีความสัมพันธ์อย่างมีนัยสำคัญกับการมี ปัญหาอินเทอร์เน็ต: ภาวะซึมเศร้า -ไคสแควร์(1) = 30.56 p <.001, พี = .246; ความวิตกกังวล-CHi-ตาราง(1) = 38.98 p <.001, พี = .278; ความเหงา-CHi-ตาราง(1) = 15.31 p <.001, พี = .174; และ sleep – cHi-ตาราง(1) = 9.38 p <.01, พี = .136 เพียร์สันมีความสัมพันธ์กันระหว่างตัวแปรทั้งหมดและกับปัญหาสุขภาพร่างกาย (GHQ) และอาการภูมิคุ้มกัน 2 ตารางและการวิเคราะห์เหล่านี้เปิดเผยความสัมพันธ์อย่างมีนัยสำคัญทางสถิติระหว่างตัวแปรทั้งหมด

ภาพขนาดย่อ
ตาราง 2 หมายถึง (ส่วนเบี่ยงเบนมาตรฐาน) สำหรับปัญหาอินเทอร์เน็ต (IAT) จำนวนชั่วโมงที่ใช้ออนไลน์ภาวะซึมเศร้า (HADS) ความวิตกกังวล (HADS) ความเหงา (UCLA) และปัญหาการนอนหลับ (PSQI) พร้อมกับร้อยละของบุคคลที่อยู่เหนือจุดตัด เครื่องชั่งเหล่านี้และเปอร์เซ็นต์ของผู้ที่มี IAD ตกลงมาเหนือเครื่องตัดสำหรับเครื่องชั่งเหล่านั้น

 

เพียร์สันมีความสัมพันธ์กันระหว่างตัวแปรทั้งหมดและปัญหาสุขภาพร่างกาย (GHQ) และอาการ

ดอย: 10.1371 / journal.pone.0134538.t002

คะแนนเฉลี่ยตัวอย่างสำหรับอาการร่างกาย (GHQ-S) คือ 7.28 (± 3.87; range = 0 – 19) และค่าเฉลี่ยสำหรับแบบสอบถามอาการที่เกี่ยวข้องกับภูมิคุ้มกันคือ 15.20 (9.43 – 0) เครื่องชั่งเหล่านี้มีความสัมพันธ์กับ r = 0.345, p <.001, R2 = .119 ซึ่งกันและกัน คะแนน GHQ (S) มีความสัมพันธ์อย่างมากกับภาวะซึมเศร้าความวิตกกังวลและปัญหาการนอนหลับและในระดับที่น้อยลงกับตัวแปรอื่น ๆ ระดับอาการที่เกี่ยวข้องกับภูมิคุ้มกันมีความสัมพันธ์อย่างมากกับความวิตกกังวลปัญหาการนอนหลับและอินเทอร์เน็ตและในระดับที่น้อยกว่ากับตัวแปรอื่น ๆ

ระบุว่าทั้งตัวแปรเจ็บป่วย (GHQ-S และ IFQ) มีความสัมพันธ์กับตัวแปรอื่น ๆ ทั้งหมดและ IAT นั้นเกี่ยวข้องกับตัวแปรอื่น ๆ ทั้งหมดเพื่อที่จะสำรวจว่าปัญหาอินเทอร์เน็ต (เช่นคะแนน IAT) ช่วยให้ คะแนนความเจ็บป่วยเหล่านี้มีการดำเนินการวิเคราะห์ความถดถอยเชิงพหุหลายขั้นตอนสองครั้ง - หนึ่งในการทำนายคะแนน GHQ-S และอีกหนึ่งการทำนายคะแนน IFQ ในทั้งสองกรณีภาวะซึมเศร้าความวิตกกังวลความเหงาการนอนหลับและชั่วโมงที่ใช้ออนไลน์ถูกป้อนเข้าสู่แบบจำลองการถดถอยในขั้นตอนแรก จากนั้นตัวแปรทั้งหมดเหล่านี้รวมถึงคะแนนปัญหาอินเทอร์เน็ต (IAT) จะถูกป้อนเข้าสู่แบบจำลองในขั้นตอนที่สองและระดับที่ปริมาณความแปรปรวนคิดเป็นปรับปรุงโดยการเพิ่มคะแนน IAT

แผงด้านล่างของ 2 ตาราง แสดงผลลัพธ์สำหรับการวิเคราะห์เหล่านี้ การตรวจสอบข้อมูลจากแผงด้านล่างขวาสำหรับคะแนน GHQ-S แสดงให้เห็นว่าทั้งสองขั้นตอนของการถดถอยมีความสำคัญทางสถิติด้วยการลดข้อผิดพลาดที่เกิดจากการเพิ่ม IAT ในขั้นตอน 2 ยังทำให้เกิดการปรับปรุงอย่างมีนัยสำคัญทางสถิติ ของคะแนน GHQ-S ควรสังเกตว่าการปรับปรุงการคาดการณ์ของ GHQ-S ที่เกิดขึ้นจากการเพิ่ม IAT นั้นไม่มากนัก รูปแบบของข้อมูลเดียวกันยังพบจากการวิเคราะห์ดำเนินการเพื่อทำนายคะแนนอาการที่เกี่ยวข้องกับภูมิคุ้มกัน (IFQ) อย่างไรก็ตามการเพิ่ม IAT ในขั้นตอน 2 สร้างการปรับปรุงความแม่นยำในการทำนายสำหรับคะแนนที่เกี่ยวข้องกับระบบภูมิคุ้มกัน (IFQ) ที่สูงขึ้นกว่าที่เคยมีสำหรับอาการร่างกาย (GHQ-S)

เพื่อสำรวจธรรมชาติของความสัมพันธ์ระหว่างตัวแปรความสัมพันธ์กึ่งส่วนย่อยระหว่างตัวทำนายแต่ละตัว (เช่นภาวะซึมเศร้าความวิตกกังวลการนอนหลับความเหงาชั่วโมงออนไลน์และปัญหาอินเทอร์เน็ต) และคะแนนอาการทั้งสอง (GHQ-S และ IFQ) คำนวณแยกต่างหาก ความสัมพันธ์กึ่งบางส่วนได้ดำเนินการระหว่างตัวแปรทำนายแต่ละตัวและตัวแปรที่เกี่ยวข้องกับความเจ็บป่วยสองตัวโดยใช้ตัวแปรทำนายอื่น ๆ ทั้งหมดเป็นตัวแปรร่วม สิ่งนี้ทำให้ความสัมพันธ์ที่เป็นเอกลักษณ์ระหว่างตัวแปรสองตัวถูกสังเกตได้โดยที่ไม่มีผลกระทบจากการไกล่เกลี่ยของตัวแปรอื่นใดและสามารถเห็นค่าเหล่านี้ได้ใน 2 รูป สำหรับตัวแปรที่เกี่ยวข้องกับการเจ็บป่วยทั้งสอง ข้อมูลเหล่านี้แสดงรูปแบบความสัมพันธ์ที่คล้ายคลึงกันระหว่างตัวทำนายและอาการสำหรับทั้ง GHQ-S และ IFQ; ในที่ลุ่มความวิตกกังวลและปัญหาการนอนหลับทุกคนมีความสัมพันธ์อย่างมีนัยสำคัญทางสถิติกับผลลัพธ์ทั้งสองเมื่อควบคุมผลกระทบของตัวแปรอื่น ๆ อย่างไรก็ตามในขณะที่ปัญหาอินเทอร์เน็ต (IAT) คาดการณ์อย่างมีนัยสำคัญอาการที่เกี่ยวข้องกับภูมิคุ้มกัน (IFQ) นี้ไม่ได้มีนัยสำคัญทางสถิติที่เกี่ยวข้องกับคะแนน GHQ (S)

