การตรวจสอบความถูกต้องของมาตรวัดการติดยาเสพติดสมาร์ทโฟนในเวอร์ชั่นมาเลย์ของนักศึกษาแพทย์ในมาเลเซีย (2015)

2015 Oct 2;10(10):e0139337. doi: 10.1371 / journal.pone.0139337

ชิง SM1, อ2, Ramachandran V.3, แซลลี่ ลิม เอสเอ็ม4, วรรณสุไลมานหว้า4, ฟูวายแอล4, Hoo FK4.

นามธรรม

บทนำ:

การศึกษานี้เริ่มต้นเพื่อตรวจสอบคุณสมบัติไซโครเมทริกซ์ของสมาร์ทโฟนติดยาเสพติดขนาด (SAS) โดยการแปลและตรวจสอบระดับนี้เป็นภาษามลายู (SAS-M) ซึ่งเป็นภาษาหลักที่พูดในประเทศมาเลเซีย การศึกษาครั้งนี้สามารถแยกแยะสมาร์ทโฟนและอินเทอร์เน็ตจากนักศึกษาแพทย์หลายเชื้อชาติของมาเลเซีย นอกจากนี้ยังแสดงให้เห็นถึงความน่าเชื่อถือและความถูกต้องของ SAS

วัสดุและวิธีการ:

ผู้เข้าร่วม 228 ทั้งหมดได้รับการคัดเลือกระหว่างเดือนสิงหาคม 2014 และกันยายน 2014 เพื่อทำแบบสอบถามให้เสร็จสมบูรณ์รวมถึง SAS และการทดสอบติดยาเสพติดอินเทอร์เน็ต Kimberly Young (IAT) ในภาษามาเลย์

ผล:

มีผู้ชาย 99 คนและผู้หญิง 129 คนที่มีอายุตั้งแต่ 19 ถึง 22 ปี (21.7 ± 1.1) รวมอยู่ในการศึกษานี้ การวิเคราะห์เชิงพรรณนาและปัจจัยสัมประสิทธิ์ภายในชั้นการทดสอบ t และการวิเคราะห์สหสัมพันธ์ได้ดำเนินการเพื่อตรวจสอบความน่าเชื่อถือและความถูกต้องของ SAS การทดสอบความเป็นทรงกลมของบาร์ตเล็ตต์มีนัยสำคัญ (p <0.01) และการวัดความเพียงพอของการสุ่มตัวอย่าง Kaiser-Mayer-Olkin สำหรับ SAS-M เท่ากับ 0.92 ซึ่งบ่งชี้ว่าการวิเคราะห์ปัจจัยมีความเหมาะสม ความสอดคล้องภายในและความถูกต้องพร้อมกันของ SAS-M ได้รับการตรวจสอบแล้ว (อัลฟาของ Cronbach = 0.94) ส่วนย่อยทั้งหมดของ SAS-M ยกเว้นการคาดการณ์เชิงบวกมีความเกี่ยวข้องอย่างมีนัยสำคัญกับ IAT เวอร์ชันภาษามลายู

สรุป

การศึกษาครั้งนี้พัฒนาสมาร์ทโฟนเครื่องแรกในกลุ่มนักศึกษาแพทย์ มาตราส่วนนี้แสดงว่าเชื่อถือได้และถูกต้องในภาษามลายู

อ้างอิง: Ching SM, Yee A, Ramachandran V, Sazlly Lim SM, Wan Sulaiman WA, Foo YL, และคณะ (2015) การตรวจสอบความถูกต้องของมาตรวัดการติดยาเสพติดสมาร์ทโฟนในเวอร์ชั่นมาเลย์ของนักศึกษาแพทย์ในมาเลเซีย โปรดหนึ่ง 10 (10): e0139337 ดอย: 10.1371 / journal.pone.0139337

Editor: Aviv M. Weinstein, มหาวิทยาลัย Ariel, อิสราเอล

ที่ได้รับ: มีนาคม 18, 2015; ได้รับการยืนยัน: กันยายน 11, 2015; ที่เผยแพร่: ตุลาคม 2, 2015

ลิขสิทธิ์: © 2015 Ching และคณะ นี่เป็นบทความการเข้าถึงแบบเปิดที่เผยแพร่ภายใต้ข้อกำหนดของ ใบอนุญาตแสดงที่มาของครีเอทีฟคอมมอนส์ซึ่งอนุญาตให้ใช้การแจกจ่ายและการทำซ้ำแบบไม่ จำกัด ในสื่อใดก็ตามหากมีการให้เครดิตผู้เขียนต้นฉบับและแหล่งที่มา

ความพร้อมใช้งานของข้อมูล: ข้อมูลที่เกี่ยวข้องทั้งหมดอยู่ในเอกสารและไฟล์ข้อมูลสนับสนุน

เงินทุน: ผู้เขียนขอขอบคุณกองทุนวิจัย UPM (ไม่อนุญาต: UPM / 700-2 / 1 / GP- IPM / 2014 / 9436500) สำหรับการสนับสนุนทางการเงิน URL คือ http://www.rmc.upm.edu.my/.

การแข่งขันความสนใจ: ผู้เขียนได้ประกาศว่าไม่มีความสนใจในการแข่งขันอยู่

บทนำ

ไม่ต้องสงสัยเลยว่าสมาร์ทโฟนทำให้เราสะดวกสบายอย่างมากในชีวิตประจำวันเพราะมีความสามารถในการคำนวณและการเชื่อมต่อที่ล้ำหน้ากว่าโทรศัพท์ฟีเจอร์พื้นฐาน [1] การใช้สมาร์ทโฟนมีเป้าหมายและวัตถุประสงค์ที่หลากหลาย การศึกษาหลากหลายรายงานว่าสมาร์ทโฟนมีประโยชน์มากมายสำหรับวัตถุประสงค์ทางสังคมและการแพทย์ [2-5] แม้ว่าสมาร์ทโฟนได้กลายเป็นเครื่องมือสื่อสารที่สำคัญและได้รับความนิยมมากที่สุด แต่การใช้งานที่มากเกินไปได้กลายเป็นประเด็นทางสังคมทั่วโลกและสร้างปัญหาสุขภาพจิตใหม่ซึ่งผู้ใช้มีแนวโน้มที่จะพึ่งพา [6-8].

