ติดยาเสพติด Behav 2018 ก.พ. 12; 81: 157-166 doi: 10.1016 / j.addbeh.2018.02.017
Ioannidis K1, พ่อแม่พันธุ์ MS2, Chamberlain SR1, Kiraly F3, Redden SA4, สไตน์ดีเจ5, ค. Lochner6, ให้สิทธิ์ JE7.
นามธรรม
ความเป็นมาและเป้าหมาย:
การใช้อินเทอร์เน็ตที่มีปัญหา (PIU หรือที่เรียกว่าการติดอินเทอร์เน็ต) เป็นปัญหาที่เพิ่มมากขึ้นในสังคมสมัยใหม่ มีความรู้น้อยมากเกี่ยวกับตัวแปรทางประชากรและกิจกรรมทางอินเทอร์เน็ตเฉพาะที่เกี่ยวข้องกับ PIU และความเข้าใจที่ จำกัด เกี่ยวกับวิธีการกำหนดแนวคิด PIU จุดมุ่งหมายของเราคือการระบุกิจกรรมทางอินเทอร์เน็ตที่เกี่ยวข้องกับ PIU และสำรวจบทบาทการกลั่นกรองอายุและเพศในสมาคมเหล่านั้น
วิธีการ:
เราคัดเลือกผู้เข้าร่วม 1749 คนที่มีอายุ 18 ปีขึ้นไปผ่านการโฆษณาทางสื่อในแบบสำรวจทางอินเทอร์เน็ตที่สองไซต์แห่งหนึ่งในสหรัฐอเมริกาและอีกแห่งหนึ่งในแอฟริกาใต้ เราใช้การถดถอย Lasso ในการวิเคราะห์
ผล:
กิจกรรมทางอินเทอร์เน็ตที่เฉพาะเจาะจงมีความสัมพันธ์กับคะแนนการใช้อินเทอร์เน็ตที่มีปัญหาสูงขึ้นรวมถึงการท่องเว็บทั่วไป (บ่วงบาศβ: 2.1) การเล่นเกมทางอินเทอร์เน็ต (β: 0.6) การซื้อของออนไลน์ (β: 1.4) การใช้เว็บไซต์ประมูลออนไลน์ (β: 0.027) โซเชียล ระบบเครือข่าย (β: 0.46) และการใช้สื่อลามกออนไลน์ (β: 1.0) อายุมีการกลั่นกรองความสัมพันธ์ระหว่าง PIU และเกมเล่นตามบทบาท (β: 0.33) การพนันออนไลน์ (β: 0.15) การใช้เว็บไซต์ประมูล (β: 0.35) และสื่อสตรีมมิ่ง (β: 0.35) โดยอายุที่มากขึ้นจะมีส่วนสูงขึ้น ระดับของ PIU มีหลักฐานที่สรุปไม่ได้สำหรับกิจกรรมทางเพศและเพศ×ที่เกี่ยวข้องกับคะแนนการใช้อินเทอร์เน็ตที่มีปัญหา โรคสมาธิสั้น (ADHD) และโรควิตกกังวลทางสังคมมีความสัมพันธ์กับคะแนน PIU ที่สูงในผู้เข้าร่วมที่อายุน้อย (อายุ≤ 25, β: 0.35 และ 0.65 ตามลำดับ) ในขณะที่โรควิตกกังวลทั่วไป (GAD) และโรคครอบงำ (OCD) ได้แก่ เกี่ยวข้องกับคะแนน PIU ที่สูงในผู้เข้าร่วมที่มีอายุมากกว่า (อายุ> 55, β: 6.4 และ 4.3 ตามลำดับ)
สรุป
พฤติกรรมออนไลน์หลายประเภท (เช่นการช้อปปิ้งภาพลามกการท่องทั่วไป) มีความสัมพันธ์ที่แน่นแฟ้นกับการใช้อินเทอร์เน็ตที่ไม่เหมาะสมมากกว่าการเล่นเกมที่สนับสนุนการจำแนกประเภทการวินิจฉัยของการใช้อินเทอร์เน็ตที่มีปัญหาเป็นความผิดปกติหลายแง่มุม นอกจากนี้กิจกรรมทางอินเทอร์เน็ตและการวินิจฉัยทางจิตเวชที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตที่มีปัญหานั้นแตกต่างกันไปตามอายุและผลกระทบด้านสุขภาพของประชาชน
ที่มา: การติดพฤติกรรม; การติดอินเทอร์เน็ต ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต เชือก; การเรียนรู้ของเครื่อง; การใช้อินเทอร์เน็ตที่มีปัญหา
PMID: 29459201
ดอย: 10.1016 / j.addbeh.2018.02.017
1
บทนำ
การใช้อินเทอร์เน็ตที่มีปัญหา (PIU หรือที่เรียกว่าการติดอินเทอร์เน็ต) เป็นปัญหาด้านสาธารณสุขในสังคมสมัยใหม่ทั่วโลก ระบาดวิทยาของ PIU ยังไม่ชัดเจน (
; ) ด้วยการประมาณการความชุกของจุดรายงานที่หลากหลาย (1% ถึง 36.7%) ซึ่งไม่เพียง แต่สะท้อนถึงความแตกต่างของประชากรเท่านั้น แต่ยังรวมถึงความหลากหลายของเครื่องมือในการประเมินและคำจำกัดความในการปฏิบัติงานที่แตกต่างกันของพฤติกรรม PIU DSM-5 ได้เน้นให้เห็นความผิดปกติของการเล่นเกมทางอินเทอร์เน็ตเป็นเงื่อนไขสำหรับการศึกษาเพิ่มเติม () โดยเฉพาะการยกเว้นกิจกรรมอื่น ๆ บนอินเทอร์เน็ตเช่นการพนันและการใช้โซเชียลมีเดียแม้ว่าจะมีหลักฐานสะสมว่าการใช้อินเทอร์เน็ตที่มีปัญหานั้นเป็นปัญหาหลายแง่มุมที่นอกเหนือไปจากการเล่นเกมออนไลน์ (; ;). พฤติกรรมออนไลน์ที่แตกต่างกันจำนวนมากได้รับการอธิบายว่ามีความสามารถในการทำให้การทำงานปกติลดลงเมื่อดำเนินการมากเกินไปรวมถึงการเล่นเกมออนไลน์และเกมเล่นตามบทบาทออนไลน์ที่มีผู้เล่นหลายคนจำนวนมาก (;;;;), การพนันออนไลน์ (;), การซื้อของออนไลน์ (; ;), การดูภาพอนาจาร (;;), การเช็คอีเมลบ่อยๆ, การส่งข้อความโต้ตอบแบบทันที (;;) และการใช้โซเชียลมีเดียมากเกินไป (;) พฤติกรรมออนไลน์อาจทำให้เกิดความกังวลต่อสุขภาพร่างกายของแต่ละบุคคล (;) หรือเป็นรากฐานสำหรับการกระทำผิดทางอาญา () ลักษณะที่หุนหันพลันแล่นและบีบบังคับอาจเป็นปัจจัยหนุนพฤติกรรมอินเทอร์เน็ตที่เป็นปัญหา (;;;;) ในขณะที่กิจกรรมทางอินเทอร์เน็ตบางอย่างเชื่อมโยงกับโรคทางจิตเวช ตัวอย่างเช่นการช็อปปิ้งออนไลน์เชื่อมโยงกับภาวะซึมเศร้าและการกักตุน (
).
เยาวชนและนักศึกษาถือเป็นกลุ่มเสี่ยงที่สุดสำหรับ PIU (
; ; ; ; ) แต่ประชากรวัยกลางคนและผู้สูงอายุยังไม่ได้รับการตรวจสอบอย่างละเอียด อายุน้อยมีส่วนเกี่ยวข้องกับการซื้อของออนไลน์ที่มีปัญหา (;) อย่างไรก็ตามมีการศึกษาจำนวนหนึ่งที่ระบุกิจกรรมทางอินเทอร์เน็ตที่มีปัญหารวมถึงการซื้อของโดยใช้อินเทอร์เน็ตมากเกินไปในประชากรผู้ใหญ่ (
). โดยรวมแล้วยังไม่ทราบประวัติธรรมชาติของการใช้อินเทอร์เน็ตที่มีปัญหาและอาจมีความแตกต่างที่เกี่ยวข้องกับอายุใน PIU โดยรวมหรือพฤติกรรมออนไลน์ที่มีปัญหาต่างกัน
PIU ได้รับการพิจารณาว่ามีเพศชาย (
; ) และมีแนวโน้มที่จะแพร่หลายมากขึ้นในกลุ่มเยาวชนชายชาวเอเชีย แต่ผู้หญิงก็มีความเสี่ยงเช่นกัน (;) ในระดับคลินิกการศึกษา PIU ส่วนใหญ่รวมถึงผู้เข้าร่วมที่เป็นผู้ชายเท่านั้น () และไม่ชัดเจนว่าประชากรทางคลินิกของผู้หญิงอาจไม่ได้รับการศึกษาหรือไม่ มีหลักฐานบางอย่างจากการศึกษาเชิงสังเกตว่าชายและหญิงแตกต่างกันในวิธีการดำเนินงานในสภาพแวดล้อมออนไลน์ในแง่ของกิจกรรมที่พวกเขาเลือกและผลกระทบเชิงลบ (;) การใช้แชทและโซเชียลมีเดียมากเกินไปมีความเกี่ยวข้องกับเพศหญิงในนักเรียนสาว (;;;; S) เพศหญิงยังถูกระบุว่าเป็นตัวทำนายของการช็อปปิ้งออนไลน์ที่มีปัญหา () แต่ก็มีรายงานในทางตรงกันข้ามด้วย (;) การเล่นเกมออนไลน์เกี่ยวข้องกับเพศชาย () แต่การเล่นเกมสวมบทบาทออนไลน์ที่มีผู้เล่นหลายคนจำนวนมากได้รับการรายงานในทั้งสองเพศ () มีรายงานว่าสื่อลามกออนไลน์และการพนันออนไลน์เกิดขึ้นบ่อยกว่าในผู้ชายที่เป็นผู้ใหญ่ () อย่างไรก็ตามมีการถกเถียงกันว่าบทบาทของการเสริมแรงของรางวัลปฏิกิริยาต่อคิวและความอยากมีเพศสัมพันธ์ทางออนไลน์นั้นคล้ายคลึงกันสำหรับทั้งสองเพศ () แพลตฟอร์มเฉพาะของโซเชียลมีเดียที่มีศักยภาพในการเสพติดเช่นเว็บไซต์เครือข่ายเช่น Facebook ถูกใช้โดยทั้งสองเพศและเป็นที่ถกเถียงกันอยู่ว่าผู้หญิงอาจมีความเสี่ยงโดยเฉพาะ () โดยรวมแล้วอาจมีความแตกต่างเฉพาะเพศในแง่มุมของ PIU; หรืออาจเป็นไปได้ว่าเมื่อคำนึงถึงลักษณะทางคลินิกและพฤติกรรม / ความสับสนแล้วทั้งสองเพศก็ได้รับผลกระทบในทำนองเดียวกัน (;
).