ภาพขนาดย่อ
รูปที่ 2 ความสัมพันธ์กึ่งบางส่วนระหว่างภาวะซึมเศร้า (HADS), ความวิตกกังวล (HADS), การนอนหลับ (PSQI), ความเหงา (UCLA), ชั่วโมงออนไลน์และปัญหาอินเทอร์เน็ต (IAT) และสองคะแนนอาการ (GHQ (S) และ IFQ)

ดอย: 10.1371 / journal.pone.0134538.g002

เพื่อสำรวจความสัมพันธ์ระหว่างปัญหาที่เกี่ยวข้องกับอินเทอร์เน็ต (คะแนน IAT) และทั้งปัญหาทั่วไปเกี่ยวกับสุขภาพ (GHQ-S) และปัญหาสุขภาพที่เกี่ยวกับภูมิคุ้มกัน (IFQ) ตัวอย่างถูกแบ่งออกเป็นคะแนนด้านล่างและด้านบน 40 สำหรับปัญหาที่เกี่ยวข้องกับอินเทอร์เน็ตในระดับปานกลางหรือต่ำกว่าใน IAT [62] สิ่งนี้สร้างสองกลุ่ม: กลุ่มที่ไม่มีปัญหาอินเทอร์เน็ต (N = 313; หมายถึง IAT = 26.89 + 7.89; range = 0 – 39) และกลุ่มที่มีปัญหาอินเทอร์เน็ต (N = 313; หมายถึง IAT = 54.14 ± 11.23; range = 40 – 96) 3 รูป แสดงค่าเฉลี่ยสุขภาพทั่วไปร่างกาย (GHQ-S) คะแนน (แผงด้านซ้าย) และคะแนนเฉลี่ยสุขภาพที่เกี่ยวข้องกับภูมิคุ้มกัน (IFQ) การตรวจสอบข้อมูลสำหรับ GHQ-S เผยให้เห็นความแตกต่างเล็กน้อยระหว่างกลุ่ม IAT ต่ำและสูงในแง่ของคะแนน GHQ-S ของพวกเขา ข้อมูลเหล่านี้ถูกวิเคราะห์โดยใช้การวิเคราะห์ความแปรปรวนร่วมกับกลุ่มอินเทอร์เน็ตเป็นปัจจัยระหว่างเรื่องและภาวะซึมเศร้า, ความวิตกกังวลปัญหาการนอนหลับความเหงาและชั่วโมงออนไลน์เป็นเพื่อนร่วมทุน การวิเคราะห์นี้ไม่พบความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างกลุ่มปัญหาอินเทอร์เน็ตในแง่ของคะแนน GHQ-S ของพวกเขา F <1, กทพ. บางส่วน2 = .001 ในทางตรงกันข้ามแผงด้านขวาของ 3 รูป แสดงให้เห็นว่ากลุ่มที่มีปัญหาอินเทอร์เน็ตสูงมีปัญหาสุขภาพที่เกี่ยวข้องกับภูมิคุ้มกันมากกว่ากลุ่มที่ไม่มีปัญหาทางอินเทอร์เน็ต F(1,498) = 27.79 p <.001, กทพ. บางส่วน2 = .046

ภาพขนาดย่อ
รูปที่ 3 คะแนนสุขภาพทั่วไป - ร่างกาย (GHQ (S)) คะแนน (แผงด้านซ้าย) และคะแนนสุขภาพที่เกี่ยวข้องกับภูมิคุ้มกัน (IFQ) - คะแนนสำหรับทั้งสองกลุ่ม IAT (ปัญหาที่ต่ำกว่าและสูงกว่า)

 

แผงด้านซ้าย = คะแนนที่เกี่ยวข้องกับร่างกาย GHQ (S); พาเนลด้านขวา = คะแนนที่เกี่ยวข้องกับภูมิคุ้มกัน (IFQ)

ดอย: 10.1371 / journal.pone.0134538.g003

การสนทนา

การศึกษาในปัจจุบันได้สำรวจความสัมพันธ์ระหว่างคะแนนการทดสอบการติดอินเทอร์เน็ตและคะแนนสุขภาพโดยมุ่งเน้นที่การประเมินตนเองของระบบภูมิคุ้มกันรวมถึงภาวะสุขภาพทั่วไป นี่เป็นความคิดที่สำคัญในการตรวจสอบเนื่องจากยังไม่มีข้อมูลก่อนหน้านี้เกี่ยวกับผลกระทบของการใช้อินเทอร์เน็ตที่มีปัญหาต่อการทำงานของระบบภูมิคุ้มกัน นอกจากนี้รายงานก่อนหน้านี้เกี่ยวกับความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพนั้นไม่สอดคล้องกัน [9,39,40] มันคิดว่าความแตกต่างหลังอาจจะเกี่ยวข้องกับธรรมชาติของมาตรการที่ใช้ในการประเมินสถานะสุขภาพที่มีเครื่องชั่งน้ำหนักรายงานสุขภาพจิตเชิงจิตเช่น GHQ มีความเกี่ยวข้องน้อยกว่าการใช้อินเทอร์เน็ตที่มีปัญหามากกว่ามาตรการที่เกี่ยวข้องโดยตรงกับ การทำงานของระบบภูมิคุ้มกัน

แม้ว่าจะมีการนำกลยุทธ์การรับสมัครออนไลน์มาใช้ แต่ตัวอย่างในปัจจุบันมีลักษณะคล้ายกับคนอื่น ๆ ที่เคยใช้ในการศึกษาการใช้อินเทอร์เน็ต ตัวอย่างเป็นเด็ก (อายุต่ำกว่า 30 ปี) แต่มันมีช่วงอายุที่มาก ระยะเวลาเฉลี่ยที่ใช้บนอินเทอร์เน็ตคือประมาณ 5 – 6 ชั่วโมงต่อวันซึ่งสอดคล้องกับประมาณการปัจจุบันหลายแห่ง [40,61] ควรสังเกตว่าค่านี้ไม่ได้แยกความแตกต่างระหว่างการใช้งานระดับมืออาชีพและส่วนบุคคลและได้รับการแนะนำว่านี่เป็นสิ่งสำคัญในแง่ของปัญหาอินเทอร์เน็ต40] อย่างไรก็ตามมันก็ไม่มีความชัดเจนว่าความแตกต่างดังกล่าวนั้นง่ายสำหรับผู้เข้าร่วมหรือไม่ ประเภทของกิจกรรมที่ดำเนินการบนอินเทอร์เน็ตโดยผู้เข้าร่วมปัจจุบันมีความคล้ายคลึงกับที่ระบุไว้ในการศึกษาก่อนหน้า [61] มีความแตกต่างทางเพศในการใช้อินเทอร์เน็ต ผู้หญิงมีแนวโน้มที่จะใช้สื่อสังคมออนไลน์และเว็บไซต์ช็อปปิ้งมากกว่าผู้ชาย แต่ผู้ชายก็มักจะใช้การเล่นเกมเว็บไซต์ทางเพศ / การออกเดทและห้องแชทมากกว่าผู้หญิง แน่นอนว่าสิ่งนี้ขึ้นอยู่กับข้อมูลการรายงานตนเองและความแตกต่างแม้ว่าจะมีความน่าเชื่อถือทางสถิติ แต่ก็มีขนาดเล็กสำหรับการเปรียบเทียบเหล่านี้บางส่วน ระดับการใช้อินเทอร์เน็ตที่มีปัญหาในตัวอย่างปัจจุบันประมาณ 30% ของกลุ่มตัวอย่างแสดงอาการไม่รุนแรงหรือแย่ลงของการติดอินเทอร์เน็ตนั้นเป็นไปตามการสืบสวนก่อนหน้านี้ [7].