การติดสมาร์ทโฟนนั้นเรียกว่า "การพึ่งพาโทรศัพท์มือถือ", "การใช้โทรศัพท์มากเกินไป" หรือ "การใช้โทรศัพท์มากเกินไป" เงื่อนไขเหล่านี้ส่วนใหญ่อธิบายปรากฏการณ์ของการใช้โทรศัพท์มือถือที่มีปัญหา [9, 10] “ การติดสมาร์ทโฟน” เป็นคำที่มักใช้ในวรรณคดี การเสพติดนี้มีลักษณะส่วนใหญ่จากความลุ่มหลงที่มากเกินไปหรือควบคุมไม่ได้อย่างเร่งด่วน, กระตุ้นหรือพฤติกรรมที่เกี่ยวข้องกับการใช้สมาร์ทโฟนในระดับที่ประชาชนละเลยพื้นที่อื่น ๆ ของชีวิต [11-13] การศึกษารายงานว่าการใช้โทรศัพท์มือถือมากเกินไปมีความสัมพันธ์กับความเครียดรบกวนการนอนหลับการสูบบุหรี่และอาการซึมเศร้า [14-16].

ข้อมูลล่าสุดจากมาเลเซียแสดงให้เห็นว่าการรุกของสมาร์ทโฟนเพิ่มขึ้นจาก 47% ใน 2012 เป็น 63% ใน 2013 ใน 2014 ชาวมาเลเซียล้าน 10.13 เป็นผู้ใช้สมาร์ทโฟนที่ใช้งานอยู่เมื่อเทียบกับ 7.7 ล้านคนใน 2012 [17-20] การใช้พยาธิสภาพของสมาร์ทโฟนนั้นคล้ายคลึงกับการติดอินเทอร์เน็ต การใช้อินเทอร์เน็ตติดยาเสพติดมากเกินไปในหมู่วัยรุ่นและผู้ใหญ่ทั่วโลก21] การติดอินเทอร์เน็ตที่มากเกินไปนำไปสู่ความผิดปกติทางจิตเวชความนับถือตนเองต่ำภาวะซึมเศร้าและผลการเรียนและอาชีพที่บกพร่อง [22-25] การศึกษาในท้องถิ่นรายงานว่าความชุกของการติดอินเทอร์เน็ตคือ 43% [26] และมีผู้ใช้ Facebook ใน X มาเลเซียมากกว่าล้านคนในมาเลเซีย; ในความเป็นจริง Facebook เป็นเว็บไซต์เครือข่ายชั้นนำในประเทศนี้ เนื่องจากมีการใช้งานสมาร์ทโฟนเพิ่มขึ้นอย่างรวดเร็วในมาเลเซียจึงมีความจำเป็นอย่างยิ่งที่จะต้องตรวจสอบขนาดเพื่อวัดการติดสมาร์ทโฟนในประชากรท้องถิ่นเพื่อกำหนดความชุกและเพื่อระบุว่าใครมีความเสี่ยงในการพัฒนา สามารถวางแผนการแทรกแซงที่เหมาะสมในอนาคตอันใกล้

เช่นโครงสร้างแฟคทอเรียลที่เตรียมไว้สำหรับการทดสอบการติดอินเทอร์เน็ต27] ระดับสมาร์ทโฟนติดยาเสพติด (SAS) ที่พัฒนาโดย Min Kwon และคณะ เป็นระดับแรกสำหรับการติดสมาร์ทโฟนที่ใช้สำหรับการวินิจฉัย [28] มาตราส่วนนี้ประกอบด้วยรายการ 33 และได้รับการรายงานว่ามีความน่าเชื่อถือพร้อมความสอดคล้องภายในที่ดี (Cronbach's alpha = 0.967) และความถูกต้องพร้อมกันของช่วงย่อยหกช่วงตั้งแต่ 0.32 ถึง 0.61 [28].

การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อแปล SAS เป็นภาษามลายูและเพื่อศึกษาคุณสมบัติทางไซโครเมทริกของ SAS (SAS-M) รุ่นมาเลย์เพื่ออำนวยความสะดวกในการใช้งานสำหรับการวิจัยเพิ่มเติมในสภาพแวดล้อมท้องถิ่น

ระเบียบวิธี

การศึกษาและออกแบบสภาพแวดล้อม

นี่เป็นการศึกษาแบบภาคตัดขวางของนักศึกษาแพทย์ปีแรกและปีที่สองจาก Universiti Putra Malaysia นักเรียนเหล่านี้ได้รับการทาบทามสำหรับการศึกษาตรวจสอบจากสิงหาคม 2014 ถึงกันยายน 2014 มหาวิทยาลัยแห่งนี้ตั้งอยู่ใน Serdang ติดกับเมือง Putrajaya ซึ่งเป็นเมืองหลวงของมาเลเซีย เราประเมินขนาดตัวอย่างเป็นอย่างน้อย 165 ตามการคำนวณห้ากรณีต่อรายการใน SAS (ซึ่งมีทั้งหมด 33 รายการ) [29] ดังนั้นขนาดตัวอย่างของ 228 ในการศึกษานี้ก็เพียงพอแล้ว

ขั้นตอน

1 เวที: ผู้เขียนได้รับ SAS เวอร์ชันภาษาอังกฤษจาก Kwon และคณะ การแปลจากภาษาอังกฤษเป็นภาษามาเลย์ดำเนินการควบคู่กันโดยผู้เชี่ยวชาญสองภาษาสองภาษาและมีการแปลกลับโดยผู้เชี่ยวชาญภาษาที่สอง ความแตกต่างระหว่างฉบับดั้งเดิมและการแปลกลับถูกกล่าวถึงและมีการปรับปรุงตามนั้น รุ่นสุดท้ายของ SAS ที่แปลแล้วซึ่งเราเรียกว่าร่างของ SAS-M ถูกสร้างขึ้นโดยคณะผู้เชี่ยวชาญประกอบด้วยแพทย์จิตแพทย์หนึ่งคนแพทย์อาวุโสสองคนและแพทย์ประจำครอบครัวหนึ่งคนทุกคนล้วนเป็นผู้เชี่ยวชาญที่มีคุณสมบัติเกี่ยวกับการใช้เครื่องมือ psychometric และ ทุกคนมีประสบการณ์ทางคลินิกกับภาวะซึมเศร้า

