特定互联网使用障碍标准评估 (ACSID-11)：引入一种新的筛查工具，捕获 ICD-11 游戏障碍和其他潜在互联网使用障碍标准 (2022)

介绍

互联网的分布和易于访问使在线服务特别有吸引力并提供了许多优势。 除了对大多数人的好处之外，在线行为可能会在某些人中采取不受控制的上瘾形式（例如， 国王与波坦察，2019; 年轻，2004）。 尤其是游戏越来越成为一个公共卫生问题（浮士德与普罗查斯卡，2018; Rumpf等，2018）。 在《精神障碍诊断与统计手册》第五版（DSM-5； 美国精神病学协会，2013) 作为进一步研究的条件，游戏障碍现已被列为国际疾病分类第 6 版 (ICD-51) 的官方诊断 (11C11)； 世界卫生组织，2018）。 这是应对有害使用数字技术带来的全球挑战的重要一步（Billieux, Stein, Castro-Calvo, Higushi, & King, 2021）。 全球游戏障碍的患病率估计为 3.05%，与物质使用障碍或强迫症等其他精神障碍相当。史蒂文斯、多斯汀、德尔法布罗和金，2021）。 然而，流行率估计值因使用的筛查工具而有很大差异（Stevens等人，2021）。 目前，仪器的景观是多方面的。 大多数措施都基于 DSM-5 网络游戏障碍标准，似乎没有一个明显更可取（King等人，2020）。 类似的情况也适用于互联网上的其他潜在成瘾行为，例如有问题地使用在线色情、社交网络或在线购物。 这些有问题的在线行为可能与游戏障碍一起发生（伯利、格里菲斯、苏米奇、斯塔夫罗普洛斯和库斯，2019; Müller等人，2021)，但也可能是一个自己的实体。 最近的理论框架，例如人-情感-认知-执行的交互（I-PACE）模型（Brand，Young，Laier，Wölfling和Potenza，2016年; Brand等，2019）假设相似的心理过程是不同类型的（在线）成瘾行为的基础。 这些假设与可用于解释成瘾性疾病之间共性的早期方法一致，例如，关于神经心理学机制（Bechara，2005; 罗宾逊和贝里奇，1993年），遗传方面（Blum等，2000)，或通用组件 (格里菲斯，2005）。 然而，目前尚不存在基于相同标准的（潜在）特定互联网使用障碍的综合筛查工具。 由于成瘾行为导致的不同类型疾病的统一筛查对于更有效地确定共性和差异非常重要。

在 ICD-11 中，游戏障碍被列在赌博障碍之外的“成瘾行为导致的障碍”类别中。 建议的诊断标准（两者）是：（1）对行为的控制受损（例如，开始、频率、强度、持续时间、终止、背景）； (2) 增加对该行为的优先级，使其行为优先于其他兴趣和日常活动； (3) 尽管有负面后果，行为仍继续或升级。 尽管没有直接提及作为附加标准，但必须诊断行为模式导致（4）日常生活重要领域的功能障碍（例如，个人、家庭、教育或社会问题）和/或明显的痛苦。世界卫生组织，2018）。 因此，在研究潜在的成瘾行为时，应包括这两个组成部分。 总体而言，这些标准也可能适用于“其他特定的成瘾行为引起的障碍”（6C5Y）类别，其中可能对购物购物障碍、色情使用障碍和社交网络使用障碍进行分类（Brand等，2020）。 在线购买-购物障碍可以定义为过度的、不适应的在线消费品购买，尽管有负面后果，但仍反复发生，因此可能构成特定的互联网使用障碍。Müller、Laskowski 等人，2021）。 色情使用障碍的特点是对（在线）色情内容消费的控制减弱，这与其他强迫性性行为是分开的（克劳斯，马蒂诺和波坦察，2016年; Kraus等，2018）。 社交网络使用障碍可以定义为过度使用社交网络（包括社交网站和其他在线通信应用程序），其特征是对使用的控制减少，对使用的重视程度越来越高，以及继续使用社交网络，尽管经历负面后果（安德烈亚森，2015）。 所有三种潜在的行为成瘾都构成了与其他成瘾行为相似的临床相关现象（例如， Brand等，2020; 格里菲思（Griffiths），库斯（Kuss）和Demetrovics，2014年; Müller等人，2019; Stark，Klucken，Potenza，Brand和Strahler，2018年).