การค้นพบที่สำคัญของการศึกษาในปัจจุบันคือการใช้อินเทอร์เน็ตที่มีปัญหาซึ่งรายงานด้วยตนเองมีความเกี่ยวข้องกับการทำงานของระบบภูมิคุ้มกันที่รายงานตัวเองแย่ลงโดยดัชนีจากอาการที่เกี่ยวข้องกับภูมิคุ้มกัน นี่เป็นการยืนยันผลที่ได้จากการศึกษาซึ่งตรวจสอบคุณภาพชีวิตที่เกี่ยวข้องกับสุขภาพที่รายงานโดยตนเองโดยวัดจาก SF-36 และการใช้อินเทอร์เน็ตที่มีปัญหา [40] อย่างไรก็ตามแม้ว่าการทำงานของระบบภูมิคุ้มกันและสุขภาพที่รายงานด้วยตนเองนั้นมีความสัมพันธ์ซึ่งกันและกันการใช้อินเทอร์เน็ตที่มีปัญหาไม่ได้ทำนายอาการสุขภาพที่รายงานด้วยตนเองโดยวัดจากขนาดร่างกายของ GHQ การค้นพบครั้งหลังนั้นสอดคล้องกับการศึกษาก่อนหน้าหลายประการที่ล้มเหลวในการค้นหาความสัมพันธ์ระหว่างคะแนน IAT และคะแนน GHQ [9,39] การค้นพบในเชิงบวกในปัจจุบันในแง่ของความสัมพันธ์ระหว่างคะแนน IAT และการทำงานของระบบภูมิคุ้มกันบกพร่องอาจสะท้อนให้เห็นว่าการวัดอาการที่เกี่ยวข้องกับภูมิคุ้มกันโดยตรงมากขึ้นเช่นเดียวกับที่ทำในการศึกษาปัจจุบันประเมินด้านนี้ของสุขภาพดีกว่า GHQ เชิงจิตวิทยา ขนาด

แม้จะมีความยากลำบากในการวัดการทำงานของระบบภูมิคุ้มกันที่ได้กล่าวถึงก่อนหน้านี้ (ดูเพิ่มเติมที่ด้านล่าง) ความเกี่ยวข้องทางคลินิกของการค้นพบควรถูกวางลงในบริบทที่กำหนดข้อ จำกัด ด้านระเบียบวิธีของการศึกษา การศึกษาเป็นสหสัมพันธ์ซึ่งหมายความว่าไม่ควรอนุมานสาเหตุโดยอัตโนมัติจากสมาคมดังกล่าว เป็นไปได้ว่าผู้ที่มีระดับความเจ็บป่วยสูงมักจะใช้อินเทอร์เน็ตบ่อยกว่าผู้ที่มีสุขภาพดี อย่างไรก็ตามจากความแพร่หลายของการใช้อินเทอร์เน็ตและความสัมพันธ์ระหว่างเยาวชนกับการใช้อินเทอร์เน็ตดูเหมือนว่าไม่น่าเป็นไปได้แม้ว่าจะยังคงมีความเป็นไปได้ที่จะต้องมีการวิจัยระยะยาวเพื่อประเมิน หรืออาจเป็นได้ว่าปัจจัยที่สามบางอย่างทำนายการใช้อินเทอร์เน็ตและสุขภาพไม่ดี อย่างไรก็ตามควรสังเกตว่าความสัมพันธ์ระหว่างการใช้งานอินเทอร์เน็ตที่มีปัญหาและการทำงานของระบบภูมิคุ้มกันที่รายงานตัวเองพบว่าได้รับผลกระทบจากการทำงานอื่น ๆ อีกหลายอย่าง (ซึมเศร้าวิตกกังวลเหงา) ที่เกี่ยวข้องกับอินเทอร์เน็ตที่มีปัญหา ใช้ [10-12] และในตัวของมันเองนั้นเกี่ยวข้องกับการทำงานของระบบภูมิคุ้มกันที่ลดลง45,46,48,49] สิ่งนี้ทำให้ชัดเจนว่าปัจจัยการไกล่เกลี่ยตัวที่สามอาจเป็นอย่างไร

หากการใช้อินเทอร์เน็ตที่มีปัญหาทำให้การทำงานของภูมิคุ้มกันแย่ลงคำถามที่ชัดเจนสำหรับแพทย์ก็จะเกี่ยวข้องกับกลไก ความเป็นไปได้อย่างหนึ่งคือมีการใช้อินเทอร์เน็ตที่มีปัญหาในระดับสูงเพื่อเพิ่มการเปิดใช้งานของระบบประสาทที่เห็นอกเห็นใจ [32,33] กิจกรรมที่เห็นอกเห็นใจในระดับสูงนำไปสู่การเพิ่มขึ้นของระดับของ epinephrone และ / หรือ cortisteroids (cortisol) ซึ่งในที่สุดจะนำไปสู่การทำงานของระบบภูมิคุ้มกันลดลง [52] ดังนั้นเส้นทางนี้อาจช่วยลดความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและลดการทำงานของระบบภูมิคุ้มกัน แต่จะต้องมีการตรวจสอบเพิ่มเติม ข้อเสนอแนะหลังมีความเกี่ยวข้องสำหรับแนวคิดในอนาคตและการสำรวจลักษณะทางคลินิกของการใช้อินเทอร์เน็ตที่มีปัญหา

ความสัมพันธ์ระหว่างคะแนน IAT และฟังก์ชั่นภูมิคุ้มกันสะท้อนให้เห็นถึงความจริงที่ว่าการใช้งานอินเทอร์เน็ตโดยรวมสำหรับบางคนได้รับการยกย่องด้วยตัวเองเป็นปัญหาอย่างไรก็ตามสิ่งที่พวกเขาใช้อินเทอร์เน็ตเพื่อจะแตกต่างกันระหว่างบุคคลเหล่านี้ ตัวอย่างเช่นการศึกษาในปัจจุบันพบความแตกต่างทางเพศในการใช้งานที่ผู้คนมีต่ออินเทอร์เน็ตและอาจเป็นไปได้ว่าการใช้งานเฉพาะนั้นเกี่ยวข้องกับการลดการทำงานของระบบภูมิคุ้มกันที่แตกต่างกันระหว่างเพศ งานที่มีรายละเอียดเพิ่มเติมเกี่ยวกับประเภทของการใช้อินเทอร์เน็ตเช่นลักษณะการใช้งานที่แน่นอนและเวลาที่ใช้ออนไลน์สำหรับการใช้งานระดับมืออาชีพและส่วนตัวอาจทำให้เข้าใจถึงความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตและการลดการทำงานของระบบภูมิคุ้มกัน