2 เวที: ร่างแรกของ SAS-M ได้รับการทดสอบโดยนักบินในหมู่นักเรียน 20 ที่พูดภาษามาเลย์เพื่อระบุข้อบกพร่องในรุ่นนี้ คำใด ๆ ที่ผู้ตอบแบบสอบถามพิจารณาว่าไม่เหมาะสมหรือไม่เหมาะสมในรุ่นนี้จะถูกบันทึกและแก้ไข นักเรียนส่วนใหญ่มีปัญหาในการยอมรับรายการ 15:“ รู้สึกโกรธและไม่พอใจเมื่อฉันไม่มีสมาร์ทโฟน” รายการนี้ได้รับการแก้ไขและแปลเป็น "รู้สึกใจร้อนและกระสับกระส่ายเมื่อฉันไม่มีสมาร์ทโฟน" ในภาษามาเลย์ รุ่นสุดท้ายของ SAS-M ได้รับการตรวจสอบต่อไปโดยจิตแพทย์ที่ปรึกษาสองคนที่มีประสบการณ์มากกว่า 10 ปีในการประเมินความถูกต้องของเนื้อหาและเพื่อให้แน่ใจว่ามีใบหน้าที่น่าพอใจและความหมายที่น่าพอใจเกณฑ์และความเท่าเทียมทางแนวคิด

3 เวที: นักเรียนแต่ละคนให้ความยินยอมเป็นลายลักษณ์อักษรหลังจากได้รับการอธิบายอย่างเต็มรูปแบบของธรรมชาติและความลับของการศึกษาและนักเรียน 228 ยินยอมที่จะมีส่วนร่วมในการศึกษาด้วยอัตราที่ไม่ตอบสนองของ 9% ข้อมูลทางสังคมวิทยา (อายุเพศเชื้อชาติและรายได้ของครัวเรือน) ได้มาจากนักเรียน ข้อมูลเกี่ยวกับการใช้สมาร์ทโฟนของนักเรียนตามการประเมินของตนเองเช่นจำนวนชั่วโมงการใช้ต่อสัปดาห์จำนวนปีในฐานะผู้ใช้สมาร์ทโฟนทั่วไปและอายุที่เริ่มใช้สมาร์ทโฟน นักเรียนได้รับแบบสอบถามดังต่อไปนี้:

  1. SAS และ SAS-M (ตาราง A ใน ข้อความ S1).
  2. การทดสอบการเสพติดอินเทอร์เน็ตในภาษามลายู

เครื่องมือ

สเกลการติดยาเสพติดของสมาร์ทโฟน [28].

SAS เป็นเครื่องชั่งประเภท Likert แบบ 6-point ที่ดำเนินการด้วยตนเองพร้อมรายการ 33 คำถามแต่ละข้อมีระดับการตอบสนองจาก 1 ถึง 6 (1 = ไม่เห็นด้วยอย่างยิ่งกับ 6 = เห็นด้วยอย่างยิ่ง) ซึ่งสะท้อนความถี่ของอาการ กลุ่มผู้ตอบแบบสอบถามระบุว่าคำอธิบายลักษณะการใช้งานสมาร์ทโฟนของพวกเขาใกล้เคียงที่สุด คะแนนรวมที่เป็นไปได้ในช่วง SAS จาก 48 ถึง 288 ยิ่งมีคะแนนมากเท่าใดระดับการใช้พยาธิวิทยาของสมาร์ทโฟนก็ยิ่งมากขึ้นเท่านั้น

การทดสอบการติดอินเทอร์เน็ต26].

แบบสอบถาม IAT ซึ่งพัฒนาโดย Kimberly Young ใน 1998 เป็นเครื่องมือที่ใช้กันมากที่สุดในการวินิจฉัยการติดอินเทอร์เน็ต รุ่นมาเลย์ได้รับการตรวจสอบในพื้นที่มีความสอดคล้องภายในดี (Cronbach's alpha = 0.91) และความน่าเชื่อถือแบบขนาน (สัมประสิทธิ์สหสัมพันธ์ intraclass (ICC) = 0.88, P <0.001) นี่คือแบบสอบถามที่กรอกด้วยตนเองซึ่งประกอบด้วยมาตราส่วน Likert-type 5 จุดที่มี 20 รายการโดยมีค่าคะแนนขั้นต่ำ 20 และค่าสูงสุด 100 คะแนนของแต่ละคำถามมีตั้งแต่ 1 ถึง 5 (1 = ไม่เคย ถึง 5 = เสมอ) จำลองการเกิดขึ้นของอาการ นักเรียนเลือกข้อความที่อธิบายคุณลักษณะของการใช้อินเทอร์เน็ตได้ดีที่สุด ยิ่งคะแนนสูงเท่าไหร่ระดับของการใช้อินเทอร์เน็ตทางพยาธิวิทยาก็จะยิ่งมากขึ้นเท่านั้น เมื่อคะแนนของ IAT ฉบับภาษามลายูมากกว่า 43 จะมีการวินิจฉัยว่าบุคคลนั้นมีความเสี่ยงที่จะติดอินเทอร์เน็ต [26].