โดยรวมแล้วการใช้อินเทอร์เน็ตที่มีปัญหารวมถึงพฤติกรรมการใช้อินเทอร์เน็ตที่เป็นปัญหาที่หลากหลายจำเป็นต้องมีการตรวจสอบที่เข้มงวดมากขึ้นซึ่งจะช่วยให้เข้าใจได้ว่ากิจกรรมใดที่ควรถือว่าเป็นปัญหาหรือไม่สามารถใช้งานได้หรือโดยทั่วไปมีส่วนทำให้เกิดปรากฏการณ์ที่อธิบายว่าเป็น PIU วิธีการที่อายุและเพศลดความสัมพันธ์ระหว่างกิจกรรมทางอินเทอร์เน็ตโดยเฉพาะและ PIU นั้นได้รับการศึกษาอย่างละเอียดทำให้ได้รับความสนใจมากขึ้น
วัตถุประสงค์ของเราคือการระบุกิจกรรมที่เกี่ยวข้องกับอินเทอร์เน็ตโดยเฉพาะที่เกี่ยวข้องกับ PIU และมีการโต้ตอบกับอายุหรือเพศหรือไม่ที่ดูแลความสัมพันธ์เหล่านั้น
2
วัสดุและวิธีการ
2.1
การตั้งค่าและมาตรการ
รายละเอียดเพิ่มเติมเกี่ยวกับการตั้งค่าและมาตรการของการศึกษานี้ได้อธิบายไว้ในสิ่งพิมพ์ก่อนหน้าของเราใน PIU (
). การรายงานวิธีการสำหรับการศึกษานี้เป็นไปตามแนวทางของ STROBE (
). การศึกษาในปัจจุบันจัดทำขึ้นตั้งแต่เดือนมกราคม 2014 - กุมภาพันธ์ 2015 บุคคลที่มีอายุ 18 ปีขึ้นไปได้รับคัดเลือกจากสถานที่สองแห่ง ได้แก่ ชิคาโก (สหรัฐอเมริกา) และสเตลเลนบอช (แอฟริกาใต้) โดยใช้โฆษณาทางอินเทอร์เน็ต (อายุเฉลี่ย 29 ปี [18–77]; เพศชาย 1119 คน [ 64%]; 1285 คนผิวขาว [73%]) โฆษณาขอให้บุคคลมีส่วนร่วมในการสำรวจออนไลน์เกี่ยวกับการใช้อินเทอร์เน็ต ผู้เข้าร่วมตอบแบบสำรวจโดยไม่ระบุตัวตนโดยใช้ซอฟต์แวร์ Survey Monkey แบบสำรวจถูกส่งผ่าน Craigslist ดังนั้นจึงมีการกำหนดเป้าหมายเฉพาะผู้เข้าร่วมจากสถานที่นั้น ๆ การศึกษาได้รับการอนุมัติโดยคณะกรรมการตรวจสอบของสถาบันในแต่ละสถานที่วิจัย ผู้เข้าร่วมไม่ได้รับค่าตอบแทนจากการเข้าร่วม แต่ได้ลงทะเบียนในลอตเตอรีแบบสุ่มโดยมีรางวัลห้ารางวัลซึ่งแต่ละรางวัลมีมูลค่าระหว่าง 50 ถึง 200 ดอลลาร์ในสหรัฐอเมริกาและสามรางวัลระหว่าง ZAR250 และ ZAR750 ในแอฟริกาใต้
แบบสำรวจออนไลน์มีคำถามเกี่ยวกับอายุเพศเชื้อชาติสถานะความสัมพันธ์รสนิยมทางเพศและวุฒิการศึกษาของแต่ละคนพร้อมกับมาตรการต่างๆของกิจกรรมทางอินเทอร์เน็ตที่เฉพาะเจาะจง เราวัดกิจกรรมทางอินเทอร์เน็ตหลายอย่างซึ่งรวมถึง 1) การท่องเว็บทั่วไป 2) การเล่นเกมทางอินเทอร์เน็ตทั้งหมด 3) เกมเล่นตามบทบาทออนไลน์ (RPG) 4) การเสียเวลา / เกมทักษะ (เช่นแอปบน iPod / iPad / โทรศัพท์มือถือ Tetris อัญมณี) 5 ) ผู้เล่นหลายคนออนไลน์แอ็คชั่น (เช่น Call of Duty, Gears of War) 6) การซื้อของออนไลน์ 7) เว็บไซต์ประมูล (เช่น Ebay) 8) การพนันออนไลน์ 9) เครือข่ายสังคม 10) กีฬาออนไลน์ (เช่นกีฬาแฟนตาซี ESPN) 11) ภาพอนาจาร / เพศ บนอินเทอร์เน็ต 12) การส่งข้อความ / บล็อก (เช่น AIM, Skype) และ 13) การสตรีมวิดีโอ / สื่อ (เช่น YouTube, Hulu) การสำรวจยังรวมถึงมาตรการทางคลินิก: Internet Addiction Test (IAT) (
) เพื่อจัดเตรียมการวัดการใช้อินเทอร์เน็ตที่ไม่ถูกปรับเปลี่ยน เลือกโมดูล Mini International Neuropsychiatric Interview (MINI) () เพื่อระบุโรควิตกกังวลทางสังคม (SAD), โรควิตกกังวลทั่วไป (GAD) และโรคครอบงำ (OCD); รายการตรวจสอบอาการมาตราส่วนแบบรายงานด้วยตนเองสำหรับผู้ใหญ่ ADHD (ASRS-v1.1) () เพื่อระบุอาการของโรคสมาธิสั้น (ADHD) Padua Inventory (PI) () เพื่อระบุแนวโน้มที่ครอบงำ - บังคับ และ Barratt Impulsiveness Scale (BIS-11) เพื่อหาปริมาณบุคลิกภาพหุนหันพลันแล่น (
). สถิติเชิงพรรณนาสำหรับตัวแปรทั้งหมดสรุปและแบ่งชั้นตามอายุในตารางเสริม S1a
IAT ประกอบด้วย 20 คำถามที่ตรวจสอบแง่มุมของ PIU คะแนนของ IAT มีตั้งแต่ 20 ถึง 100 โดย 20–49 แสดงถึงการใช้อินเทอร์เน็ตที่ไม่รุนแรงการใช้อินเทอร์เน็ตในระดับปานกลาง 50–79 และ 80–100 แสดงถึงการใช้อินเทอร์เน็ตที่รุนแรง PI ประกอบด้วย 39 รายการที่ประเมินพฤติกรรมครอบงำและพฤติกรรมบีบบังคับร่วมกัน BIS-11 เป็นแบบสอบถามรายงานตนเองที่ใช้เพื่อกำหนดระดับความหุนหันพลันแล่น
เราทำการวิเคราะห์ส่วนประกอบหลัก (PCA) เพื่อระบุว่าองค์ประกอบบางส่วนของกิจกรรมทางอินเทอร์เน็ตจะสามารถอธิบายความแปรปรวนส่วนสำคัญได้หรือไม่ อย่างไรก็ตามการวิเคราะห์นี้แสดงให้เห็นว่าเราต้องการองค์ประกอบ> 11 จาก 13 รายการเพื่อให้ได้ความแปรปรวน> 90% ซึ่งบ่งชี้ว่าตัวแปรส่วนสำคัญของกิจกรรมทางอินเทอร์เน็ตมีส่วนทำให้เกิดความแปรปรวนโดยไม่ซ้ำกัน เราจึงตัดสินใจใช้ตัวแปรแต่ละตัวแยกกันในการวิเคราะห์ของเรา
เฉพาะข้อมูลจากผู้เข้าร่วมที่ทำแบบสำรวจออนไลน์ทั้งหมดรวมทั้งมาตรการกิจกรรมทางอินเทอร์เน็ตเท่านั้นที่รวมอยู่ในการวิเคราะห์ กลุ่มตัวอย่างเดิมประกอบด้วยบุคคล 2551 63 บุคคลได้รับการยกเว้นเนื่องจากไม่มีคะแนน IAT อีก 18 คนได้รับการยกเว้นสำหรับการรายงานเรื่องเพศและ 459 สำหรับตัวแปรทำนายที่สำคัญที่ขาดหายไปเช่นคะแนนแบบสอบถาม PI หรือ BIS บุคคลห้าคนได้รับการยกเว้นสำหรับการรายงานอายุ <18 ปี บุคคลเพิ่มเติมอีก 257 คนได้รับการยกเว้นเนื่องจากมาตรการกิจกรรมอินเทอร์เน็ตขาดหายไป ชุดสุดท้ายรวม 1749 คนที่มีคะแนนสมบูรณ์ในทุกตัวแปร ขั้นตอนสุดท้ายของกระบวนการยกเว้นนี้อธิบายถึงความแตกต่างของตัวอย่างระหว่างการศึกษาในปัจจุบันและ
. ชุดสุดท้ายนี้ประกอบด้วยบุคคล 1063 คนจากเว็บไซต์ Stellenbosch และ 686 คนจากไซต์ชิคาโก ความชุกของจุดโดยประมาณของ PIU อยู่ที่ ~ 8.5% โดยใช้การตัด IAT ที่ 50 ขึ้นไป เมื่อเปรียบเทียบประชากรในไซต์การศึกษาทั้งสองไซต์ Stellenbosch มีผู้เข้าร่วมที่อายุน้อยกว่า [ค่าเฉลี่ย (ช่วง) 24.3 (18–76) เทียบกับ 36.3 (18–77), ANOVA F <0.05, η 2 : 0.20] สัดส่วนที่ต่ำกว่าของเพศชาย [58% เทียบกับ 73%, χ 2 <0.05, φ : 0.15], รสนิยมทางเพศตรงข้ามในสัดส่วนที่สูงขึ้น [91% เทียบกับ 84%, χ 2 <0.05, φ : 0.10] อัตรา ADHD ที่สูงขึ้น [50% เทียบกับ 41% χ 2 <0.05, φ : 0.9], อัตราการซื้อสินค้าออนไลน์ที่ต่ำกว่า [ค่าเฉลี่ย (ช่วง) 0.48 (0–5) เทียบกับ 1.27 (0–5), ANOVA F <0.05, η 2 : 0.18] และคะแนน IAT ต่ำกว่าเล็กน้อย [ค่าเฉลี่ย (ช่วง) 30.3 (20–94) เทียบกับ 35.9 (20–85), ANOVA F <0.05, η 2 : 0.06] การเปรียบเทียบโดยละเอียดเพิ่มเติมแสดงอยู่ในตารางเสริม S1b กระบวนการสรรหาและการคัดแยกจะถูกนำเสนอในรูปแบบกราฟิก มะเดื่อ. 1 . ตัวแปรต่อเนื่องทั้งหมด (เช่นคะแนน BIS) ถูกกำหนดมาตรฐานเพื่อเพิ่มความสามารถในการตีความของค่าสัมประสิทธิ์แบบจำลอง วิธีการทำนายใช้คะแนน IAT เป็นตัวแปรตัวเลข (ช่วง 20–94 ค่าเฉลี่ย 32.48) การวิเคราะห์ทั้งหมดดำเนินการใน R Studio เวอร์ชัน 3.1.2 Lasso Generalized Linear Models ดำเนินการโดยใช้แพ็คเกจ "glmnet" (Package glmnet เวอร์ชัน 2.0–5 (
)). รายละเอียดเพิ่มเติมเกี่ยวกับกระบวนการวิเคราะห์สามารถพบได้ในส่วนเสริม (ภาคผนวกระเบียบวิธี)
2.2
การสำรวจความสัมพันธ์