และเช่นเคยมีข้อ จำกัด บางประการสำหรับการศึกษาในปัจจุบันที่จำเป็นต้องจดบันทึกไว้ กลุ่มตัวอย่างปัจจุบันได้รับการคัดเลือกทางออนไลน์และนี่อาจเป็นประเภทของบุคคลที่เข้าร่วมในการศึกษา อย่างไรก็ตามมันควรจะกล่าวว่าช่วงของบุคคลในกลุ่มตัวอย่างค่อนข้างกว้างในแง่ของอายุและลักษณะอื่น ๆ ของพวกเขาและกลุ่มตัวอย่างดูเหมือนจะสอดคล้องกับที่ใช้ในการศึกษาก่อนหน้านี้ ควรสังเกตว่าการศึกษาในปัจจุบันไม่ได้แยกความแตกต่างระหว่างการใช้งานระดับมืออาชีพและส่วนตัวของอินเทอร์เน็ตซึ่งอาจมีความสำคัญในการตรวจสอบ ตัวอย่างเช่นระดับของการบังคับและความเร่งด่วนในการใช้อินเทอร์เน็ตอาจส่งผลต่อระดับความเครียดในระดับที่สูงกว่าชั่วโมงที่ต้องใช้บนอินเทอร์เน็ตเพื่อทำงาน นั่นคือความแตกต่างระหว่างคนที่ทำงานหนักและเครียดด้วยเหตุผลนั้นและคนที่มีปัญหาอินเทอร์เน็ตและเครียดและไม่สบายเพราะปัญหานี้

ในแง่ของการคาดการณ์ทางเลือกที่มีศักยภาพของฟังก์ชั่นภูมิคุ้มกันลดลงเห็นได้ในผู้ใช้ที่มีปัญหาสูงงานในอนาคตอาจพิจารณาบทบาทของการเสพติดหลายอย่างที่อาจมีผลต่อกลุ่มของผู้ใช้อินเทอร์เน็ตที่มีปัญหา ข้อมูลที่เกี่ยวข้องกับการติดยาและไม่ใช่เภสัชวิทยาไม่ได้ถูกรวบรวมไว้ในรายงานปัจจุบันและนี่อาจเป็นสาเหตุของปัญหาอินเทอร์เน็ตและส่งผลต่อการทำงานของระบบภูมิคุ้มกัน ในทำนองเดียวกันเหตุการณ์ชีวิตที่เครียดเมื่อเร็ว ๆ นี้อาจส่งผลกระทบต่อพฤติกรรมเสพติดและการทำงานของระบบภูมิคุ้มกันเช่นเดียวกับสภาพสังคมของผู้เข้าร่วม ทั้งสองด้านสามารถตรวจสอบได้โดยการวิจัยเพิ่มเติม

การพึ่งพาการรายงานด้วยตนเองเพื่อการทำงานของภูมิคุ้มกันอาจถูกหนุนโดยการใช้การวิเคราะห์ของเซลล์เม็ดเลือดซึ่งจะเพิ่มการสนับสนุนให้ข้อสรุปในปัจจุบัน อย่างไรก็ตามตามที่ระบุไว้ข้างต้นไม่มีความสัมพันธ์ที่สมบูรณ์แบบระหว่างสรีรวิทยาของการทำงานของระบบภูมิคุ้มกันและประสบการณ์ของอาการ [54] และการรายงานตนเองของหวัดและ flus นั้นถือเป็นมาตรการที่ถูกต้องของการทำงานของระบบภูมิคุ้มกันในเรื่องนี้ [31,44] แน่นอนพบว่ารายงานอาการป่วยด้วยตนเองโดยเฉพาะอย่างยิ่งเกี่ยวกับการติดเชื้อทางเดินหายใจส่วนบน (เช่นหวัดและไข้หวัดใหญ่) ตามที่ใช้ในการศึกษาปัจจุบันมีความสัมพันธ์กับการอ่านอิมมูโนโกลบินวัตถุประสงค์73].

ในที่สุดก็ควรได้รับการยอมรับว่าถึงแม้ว่าการศึกษาในปัจจุบันจะแสดงความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและอาการที่เกี่ยวข้องกับภูมิคุ้มกันมีข้อควรระวังสองประการในการดึงข้อสรุปเชิงสาเหตุจากความสัมพันธ์นี้ที่ควรกล่าวถึง ประการแรกเนื่องจากการศึกษาไม่ได้อยู่ในแนวยาวตามธรรมชาติดังนั้นจึงไม่ควรทำการอนุมานเชิงสาเหตุ ประการที่สองตัวแปรพยากรณ์หลายตัวมีความสัมพันธ์ซึ่งกันและกันแล้วสิ่งนี้อาจสร้างระดับของความเป็นเส้นตรงร่วมในการวิเคราะห์การถดถอยซึ่งทำให้การตีความยาก แม้ว่ามันควรจะสังเกตว่าการใช้ความสัมพันธ์กึ่ง - กึ่งบางส่วนพอสมควรแก้ไขปัญหานี้

โดยสรุปรายงานปัจจุบันสร้างการเชื่อมโยงระหว่างการใช้อินเทอร์เน็ตที่มีปัญหาและการรายงานจำนวนอาการที่เกี่ยวข้องกับการทำงานของระบบภูมิคุ้มกันลดลง ความสัมพันธ์นี้ไม่ขึ้นอยู่กับจำนวนชั่วโมงที่ใช้ออนไลน์และผลกระทบจากอาการที่เกิดจากการใช้อินเทอร์เน็ตที่มีปัญหาเช่นภาวะซึมเศร้าการแยกและความวิตกกังวล แนะนำว่าผลกระทบทางลบของการทำงานของระบบภูมิคุ้มกันอาจจะเป็นสื่อกลางโดยความเครียดที่เพิ่มสูงขึ้นและจากกิจกรรมประสาทที่เพิ่มขึ้นซึ่งบางครั้งก็แสดงโดยผู้ติดอินเทอร์เน็ต

ผลงานของผู้เขียน

รู้สึกและออกแบบการทดลอง: PR RV LAO MR RT ทำการทดลอง: RV วิเคราะห์ข้อมูล: RV PR เครื่องมือรีเอเจนต์ / วัสดุ / การวิเคราะห์ที่สนับสนุน: LAO เขียนบทความ: PR LAO MR RT