การวิเคราะห์ทางสถิติ

การวิเคราะห์ทั้งหมดดำเนินการโดยใช้ชุดสถิติสำหรับสังคมศาสตร์เวอร์ชัน 21.0 (SPSS, Chicago, IL, USA) สถิติเชิงพรรณนาคำนวณสำหรับลักษณะพื้นฐานของผู้เข้าร่วม อัลฟาของครอนบาคถูกใช้เพื่อประเมินความสอดคล้องภายในของ SAS-M และความปกติของข้อมูลได้รับการประเมินโดยใช้การวิเคราะห์ Kolmogorov-Smirnov ความเป็นเนื้อเดียวกันของรายการมาตราส่วนได้รับการวิเคราะห์ตามค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างรายการและคะแนนรวมหากรายการถูกลบ ความถูกต้องของโครงสร้างได้รับการตรวจสอบโดยการวิเคราะห์ปัจจัยเชิงสำรวจและโปรแม็กซ์แนวเฉียงด้วย Kaiser Normalization การโหลดตัวประกอบของ> 0.30 ถูกใช้เพื่อกำหนดรายการสำหรับแต่ละปัจจัย ตามกฎ Guttman-Kaiser ปัจจัยที่มีค่าลักษณะเฉพาะมากกว่า 1 จะถูกเก็บไว้ [30, 31] ICC ถูกใช้เพื่อตรวจสอบความน่าเชื่อถือแบบขนานระหว่าง SAS-M และ SAS รุ่นภาษาอังกฤษและความน่าเชื่อถือแบบทดสอบซ้ำของ SAS-M เพียร์สันถูกนำมาใช้ในการตรวจสอบความถูกต้องพร้อมกันระหว่าง SAS-M และ IAT รุ่นมลายู คะแนนตัดที่ดีที่สุดของ SAS-M สำหรับกรณีที่มีความเสี่ยงถูกกำหนดจากจุดประสานงานเมื่อคะแนนสำหรับ IAT รุ่นมลายูมีค่ามากกว่า 43 [26] ณ จุดนี้ความไวและความจำเพาะมีความเหมาะสมที่สุดในการวิเคราะห์ลักษณะการทำงานของเครื่องรับ (ROC) พื้นที่ใต้เส้นโค้ง (AUC) ถูกกำหนดสำหรับเส้นโค้ง ROC

คำนิยาม

ผู้ใช้ปกติหมายถึงผู้ที่ใช้สมาร์ทโฟนอย่างน้อย 6 หรือมากกว่าใน 6 เดือน [32]

การอนุมัติทางจริยธรรม

การอนุมัติด้านจริยธรรมสำหรับการศึกษาครั้งนี้ได้มาจากคณะกรรมการจริยธรรมของ Universiti Putra Malaysia (FPSK-EXP14 P091)

ผลสอบ

นักเรียน 228 ทั้งหมดได้รับการคัดเลือกในการศึกษานี้ 1 ตาราง แสดงให้เห็นถึงลักษณะทางคลินิกของประชากรที่ศึกษา โดยรวมอายุเฉลี่ยประมาณ 22 ปี± 1.1 มากกว่าครึ่งหนึ่งเป็นนักเรียนหญิง (56.6%) และส่วนใหญ่เป็นเชื้อชาติมาเลย์ (52.4%) ชั่วโมงการใช้สมาร์ทโฟนเฉลี่ยต่อสัปดาห์คือ 36.5 ชั่วโมง โดยเฉลี่ยแล้วนักเรียนเริ่มใช้สมาร์ทโฟนเมื่ออายุ 19 ปีและจำนวนปีเฉลี่ยของการใช้สมาร์ทโฟนปกติคือ 2.4 ปี

ภาพขนาดย่อ  

 
ตาราง 1 ลักษณะของประชากรที่ศึกษา (N = 228)

 

ดอย: 10.1371 / journal.pone.0139337.t001

โครงสร้างปัจจัยและความสอดคล้องภายในของ SAS-M

การทดสอบความเป็นทรงกลมของบาร์ตเล็ตต์มีนัยสำคัญ (p <0.01) และการวัดความเพียงพอของการสุ่มตัวอย่าง Kaiser-Meyer-Olkin สำหรับ SAS-M เท่ากับ 0.92 ซึ่งบ่งชี้ว่ามาตราส่วนมีความเหมาะสม [33] ซึ่งแสดงให้เห็นว่าการวิเคราะห์ปัจจัยมีความเหมาะสม ปัจจัยหกประการถูกแยกออกมา (ค่าลักษณะเฉพาะ> 1.00) โดยใช้วิธีการวิเคราะห์ปัจจัยเชิงสำรวจและการหมุนโปรแม็กซ์แบบเฉียงด้วยการทำให้เป็นมาตรฐานของไกเซอร์ซึ่งคิดเป็น 65.3% ของความแปรปรวนทั้งหมด ผลลัพธ์นี้สอดคล้องกับ SAS เดิม [28].

SAS-M มีความสอดคล้องภายในที่ดี สัมประสิทธิ์แอลฟาของครอนบาคสำหรับสเกลทั้งหมดคือ 0.94 และค่าสัมประสิทธิ์ตามลำดับสำหรับหกปัจจัยคือ 0.877, 0.843, 0.865, 0.837, 0.865 และ 0.861 ปัจจัยหกประการที่สอดคล้องกับระดับย่อยของ SAS ถูกอ้างถึงเป็น "ความสัมพันธ์เชิงไซเบอร์สเปซ", "การรบกวนในชีวิตประจำวัน", "ความเป็นอันดับหนึ่ง", "การใช้มากเกินไป", "การคาดหวังเชิงบวก" และ "การถอน"2 ตาราง) รายการทั้งหมดมีการแก้ไขความสัมพันธ์ทั้งหมดรายการมากกว่า 0.9 การลบรายการใด ๆ ไม่ได้เพิ่มความสอดคล้องภายในของคะแนนรวม (3 ตาราง) ความน่าเชื่อถือแบบขนานระหว่าง SAS-M และ SAS นั้นสูงดังที่แสดงโดย ICC ของ 0.95 (95% ช่วงความเชื่อมั่น = 0.937-0.962) ความน่าเชื่อถือการทดสอบซ้ำของ SAS-M หลังจากช่วง 1- สัปดาห์สูงด้วย ICC ของ 0.85 (95% ช่วงความเชื่อมั่น = 0.808-0.866)

ภาพขนาดย่อ  

 
ตาราง 2 การวิเคราะห์ปัจจัยของเวอร์ชั่น SAS-Malay

 

ดอย: 10.1371 / journal.pone.0139337.t002

ภาพขนาดย่อ  

 
ตาราง 3 รายการที่แก้ไข - ความสัมพันธ์ทั้งหมดและอัลฟาของครอนบาคหากรายการถูกลบสำหรับ SAS-M

 

ดอย: 10.1371 / journal.pone.0139337.t003

ความถูกต้องพร้อมกันของ SAS-M: ความสัมพันธ์ระหว่างส่วนย่อยของ SAS-M และ IAT เวอร์ชันมลายู