เราได้สำรวจความสัมพันธ์ระหว่างตัวแปรในข้อมูลของเรา (ดู มะเดื่อ. 2 ). กิจกรรมทางอินเทอร์เน็ตที่แตกต่างกันทั้งหมดมีความสัมพันธ์เชิงบวกกับคะแนน IAT (ค่าสัมประสิทธิ์สหสัมพันธ์แบบเพียร์สันช่วง 0.23–0.48) มีการระบุความสัมพันธ์เชิงบวกระดับปานกลางระหว่างตัวแปรกิจกรรมทางอินเทอร์เน็ต ได้แก่ การเล่นเกมอินเทอร์เน็ตทั้งหมดและเกม RPG (r = 0.57) การเล่นเกมทางอินเทอร์เน็ตทั้งหมดและเกมที่มีผู้เล่นหลายคน (r = 0.55) การซื้อของออนไลน์และการใช้เว็บไซต์ประมูล (r = 0.55) การท่องเว็บทั่วไป และช้อปปิ้ง (r = 0.44) การท่องเว็บทั่วไปและเครือข่ายสังคมออนไลน์ (r = 0.44) การท่องเว็บทั่วไปและสื่อสตรีมมิ่ง (r = 0.44) มีความสัมพันธ์เชิงบวกที่อ่อนแอระหว่างกีฬาและสื่อลามก (r = 0.38) เพศชายและกีฬา (r = 0.30) หรือภาพอนาจาร (r = 0.39) หรือเกมแอ็คชั่นผู้เล่นหลายคน (r = 0.27) มีความสัมพันธ์ที่อ่อนแอระหว่างการพนันออนไลน์และผู้เล่นหลายคนแบบแอ็คชั่น (r = 0.41), RGP (r = 0.32), เว็บไซต์ประมูล (r = 0.38), กีฬา (r = 0.38) หรือภาพอนาจาร (r = 0.39) ความหุนหันพลันแล่นมีความสัมพันธ์ในเชิงบวกเล็กน้อยกับการท่องเว็บทั่วไปการซื้อของออนไลน์การใช้เว็บไซต์ประมูลเครือข่ายสังคมสื่อสตรีมมิ่งและสื่อลามก (0.2 ≤ r ≤ 0.3) นอกจากนี้ยังมีความสัมพันธ์ที่อ่อนแอระหว่างผู้สูงอายุกับกิจกรรมการจับจ่าย (r = 0.33) หรือการใช้เว็บไซต์ประมูล (r = 0.22) และระหว่างรสนิยมทางเพศที่ไม่ใช่เพศตรงข้ามกับสื่อลามก (r = 0.22) ความสัมพันธ์อื่น ๆ ทั้งหมดระหว่างกิจกรรมทางอินเทอร์เน็ตและอายุเพศสถานะความสัมพันธ์รสนิยมทางเพศระดับการศึกษาเชื้อชาติและระดับความหุนหันพลันแล่นและการบังคับนั้นอ่อนแอมาก (−0.2 <r <0.2)
2.3
การจัดการกับการสวมใส่มากเกินไป
สำหรับวิธีการทางสถิติของเราเราใช้แบบจำลองที่มีตัวแปรทางประชากร (อายุเชื้อชาติระดับการศึกษาเพศสถานะความสัมพันธ์รสนิยมทางเพศ) ลักษณะทางคลินิก (การวินิจฉัยโรคสมาธิสั้น GAD ความวิตกกังวลทางสังคมและ OCD) มิติทางพฤติกรรมที่ทราบว่าเกี่ยวข้องกับ PIU (แรงกระตุ้นและการบังคับ) กิจกรรมทางอินเทอร์เน็ตและเงื่อนไขการโต้ตอบระหว่างกิจกรรมทางอินเทอร์เน็ต×อายุหรือเพศ ตัดสินใจที่จะทดสอบสมมติฐานที่ว่าอายุหรือเพศปานกลางความสัมพันธ์ระหว่างกิจกรรมอินเทอร์เน็ตกับคะแนนการใช้อินเทอร์เน็ตที่มีปัญหา เรารวมตัวแปรทำนายไว้ทั้งหมด 51 ตัว ด้วยการรวมตัวแปรมากมายเหลือเฟือเราจึงมุ่งเป้าไปที่แบบจำลองที่แม่นยำยิ่งขึ้นและในขณะเดียวกันก็จับการโต้ตอบที่ซับซ้อนระหว่างตัวแปรกิจกรรมทางประชากรและอินเทอร์เน็ต อย่างไรก็ตามข้อเสียของการมีตัวแปรทำนายจำนวนมากคือโดยทั่วไปแล้วจะนำไปสู่การเกินพอดีพร้อมกับค่าสัมประสิทธิ์ขนาดใหญ่ นอกจากนี้การถดถอยเชิงเส้นในตัวอย่างยังมีแนวโน้มที่จะเกินพอดีโดยเฉพาะในแบบจำลองที่ซับซ้อนและมีข้อบกพร่องโดยพื้นฐานในการคาดการณ์ข้อมูลใหม่ มีหลักฐานมากมายเกี่ยวกับข้อเสียของรุ่นที่สวมใส่มากเกินไป (
). ในการจัดการกับข้อผิดพลาดที่มากเกินไปเราได้พูดคุยกันโดยใช้วิธีการทางสถิติที่ไม่อยู่ในตัวอย่าง (การตรวจสอบความถูกต้องข้าม) เพื่อหาค่าประมาณของข้อผิดพลาดทั่วไปและการคาดคะเนของแบบจำลอง (
). เราสำรวจแนวทางนี้ในข้อมูลปัจจุบันของเราเมื่อเราใช้การประมาณค่าข้ามที่ตรวจสอบความถูกต้องนอกตัวอย่างของข้อผิดพลาดรูทค่าเฉลี่ยกำลังสองร่วมกับการเลือกตัวแปรย้อนหลังเพื่อทดสอบว่าโมเดลปรับปรุงโดยการเพิ่มตัวแปรจำนวนมากใน ชุดย่อยของชุดค่าผสมที่เป็นไปได้ของตัวทำนายและเราเห็นว่าแบบจำลองที่กระจัดกระจาย (เช่นมีตัวแปรประมาณ 13 ถึง 16 ตัว) ไม่ด้อยกว่าในแง่ของ RMSE ที่ตรวจสอบข้ามได้เมื่อเทียบกับโมเดลที่ซับซ้อนกว่า (รวมถึง> 16 ตัวแปร) สิ่งนี้แสดงในการสำรวจ มะเดื่อ. 3 (บนซ้าย).
2.4
การถดถอยเป็นประจำโดยมีข้อ จำกัด เบาบาง
ด้วยเหตุผลที่กล่าวไว้ในย่อหน้าก่อนหน้านี้เราต้องการใช้วิธีการทำนายที่ไม่พอดีมากเกินไปในขณะที่เทียบได้กับวิธีการทางสถิติมาตรฐานในแง่ของการทำนายคะแนน PIU นอกจากนี้ยังจะมีค่าหากวิธีการของเราสามารถทำการเลือกตัวแปรได้ (เช่นโดยการลดจำนวนตัวทำนายที่มีค่าสัมประสิทธิ์ที่ไม่ใช่ศูนย์) เพื่อช่วยในการตีความแบบจำลอง Regularization ออกแบบโดย Tikhonov เพื่อแก้สมการอินทิกรัล (
) และต่อมาได้รับการแนะนำในทางวิทยาศาสตร์ทางสถิติโดยมีคุณสมบัติบางประการที่ต้องการดังกล่าวข้างต้นของการสร้างแบบจำลองที่ขยับไปสู่ความเบาบางและลดความกระชับ () Lasso (แบบจำลองเชิงเส้นทั่วไปที่มีโอกาสเกิดการลงโทษสูงสุดหรือที่เรียกว่าการถดถอยโดยใช้ตัวดำเนินการหดตัวน้อยสัมบูรณ์และตัวดำเนินการเลือก (Lasso หรือ LASSO ())) เป็นวิธีการทำให้เป็นมาตรฐานและการวิเคราะห์การถดถอยซึ่งปัจจุบันมักใช้ในวิทยาศาสตร์การแพทย์ (;) และมีศักยภาพในการใช้ใน แบบจำลองการทำนายทางคลินิกในจิตเวชศาสตร์ (RC) การถดถอยสันเป็นอีกรูปแบบหนึ่งของการถดถอยเชิงเส้นปกติที่ลดค่าสัมประสิทธิ์โดยการแนะนำค่าสัมประสิทธิ์การลงโทษ () ตาข่ายยืดหยุ่นเป็นแบบจำลองระดับกลางระหว่างสันและเชือกและการลงโทษถูกควบคุมโดยαซึ่งเชื่อมช่องว่างระหว่าง Lasso (α = 1) และสันเขา (α = 0) พารามิเตอร์การปรับแต่งλควบคุมความแรงโดยรวมของการลงโทษ Lasso ใช้การลงโทษ L1 และสันใช้การลงโทษ L2 ในทางตรงกันข้ามกับการถดถอยสันเขาผลของการลงโทษ Lasso L1 คือสัมประสิทธิ์ส่วนใหญ่จะถูกผลักดันให้เป็นศูนย์ซึ่งนำไปสู่การแก้ปัญหาแบบปกติที่เบาบางในเวลาเดียวกัน ด้วยกลไกนี้ Lasso จะทำการเลือกตัวแปรซึ่งสามารถทำให้การตีความง่ายขึ้นอย่างมากโดยเฉพาะอย่างยิ่งหากมีตัวทำนายหลายตัวที่เกี่ยวข้องกับแบบจำลอง อีกวิธีหนึ่งที่ไม่ได้มาตรฐานซึ่งรู้จักกันในเรื่องความแม่นยำสูงและความสามารถในการหลีกเลี่ยงความเหมาะสมคือฟอเรสต์แบบสุ่ม (
). ฟอเรสต์แบบสุ่มเป็นวิธีการเรียนรู้ของเครื่องที่ทำงานได้ดีเมื่อเทียบกับการพึ่งพาที่ไม่ใช่เชิงเส้นดังนั้นการสำรวจประสิทธิภาพของโมเดลนี้อาจทำให้เราเข้าใจถึงความสัมพันธ์ที่ซับซ้อนซึ่งอาจเป็น 'ซ่อนเร้น'
2.5
วิธีการทำนาย
ในการเลือกแบบจำลองที่เหมาะสมในการวิเคราะห์ของเราเราได้เปรียบเทียบการถดถอยเชิงเส้นการถดถอยสันเขายืดหยุ่นสุทธิ Lasso และแบบจำลองฟอเรสต์แบบสุ่มซึ่งกันและกันและเทียบกับพื้นฐานไร้เดียงสาโดยใช้การประมาณค่า RMSE นอกตัวอย่างที่ผ่านการตรวจสอบแล้ว การตรวจสอบความถูกต้องข้ามของเรารวมถึงการสุ่มแยกข้อมูลในชุดการฝึกอบรมและการทดสอบการปรับแต่งพารามิเตอร์แบบจำลองในชุดการฝึกอบรมและการคาดคะเนคะแนน IAT ในชุดการทดสอบ เนื่องจากลักษณะสุ่มของการแบ่งข้อมูลออกเป็นพับเราจึงทำขั้นตอนนี้ซ้ำ 50 ครั้งเพื่อให้ได้ค่าประมาณที่คงที่และทำซ้ำได้ จากนั้นเราจะเปรียบเทียบเวกเตอร์สุดท้ายของคะแนน RMSE โดยใช้การทดสอบอันดับที่ลงนามของ Exact Wilcoxon-Pratt ทุกรุ่นเหนือกว่าค่าพื้นฐานไร้เดียงสาอย่างมีนัยสำคัญ (p แก้ไขแล้ว <0.001, d = −0.87 ของโคเฮน) (ดูตารางเสริม S2) สถิติสรุปของคะแนน RMSE แสดงไว้ในตารางเสริม S3 Lasso และตาข่ายยืดหยุ่นดีกว่าการถดถอยสันเขา (แก้ไข p <0.01, d = 0.51, d = 0.49) และการถดถอยเชิงเส้น (แก้ไข p <0.001, d = 0.76) และไม่แตกต่างกันทางสถิติระหว่างกัน (แก้ไข p> 0.05, d = −0.08) ฟอเรสต์แบบสุ่มไม่ดีกว่า lasso (p = 0.12) หรือ elastic net (แก้ไข p> 0.05) ดังนั้นในการวิเคราะห์ของเราเราจึงใช้ Lasso เพราะยิ่งไปกว่านั้นเพื่อประสิทธิภาพการทำนายนอกตัวอย่างที่ดี Lasso สามารถทำการเลือกตัวแปรได้โดยการลดค่าสัมประสิทธิ์ให้เป็นศูนย์และเพิ่มความสามารถในการตีความ แม้ว่าตาข่ายยืดหยุ่นสามารถทำการเลือกตัวแปรได้ แต่ก็มีแนวโน้มที่จะเลือกตัวแปรมากกว่าและแม้จะเป็นแบบจำลองที่ซับซ้อนและมีประสิทธิภาพมากกว่า แต่ก็ไม่ได้ให้ประสิทธิภาพที่ดีกว่าบ่วงบาศอย่างมีนัยสำคัญ ในการวิเคราะห์ข้อมูลฉบับสมบูรณ์และการวิเคราะห์กลุ่มย่อยในการวิเคราะห์ขั้นสุดท้ายเราใช้การตรวจสอบความถูกต้องข้าม 10 เท่าเพื่อสร้างแลมด้าที่เหมาะสมที่สุดสำหรับแบบจำลองเชือกแต่ละแบบและค่าสัมประสิทธิ์รายงานที่ผลิตโดยแบบจำลองเหล่านั้น แผนการอธิบายที่ได้จากการวิเคราะห์ข้อมูลทั้งหมดจะถูกนำเสนอใน มะเดื่อ. 3 .