อ้างอิง

  1. 1 บล็อค JJ ปัญหาสำหรับ DSM-V: การติดอินเทอร์เน็ต ฉันคือจิตเวชศาสตร์ 2008; 165: 306 – 7 doi: 10.1176 / appi.ajp.2007.07101556 PMID: 18316427
  2. 2. หนุ่มกยศ. การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ ๆ ไซเบอร์จิตวิทยาและพฤติกรรม 1998; 1 (3): 237–244. ดอย: 10.1089 / cpb.1998.1.237
  3. ดูบทความ
  4. PubMed / NCBI
  5. Google Scholar
  6. ดูบทความ
  7. PubMed / NCBI
  8. Google Scholar
  9. ดูบทความ
  10. PubMed / NCBI
  11. Google Scholar
  12. ดูบทความ
  13. PubMed / NCBI
  14. Google Scholar
  15. ดูบทความ
  16. PubMed / NCBI
  17. Google Scholar
  18. ดูบทความ
  19. PubMed / NCBI
  20. Google Scholar
  21. ดูบทความ
  22. PubMed / NCBI
  23. Google Scholar
  24. ดูบทความ
  25. PubMed / NCBI
  26. Google Scholar
  27. ดูบทความ
  28. PubMed / NCBI
  29. Google Scholar
  30. ดูบทความ
  31. PubMed / NCBI
  32. Google Scholar
  33. ดูบทความ
  34. PubMed / NCBI
  35. Google Scholar
  36. ดูบทความ
  37. PubMed / NCBI
  38. Google Scholar
  39. ดูบทความ
  40. PubMed / NCBI
  41. Google Scholar
  42. ดูบทความ
  43. PubMed / NCBI
  44. Google Scholar
  45. ดูบทความ
  46. PubMed / NCBI
  47. Google Scholar
  48. ดูบทความ
  49. PubMed / NCBI
  50. Google Scholar
  51. ดูบทความ
  52. PubMed / NCBI
  53. Google Scholar
  54. ดูบทความ
  55. PubMed / NCBI
  56. Google Scholar
  57. ดูบทความ
  58. PubMed / NCBI
  59. Google Scholar
  60. ดูบทความ
  61. PubMed / NCBI
  62. Google Scholar
  63. ดูบทความ
  64. PubMed / NCBI
  65. Google Scholar
  66. ดูบทความ
  67. PubMed / NCBI
  68. Google Scholar
  69. ดูบทความ
  70. PubMed / NCBI
  71. Google Scholar
  72. ดูบทความ
  73. PubMed / NCBI
  74. Google Scholar
  75. ดูบทความ
  76. PubMed / NCBI
  77. Google Scholar
  78. ดูบทความ
  79. PubMed / NCBI
  80. Google Scholar
  81. ดูบทความ
  82. PubMed / NCBI
  83. Google Scholar
  84. ดูบทความ
  85. PubMed / NCBI
  86. Google Scholar
  87. ดูบทความ
  88. PubMed / NCBI
  89. Google Scholar
  90. ดูบทความ
  91. PubMed / NCBI
  92. Google Scholar
  93. ดูบทความ
  94. PubMed / NCBI
  95. Google Scholar
  96. ดูบทความ
  97. PubMed / NCBI
  98. Google Scholar
  99. ดูบทความ
  100. PubMed / NCBI
  101. Google Scholar
  102. ดูบทความ
  103. PubMed / NCBI
  104. Google Scholar
  105. ดูบทความ
  106. PubMed / NCBI
  107. Google Scholar
  108. ดูบทความ
  109. PubMed / NCBI
  110. Google Scholar
  111. ดูบทความ
  112. PubMed / NCBI
  113. Google Scholar
  114. ดูบทความ
  115. PubMed / NCBI
  116. Google Scholar
  117. ดูบทความ
  118. PubMed / NCBI
  119. Google Scholar
  120. ดูบทความ
  121. PubMed / NCBI
  122. Google Scholar
  123. ดูบทความ
  124. PubMed / NCBI
  125. Google Scholar
  126. ดูบทความ
  127. PubMed / NCBI
  128. Google Scholar
  129. ดูบทความ
  130. PubMed / NCBI
  131. Google Scholar
  132. ดูบทความ
  133. PubMed / NCBI
  134. Google Scholar
  135. ดูบทความ
  136. PubMed / NCBI
  137. Google Scholar
  138. ดูบทความ
  139. PubMed / NCBI
  140. Google Scholar
  141. ดูบทความ
  142. PubMed / NCBI
  143. Google Scholar
  144. ดูบทความ
  145. PubMed / NCBI
  146. Google Scholar
  147. ดูบทความ
  148. PubMed / NCBI
  149. Google Scholar
  150. ดูบทความ
  151. PubMed / NCBI
  152. Google Scholar
  153. ดูบทความ
  154. PubMed / NCBI
  155. Google Scholar
  156. ดูบทความ
  157. PubMed / NCBI
  158. Google Scholar
  159. ดูบทความ
  160. PubMed / NCBI
  161. Google Scholar
  162. ดูบทความ
  163. PubMed / NCBI
  164. Google Scholar
  165. ดูบทความ
  166. PubMed / NCBI
  167. Google Scholar
  168. ดูบทความ
  169. PubMed / NCBI
  170. Google Scholar
  171. ดูบทความ
  172. PubMed / NCBI
  173. Google Scholar
  174. ดูบทความ
  175. PubMed / NCBI
  176. Google Scholar
  177. ดูบทความ
  178. PubMed / NCBI
  179. Google Scholar
  180. ดูบทความ
  181. PubMed / NCBI
  182. Google Scholar
  183. 3 Christakis DA การติดอินเทอร์เน็ต: การระบาดของศตวรรษที่ 21st? BMC Medicine 2010; 8 (1): 61 ดอย: 10.1186 / 1741-7015-8-61
  184. ดูบทความ
  185. PubMed / NCBI
  186. Google Scholar
  187. ดูบทความ
  188. PubMed / NCBI
  189. Google Scholar
  190. 4 Caplan SE, AC สูง ปฏิสัมพันธ์ทางสังคมออนไลน์ความเป็นอยู่ที่ดีของ Psychosocial และการใช้อินเทอร์เน็ตที่เป็นปัญหา การติดอินเทอร์เน็ต: คู่มือและแนวทางในการประเมินและการรักษา 201; 35 53- doi: 10.1002 / 9781118013991.ch3
  191. ดูบทความ
  192. PubMed / NCBI
  193. Google Scholar
  194. ดูบทความ
  195. PubMed / NCBI
  196. Google Scholar
  197. ดูบทความ
  198. PubMed / NCBI
  199. Google Scholar
  200. ดูบทความ
  201. PubMed / NCBI
  202. Google Scholar
  203. ดูบทความ
  204. PubMed / NCBI
  205. Google Scholar
  206. ดูบทความ
  207. PubMed / NCBI
  208. Google Scholar
  209. ดูบทความ
  210. PubMed / NCBI
  211. Google Scholar
  212. ดูบทความ
  213. PubMed / NCBI