ผลลัพธ์ของการวิเคราะห์สหสัมพันธ์แบบเพียร์สันที่ดำเนินการระหว่างส่วนย่อยของ SAS-M และ IAT รุ่นมลายูแสดงอยู่ใน 4 ตาราง. ผลลัพธ์แสดงให้เห็นว่าส่วนย่อยทั้งหมดของ SAS-M ยกเว้น "คาดหวังเชิงบวก" มีความสัมพันธ์อย่างมีนัยสำคัญกับ IAT รุ่นมาเลย์

ภาพขนาดย่อ  

 
ตาราง 4 ความถูกต้องพร้อมกันของ SAS-M (ความสัมพันธ์ของ Pearson): ส่วนย่อยของ SAS-M และ IAT รุ่นมาเลย์

 

ดอย: 10.1371 / journal.pone.0139337.t004

AUC สำหรับเส้นโค้ง ROC คือ 0.801 (95% CI = 0.746 ถึง 0.855) คะแนนตัดที่ดีที่สุดสำหรับการระบุกรณีที่มีความเสี่ยงมากกว่า 98 ที่มีความไว 71.43% ความจำเพาะ 71.03% ค่าการทำนายเชิงบวก (PPV) ที่ 64.10% และค่าการทำนายเชิงลบ (NPV) ที่ 77.44 % ความชุกของกรณีติดยาเสพติดที่มีความเสี่ยงในการพัฒนาสมาร์ทโฟนในการศึกษานี้คือ 46.9% ซึ่งอิงจากคะแนน 98

การสนทนา

การศึกษาครั้งนี้ตรวจสอบความสอดคล้องภายในมิติและพร้อมกันและสร้างความถูกต้องของ SAS-M ผลจากการศึกษาระบุว่า SAS-M เป็นเครื่องมือที่เชื่อถือได้และถูกต้องสำหรับการประเมินการเสพติดสมาร์ทโฟนในประชากรที่พูดภาษามลายู

ในการศึกษานี้ SAS-M มีความสอดคล้องภายในที่ดี สัมประสิทธิ์แอลฟาของครอนบาคสำหรับสเกลทั้งหมดคือ 0.94 และค่าสัมประสิทธิ์ตามลำดับสำหรับหกปัจจัยคือ 0.877, 0.843, 0.865, 0.837, 0.865 และ 0.861 ความน่าเชื่อถือแบบขนานของ SAS-M และความน่าเชื่อถือการทดสอบซ้ำหลังจากช่วง 1- สัปดาห์พบว่าเป็นเรื่องที่ดีโดย ICCs ของ 0.95 และ 0.85 ตามลำดับซึ่งดียิ่งกว่ารุ่นเดิมของ SAS [28] ในวันนี้เป็นการศึกษาครั้งแรกของประเภทที่เกี่ยวข้องกับการติดยาเสพติดมาร์ทโฟนและมันแสดงให้เห็นว่า SAS-M ดีพอ ๆ กับเวอร์ชั่นภาษาอังกฤษ

อย่างไรก็ตามส่วนประกอบหลักหกตัวที่อธิบายสัดส่วนความแปรปรวนของ SAS-M นั้นมีขนาดใหญ่คล้ายกับส่วนประกอบดั้งเดิมของ SAS ในการศึกษานี้ส่วนประกอบประกอบด้วย "ความสัมพันธ์เชิงไซเบอร์สเปซ", "ความไม่สงบในชีวิตประจำวัน", "ความเป็นอันดับหนึ่ง", "มากเกินไป", "ความคาดหวังเชิงบวก" และ "การถอนตัว" ส่วนประกอบใน SAS ดั้งเดิมคือ "การรบกวนในชีวิตประจำวัน", "การคาดหวังในเชิงบวก", "การถอน", "ความสัมพันธ์เชิงไซเบอร์สเปซ", "การใช้มากเกินไป" และ "ความอดทน" ไม่ใช่ทุกปัจจัยที่ได้มาในการวิเคราะห์ปัจจัยนี้ขนานกับปัจจัยที่ได้รับใน SAS ดั้งเดิม มีโอกาสมากขึ้นเนื่องจากข้อเท็จจริงนี้แสดงถึงความแตกต่างระหว่างตัวอย่างมาเลย์และเกาหลี ความหมายของ SAS ต้นฉบับถูกเปลี่ยนแปลงระหว่างกระบวนการแปล

ส่วนประกอบส่วนใหญ่ที่รายงานในการศึกษาปัจจุบันนั้นเหมือนกันยกเว้นองค์ประกอบ "อันดับหนึ่ง" ซึ่งแตกต่างจากองค์ประกอบ "ความอดทน" ใน SAS ดั้งเดิม เหตุผลที่เป็นไปได้อาจเป็นประชากรการศึกษาของเราอายุน้อยกว่า (21.7 ± 1.1 ปีที่มีช่วงอายุจาก 20 ถึง 27) เมื่อเทียบกับประชากรเกาหลี (26.1 ± 6.0 ที่มีช่วงอายุตั้งแต่ 18 ถึง 53) พื้นหลังประชากรการศึกษาของเราเป็นเนื้อเดียวกันเนื่องจากทุกวิชาเป็นนักศึกษาแพทย์เมื่อเทียบกับอาชีพและระดับการศึกษาที่หลากหลายในการศึกษาแบบดั้งเดิมของ SAS การตีความที่แตกต่างกันอาจมีความซับซ้อนโดยความหลากหลายในภูมิหลังและการศึกษาของประชากรที่ศึกษา

ในการศึกษานี้ทุกส่วนย่อยของ SAS-M ยกเว้น "คาดหวังเชิงบวก" มีความสัมพันธ์อย่างมีนัยสำคัญกับ IAT รุ่นมาเลย์ นี่อาจเป็น subscale เดียวที่ไม่สัมพันธ์กับ IAT ได้ดีเนื่องจาก IAT ส่วนใหญ่ใช้มาตรการที่ไม่พึงประสงค์ของอินเทอร์เน็ตดังนั้นจึงไม่มีรายการถามเกี่ยวกับความคาดหวังเชิงบวก อย่างไรก็ตามลักษณะนี้ไม่ได้ลดความถูกต้องที่เกิดขึ้นพร้อมกันเนื่องจาก subscales 5 อื่น ๆ มีความสัมพันธ์กันอย่างมาก