3
ผลสอบ
ผลการถดถอย Lasso สรุปไว้ในตัวอย่างทั้งหมดและแบ่งชั้นตามอายุใน ตารางที่ 1 และ 2 . ตารางผลลัพธ์ทั้งหมดสำหรับการวิเคราะห์กลุ่มย่อยรวมถึงการแบ่งชั้นตามอายุและตามไซต์การศึกษาแสดงไว้ในตารางเสริมออนไลน์ (ตาราง S4 – S10) แผนการสำรวจของข้อมูลจะแสดงในรูปเสริม (Figs. S1 – S3) ผลลัพธ์จากวิธีการทางสถิติที่เป็นมาตรฐานมากขึ้นของการถดถอยเชิงเส้นยังแสดงอยู่ในตารางเสริม S4 – S10 และความแตกต่างในการอนุมานเชิงโครงสร้างเมื่อเทียบกับผลลัพธ์หลักที่นำเสนอด้านล่างนี้เป็นไปตามเงื่อนไขในการเลือกแบบจำลองอื่น
| กิจกรรมทางอินเทอร์เน็ต | ทั้งหมด (n = 1749) | 18 ≤อายุ≤ 25 (n = 1042) | 26 ≤อายุ≤ 55 (n = 592) | อายุ> 55 (n = 115) |
|---|---|---|---|---|
| ท่องทั่วไป | 2.100 | 2.400 | 1.500 | 0.590 |
| เกมอินเทอร์เน็ต | 0.600 | 0.450 | 0.110 | 0.000 |
| RPG | 0.000 | 0.000 | 0.710 | 0.000 |
| เสียเวลา | 0.000 | 0.000 | 0.000 | 0.450 |
| ผู้เล่นหลายคนแอ็คชั่น | 0.000 | 0.000 | 0.000 | 0.000 |
| ช้อปปิ้ง | 1.400 | 0.840 | 1.500 | 0.000 |
| เว็บไซต์ประมูล | 0.027 | 0.000 | 0.990 | 0.230 |
| พนัน | 0.000 | 0.000 | 0.780 | 0.000 |
| เครือข่ายทางสังคม | 0.460 | 0.000 | 1.300 | 0.000 |
| กีฬา | 0.000 | 0.000 | 0.000 | 0.000 |
| สื่อลามก | 1.000 | 1.400 | 0.210 | 0.000 |
| ส่งข้อความ | 0.000 | 0.000 | 0.110 | 0.000 |
| สื่อสตรีมมิ่ง | 0.000 | 0.000 | 0.000 | 1.200 |
| ปาดัว | 0.074 | 0.085 | 0.029 | 0.065 |
| BIS | 0.066 | 0.048 | 0.072 | 0.086 |
| การวินิจฉัยโรคสมาธิสั้น | 1.700 | 0.350 | 3.100 | 0.000 |
| การวินิจฉัย GAD | 0.230 | 0.000 | 0.000 | 6.400 |
| การวินิจฉัยความวิตกกังวลทางสังคม | 0.000 | 0.560 | 0.000 | 0.000 |
| การวินิจฉัย OCD | 0.270 | 0.000 | 0.000 | 4.300 |
| กิจกรรมทางอินเทอร์เน็ต | ทั้งหมด (n = 1749) | 18 ≤อายุ≤ 25 (n = 1042) | 26 ≤อายุ≤ 55 (n = 592) | อายุ> 55 (n = 115) |
|---|---|---|---|---|
| ตัวแปรทางประชากรศาสตร์ | 0.000 | 0.000 | 0.000 | 0.000 |
| เพศ×กิจกรรมทางอินเทอร์เน็ตใด ๆ | 0.000 | 0.000 | 0.000 | 0.000 |
| อายุ×ท่องทั่วไป | 0.000 | - | - | - |
| อายุ×การเล่นเกมทางอินเทอร์เน็ต | 0.000 | - | - | - |
| อายุ× RPG | 0.330 | - | - | - |
| อายุ×เวลาเสีย | 0.000 | - | - | - |
| ผู้เล่นหลายคนอายุ×แอ็คชั่น | 0.000 | - | - | - |
| อายุ×ช้อปปิ้ง | 0.000 | - | - | - |
| อายุ×การพนัน | 0.150 | - | - | - |
| อายุ×เว็บไซต์ประมูล | 0.350 | - | - | - |
| อายุ×เครือข่ายสังคม | 0.000 | - | - | - |
| อายุ×กีฬา | 0.000 | - | - | - |
| อายุ×สื่อลามก | 0.000 | - | - | - |
| อายุ×การส่งข้อความ | 0.000 | - | - | - |
| อายุ×สตรีมมิ่งสื่อ | 0.350 | - | - | - |
3.1
ประชากร
ในการถดถอยของเชือกไม่มีตัวแปรซึ่งรวมถึงอายุเพศเชื้อชาติระดับการศึกษาสถานะความสัมพันธ์หรือรสนิยมทางเพศสัมพันธ์กับ PIU ในกลุ่มย่อยอายุใด ๆ หรือในข้อมูลทั้งหมด
3.2
กิจกรรมทางอินเทอร์เน็ต
ในข้อมูลการถดถอย Lasso แบบเต็มกิจกรรมทางอินเทอร์เน็ตจำนวนหนึ่งมีความสัมพันธ์กับคะแนน PIU ที่สูงรวมถึงการท่องเว็บทั่วไป (β: 2.1) การเล่นเกมทางอินเทอร์เน็ต (β: 0.6) การซื้อของออนไลน์ (β: 1.4) การใช้เว็บไซต์ประมูล (β: 0.027), โซเชียลเน็ตเวิร์ก (β: 0.46) และการใช้สื่อลามกออนไลน์ (β: 1.0) ความสัมพันธ์ระหว่าง PIU และเกมเล่นตามบทบาท (RPG) การพนันออนไลน์การใช้เว็บไซต์ประมูลและการใช้สื่อสตรีมมิ่งถูกกลั่นกรองตามอายุ (β: 0.33, 0.15, 0.35 และ 0.35 ตามลำดับ) โดยอายุที่มากขึ้นจะสัมพันธ์กับคะแนน PIU ที่สูงขึ้น . ในการวิเคราะห์กลุ่มย่อยอายุ (ผู้เข้าร่วมที่อายุน้อย≤ 25, ผู้เข้าร่วมวัยกลางคน 25 <อายุ≤ 55; ผู้เข้าร่วมที่มีอายุมากกว่า> 55 ปี) การเล่นกระดานโต้คลื่นทั่วไปมีความเกี่ยวข้องกับ PIU ในทุกกลุ่มอายุ แต่จะรุนแรงกว่าในเด็ก (β: 2.4) น้อยกว่าในวัยกลางคน (β: 1.5) และแม้แต่น้อยในผู้เข้าร่วมที่มีอายุมาก (β: 0.59) มีแนวโน้มที่คล้ายกันในการเล่นเกมทางอินเทอร์เน็ต (β: 0.45, 0.11 และ 0.0 สำหรับสามกลุ่มอายุตามลำดับ) และการใช้สื่อลามกออนไลน์ (β: 1.4, 0.21 และ 0.0) กิจกรรมทางอินเทอร์เน็ตบางอย่างเช่นการใช้ RPG ออนไลน์มีความสัมพันธ์อย่างมากกับ PIU ในผู้เข้าร่วมวัยกลางคนเมื่อเทียบกับกลุ่มอายุอื่น ๆ (β: 0.71) เช่นเดียวกับการพนันออนไลน์ (β: 0.78) การส่งข้อความทันที (β: 0.11) และเครือข่ายสังคมออนไลน์ (β: 1.3) การใช้เว็บไซต์ประมูลมีความเกี่ยวข้องอย่างมากกับ PIU ในผู้เข้าร่วมวัยกลางคน (β: 0.99) แต่ยังคาดการณ์ได้ในผู้เข้าร่วมที่มีอายุมากกว่า (β: 0.23) การสตรีมสื่อออนไลน์และการใช้เวลาว่างมีความสัมพันธ์กับ PIU ในผู้เข้าร่วมที่มีอายุมากกว่า (β: 1.2, 0.45 ตามลำดับ) แต่ไม่อยู่ในกลุ่มอายุอื่น ๆ
3.3
ลักษณะทางคลินิกและพฤติกรรม
อาการของโรคสมาธิสั้น (ADHD) (β: 1.7) โรควิตกกังวลทั่วไป (GAD) (β: 0.23) และโรคครอบงำ (OCD) (β: 0.27) มีความสัมพันธ์กับคะแนน PIU ที่สูงขึ้น ในการวิเคราะห์กลุ่มย่อยอายุ ADHD และ SAD มีความสัมพันธ์กับคะแนน PIU ที่สูงขึ้นในผู้เข้าร่วมที่อายุน้อยกว่า (β: 0.35 และ 0.56 ตามลำดับ) ในขณะที่ ADHD ยังคงมีนัยสำคัญในกลุ่มย่อยวัยกลางคน (β: 3.1) GAD และ OCD มีความสัมพันธ์กับคะแนน PIU ที่สูงขึ้นในกลุ่มย่อยของผู้เข้าร่วมที่มีอายุมากกว่า (β: 6.4 และ 4.3 ตามลำดับ) แต่ไม่อยู่ในกลุ่มอายุอื่น ๆ คะแนน BIS (บุคลิกภาพหุนหันพลันแล่น) และคะแนน PADUA (แนวโน้มที่ถูกครอบงำ) มีความสัมพันธ์กับคะแนน PIU ที่สูงขึ้นในข้อมูลทั้งหมด (β: 0.066 และ 0.074 ตามลำดับ) และในการวิเคราะห์กลุ่มย่อยทุกช่วงอายุ
4
การสนทนา