  214. Google Scholar
  215. 5 Shaw M, DW สีดำ การติดอินเทอร์เน็ต ระบบประสาทส่วนกลางของยา 2008; 22: 353 – 65 pmid: 18399706 ดอย: 10.2165 / 00023210-200822050-00001
  216. 6. Griffiths M. เวลาติดอินเทอร์เน็ตที่จะต้องดำเนินการอย่างจริงจัง? การวิจัยและทฤษฎีการเสพติด 2000; 8: 413–418 ดอย: 10.3109 / 16066350009005587
  217. 7 Romano M, Osborne LA, Truzoli R, Reed P. ผลกระทบทางจิตวิทยาที่แตกต่างกันของการเปิดรับอินเทอร์เน็ตต่อผู้ติดอินเทอร์เน็ต PLOS ONE 2013; 8 (2): e55162 doi: 10.1371 / journal.pone.0055162 PMID: 23408958
  218. 8 Kuss DJ, Griffiths MD, Binder JF การติดอินเทอร์เน็ตในนักเรียน: ความชุกและปัจจัยเสี่ยง คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2013; 29 (3): 959 – 966 doi: 10.1016 / j.chb.2012.12.024
  219. 9. Niemz K, Griffiths M, Banyard P. ความชุกของการใช้อินเทอร์เน็ตทางพยาธิวิทยาของนักศึกษามหาวิทยาลัยและความสัมพันธ์กับความนับถือตนเองแบบสอบถามสุขภาพทั่วไป (GHQ) และการยับยั้ง CyberPsychology & Behavior 2005; 8 (6): 562–570 ดอย: 10.1089 / cpb.2005.8.562
  220. 10 Weinstein A, Lejoyeux M. ติดอินเทอร์เน็ตหรือใช้อินเทอร์เน็ตมากเกินไป วารสารยาเสพติดและแอลกอฮอล์ของสหรัฐอเมริกา 2010; 36 (5): 277 – 283 doi: 10.3109 / 00952990.2010.491880 PMID: 20545603
  221. 11 เบอร์นาร์ดีเอ, พอลแลนติเอสติดอินเทอร์เน็ต: การศึกษาทางคลินิกเชิงพรรณนามุ่งเน้นไปที่อาการป่วยและโรคทิฟ จิตเวชครอบคลุม 2009; 50 (6): 510 – 516 doi: 10.1016 / j.comppsych.2008.11.011 PMID: 19840588
  222. 12 Ko CH, Yen JY, CF CF, Chen CS, Chen CC ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและความผิดปกติทางจิตเวช: การทบทวนวรรณกรรม จิตเวชศาสตร์ยุโรป 2012; 27 (1): 1 – 8 doi: 10.1016 / j.eurpsy.2010.04.011 PMID: 22153731
  223. 13 Akin A, Iskender M. การเสพติดอินเทอร์เน็ตและภาวะซึมเศร้าความวิตกกังวลและความเครียด วารสารการศึกษาวิทยาศาสตร์ระหว่างประเทศออนไลน์ 2011; 3 (1): 138 – 148
  224. 14 Yen CF, Chou WJ, Liu TL, Yang P, Hu ความสัมพันธ์ของอาการเสพติดอินเทอร์เน็ตที่มีความวิตกกังวลซึมเศร้าและความนับถือตนเองในหมู่วัยรุ่นที่มีโรคสมาธิสั้น / ขาดสมาธิ จิตเวชศาสตร์ที่ครอบคลุม 2014 doi: 10.1016 / j.comppsych.2014.05.025
  225. 15 Gundogar A, Bakim B, Ozer OA, Karamustafalioglu P-32- ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ต, ภาวะซึมเศร้าและสมาธิสั้นในกลุ่มนักเรียนมัธยม จิตเวชศาสตร์ยุโรป 201; 27: 1 ดอย: 10.1016 / s0924-9338 (12) 74199-8
  226. 16 Romano M, Truzoli R, Osborne LA, Reed P ความสัมพันธ์ระหว่างความฉลาดทางออทิซึมความวิตกกังวลและการติดอินเทอร์เน็ต การวิจัยในความผิดปกติของออทิสติก 2014; 11: 1521 – 1526 doi: 10.1016 / j.rasd.2014.08.002
  227. 17. หนุ่ม KS, Rogers RC. ความสัมพันธ์ระหว่างภาวะซึมเศร้าและการติดอินเทอร์เน็ต ไซเบอร์จิตวิทยาและพฤติกรรม 1998; 1 (1): 25–28. ดอย: 10.1089 / cpb.1998.1.25
  228. 18 Ko CH, Liu TL, วัง PW, Chen CS, Yen CF, Yen JY การกำเริบของภาวะซึมเศร้าความเกลียดชังและความวิตกกังวลทางสังคมในการติดยาเสพติดทางอินเทอร์เน็ตในหมู่วัยรุ่น: การศึกษาในอนาคต จิตเวชศาสตร์ที่ครอบคลุม 2014 doi: 10.1016 / j.comppsych.2014.05.003
  229. 19 Lee HW, Choi JS, Shin YC, Lee JY, Jung HY, Kwon JS แรงกระตุ้นในการติดอินเทอร์เน็ต: การเปรียบเทียบกับการพนันทางพยาธิวิทยา ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2012; 15 (7): 373 – 377 doi: 10.1089 / cyber.2012.0063
  230. 20 Yen JY, Yen CF, Wu HY, Huang CJ, Ko CH การเป็นปรปักษ์ในโลกแห่งความเป็นจริงและออนไลน์: ผลของการติดอินเทอร์เน็ต, ความหดหู่ใจและกิจกรรมออนไลน์ ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2011; 14 (11): 649 – 655 doi: 10.1089 / cyber.2010.0393
  231. 21 Heim C. การใช้คอมพิวเตอร์และอินเทอร์เน็ตจำนวนมากเป็นปัจจัยเสี่ยงต่อโรคจิตเภทในเด็กผู้ชายที่ฉลาด วารสารจิตเวชศาสตร์ออสเตรเลียและนิวซีแลนด์ 2012; 46 (8): 791 – 792 doi: 10.1177 / 0004867412442407 PMID: 22403394
  232. 22 Caplan SE การตั้งค่าสำหรับการโต้ตอบทางสังคมออนไลน์: ทฤษฎีของการใช้อินเทอร์เน็ตที่มีปัญหาและความเป็นอยู่ที่ดีทางจิตสังคม การวิจัยการสื่อสาร 2003; 30: 625 – 648 doi: 10.1177 / 0093650203257842
  233. 23 Yan W, Li Y, Sui N. ความสัมพันธ์ระหว่างเหตุการณ์ในชีวิตที่ตึงเครียดล่าสุดลักษณะบุคลิกภาพการรับรู้การทำงานของครอบครัวและการติดอินเทอร์เน็ตในหมู่นักศึกษา ความเครียดและสุขภาพ 2014; 30 (1): 3 – 11 doi: 10.1002 / smi.2490 PMID: 23616371
  234. 24 Bozoglan B, Demirer V, Sahin I. ความเหงา, ความภาคภูมิใจในตนเอง, และความพึงพอใจในชีวิตในฐานะที่เป็นตัวทำนายการติดอินเทอร์เน็ต: การศึกษาแบบตัดขวางในหมู่นักศึกษามหาวิทยาลัยตุรกี สแกนดิเนเวียนวารสารจิตวิทยา 2013; 54 (4): 313 – 319 doi: 10.1111 / sjop.12049 PMID: 23577670
  235. 25. Nalwa K, อานันท์ AP. การติดอินเทอร์เน็ตในนักเรียน: สาเหตุของความกังวล CyberPsychology & Behavior 2003; 6 (6): 653–656 ดอย: 10.1089 / 109493103322725441
  236. 26 แซนเดอร์สซี, สนาม TM, Diego M, Kaplan M. ความสัมพันธ์ของการใช้อินเทอร์เน็ตกับภาวะซึมเศร้าและการแยกทางสังคมในหมู่วัยรุ่น วัยรุ่น 2000; 35 (138): 237 – 242 PMID: 11019768