ความชุกของกรณีที่มีความเสี่ยงที่สามารถระบุได้ว่าติดอยู่กับสมาร์ทโฟนโดยใช้มาตราส่วนนี้คือ 46.9% มีคำอธิบายที่เป็นไปได้หลายประการสำหรับผลลัพธ์นี้ คาดว่าความชุกของการเสพติดสมาร์ทโฟนที่สูงเนื่องจากการศึกษาในท้องถิ่นพบว่า 85% ของชาวมาเลเซียเป็นเจ้าของโทรศัพท์มือถือ [18] สมาร์ทโฟนเป็นตัวเลือกที่ชื่นชอบเนื่องจากชาวมาเลเซียมักติดตามแนวโน้มในชุมชน [20] นอกจากนี้สมาร์ทโฟนยังมีการส่งข้อความโต้ตอบแบบทันทีฟรีผ่านแพลตฟอร์มบางอย่างเช่น WhatsApp และ WeChat ซึ่งช่วยยกระดับชีวิตของผู้ใช้ ความบันเทิงเป็นอีกหนึ่งคำอธิบายที่เป็นไปได้เกี่ยวกับความชุกของการเสพติดสมาร์ทโฟนเนื่องจากโทรศัพท์เหล่านี้นักศึกษาแพทย์สามารถฟังเพลงดูภาพยนตร์และเล่นเกมเพื่อบรรเทาความเครียด [34] ดังนั้นพวกเขาจึงมีแนวโน้มที่จะใช้เวลากับสมาร์ทโฟนในตอนท้ายของวันมากขึ้นและกลายเป็นผู้ใช้ทางพยาธิวิทยาในที่สุด

อย่างไรก็ตามหนึ่งในข้อกังวลในการศึกษาของเราคือคะแนนตัด SAS-M ที่ดีที่สุดสำหรับกรณีที่มีความเสี่ยงถูกกำหนดจากจุดประสานงานเมื่อคะแนนสำหรับรุ่น IAT ของมาเลย์มากกว่า 43 สิ่งนี้ไม่ได้เป็นข้อมูลที่ทันสมัยสำหรับ IAT ในทำนองเดียวกันไม่มีเกณฑ์การวินิจฉัยที่เป็นที่ยอมรับของการติดอินเทอร์เน็ตหรือสมาร์ทโฟนตาม DSM V ในสเปกตรัมของความผิดปกติของการติดยาเสพติด [21, 25] ดังนั้นจุดตัดที่เสนอโดยการศึกษาของเราอาจต่ำเกินไปนำไปสู่อัตราการติดยาเสพติดที่สูงมากโดยประมาณ การวินิจฉัยการเสพติดอินเทอร์เน็ตควรอยู่บนพื้นฐานของเกณฑ์สามประการดังที่อธิบายโดย Ko, et al, 2012 [25].

ฟังก์ชั่น SAS-M นั้นคล้ายกับการคัดกรองหรือสเกลสำหรับการประเมินความรุนแรงของการใช้สมาร์ทโฟนที่เสพติดมากกว่าเครื่องมือวินิจฉัย การวินิจฉัยที่ถูกต้องเกี่ยวกับการเสพติดสมาร์ทโฟนจะเป็นปัญหาสำคัญสำหรับการวิจัยในอนาคต เราเสนอว่าในอนาคตการวินิจฉัยการติดยาเสพติดสมาร์ทโฟนควรมีเกณฑ์เพิ่มเติมซึ่งประกอบด้วยเกณฑ์ A, B และ C เกณฑ์ A ประกอบด้วยอาการหกลักษณะของการติดยาเสพติดสมาร์ทโฟนเช่นความสัมพันธ์กับโลกไซเบอร์สเปซ และการถอน เกณฑ์ B จำเป็นต้องรวมการด้อยค่าของฟังก์ชั่นรองกับการใช้งานสมาร์ทโฟน เกณฑ์ C ควรยกเว้นความผิดปกติทางจิตเวชอื่น ๆ เช่นโรค bipolar หรือโรคหุนหันพลันแล่นอื่น ๆ ผู้ที่ปฏิบัติตามเกณฑ์ A, B และ C ทั้งหมดจะได้รับการพิจารณาว่าติดกับสมาร์ทโฟนเท่านั้น

จุดแข็งและข้อ จำกัด

ผลการศึกษานี้ควรตีความในบริบทของข้อ จำกัด ของการศึกษา: ประการแรกไม่มีเกณฑ์การวินิจฉัยที่กำหนดขึ้นสำหรับการติดอินเทอร์เน็ตหรือสมาร์ทโฟนตาม DSM V ในสเปกตรัมของโรคเสพติด [21, 25] อย่างไรก็ตามในมุมมองของการศึกษาที่ จำกัด ในการติดยาเสพติดมาร์ทโฟนในการตั้งค่าท้องถิ่นผลการศึกษานี้ยังสามารถให้ข้อมูลเชิงลึกบางอย่างให้กับทีมงานมืออาชีพด้านการดูแลสุขภาพ ประการที่สองแม้ว่าขนาดตัวอย่างจะเพียงพอ แต่ก็ไม่ได้สุ่ม เพศและเชื้อชาติไม่กระจายเท่ากัน นอกจากนี้การศึกษานี้ดำเนินการที่ศูนย์เดียวดังนั้นประชากรตัวอย่างเป็นเนื้อเดียวกันและอาจไม่สะท้อนถึงประชากรทั่วไปของมาเลเซีย

แม้จะมีข้อ จำกัด นี้ แต่ผลของการศึกษาครั้งนี้พิสูจน์ให้เห็นว่า SAS-M สามารถนำมาใช้ในการประเมินการติดยาเสพติดของสมาร์ทโฟนในกลุ่มผู้ใหญ่ชาวมาเลเซียที่มีการศึกษา

สรุป

การศึกษาครั้งนี้พัฒนาสมาร์ทโฟนเครื่องแรกในกลุ่มนักศึกษาแพทย์ การศึกษาครั้งนี้ยังแสดงหลักฐานว่า SAS-M เป็นเครื่องมือที่ถูกต้องและน่าเชื่อถือซึ่งจัดการด้วยตนเองเพื่อกลั่นกรองผู้ที่เสี่ยงต่อการติดยาเสพติดของสมาร์ทโฟน