บทความนี้เป็นความพยายามครั้งแรกในการสำรวจกิจกรรมอินเทอร์เน็ตประเภทต่างๆที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตอย่างไม่เหมาะสมเช่นการใช้อินเทอร์เน็ตที่มีปัญหา งานก่อนหน้านี้ได้จัดการกับปัญหาของกิจกรรมอินเทอร์เน็ตที่เฉพาะเจาะจงซึ่งนำไปสู่การใช้งานที่เป็นปัญหาโดยมุ่งเน้นไปที่กิจกรรมทางอินเทอร์เน็ตแบบแยกส่วน
; ; ; ; ). เราได้แสดงให้เห็นแล้วว่ากิจกรรมทางอินเทอร์เน็ตหลายประเภทรวมถึงการท่องเว็บทั่วไปการเล่นเกมทางอินเทอร์เน็ตการซื้อของออนไลน์การใช้เว็บไซต์การประมูลการพนันออนไลน์เครือข่ายสังคมออนไลน์และการใช้สื่อลามกออนไลน์มีส่วนแยกจากกันและไม่ซ้ำกันกับ PIU ซึ่งเป็นหลักฐานว่า PIU มีความซับซ้อน ปรากฏการณ์ที่ประกอบด้วยพฤติกรรมที่เป็นปัญหาต่างๆ นอกจากนั้นเราได้แสดงให้เห็นว่าพฤติกรรมเหล่านั้นยังคงมีความสัมพันธ์อย่างมีนัยสำคัญทางสถิติกับ PIU แม้ว่าอาการทางจิตเวชจะเกี่ยวข้องกับ PIU (เช่นอาการของ ADHD, GAD และ OCD) (;) และขนาดของพฤติกรรมที่ทราบว่าสามารถทำนายได้ PIU (คือการวัดบุคลิกภาพของความหุนหันพลันแล่นและการบังคับ) (;;;
) จะถูกนำมาพิจารณา เราได้แสดงให้เห็นเพิ่มเติมว่ากิจกรรมทางอินเทอร์เน็ตที่เฉพาะเจาะจงเช่น RPG การพนันออนไลน์การใช้เว็บไซต์ประมูลและสื่อสตรีมมีความสัมพันธ์กับคะแนน PIU ที่สูงขึ้นและความสัมพันธ์นี้ได้รับอิทธิพลจากอายุ ในที่สุดข้อมูลของเราแสดงให้เห็นว่าพฤติกรรมออนไลน์ประเภทอื่น ๆ (เช่นการช็อปปิ้งสื่อลามกการท่องเว็บทั่วไป) มีความสัมพันธ์กับการใช้อินเทอร์เน็ตที่ไม่เหมาะสมมากกว่าการเล่นเกมและเป็นไปได้ว่าสิ่งนี้เกี่ยวข้องกับการศึกษาก่อนหน้านี้ไม่ได้รวมถึง กิจกรรมที่เกี่ยวข้องกับอินเทอร์เน็ตมากมาย ผลลัพธ์เหล่านี้มีผลกระทบอย่างมีนัยสำคัญต่อการกำหนดแนวความคิดของ PIU ว่าเป็นความผิดปกติที่มีความหมายทางการแพทย์เนื่องจากพวกเขาดึงความสนใจออกไปจากโครงสร้าง 'ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต' ที่มีมิติเดียวและค่อนข้างแคบไปสู่เอนทิตีหลายมิติของการใช้อินเทอร์เน็ตที่มีปัญหาหรือการติดอินเทอร์เน็ตซึ่งประกอบด้วยหลายแง่มุม พฤติกรรมออนไลน์ของมนุษย์
ยิ่งไปกว่านั้นการใช้การตรวจสอบความถูกต้องไขว้นอกตัวอย่างเราได้แสดงให้เห็นว่าวิธีการ 'ที่ไม่ได้มาตรฐาน' ในการใช้การถดถอย Lasso มีความแม่นยำในการทำนายคะแนน PIU มากกว่าเมื่อเทียบกับการถดถอยเชิงเส้น 'มาตรฐานมากกว่า' การใช้การประมาณค่าทำนายของแบบจำลองนอกตัวอย่างมักจะช่วยในการจัดการกับปรากฏการณ์ที่ลดลงอย่างมีนัยสำคัญในการศึกษาการจำลองแบบ อย่างไรก็ตามการเลือกการถดถอยแบบ Lasso มาพร้อมกับข้อแม้ที่ว่าตัวแปรที่ไม่ได้เลือกโดยแบบจำลอง (ที่มีค่าสัมประสิทธิ์เป็นศูนย์) ยังคงสามารถทำนายได้โดยเฉพาะอย่างยิ่งเมื่อมีความสัมพันธ์ระหว่างตัวแปรที่เลือกและไม่ได้เลือกสูง ในชุดข้อมูลของเราเราไม่มีตัวแปรที่มีความสัมพันธ์กันสูงอย่างไรก็ตามข้อ จำกัด นี้หมายความว่าเราควรปฏิบัติต่อผลลัพธ์เชิงลบอย่างระมัดระวัง ตัวอย่างเช่นการขาดการเชื่อมโยงระหว่างเพศและ PIU ตลอดจนการขาดความเชื่อมโยงระหว่างเพศ×กิจกรรมทางอินเทอร์เน็ตกับ PIU สนับสนุนสมมติฐานที่ว่าหากคำนึงถึงพฤติกรรม PIU ที่หลากหลายและความสับสนที่อาจเกิดขึ้นทั้งสองเพศมีความเสี่ยงเท่ากัน เพื่อพัฒนาแง่มุมของ PIU (
; ). อย่างไรก็ตามเนื่องจากข้อ จำกัด ของการวิเคราะห์ของเราเราไม่สามารถยกเว้นความเป็นไปได้ที่ความสัมพันธ์อื่น ๆ ระหว่าง PIU และเพศมีอยู่ ตัวอย่างเช่นมีการแนะนำว่าเพศจะควบคุมความสัมพันธ์ระหว่างการช็อปปิ้งออนไลน์กับ PIU และผู้หญิงอาจมีความเสี่ยงมากกว่า () ความเกี่ยวข้องอาจเป็นไปได้ว่าความผิดปกติของการบังคับซื้อซึ่งเป็นความผิดปกติที่โดดเด่นในกลุ่มวัยกลางคนมีความโดดเด่นของเพศหญิงด้วยอัตราส่วน 5: 1 () และอาจผลักดันให้เกิดการค้นพบดังกล่าว เราไม่มีข้อมูลใด ๆ เกี่ยวกับความผิดปกตินี้เพื่อทดสอบสมมติฐานนี้ สิ่งสำคัญที่ควรทราบก็คือเครื่องมือ IAT ที่ใช้ที่นี่ได้รับการวิพากษ์วิจารณ์ว่าไม่มีความแข็งแกร่งเกี่ยวกับโครงสร้างปัจจัยความแตกต่างจากการดำเนินงาน DSM-5 ในปัจจุบัน (ความผิดปกติของเกม) และล้าหลังความก้าวหน้าทางเทคโนโลยีของแอปพลิเคชันอินเทอร์เน็ต (;
). การวิจัย PIU ในอนาคตจะได้รับการบริการอย่างดีโดยใช้เครื่องมือที่ได้รับการตรวจสอบอย่างมีระเบียบและมีประสิทธิภาพซึ่งจะสามารถจับภาพลักษณะการพัฒนาอย่างรวดเร็วของ PIU จากมุมมองทางเทคโนโลยีและพฤติกรรม
การวิเคราะห์กลุ่มย่อยอายุของเราให้ข้อมูลเชิงลึกเกี่ยวกับความสัมพันธ์ที่เกี่ยวข้องกับอายุระหว่าง PIU และกิจกรรมทางอินเทอร์เน็ตต่างๆ แนวคิดทั่วไปที่ว่า PIU เป็นความผิดปกติของเยาวชนนั้นไม่จำเป็นต้องถูกต้องและอาจมาจากการขาดการศึกษาที่ออกแบบมาอย่างเหมาะสมซึ่งจับพฤติกรรมออนไลน์ในทุกกลุ่มอายุ ความรู้ที่ไม่เพียงพอสำหรับประวัติธรรมชาติของ PIU ตลอดอายุการใช้งานไม่อนุญาตให้มีการสำรวจช่องโหว่ในประชากรที่มีอายุมากในแง่ของความเสี่ยงในการพัฒนา PIU อย่างไรก็ตามผลการศึกษาของเราระบุว่ามีช่องโหว่เหล่านั้นอยู่และการวิจัยเพิ่มเติมได้รับการรับรองเพื่อกำหนดลักษณะของประชากรที่มีความเสี่ยง ตัวอย่างเช่นการมีสมาธิสั้นหรืออาการวิตกกังวลทางสังคมอาจเป็นตัวบ่งชี้ PIU ในประชากรอายุน้อยในขณะที่การมีอาการ OCD หรือ GAD อาจเป็นตัวบ่งชี้ PIU ในประชากรที่มีอายุมาก ความจริงที่ว่า OCD ไม่พบว่าเกี่ยวข้องกับ PIU ในการวิเคราะห์อภิมานล่าสุด (
) อาจเป็นตัวบ่งชี้ว่าประชากรที่มีอายุมากกว่าได้รับการศึกษาน้อย ความจริงที่ว่า ADHD มีความสัมพันธ์อย่างมากกับคะแนน PIU ที่สูงนั้นไม่น่าแปลกใจเนื่องจากการศึกษาอื่น ๆ ได้รายงานความชุกของ ADHD ที่สูงมาก (สูงถึง 100%) ในประชากร PIU () ในขณะเดียวกันประชากรวัยกลางคนที่เฉพาะเจาะจง (ระหว่าง 26 ถึง 55 ปี) อาจมีความเสี่ยงต่อการเป็นโรค PIU มากขึ้นหากพวกเขาต้องทนทุกข์ทรมานจากความผิดปกติในการซื้อหรือการพนันเนื่องจากประวัติธรรมชาติของความผิดปกติเหล่านั้นซึ่งสูงสุดในวัยกลางคน (
).