  237. 27. Tonioni F, D'Alessandris L, Lai C, Martinelli D, Corvino S, Vasale M, … Bria P. การติดอินเทอร์เน็ต: ชั่วโมงที่ใช้ออนไลน์พฤติกรรมและอาการทางจิตใจ จิตเวชโรงพยาบาลทั่วไป 2012; 34 (1): 80–87. ดอย: 10.1016 / j.genhosppsych.2011.09.013. pmid: 22036735
  238. 28 หยวน K, ฉิน W, วัง G, เซง F, Zhao L, Yang X, และคณะ ความผิดปกติของโครงสร้างจุลภาคในวัยรุ่นที่เป็นโรคติดอินเทอร์เน็ต PloS ONE 2011; 6 (6): e20708 doi: 10.1371 / journal.pone.0020708 PMID: 21677775
  239. 29 โจว Y, หลิน FC, Du YS, ฉิน LD, Zhao ZM, Xu JR, และคณะ ความผิดปกติของสารสีเทาในการติดอินเทอร์เน็ต: การศึกษารูปทรงของ Voxel วารสารรังสีวิทยายุโรป 2011; 79 (1): 92 – 95 doi: 10.1016 / j.ejrad.2009.10.025 PMID: 19926237
  240. 30 Hou H, Jia S, Hu S, Fan R, Sun W, Sun T, et al ลดการขนส่ง dopamine striopatopopatal ในผู้ที่มีอาการติดอินเทอร์เน็ต BioNed Research International 2012; 2012 ดอย: 10.1155 / 2012 / 854524
  241. 31 Kim SH, Baik SH, Park CS, Kim SJ, Choi SW, Kim SE ลดผู้รับ dopamine D2 striatal ในผู้ที่ติดอินเทอร์เน็ต Neuroreport 2011; 22 (8): 407 – 411 ดอย: 10.1097 / WNR.0b013e328346e16e PMID: 21499141
  242. 32 Lu DW, วัง JW, Huang ACW ความแตกต่างของระดับความเสี่ยงต่อการเสพติดอินเทอร์เน็ตขึ้นอยู่กับการตอบสนองประสาทอัตโนมัติ: สมมติฐานการติดอินเทอร์เน็ตของกิจกรรมอัตโนมัติ ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2010; 13 (4): 371 – 378 doi: 10.1089 / cyber.2009.0254
  243. 33 Lin PC, Kuo SY, Lee PH, Sheen TC, Chen SR ผลของการติดอินเทอร์เน็ตต่อความแปรปรวนของอัตราการเต้นของหัวใจในเด็กวัยเรียน วารสารการพยาบาลโรคหัวใจและหลอดเลือด 2013 ดอย: 10.1097 / jcn.0b013e3182a477d5
  244. 34 Zheng H, Liu X, Patel K K. A บทบาทของโดปามีนในการตอบสนองต่อความเห็นอกเห็นใจจากส่วนกลางในหนูที่มี Type 2 โรคเบาหวานเกิดจาก Streptozotocin และอาหารไขมันสูง วารสาร FASEB 2011; 25: 1028 – 11
  245. 35 Bélanger RE, Akre C, Berchtold A, Michaud PA ความสัมพันธ์รูปตัวยูระหว่างความรุนแรงของการใช้อินเทอร์เน็ตและสุขภาพของวัยรุ่น กุมารเวชศาสตร์ 2014; 127: e330 – e335 ดอย: 10.1542 / peds.2010-1235
  246. 36 ลำ LT การติดการพนันทางอินเทอร์เน็ตการใช้อินเทอร์เน็ตอย่างมีปัญหาและปัญหาการนอนหลับ: การทบทวนอย่างเป็นระบบ จิตเวชปัจจุบันรายงาน 2014; 16 (4): 1 – 9 ดอย: 10.1007 / s11920-014-0444-1
  247. 37 Kim Y, Park JY, Kim SB, Jung IK, Lim YS, Kim JH ผลของการเสพติดอินเทอร์เน็ตที่มีต่อวิถีชีวิตและพฤติกรรมการบริโภคอาหารของวัยรุ่นเกาหลี การวิจัยและการปฏิบัติด้านโภชนาการ 2010; 4 (1): 51 – 57 doi: 10.4162 / nrp.2010.4.1.51 PMID: 20198209
  248. 38 Li M, Deng Y, Ren Y, Guo S, He X. ภาวะอ้วนของนักเรียนมัธยมในเซียงถานและความสัมพันธ์กับการติดอินเทอร์เน็ต โรคอ้วน 2014; 22 (2): 482 – 487 doi: 10.1002 / oby.20595 PMID: 23929670
  249. 39 Jenaro C, Flores N, Gomez-Vela M, Gonzalez-Gil F, Caballo C. การใช้อินเทอร์เน็ตที่มีปัญหาและโทรศัพท์มือถือ: มีความสัมพันธ์กับจิตวิทยาพฤติกรรมและสุขภาพ การวิจัยติดยาเสพติดและทฤษฎี 2007; 15: 309 – 320 doi: 10.1080 / 16066350701350247
  250. 40 ตวัด KJ, Gruber EM การใช้อินเทอร์เน็ตที่มีปัญหาและสุขภาพร่างกาย วารสารพฤติกรรมติดยาเสพติด 2013; 2 (2): 108 – 112 doi: 10.1556 / JBA.1.2012.016 PMID: 26165930
  251. 41 Besedovsky L, Lange T, Born J. Sleep และระบบภูมิคุ้มกัน Pflügersวารสาร Archiv-European สรีรวิทยา 2012; 463 (1): 121 137- ดอย: 10.1007 / s00424-011-1044-0 PMID: 22071480
  252. 42 Cheung LM, Wong WS ผลของการนอนไม่หลับและการเสพติดอินเทอร์เน็ตที่มีต่อภาวะซึมเศร้าในวัยรุ่นจีนฮ่องกง: การวิเคราะห์แบบตัดขวางเชิงสำรวจ การวิจัยการนอนหลับ 2011; 20: 311 – 317 doi: 10.1111 / j.1365-2869.2010.00883.x
  253. 43 เออร์วินเอ็มผลของการนอนหลับและการสูญเสียการนอนหลับต่อภูมิคุ้มกันและไซโตไคน์ สมอง, พฤติกรรม, และภูมิคุ้มกัน 2002; 16 (5): 503 – 512 ดอย: 10.1016 / s0889-1591 (02) 00003-x
  254. 44 Adam Y, Meinlschmidt G, Lieb R. ความสัมพันธ์ระหว่างความผิดปกติทางจิตและโรคไข้หวัดในผู้ใหญ่: การศึกษาแบบภาคตัดขวางของประชากร วารสารวิจัย Psychosomatic 2013; 74 (1): 69 – 73 doi: 10.1016 / j.jpsychores.2012.08.013 PMID: 23272991
  255. 45 Irwin M, Patterson T, Smith TL, Caldwell C, Brown SA, Gillin JC, et al การลดการทำงานของภูมิคุ้มกันในความเครียดในชีวิตและภาวะซึมเศร้า จิตเวชศาสตร์ชีวภาพ 1990; 27 (1): 22 – 30 pmid: 2297549 ดอย: 10.1016 / 0006-3223 (90) 90016-u
  256. 46 Kiecolt-Glaser JK, Glaser R. อาการซึมเศร้าและการทำงานของระบบภูมิคุ้มกัน: เส้นทางกลางสู่การเจ็บป่วยและการเสียชีวิต วารสารวิจัย Psychosomatic 2002; 53 (4): 873 – 876 pmid: 12377296 ดอย: 10.1016 / s0022-3999 (02) 00309-4
  257. 47 Kim HC, Park SG, Leem JH, Jung DY, Hwang SH อาการซึมเศร้าเป็นปัจจัยเสี่ยงต่อโรคหวัดในหมู่พนักงาน: การศึกษาติดตามผล 4 เดือน วารสารวิจัย Psychosomatic 2011; 71 (3): 194 – 196 doi: 10.1016 / j.jpsychores.2011.01.014 PMID: 21843756
  258. 48 Dickerson SS, Kemeny ME แรงกดดันแบบเฉียบพลันและการตอบสนองคอร์ติซอล: การบูรณาการเชิงทฤษฎีและการสังเคราะห์งานวิจัยในห้องปฏิบัติการ กระดานข่าวจิตวิทยา 2004; 130 (3): 355 pmid: 15122924 ดอย: 10.1037 / 0033-2909.130.3.355