ข้อมูลสนับสนุน

ข้อความ S1 แบบสอบถามติดยาเสพติดสมาร์ทโฟนแบบมาเลย์

ดอย: 10.1371 / journal.pone.0139337.s001

(DOC)

ผลงานของผู้เขียน

รู้สึกและออกแบบการทดลอง: SMC AY FKH ดำเนินการทดลอง: VR SMSL WAWS YLF วิเคราะห์ข้อมูล: SMC AY รีเอเจนต์ที่สนับสนุน / วัสดุ / เครื่องมือวิเคราะห์: SMC AY เขียนบทความ: SMC AY VR

อ้างอิง

  1. 1 Rashvand HF, Hsiao KF (2015) แอปพลิเคชั่นอัจฉริยะของสมาร์ทโฟน: รีวิวสั้น ๆ ระบบมัลติมีเดีย 21 (1): 103 – 119 ดอย: 10.1007 / s00530-013-0335-z
  2. 2 Mosa AS, Yoo I, Sheets L (2012) การทบทวนแอปพลิเคชันด้านการดูแลสุขภาพอย่างเป็นระบบสำหรับสมาร์ทโฟน BMC สารสนเทศทางการแพทย์และการตัดสินใจ 12: 67 ดอย: 10.1186 / 1472-6947-12-67 PMID: 22781312
  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. 3 Lane N, Mohammod M, Lin M, Yang X, Lu H, Ali S, และคณะ (2011) BeWell: แอปพลิเคชั่นสมาร์ทโฟนสำหรับตรวจสอบจำลองและส่งเสริมคุณภาพชีวิต การประชุมนานาชาติ 5th เกี่ยวกับเทคโนโลยีคอมพิวเตอร์เพื่อการดูแลสุขภาพที่ดับลิน
  88. 4 Patrick K, Griswold WG, Raab F, Intille SS (2008) สุขภาพและโทรศัพท์มือถือ วารสารการแพทย์เชิงป้องกันอเมริกัน 35: 177 – 181 doi: 10.1016 / j.amepre.2008.05.001 PMID: 18550322
  89. 5. Derbyshire E, Dancey D (2013) แอปพลิเคชั่นทางการแพทย์สำหรับสมาร์ทโฟนเพื่อสุขภาพของผู้หญิง: หลักฐาน - ฐานและข้อเสนอแนะคืออะไร? International Journal of Telemedicine and Applications Article ID 782074, 10. doi: 10.1155 / 2013/782074
  90. 6 Emad AS, Haddad E (2015) อิทธิพลของสมาร์ทโฟนที่มีต่อสุขภาพของมนุษย์และพฤติกรรม: การรับรู้ของจอร์แดน วารสารระหว่างประเทศของเครือข่ายคอมพิวเตอร์และแอปพลิเคชัน 2 (2): 52 – 56
  91. 7 Sarwar M, Soomro TR (2013) ผลกระทบของสมาร์ทโฟนที่มีต่อสังคม วารสารวิจัยวิทยาศาสตร์แห่งยุโรป 98 (2): 216 – 226
  92. 8. Acharya JP, Acharya I, Waghrey D (2013) การศึกษาผลกระทบด้านสุขภาพทั่วไปของโทรศัพท์มือถือในหมู่นักศึกษาวิทยาลัย วารสารเวชศาสตร์ชุมชน & สุขศึกษา 3: 21 ดอย: 10.5958 / j.2319-5886.2.3.068
  93. 9 Lin YH, Chang LR, Lee YH, Tseng HW, Kuo TB, เฉิน SH (2014) การพัฒนาและการตรวจสอบความถูกต้องของสมาร์ทโฟนสินค้าคงคลังติดยาเสพติด (SPAI) โปรดหนึ่ง 9: e98312 doi: 10.1371 / journal.pone.0098312 PMID: 24896252
  94. 10. Billieux J, Van der Linden M, d'Acremont M, Ceschi G, Zermatten A (2007) แรงกระตุ้นเกี่ยวข้องกับการรับรู้การพึ่งพาและการใช้โทรศัพท์มือถือจริงหรือไม่? จิตวิทยาความรู้ความเข้าใจประยุกต์ 21: 527–537 ดอย: 10.1002 / acp.1289
  95. 11. Park N, Lee H (2012) ผลกระทบทางสังคมของการใช้สมาร์ทโฟน: การใช้สมาร์ทโฟนของนักศึกษาเกาหลีและความเป็นอยู่ที่ดีทางจิตใจ ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 15: 491–497 ดอย: 10.1089 / cyber.2011.0580
  96. 12 Yen CF, Tang TC, Yen JY, Lin HC, Huang CF, Liu SC และคณะ (2009) อาการของการใช้โทรศัพท์มือถือที่มีปัญหาความบกพร่องในการใช้งานและความสัมพันธ์กับภาวะซึมเศร้าในหมู่วัยรุ่นในไต้หวันตอนใต้ วารสารของวัยรุ่น 32: 863 – 873 doi: 10.1016 / j.adolescence.2008.10.006 PMID: 19027941
  97. 13 Beranuy M, Oberst U, Carbonell X, Chamarro A (2009) อินเทอร์เน็ตที่มีปัญหาและการใช้โทรศัพท์มือถือและอาการทางคลินิกในนักศึกษา: บทบาทของความฉลาดทางอารมณ์ คอมพิวเตอร์ในพฤติกรรมมนุษย์ 25: 1182 – 1187 doi: 10.1016 / j.chb.2009.03.001
  98. 14 Thomee S, Harenstam A, Hagberg M (2011) การใช้โทรศัพท์มือถือและความเครียดการรบกวนการนอนหลับและอาการของภาวะซึมเศร้าในผู้ใหญ่วัยหนุ่มสาว - การศึกษาตามรุ่นในอนาคต BMC การสาธารณสุข 11: 66 ดอย: 10.1186 / 1471-2458-11-66 PMID: 21281471
  99. 15 Ezoe S, Toda M, Yoshimura K, Naritomi A, Den R, Morimoto K (2009) ความสัมพันธ์ของบุคลิกภาพและการใช้ชีวิตกับการพึ่งพาโทรศัพท์มือถือของนักศึกษาพยาบาลหญิง พฤติกรรมทางสังคมและบุคลิกภาพ: วารสารระดับนานาชาติ 37 (2): 231 – 238 doi: 10.2224 / sbp.2009.37.2.231