นอกจากนี้ผลการวิจัยที่พบว่ากิจกรรมออนไลน์บางอย่างเกี่ยวข้องกับ PIU เฉพาะในกลุ่มอายุที่เฉพาะเจาะจงซึ่งหมายความว่ากลุ่มอายุบางกลุ่มอาจมีความเสี่ยงต่อการพัฒนาด้าน PIU ในขณะที่คนหนุ่มสาวอาจมีความเสี่ยงในการพัฒนา PIU ซึ่งมีแนวโน้มที่จะดูสื่อลามกมากขึ้น แต่ความเปราะบางที่อาจมีน้อยลงในวัยกลางคนและจางหายไปในชีวิตในภายหลัง แต่ผู้สูงอายุอาจมีแนวโน้มที่จะพัฒนา PIU มากขึ้นโดยมีลักษณะการใช้เวลาที่เป็นปัญหา ของเสียและสื่อสตรีมมิ่ง (ดูการสำรวจ มะเดื่อ. 4 ). ในที่สุดการเล่นกระดานโต้คลื่นทั่วไปอาจเป็นแง่มุมของ PIU ที่ถูกประเมินต่ำเกินไปซึ่งดูเหมือนว่าจะมีความสัมพันธ์อย่างมากกับคะแนน PIU ที่สูงขึ้นในคนหนุ่มสาว แต่มีความสำคัญในทุกกลุ่มอายุ การค้นพบนี้อาจเกี่ยวข้องกับความจริงที่ว่าชีวิตของผู้ใหญ่ตอนต้นอาจมีเป้าหมายน้อยลงและคนหนุ่มสาวใช้เวลามากขึ้นในระหว่างกิจกรรมที่ไม่มีโครงสร้างในสภาพแวดล้อมออนไลน์เมื่อเทียบกับกลุ่มผู้สูงอายุอื่น ๆ
ผลลัพธ์ของเรายังมีผลกระทบด้านสาธารณสุขที่เกี่ยวข้องกับการควบคุมเนื้อหาออนไลน์และการกำหนดเป้าหมายการแทรกแซง หากกิจกรรมบางอย่างมีความเชื่อมโยงอย่างมากกับการพัฒนาการใช้ที่เป็นปัญหามากกว่ากิจกรรมอื่น ๆ คำถามก็จะเกิดขึ้นว่านโยบายด้านสาธารณสุขควรกำหนดเป้าหมายไปยังกลุ่มบุคคลที่มีความเสี่ยงเพื่อปรับปรุงความยืดหยุ่นต่อความเสี่ยงของ PIU หรือไม่หรือการแทรกแซงที่เป็นสากลมากขึ้นโดยมีเป้าหมายเฉพาะด้าน พฤติกรรมอินเทอร์เน็ตควรได้รับการพิจารณาเพื่อทำให้สภาพแวดล้อมออนไลน์เสพติดน้อยลง ตัวอย่างเช่นในบางกรณีแพลตฟอร์มออนไลน์อาจใช้สถาปัตยกรรมเฉพาะที่ใช้ประโยชน์จากช่องโหว่ของผู้ใช้ (เช่นลักษณะที่หุนหันพลันแล่นหรือบีบบังคับ) และมีเป้าหมายเพื่อเพิ่มระยะเวลาให้ผู้ใช้อยู่ในสภาพแวดล้อมออนไลน์ให้มากที่สุด แม้ว่าสิ่งนี้จะสมเหตุสมผลจากมุมมองทางการตลาด แต่ก็ทำให้เกิดความกังวลว่าสภาพแวดล้อมเหล่านี้ควรออกคำเตือนด้านสุขภาพแก่ผู้ใช้ด้วยหรือไม่
4.1
ข้อ จำกัด
นี่เป็นการสำรวจออนไลน์แบบตัดขวางดังนั้นจึงไม่สามารถวาดความสัมพันธ์เชิงสาเหตุได้ ยิ่งไปกว่านั้นเนื่องจากวิธีการสรรหาบุคลากรและแนวโน้มที่เป็นไปได้ที่ผู้ที่มี PIU จะมีแนวโน้มที่จะทำแบบสำรวจออนไลน์มากขึ้นการค้นพบในปัจจุบันอาจไม่ครอบคลุมถึง PIU ในกลุ่มประชากรทั่วไปโดยรวม ข้อ จำกัด อีกประการหนึ่งของการศึกษาของเราคือการขาดข้อมูลทางคลินิกสำหรับหน่วยการวินิจฉัยบางอย่างที่เกี่ยวข้องกับ PIU เช่นภาวะซึมเศร้าหรือการใช้สารในทางที่ผิด ดังนั้นจึงเป็นไปได้ว่าภาวะซึมเศร้าหรือการใช้สารเสพติดในทางที่ผิดอาจเป็นสาเหตุของความสัมพันธ์บางอย่างที่สังเกตได้ในการศึกษาของเรา การศึกษาในอนาคตควรรวมถึงพารามิเตอร์ทางคลินิกที่กว้างขึ้นเพื่อสำรวจว่าบัญชีเหล่านั้นมีความสัมพันธ์ที่สังเกตได้ระหว่างกิจกรรม PIU และอินเทอร์เน็ตหรือไม่ มีข้อ จำกัด เพิ่มเติมเกี่ยวกับข้อมูลทางคลินิกของเราที่ได้รับจากการใช้ MINI สิ่งนี้ได้รับการตรวจสอบแล้วว่าได้รับการส่งมอบจากผู้ที่ได้รับการฝึกอบรมในการสัมภาษณ์แบบตัวต่อตัวในขณะที่การศึกษาของเราจัดส่งผ่านเครื่องมือออนไลน์ อย่างไรก็ตามข้อมูลทางคลินิกของเราสอดคล้องกับการศึกษาก่อนหน้านี้ใน PIU นอกจากนี้ข้อเสียอีกประการหนึ่งในการรวบรวมข้อมูลของเราคือเราประเมินกิจกรรมทางอินเทอร์เน็ตโดยใช้เวลาที่ใช้ในกิจกรรมเป็นตัววัดพร็อกซีสำหรับ PIU ของกิจกรรมนั้น แม้ว่าสิ่งนี้สามารถจับภาพได้มากเกินไปและมีปัญหาในการใช้งาน แต่ก็ยังสามารถจับภาพการใช้งานที่จำเป็นได้อีกด้วย ในขณะที่กิจกรรมที่ประเมินในการศึกษานี้มักไม่จำเป็นโดยปริยายเนื่องจากธรรมชาติของพวกเขา (เช่นการเสียเวลา) หรือเมื่อมีการดำเนินการในปริมาณที่มากเกินไป (เช่น> 8 ชั่วโมง / วันในการช็อปปิ้งการพนันหรือสื่อลามก) การศึกษาในอนาคตอาจ รวมมาตรการที่สามารถแยกความแตกต่างที่จำเป็นจากการใช้อินเทอร์เน็ตที่ไม่จำเป็นสำหรับกิจกรรมอินเทอร์เน็ตแต่ละอย่างเพื่อให้สามารถวิเคราะห์ได้ ข้อ จำกัด อีกประการหนึ่งของการศึกษาของเราคือการขาดข้อมูลสำหรับประชากรเด็กและวัยรุ่น เด็กและวัยรุ่นอาจมีปฏิสัมพันธ์กับอินเทอร์เน็ตในรูปแบบที่แตกต่างกัน แต่ยังมีการใช้งานออนไลน์ในช่วงเวลาพัฒนาการทางระบบประสาทที่แตกต่างกัน ดังนั้นความแตกต่างดังกล่าวอาจบ่งบอกถึงช่องโหว่หรือความยืดหยุ่นที่แตกต่างกันในแง่ของความเสี่ยงในการพัฒนา PIU ตัวอย่างเช่นการสัมผัสกับสภาพแวดล้อมออนไลน์ในระดับต่ำในช่วงแรก ๆ อาจมีผล 'การฉีดวัคซีน' (
) ที่ดึงบุคคลจากการพัฒนา PIU ในอนาคต หากเป็นเช่นนั้นสิ่งนี้สามารถอธิบายเพิ่มเติมได้ว่าเหตุใดประชากรที่มีอายุมากขึ้นซึ่งได้รับสภาพแวดล้อมออนไลน์เพียงครั้งแรกในวัยผู้ใหญ่อาจมีความเสี่ยงมากกว่า การศึกษาในอนาคตอาจรวมถึงกลุ่มอายุเด็กและวัยรุ่นเหล่านั้นและตรวจสอบในอนาคตว่ากิจกรรมทางอินเทอร์เน็ตที่เฉพาะเจาะจงสามารถทำนาย PIU ได้หรือไม่ น่าเสียดายที่ผู้เข้าร่วมรายงานเรื่องเพศมีจำนวนน้อย (n = 18) ซึ่งไม่อนุญาตให้มีการวิเคราะห์ที่มีความหมายเกี่ยวกับผลกระทบของเพศข้ามเพศ ข้อ จำกัด สุดท้ายของการศึกษาของเราคือประชากรในการศึกษาของเราประกอบด้วยผู้ใหญ่ที่มีสุขภาพดีซึ่งมีเพียง <1% เท่านั้นที่ต้องทนทุกข์ทรมานจากพฤติกรรม PIU ที่สำคัญ (IAT> 80) การศึกษาในอนาคตจะได้รับประโยชน์จากการมุ่งเน้นเฉพาะในส่วนปลายที่สูงขึ้นของสเปกตรัม PIU เพื่อให้สามารถเปรียบเทียบประชากร PIU ที่รุนแรงเหล่านั้นกับกลุ่มควบคุมของบุคคลระดับต่ำถึงปานกลางหรือไม่ใช่ PIU ในขณะที่ความชุกจุดโดยประมาณของ PIU ในกลุ่มตัวอย่างของเราอยู่ที่ ~ 8.5% (โดยใช้ IAT ≥ 50 cut-off) เกณฑ์สำหรับความเป็นมิตรทางคลินิกสำหรับ PIU ยังคงเป็นที่ถกเถียงกันอยู่และการวิจัยในอนาคตจะได้รับประโยชน์จากการวัดและคำจำกัดความของ PIU ที่เป็นที่ยอมรับในระดับสากล
4.2
สรุป
สรุปได้ว่า DSM-5 เน้นความผิดปกติของการเล่นเกมทางอินเทอร์เน็ตว่าเป็นความผิดปกติของผู้สมัคร แต่พฤติกรรมออนไลน์ประเภทอื่น ๆ (เช่นการช็อปปิ้งสื่อลามกการท่องทั่วไป) มีความสัมพันธ์ที่แน่นแฟ้นกับการใช้อินเทอร์เน็ตที่ไม่เหมาะสมมากกว่าการเล่นเกม การวินิจฉัยทางจิตเวชและกิจกรรมทางอินเทอร์เน็ตที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตที่มีปัญหาจะแตกต่างกันไปตามอายุการค้นพบที่มีผลต่อสุขภาพของประชาชน ผลลัพธ์เหล่านี้นำไปสู่ความรู้ที่ จำกัด เกี่ยวกับกิจกรรมทางอินเทอร์เน็ตที่เกี่ยวข้องกับการใช้อินเทอร์เน็ตที่มีปัญหาและอาจนำไปสู่การจำแนกประเภทการวินิจฉัยการใช้อินเทอร์เน็ตที่มีปัญหาว่าเป็นโรคหลายแง่มุม
บทบาทของแหล่งเงินทุน
งานวิจัยนี้ได้รับทุนภายในของภาควิชาจิตเวชศาสตร์ที่มหาวิทยาลัยชิคาโก กิจกรรมการวิจัยของดร. Ioannidis ได้รับการสนับสนุนโดย Health Education East of England การฝึกอบรมระดับสูงที่สนใจพิเศษ ผู้เขียนไม่ได้รับเงินทุนในการจัดทำต้นฉบับนี้ แหล่งเงินทุนไม่มีบทบาทในการออกแบบการวิเคราะห์ข้อมูลหรือการเขียนการศึกษา
ร่วมให้ข้อมูล
KI ออกแบบแนวคิดสำหรับต้นฉบับวิเคราะห์ข้อมูลเขียนต้นฉบับส่วนใหญ่และเอกสารเสริมและประสานการมีส่วนร่วมของผู้เขียนร่วม MT และ FK เข้าร่วมในการคิดและทบทวนการวิเคราะห์ทางสถิติ SRC, SR, DJS, CL และ JEG ออกแบบและประสานงานการศึกษาและรวบรวมและจัดการข้อมูล ผู้เขียนทุกคนอ่านและอนุมัติต้นฉบับขั้นสุดท้ายและมีส่วนร่วมในการร่างและแก้ไขเอกสารตลอดจนตีความผลลัพธ์
ขัดผลประโยชน์
ดร. แกรนท์ได้รับทุนวิจัยจากนิด้า (RC1DA028279-01), National Center for Responsible Gaming และ Roche and Forest Pharmaceuticals ดร. แกรนท์ได้รับค่าตอบแทนจาก Springer ในฐานะหัวหน้าบรรณาธิการของ Journal of Gambling Studies และได้รับค่าลิขสิทธิ์จาก McGraw Hill, Oxford University Press, Norton และ APPI ดร. แชมเบอร์เลนให้คำปรึกษาสำหรับ Cambridge Cognition และการมีส่วนร่วมในการวิจัยครั้งนี้ได้รับการสนับสนุนโดย Intermediate Clinical Fellowship จาก Wellcome Trust (UK; 110049 / Z / 15 / Z) Dan Stein และ Christine Lochner ได้รับทุนจาก Medical Research Council of South Africa ผู้เขียนคนอื่นรายงานว่าไม่มีความสัมพันธ์ทางการเงินกับผลประโยชน์ทางการค้า ไม่มีแหล่งข้อมูลใดที่กล่าวมาข้างต้นมีบทบาทในการออกแบบการศึกษาการรวบรวมการวิเคราะห์หรือการตีความข้อมูลการเขียนต้นฉบับหรือการตัดสินใจในการส่งเอกสารเพื่อตีพิมพ์
รับทราบ
เราเป็นหนี้บุญคุณอาสาสมัครของทั้งสองไซต์ที่เข้าร่วมในการศึกษานี้
ภาคผนวก A
ข้อมูลเสริม
วัสดุเสริม
อ้างอิง
- Achab et al., 2011. Achab S. , Nicolier M. , Mauny F. , Monnin J. , Trojak B. , Vandel P. และ Haffen E. : เกมเล่นตามบทบาทออนไลน์ที่มีผู้เล่นหลายคนจำนวนมาก: การเปรียบเทียบลักษณะของผู้เสพติดกับผู้เล่นเกมออนไลน์ที่ไม่ได้รับการคัดเลือกใน ประชากรผู้ใหญ่ชาวฝรั่งเศส BMC จิตเวช 2011; 11: น. 144