  259. 49 Cacioppo JT, Hawkley LC ความโดดเดี่ยวทางสังคมและสุขภาพโดยเน้นกลไกพื้นฐาน มุมมองทางชีววิทยาและการแพทย์ 2003; 46 (3): S39 – S52 pmid: 14563073 ดอย: 10.1353 / pbm.2003.0049
  260. 50 Cohen S. ความสัมพันธ์ทางสังคมและสุขภาพ นักจิตวิทยาอเมริกัน 2004; 59 (8): 676 pmid: 15554821 ดอย: 10.1037 / 0003-066x.59.8.676
  261. 51 Jaremka LM, Fagundes CP, Glaser R, Bennett JM, Malarkey WB, Kiecolt-Glaser JK ความเหงาทำนายความเจ็บปวดซึมเศร้าและความเหนื่อยล้า: การทำความเข้าใจบทบาทของการผิดปกติของระบบภูมิคุ้มกัน Psychoneuroendocrinology 2013; 38 (8): 1310 – 1317 doi: 10.1016 / j.psyneuen.2012.11.016 PMID: 23273678
  262. 52 McClelland DC, ชั้น E, Davidson RJ, Saron C. แรงจูงใจในการใช้พลังงานที่เพิ่มขึ้น, การกระตุ้นด้วยความเห็นอกเห็นใจ, การทำงานของภูมิคุ้มกันและความเจ็บป่วย วารสารความเครียดของมนุษย์ 1980; 6 (2): 11 – 19 pmid: 7391555 ดอย: 10.1080 / 0097840x.1980.9934531
  263. 53 Cao H, Sun Y, Wan Y, Hao J, Tao F. BMC สาธารณสุข 2011; 11: 802 ดอย: 10.1186 / 1471-2458-11-802 PMID: 21995654
  264. 54 Heikkinen T, Järvinen A. โรคไข้หวัด มีดหมอ 2003; 361: 51 – 59 pmid: 12517470 ดอย: 10.1016 / s0140-6736 (03) 12162-9
  265. 55 องค์การอนามัยโลก ตรวจสอบฤดูไข้หวัดใหญ่ในฤดูหนาวของ 2012 – 2013 ซีกโลกเหนือ องค์การอนามัยโลกบันทึกประจำสัปดาห์ทางระบาดวิทยา 2013; 88: 225 – 232 ดึงมาจาก http://www.who.int/wer/2013/wer8822.pdf
  266. 56 ยาแนว P, คนตัดผมจูง V E. แผลเย็น - การสำรวจทางระบาดวิทยา วารสาร Royal College of General Practitioners 1976; 26: 428 – 434 PMID: 957310
  267. 57 Glaser R, Sheridan J, Malarkey WB, MacCallum RC, Kiecolt-Glaser J K. Chronic stress ปรับเปลี่ยนการตอบสนองทางภูมิคุ้มกันต่อวัคซีนป้องกันโรคปอดบวม pneumoccocal ยารักษาโรคทางจิต 2000; 62: 804 – 807 pmid: 11139000 ดอย: 10.1097 / 00006842-200011000-00010
  268. 58 Hass HS, Schauenstein K. ภูมิคุ้มกัน, ฮอร์โมนและสมอง โรคภูมิแพ้ 2001; 56: 470 – 77 pmid: 11421890 ดอย: 10.1034 / j.1398-9995.2001.056006470.x
  269. 59 Aberg KM, Radeck KA, Choi EH, Kim DK, Demerjian M, Hupe M, et al ความเครียดทางจิตวิทยาช่วยลดการแสดงออกของเปปไทด์ต้านจุลชีพของผิวหนังและเพิ่มความรุนแรงของการติดเชื้อทางผิวหนังในหนู วารสารวิจัยทางคลินิก 2007; 117: 3339 – 3349 pmid: 17975669 ดอย: 10.1172 / jci31726
  270. 60. Ng BD, Wiemer-Hastings P. การติดอินเทอร์เน็ตและการเล่นเกมออนไลน์ CyberPsychology & Behavior 2005; 8 (2): 110–113. ดอย: 10.1089 / cpb.2005.8.110
  271. 61. Widyanto L, McMurran M. คุณสมบัติไซโครเมตริกของการทดสอบการติดอินเทอร์เน็ต ไซเบอร์จิตวิทยาและพฤติกรรม 2004; 7: 443–450 ดอย: 10.1089 / cpb.2004.7.443
  272. 62 Young KS การทดสอบการติดอินเทอร์เน็ต (IAT) 2009
  273. 63 ช้าง MK, Man Law SP โครงสร้างปัจจัยสำหรับการทดสอบการติดอินเทอร์เน็ตของ Young: การศึกษาเพื่อยืนยัน คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2008; 24: 2597 – 2619 doi: 10.1016 / j.chb.2008.03.001
  274. 64 Hardie E, Tee MY การใช้อินเทอร์เน็ตมากเกินไป: บทบาทของบุคลิกภาพความเหงาและเครือข่ายการสนับสนุนทางสังคมในการติดอินเทอร์เน็ต วารสารเทคโนโลยีและสังคมแห่งออสเตรเลีย 2007; 5: 34 – 47
  275. 65 Snaith RP, Zigmond AS HADS: ความวิตกกังวลและอาการซึมเศร้าในโรงพยาบาล 1994 วินด์เซอร์: NFER เนลสัน
  276. 66 Andrew B, Wilding J M. ความสัมพันธ์ของภาวะซึมเศร้าและความวิตกกังวลต่อความเครียดในชีวิตและความสำเร็จในนักเรียน วารสารจิตวิทยาอังกฤษ 2004; 95 (4): 509 – 521 doi: 10.1348 / 0007126042369802
  277. 67 Crawford JR, Henry JD, Crombie C, Taylor EP ข้อมูลทั่วไปสำหรับ HADS จากตัวอย่างที่ไม่ใช่ทางคลินิกขนาดใหญ่ วารสารจิตวิทยาคลินิกอังกฤษ 2001; 40 (4): 429 – 434 doi: 10.1348 / 014466501163904
  278. 68 DW รัสเซล UCLA Loneliness Scale (เวอร์ชั่น 3): ความน่าเชื่อถือความถูกต้องและโครงสร้างปัจจัย วารสารการประเมินบุคลิกภาพ 1996; 66 (1): 20 – 40 pmid: 8576833 ดอย: 10.1207 / s15327752jpa6601_2
  279. 69 Jobe LE, วิลเลียมส์ไวท์เอส. ความเหงา, ความสัมพันธ์ทางสังคมและฟีเจอร์ออทิสติกที่กว้างขึ้นในนักศึกษา บุคลิกภาพและความแตกต่างส่วนบุคคล 2007; 42 (8): 1479 – 1489 doi: 10.1016 / j.paid.2006.10.021
  280. 70 Buysse DJ, Reynolds CF, Monk TH, Berman SR, Kupfer DJ ดัชนีคุณภาพการนอนหลับของพิตต์สเบิร์ก (PSQI): เครื่องมือใหม่สำหรับการวิจัยและการปฏิบัติทางจิตเวช งานวิจัยทางจิตเวช 1989; 28 (2): 193 – 213 ดอย: 10.1016 / 0165-1781 (89) 90047-4
  281. 71 Goldberg DP, Hillier V F. รุ่นมาตราส่วนของแบบสอบถามสุขภาพทั่วไป เวชศาสตร์จิตวิทยา 1979; 9: 139 – 145 pmid: 424481 ดอย: 10.1017 / s0033291700021644
  282. 72. Reed P. , & Senunaite K. ผลกระทบของเด็กที่มี ASD ต่อการทำงานของภูมิคุ้มกันที่รายงานด้วยตนเองของพ่อแม่ ภายใต้การทบทวน.
  283. 73 McClelland DC, Alexander C, Marks E. ความต้องการพลังงาน, ความเครียด, การทำงานของระบบภูมิคุ้มกันและความเจ็บป่วยในหมู่นักโทษชาย วารสารจิตวิทยาผิดปกติ 1982; 91 (1): 61 pmid: 7056944 ดอย: 10.1037 / 0021-843x.91.1.61