  100. 16 Toda M, Monden K, Kubo K, Morimoto K (2006) การพึ่งพาโทรศัพท์มือถือและวิถีชีวิตที่เกี่ยวข้องกับสุขภาพของนักศึกษามหาวิทยาลัย พฤติกรรมทางสังคมและบุคลิกภาพ 34 (10): 1277 – 1284 doi: 10.2224 / sbp.2006.34.10.1277
  101. 17 คณะกรรมการการสื่อสารและมัลติมีเดียแห่งมาเลเซีย (2012) สำรวจผู้ใช้โทรศัพท์มือถือ 2011 ที่มีอยู่: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18 คณะกรรมการการสื่อสารและมัลติมีเดียแห่งมาเลเซีย (2014) สำรวจผู้ใช้โทรศัพท์มือถือ 2012 ที่มีอยู่: http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19 ecommercemilo (2014) ที่มีอยู่: http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20 Osman MA, Talib AZ, Sanusi ZA, Shiang-Yen T, Alwi AS (2012) การศึกษาแนวโน้มของสมาร์ทโฟนและพฤติกรรมการใช้งานในมาเลเซีย วารสารระหว่างประเทศของสถาปัตยกรรมคอมพิวเตอร์ใหม่และแอปพลิเคชั่น 2: 274 – 285
  105. 21 Weinstein A, Lejoyeux M (2010) การเสพติดอินเทอร์เน็ตหรือการใช้อินเทอร์เน็ตมากเกินไป วารสารยาเสพติดและแอลกอฮอล์ของสหรัฐอเมริกา 36: 277 – 283 doi: 10.3109 / 00952990.2010.491880 PMID: 20545603
  106. 22. Jenaro C, Flores N, Gómez-Vela M, González-Gil F, Caballo C (2007) การใช้อินเทอร์เน็ตและโทรศัพท์มือถือที่มีปัญหา: จิตวิทยาพฤติกรรมและสุขภาพมีความสัมพันธ์กัน การวิจัยและทฤษฎีการเสพติด 15: 309–320 ดอย: 10.1080 / 16066350701350247
  107. 23. Niemz K, Griffiths M, Banyard P (2005) ความชุกของการใช้อินเทอร์เน็ตทางพยาธิวิทยาในหมู่นักศึกษามหาวิทยาลัยและความสัมพันธ์กับความนับถือตนเองแบบสอบถามสุขภาพทั่วไป (GHQ) และการยับยั้ง CyberPsychology & Behavior 8: 562–570 pmid: 16332167 ดอย: 10.1089 / cpb.2005.8.562
  108. 24. Young KS, Rogers RC (1998) ความสัมพันธ์ระหว่างภาวะซึมเศร้าและการติดอินเทอร์เน็ต ไซเบอร์จิตวิทยาและพฤติกรรม 1: 25–28 ดอย: 10.1089 / cpb.1998.1.25
  109. 25 Ko CH, Yen JY, CF CF, Chen CS, Chen CC (2012) ความสัมพันธ์ระหว่างการติดอินเทอร์เน็ตและความผิดปกติทางจิตเวช: การทบทวนวรรณกรรม จิตเวชศาสตร์ยุโรป 27: 1 – 8 doi: 10.1016 / j.eurpsy.2010.04.011 PMID: 22153731
  110. 26 กวน NC, Isa SM, Hashim AH, Pillai SK, Harbajan Singh MK (2015) ความถูกต้องของการทดสอบติดยาเสพติดทางอินเทอร์เน็ตรุ่นมาเลย์: การศึกษากลุ่มนักศึกษาแพทย์ในมาเลเซีย วารสารสาธารณสุขเอเชียแปซิฟิก 27: 2210 – 2219 doi: 10.1177 / 1010539512447808
  111. 27. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E และอื่น ๆ (2008) การตรวจสอบความถูกต้องของการทดสอบการติดอินเทอร์เน็ตของฝรั่งเศส. ไซเบอร์จิตวิทยาและพฤติกรรม 11: 703–706 ดอย: 10.1089 / cpb.2007.0249. pmid: 18954279
  112. 28 Kwon M, Lee JY, WY WY, Park JW, Min JA, Hahn C, และคณะ (2013) การพัฒนาและการตรวจสอบความถูกต้องของระดับการติดยาเสพติดของสมาร์ทโฟน (SAS) เลือกหนึ่ง 8: e56936 doi: 10.1371 / journal.pone.0056936 PMID: 23468893
  113. 29 Gorsuch RL (1983) การวิเคราะห์ปัจจัย 2 และ ed Hillsdale, นิวเจอร์ซีย์: Erlbaum
  114. 30 Kaiser HF (1960) แอปพลิเคชันของคอมพิวเตอร์อิเล็กทรอนิกส์เพื่อการวิเคราะห์ปัจจัย การศึกษาและการวัดทางจิตวิทยา 20: 141 – 151 ดอย: 10.1177 / 001316446002000116
  115. 31 Guttman L (1954) เงื่อนไขที่จำเป็นบางประการสำหรับการวิเคราะห์ปัจจัยทั่วไป Psychometrika 19: 149 – 161 doi: 10.1007 / bf02289162
  116. 32. Ybama ML (2004) การเชื่อมโยงระหว่างอาการซึมเศร้าและการคุกคามทางอินเทอร์เน็ตในกลุ่มผู้ใช้ทั่วไปที่อายุน้อย CyberPsychology & Behavior 7: 247–257 pmid: 15140367 ดอย: 10.1089/109493104323024500
  117. 33 Kaiser HF (1974) ดัชนีความเรียบง่ายแบบแฟคทอเรียล Psychometrika 39: 31 – 36 doi: 10.1007 / bf02291575
  118. 34 Elias H, Ping WS, Abdullah MC (2011) ความเครียดและผลสัมฤทธิ์ทางการเรียนของนักศึกษาระดับปริญญาตรีใน Universiti Putra Malaysia วิทยาศาสตร์ Procedia สังคมและพฤติกรรม 29: 646 – 655 doi: 10.1016 / j.sbspro.2011.11.288