ดูในบทความ - สมาคมจิตแพทย์อเมริกัน 2013. American Psychiatric Association: คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต: DSM-5 วอชิงตันดีซี: สมาคมจิตแพทย์อเมริกัน 2013
ดูในบทความ - Andreassen และคณะ, 2012. Andreassen CS, Torsheim T. , Brunborg GS และ Pallesen S. : การพัฒนาระดับการติด Facebook รายงานทางจิตวิทยา 2012; 110: น. 501-517
ดูในบทความ | ข้ามอ้างอิง - Bakken et al., 2009. Bakken IJ, Wenzel HG, Götestam KG, Johansson A. และ Oren A. : การติดอินเทอร์เน็ตในผู้ใหญ่ชาวนอร์เวย์: การศึกษาตัวอย่างความน่าจะเป็นแบบแบ่งชั้น วารสารจิตวิทยาสแกนดิเนเวีย 2009; 50: น. 121-127
ดูในบทความ | ข้ามอ้างอิง - ดำ, 2007. Black DW: การทบทวนความผิดปกติของการซื้อแบบบังคับ World Psychiatry: วารสารอย่างเป็นทางการของสมาคมจิตแพทย์โลก (WPA) 2007; 6: น. 14-18
ดูในบทความ - บล็อก 2008. Block JJ: ปัญหาของ DSM-V: การติดอินเทอร์เน็ต วารสารจิตเวชอเมริกัน 2008; 165: น. 306-307
ดูในบทความ | ข้ามอ้างอิง - ยี่ห้อและคณะ, 2011. Brand M. , Laier C. , Pawlikowski M. , Schächtle U. , Schöler T. และAltstötter-Gleich C .: การดูภาพลามกอนาจารบนอินเทอร์เน็ต: บทบาทของการให้คะแนนความเร้าอารมณ์ทางเพศและอาการทางจิต - จิตเวชจากการใช้เว็บไซต์เพศทางอินเทอร์เน็ตมากเกินไป . ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2011; 14: น. 371-377
ดูในบทความ | ข้ามอ้างอิง - Breiman, 2001. Breiman L. : การสร้างแบบจำลองทางสถิติ: ทั้งสองวัฒนธรรม วิทยาศาสตร์สถิติ 2001; 16: น. 199-215
ดูในบทความ - Bujak et al., 2016 โดย. Bujak R. , Daghir-Wojtkowiak E. , Kaliszan R. และ Markuszewski MJ: วิธีการตาม PLS และการทำให้เป็นมาตรฐานสำหรับการเลือกตัวแปรที่เกี่ยวข้องในข้อมูลการเผาผลาญที่ไม่ได้กำหนดเป้าหมาย พรมแดนในชีววิทยาศาสตร์โมเลกุล 2016; 3: น. 1-10
ดูในบทความ - เบิร์นส์และอัล 1996. Burns GL, Keortge SG, Formea GM และ Sternberger LG: การแก้ไขรายการปาดัวของอาการโรคย้ำคิดย้ำทำ: ความแตกต่างระหว่างความกังวลความหมกมุ่นและการบีบบังคับ การวิจัยและบำบัดพฤติกรรม 1996; 34: น. 163-173
ดูในบทความ | ข้ามอ้างอิง - เฉาและคณะ, 2007. Cao F. , Su L. , Liu T. และ Gao X: ความสัมพันธ์ระหว่างความหุนหันพลันแล่นและการติดอินเทอร์เน็ตในกลุ่มวัยรุ่นจีน จิตเวชยุโรป 2007; 22: น. 466-471
ดูในบทความ | ข้ามอ้างอิง - Carli et al., 2013. Carli V. , Durkee T. , Wasserman D. , Hadlaczky G. , Despalins R. , Kramarz E. , และ Kaess M. : ความสัมพันธ์ระหว่างการใช้อินเทอร์เน็ตทางพยาธิวิทยากับจิตพยาธิวิทยา: การทบทวนอย่างเป็นระบบ โรคจิตเภท 2013; 46: น. 1-13
ดูในบทความ | ข้ามอ้างอิง - Claes et al., 2016. Claes L. , Müller A. และ Luyckx K. : การซื้อแบบบังคับและการกักตุนเพื่อทดแทนอัตลักษณ์: บทบาทของการรับรองคุณค่าทางวัตถุและภาวะซึมเศร้า จิตเวชศาสตร์ครบวงจร 2016; 68: น. 65-71
ดูในบทความ | ข้ามอ้างอิง - โคลแอนด์ฮูลีย์, 2013. Cole SH และ Hooley JM: ความสัมพันธ์ทางคลินิกและบุคลิกภาพของเกม MMO: ความวิตกกังวลและการดูดซึมในการใช้อินเทอร์เน็ตที่มีปัญหา สังคมศาสตร์คอมพิวเตอร์ปริทัศน์ 2013; 31: น. 424-436
ดูในบทความ | ข้ามอ้างอิง - คันนิงแฮม - วิลเลียมส์และอัล 2005. Cunningham-Williams RM, Grucza RA, Cottler LB, Womack SB, Books SJ, Przybeck TR และ Cloninger CR: ความชุกและตัวทำนายของการพนันทางพยาธิวิทยา: ผลจากการศึกษาบุคลิกภาพสุขภาพและวิถีชีวิตของเซนต์หลุยส์ (SLPHL) วารสารการวิจัยทางจิตเวช 2005; 39: น. 377-390
ดูในบทความ | ข้ามอ้างอิง - ฟอน Elm et al., 2008. von Elm E. , Altman DG, Egger M. , Pocock SJ, Gøtzsche PC, Vandenbroucke JP และ Initiative S .: การเสริมสร้างความเข้มแข็งของการรายงานการศึกษาเชิงสังเกตในคำแถลงระบาดวิทยา (STROBE): แนวทางการรายงานการศึกษาเชิงสังเกต วารสารระบาดวิทยาคลินิก 2008; 61: น. 344-349
ดูในบทความ | ข้ามอ้างอิง - เฟอร์นันเดซ-วิลล่า และคณะ 2015. Fernández-Villa T. , Alguacil Ojeda J. , Almaraz Gómez A. , Cancela Carral JM, Delgado-Rodríguez M. , García-Martín M. และMartín V. : การใช้อินเทอร์เน็ตที่มีปัญหาในนักศึกษามหาวิทยาลัย: ปัจจัยที่เกี่ยวข้องและความแตกต่างของเพศ . Adicciones 2015; 27: น. 265-275
ดูในบทความ | ข้ามอ้างอิง - Friedman และคณะ, 2010. Friedman J. , Hastie T. และ Tibshirani R: เส้นทางการทำให้เป็นมาตรฐานสำหรับแบบจำลองเชิงเส้นทั่วไปผ่านการสืบเชื้อสายพิกัด วารสารซอฟต์แวร์สถิติ 2010; 33: น. 1-22
ดูในบทความ - Griffiths, 2003. Griffiths M. : การพนันทางอินเทอร์เน็ต: ปัญหาข้อกังวลและคำแนะนำ จิตวิทยาและพฤติกรรม: ผลกระทบของอินเทอร์เน็ตมัลติมีเดียและความจริงเสมือนต่อพฤติกรรมและสังคม พ.ศ. 2003; 6: น. 557-568
ดูในบทความ | ข้ามอ้างอิง - ฮาและฮวาง 2014. Ha Y.-M. และ Hwang WJ: ความแตกต่างระหว่างเพศในการติดอินเทอร์เน็ตที่เกี่ยวข้องกับตัวบ่งชี้สุขภาพจิตในวัยรุ่นโดยใช้การสำรวจทางเว็บแห่งชาติ International Journal of Mental Health and Addiction 2014; 12: น. 660-669
ดูในบทความ | ข้ามอ้างอิง - โฮและคณะ, 2014. Ho RC, Zhang MWB, Tsang TY, Toh AH, Pan F. , Lu Y. และ Mak K. -K: ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและความเจ็บป่วยร่วมทางจิตเวช: การวิเคราะห์อภิมาน BMC จิตเวช 2014; 14: น. 183
ดูในบทความ - Hoerl และ Kennard, 1970. Hoerl AE และ Kennard RW: Ridge regression: การประมาณค่าแบบเอนเอียงสำหรับปัญหาที่ไม่เกี่ยวกับมุมฉาก เทคโนเมตริก 1970; 12: น. 55-67
ดูในบทความ - ฮุยส์ และคณะ 2016. Huys QJM, Maia TV และ Frank MJ: จิตเวชศาสตร์เชิงคำนวณเป็นสะพานเชื่อมจากประสาทวิทยาศาสตร์ไปสู่การใช้งานทางคลินิก ธรรมชาติวิทยา 2016; 19: น. 404-413
ดูในบทความ | ข้ามอ้างอิง - อิการาชิและคณะ, 2008. Igarashi T. , Motoyoshi T. , Takai J. และ Yoshida T. : ไม่มีมือถือไม่มีชีวิต: การรับรู้ตนเองและการพึ่งพาข้อความในหมู่นักเรียนมัธยมปลายชาวญี่ปุ่น
ดูในบทความ - Ioannidis และคณะ, 2016. Ioannidis K. , Chamberlain SR, Treder MS, Kiraly F. , Leppink E. , Redden S. , และ Grant JE: การใช้อินเทอร์เน็ตที่มีปัญหา (PIU): การเชื่อมโยงกับสเปกตรัมที่เป็นแรงกระตุ้น Journal of Psych: การประยุกต์ใช้แมชชีนเลิร์นนิงในจิตเวชปี 2016
ดูในบทความ - จานาเวอร์, 2006. Janower CR: การพนันบนอินเทอร์เน็ต วารสาร Computer-Mediated Communication 2006; 2: หน้า 0
ดูในบทความ | ข้ามอ้างอิง - Kessler และคณะ, 2005. Kessler RC, Adler L. , Ames M. , Demler O. , Faraone S. , Hiripi E. และ Walters EE: มาตราส่วนรายงานด้วยตนเองสำหรับผู้ป่วยสมาธิสั้นขององค์การอนามัยโลก (ASRS): มาตราส่วนการคัดกรองสั้น ๆ สำหรับใช้โดยทั่วไป ประชากร. การแพทย์ทางจิต 2005; 35: น. 245-256
ดูในบทความ | ข้ามอ้างอิง - Kessler และคณะ, 2016. Kessler RC, van Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA, Cai T. และ Zaslavsky AM: การทดสอบอัลกอริทึมการเรียนรู้ของเครื่องเพื่อทำนายความคงอยู่และความรุนแรงของโรคซึมเศร้าที่สำคัญจากรายงานพื้นฐานด้วยตนเอง จิตเวชศาสตร์โมเลกุล 2016; 21: น. 1366-1371
ดูในบทความ | ข้ามอ้างอิง - Khazaal et al., 2015. Khazaal Y. , Achab S. , Billieux J. , Thorens G. , Zullino D. , Dufour M. และ Rothen S. : โครงสร้างปัจจัยของการทดสอบการติดอินเทอร์เน็ตในผู้เล่นเกมออนไลน์และผู้เล่นโป๊กเกอร์ JMIR สุขภาพจิต 2015; 2:
ดูในบทความ - Kim et al., 2016. Kim D. , Kang M. , Biswas A. , Liu C. และ Gao J: แนวทางเชิงบูรณาการสำหรับการอนุมานของเครือข่ายการกำกับดูแลยีนโดยใช้การสุ่มตามเชือกและการประยุกต์ใช้กับโรคทางจิตเวช BMC Medical Genomics 2016; 9: น. 50
ดูในบทความ - คิง 1999. King SA: การพนันทางอินเทอร์เน็ตและสื่อลามก: ตัวอย่างภาพประกอบของผลทางจิตวิทยาของความอนาธิปไตยทางการสื่อสาร ไซเบอร์จิตวิทยาและพฤติกรรม 1999; 2: น. 175-193
ดูในบทความ - คิงแอนด์บารัค 1999. King SA และ Barak A: การพนันทางอินเทอร์เน็ตแบบบังคับ ไซเบอร์จิตวิทยาและพฤติกรรม 1999; 2: น. 441-456
ดูในบทความ | ข้ามอ้างอิง - Király et al., 2015. Király O. , Griffiths MD และ Demetrovics Z: ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ตและ DSM-5: การกำหนดแนวความคิดการโต้วาทีและการโต้เถียง รายงานการเสพติดปัจจุบัน 2015; 2: น. 254-262
ดูในบทความ - Király et al., 2014. Király O. , Griffiths MD, Urbán R. , Farkas J. , Kökönyei G. , Elekes Z. และ Demetrovics Z: การใช้อินเทอร์เน็ตที่มีปัญหาและการเล่นเกมออนไลน์ที่มีปัญหานั้นไม่เหมือนกัน: ผลการวิจัยจากกลุ่มตัวอย่างวัยรุ่นที่เป็นตัวแทนระดับประเทศจำนวนมาก ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2014; 17: น. 749-754
ดูในบทความ - กิตติงเกอร์ และคณะ, 2012. Kittinger R. , Correia CJ และ Irons JG: ความสัมพันธ์ระหว่างการใช้ Facebook และการใช้อินเทอร์เน็ตที่มีปัญหาในหมู่นักศึกษา ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2012; 15: น. 324-327
ดูในบทความ | ข้ามอ้างอิง - Ko et al., 2012. Ko C. -H. , Yen J.-Y. , Yen C.-F. , Chen C. -S. และ Chen C. -C: ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและโรคทางจิตเวช: การทบทวนวรรณกรรม . จิตเวชยุโรป 2012; 27: น. 1-8
ดูในบทความ - Ko et al., 2007. Ko C. -H. , Yen J.-Y. , Yen C.-F. , Lin H.-C. และ Yang M. -J: ปัจจัยทำนายอุบัติการณ์และการบรรเทาอาการติดอินเทอร์เน็ตในวัยรุ่น: A การศึกษาในอนาคต ไซเบอร์จิตวิทยาและพฤติกรรม: ผลกระทบของอินเทอร์เน็ตมัลติมีเดียและความเป็นจริงเสมือนต่อพฤติกรรมและสังคม พ.ศ. 2007; 10: น. 545-551
ดูในบทความ | ข้ามอ้างอิง - Kuss และ Griffiths, 2011. Kuss DJ และ Griffiths MD: เครือข่ายสังคมออนไลน์และการเสพติด - การทบทวนวรรณกรรมเชิงจิตวิทยา วารสารนานาชาติด้านการวิจัยสิ่งแวดล้อมและสาธารณสุข 2011; 8: น. 3528-3552
ดูในบทความ | ข้ามอ้างอิง - Kuss et al., 2013. Kuss DJ, Griffiths MD และ Binder JF: การติดอินเทอร์เน็ตในนักเรียน: ความชุกและปัจจัยเสี่ยง คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2013; 29: น. 959-966
ดูในบทความ | ข้ามอ้างอิง - Kuss และ Lopez-Fernandez, 2016. Kuss DJ และ Lopez-Fernandez O: การติดอินเทอร์เน็ตและการใช้อินเทอร์เน็ตที่มีปัญหา: การทบทวนการวิจัยทางคลินิกอย่างเป็นระบบ วารสารจิตเวชศาสตร์โลก 2016; 6: น. 143-176
ดูในบทความ | ข้ามอ้างอิง - Laconi และคณะ, 2016. Laconi S. , Andréoletti A. , Chauchard E. , Rodgers RF และ Chabrol H. : การใช้อินเทอร์เน็ตที่มีปัญหาเวลาที่ใช้ออนไลน์และลักษณะบุคลิกภาพ L'Encéphale 2016; 42: น. 214-218
ดูในบทความ | ข้ามอ้างอิง - Laconi และคณะ, 2014. Laconi S. , Rodgers RF และ Chabrol H .: การวัดการเสพติดอินเทอร์เน็ต: การทบทวนเครื่องชั่งที่มีอยู่และคุณสมบัติไซโครเมตริกที่สำคัญ คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2014; 41: น. 190-202
ดูในบทความ | ข้ามอ้างอิง - Laier และคณะ 2013. Laier C. , Pawlikowski M. , Pekal J. , Schulte FP และ Brand M .: การเสพติด Cybersex: อารมณ์ทางเพศที่มีประสบการณ์เมื่อดูสื่อลามกและไม่ใช่การมีเพศสัมพันธ์ในชีวิตจริงทำให้เกิดความแตกต่าง วารสารพฤติกรรมเสพติด 2013; 2: น. 100-107
ดูในบทความ | ข้ามอ้างอิง - เลคาร์เดอร์, 2013. Lecardeur L: Psychopathologie du jeu multi-joueurs en ligne Annales Médico-Psychologiques, Revue Psychiatrique 2013; 171: น. 579-586
ดูในบทความ | ข้ามอ้างอิง - เหลียงและคณะ 2016. Liang L. , Zhou D. , Yuan C. , Shao A. และ Bian Y: ความแตกต่างระหว่างเพศในความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและภาวะซึมเศร้า: การศึกษาข้ามความล้าหลังในวัยรุ่นจีน คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2016; 63: น. 463-470
ดูในบทความ | ข้ามอ้างอิง - โลเปซ-เฟอร์นันเดซ 2015. Lopez-Fernandez O .: การวิจัยการเสพติดอินเทอร์เน็ตมีวิวัฒนาการมาอย่างไรตั้งแต่การกำเนิดของความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต? ภาพรวมของการหลอกลวงทางไซเบอร์จากมุมมองทางจิตวิทยา รายงานการเสพติดปัจจุบัน 2015; 2: น. 263-271
ดูในบทความ | ข้ามอ้างอิง - Masten และ Tellegen, 2012. Masten AS และ Tellegen A: ความยืดหยุ่นในจิตพยาธิวิทยาพัฒนาการ: การมีส่วนร่วมของการศึกษาความสามารถของโครงการในระยะยาว พัฒนาการและจิตเวช 2012; 24: น. 345-361
ดูในบทความ | ข้ามอ้างอิง - Mueller et al., 2010. Mueller A. , Mitchell JE, Crosby RD, Gefeller O. , Faber RJ, Martin A. และ de Zwaan M. : ความชุกโดยประมาณของการซื้อโดยบังคับในเยอรมนีและความสัมพันธ์กับลักษณะทางสังคมและอาการซึมเศร้า การวิจัยจิตเวช 2010; 180: น. 137-142
ดูในบทความ | ข้ามอ้างอิง - Patton และคณะ, 1995. Patton JH, Stanford MS และ Barratt ES: โครงสร้างปัจจัยของระดับความหุนหันพลันแล่นของ Barratt วารสารจิตวิทยาคลินิก 1995; 51: น. 768-774
ดูในบทความ | เรคูเปโร่ 2008. Recupero PR: การประเมินทางนิติวิทยาศาสตร์ของการใช้อินเทอร์เน็ตที่มีปัญหา วารสาร American Academy of Psychiatry and the Law 2008; 36: น. 505-514
ดูในบทความ - กุหลาบและดารายุทธ์, 2014. Rose S. และ Dhandayudham A. เพื่อความเข้าใจเกี่ยวกับพฤติกรรมการจับจ่ายบนอินเทอร์เน็ตที่มีปัญหา: แนวคิดเกี่ยวกับการติดการซื้อของออนไลน์และตัวทำนายที่เสนอ วารสารพฤติกรรมการเสพติด 2014; 3: น. 83-89
ดูในบทความ | ข้ามอ้างอิง - รัตแลนด์และคณะ, 2007. Rutland JB, Sheets T. และ Young T: การพัฒนามาตราส่วนเพื่อวัดปัญหาการใช้บริการข้อความสั้น: ปัญหา SMS ใช้แบบสอบถามการวินิจฉัย ไซเบอร์จิตวิทยาและพฤติกรรม 2007; 10: น. 841-844
ดูในบทความ | ข้ามอ้างอิง - Rutter, 1993. Rutter M. : ความยืดหยุ่น: ข้อควรพิจารณาบางประการ วารสารสุขภาพวัยรุ่น: สิ่งพิมพ์อย่างเป็นทางการของสมาคมการแพทย์วัยรุ่น พ.ศ. 1993; 14: น. 626-631
ดูในบทความ | ข้ามอ้างอิง - ชอว์และแบล็ก 2008. Shaw M. และ Black DW: การติดอินเทอร์เน็ต: คำจำกัดความการประเมินระบาดวิทยาและการจัดการทางคลินิก CNS Drugs 2008; 22: น. 353-365
ดูในบทความ | ข้ามอ้างอิง - Sheehan et al., 1998. Sheehan DV, Lecrubier Y. , Sheehan KH, Amorim P. , Janavs J. , Weiller E. และ Dunbar GC: The Mini-International Neuropsychiatric Interview (MINI): การพัฒนาและการตรวจสอบความถูกต้องของการสัมภาษณ์จิตเวชวินิจฉัยที่มีโครงสร้างสำหรับ DSM-IV และ ICD-10 วารสารจิตเวชคลินิก 1998; 59:
ดูในบทความ - Tam และ Walter, 2013. Tam P. และ Walter G. : การใช้อินเทอร์เน็ตที่มีปัญหาในวัยเด็กและเยาวชน: วิวัฒนาการของความทุกข์ยากในศตวรรษที่ 21 จิตเวชศาสตร์ออสตราเลเซีย 2013; ไม่ได้กำหนด:
ดูในบทความ - ติ๊บชิรานี, 1996. Tibshirani R: การหดตัวของการถดถอยและการเลือกผ่านเชือก วารสาร Royal Statistical Society, Series B 1996; 58: น. 267-288
ดูในบทความ - Tikhonov, 1963. Tikhonov AN: วิธีแก้ปัญหาที่กำหนดสูตรไม่ถูกต้องและวิธีการทำให้เป็นมาตรฐาน คณิตศาสตร์โซเวียต Doklady 1963; 5: น. 1035-1038
ดูในบทความ - Trotzke และคณะ, 2015. Trotzke P. , Starcke K. , Müller A. และ Brand M .: การซื้อทางพยาธิวิทยาทางออนไลน์เป็นรูปแบบเฉพาะของการติดอินเทอร์เน็ต: การตรวจสอบทดลองตามโมเดล PLoS One 2015; 10:
ดูในบทความ - ไจ่และคณะ 2009. Tsai HF, Cheng SH, Yeh TL, Shih C. -C. , Chen KC, Yang YC และ Yang YK: ปัจจัยเสี่ยงของการติดอินเทอร์เน็ตหรือไม่? การสำรวจนักศึกษามหาวิทยาลัย การวิจัยทางจิตเวช 2009; 167: น. 294-299
ดูในบทความ | ข้ามอ้างอิง - วอลเลซ 2014. วอลเลซพี: โรคติดอินเทอร์เน็ตและเยาวชน: มีความกังวลมากขึ้นเกี่ยวกับกิจกรรมออนไลน์ที่บีบบังคับและสิ่งนี้อาจขัดขวางประสิทธิภาพและชีวิตทางสังคมของนักเรียน รายงาน EMBO ปี 2014; 15: น. 12-16
ดูในบทความ | ข้ามอ้างอิง - ซิน et al., 2018. Xin M. , Xing J. , Pengfei W. , Houru L. , Mengcheng W. และ Hong Z: กิจกรรมออนไลน์ความชุกของการติดอินเทอร์เน็ตและปัจจัยเสี่ยงที่เกี่ยวข้องกับครอบครัวและโรงเรียนในหมู่วัยรุ่นในประเทศจีน รายงานพฤติกรรมเสพติด 2018; 7: น. 14-18
ดูในบทความ | ข้ามอ้างอิง - ยืน et al., 2004. Yuen CN, Lavin MJ, Weinman M. และ Kozak K. : การพึ่งพาอินเทอร์เน็ตในประชากรในวิทยาลัย: บทบาทของความขี้อาย ไซเบอร์จิตวิทยาและพฤติกรรม 2004; 7: น. 379-383
ดูในบทความ | ข้ามอ้างอิง - หนุ่ม 1998. Young KS: การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ ไซเบอร์จิตวิทยาและพฤติกรรม 1998; 1: น. 237-244
ดูในบทความ | ข้ามอ้างอิง
;