评估特定类型互联网使用障碍的工具主要基于早期概念，例如 Young 的网络成瘾测试的修改版本（例如， Laier，Pawlikowski，Pekal，Schulte和Brand，2013年; 韦格曼，斯托德和品牌，2015年）或基于格里菲斯成瘾成分的“卑尔根”量表（例如， Andreassen，Torsheim，Brunborg和Pallesen，2012年; Andreassen等人，2015），或者他们根据 DSM-5 游戏障碍标准（例如， Lemmens，法肯堡和外邦人，2015年; Van den Eijnden, Lemmens, & Valkenburg, 2016）或赌博障碍（有关评论，请参阅 奥托等人，2020）。 一些较早的措施是从针对赌博障碍、物质使用障碍的措施中采取的，或者是在理论上发展起来的（拉科尼、罗杰斯和夏布罗，2014）。 正如不同评论中强调的那样，这些工具中的许多都显示出心理测量学的弱点和不一致（King，Haagsma，Delfabbro，Gradisar和Griffiths，2013年; 罗蒂与吉顿（Lortie＆Guitton），2013年; Petry，Rehbein，Ko和O'Brien，2015年). 金等人。 （2020） 确定了评估游戏障碍的 32 种不同工具，这说明了研究领域的不一致之处。 即使是引用最多和使用最广泛的工具，例如 Young 的网络成瘾测试 (年轻，1998)，不能充分代表游戏障碍的诊断标准，无论是 DSM-5 还是 ICD-11。 金等人。 （2020） 进一步指出心理测量的弱点，例如，缺乏经验验证，并且大多数工具都是基于单峰结构的假设设计的。 它表明计算单个症状的总和，而不是单独查看频率和经历的强度。 十项网络游戏障碍测试（IGDT-10； Király等人，2017）目前似乎充分捕捉了 DSM-5 标准，但总体而言，没有一种工具似乎明显更可取（King等人，2020）。 最近，引入了许多量表作为第一个筛选工具，用于捕获 ICD-11 游戏障碍标准（巴尔哈拉等人，2020; Higuchi等，2021; 乔等人，2020; 帕施克、奥斯特曼和托马修斯，2020; Pontes等，2021) 以及社交网络使用障碍 (帕施克、奥斯特曼和托马修斯，2021）。 一般而言，可以假设并非每种症状都必须同等地经历，例如，同样频繁或同样强烈。 因此，筛查工具似乎希望能够捕捉到整体症状体验和症状本身的整体性。 相反，多维方法可以调查哪些症状在不同阶段对问题行为的发展和维持起决定性作用，与更高水平的痛苦相关，或者它是否只是一个甚至意义重大的问题。

在评估其他类型的潜在特定互联网使用障碍（即在线购买购物障碍、在线色情使用障碍和社交网络使用障碍）的工具时，类似的问题和不一致变得明显。 与游戏和赌博障碍相比，这些潜在的特定互联网使用障碍未在 ICD-11 中正式分类。 特别是在赌博障碍的情况下，已经存在许多筛查工具，但大多数都缺乏足够的证据（奥托等人，2020)，既没有解决 ICD-11 赌博障碍的标准，也没有关注主要的在线赌博障碍 (阿尔布雷希特、基尔施纳和格鲁瑟，2007; Dowling等，2019）。 ICD-11 列出了强迫性行为障碍（CSBD），许多人认为有问题的色情使用是一种主要的行为症状，作为一种冲动控制障碍。 强迫性购买-购物障碍被列为“其他特定的冲动控制障碍”（6C7Y）类别下的一个例子，但没有区分在线和离线变体。 在测量强迫性购买的最广泛使用的问卷中也没有做出这种区分（马拉兹等人，2015; 穆勒、米切尔、沃格尔和德兹万，2017）。 ICD-11 尚未考虑社交网络使用障碍。 然而，有证据表明这三种疾病中的每一种都被归类为成瘾行为（Brand等，2020; Gola等人，2017; Müller等人，2019; Stark等，2018; Wegmann, Müller, Ostendorf, & Brand, 2018）。 除了对这些潜在的特定互联网使用障碍的分类和定义缺乏共识外，筛查工具的使用也存在不一致（有关评论，请参见 安德烈亚森，2015; 费尔南德斯和格里菲斯（2021）; 侯赛因和格里菲斯，2018; Müller等人，2017）。 例如，有超过 20 种仪器应该用来衡量有问题的色情使用（费尔南德斯和格里菲斯（2021）) 但没有一个充分涵盖了 ICD-11 中因成瘾行为引起的疾病的标准，这与 ICD-11 的 CSBD 标准非常接近。

此外，一些特定的互联网使用障碍似乎可能同时发生，尤其是无序的游戏和社交网络使用。伯利等人，2019; Müller等人，2021）。 使用潜在轮廓分析， Charzyńska、Sussman 和 Atroszko (2021) 发现无序的社交网络和购物以及无序的游戏和色情使用经常分别同时发生。 包括所有互联网使用障碍的高水平的概况显示最低的幸福感（Charzyńska 等人，2021）。 这也强调了对不同互联网使用行为进行全面和统一筛选的重要性。 已经尝试在不同的互联网使用障碍中使用类似的项目集，例如有问题的色情消费量表（Bőthe等人，2018），卑尔根社交媒体成瘾量表（Andreassen，Pallesen和Griffiths，2017年) 或网上购物成瘾量表 (赵田鑫, 2017）。 然而，这些量表是在组件模型的基础上设计的 格里菲斯（2005） 并且不包括当前提出的成瘾行为引起的疾病标准（cf. 世界卫生组织，2018).

总之，ICD-11 提出了由（主要是在线）成瘾行为引起的障碍的诊断标准，即赌博障碍和游戏障碍。 有问题的在线色情使用、在线购买-购物和社交网络使用可归入 ICD-11 子类别“其他特定的成瘾行为引起的障碍”，其适用相同标准（Brand等，2020）。 迄今为止，针对这些（潜在的）特定互联网使用障碍的筛查工具的前景非常不一致。 然而，对不同结构的一致测量对于推进关于成瘾行为导致的不同类型疾病的共性和差异的研究至关重要。 我们的目标是为不同类型的（潜在）特定互联网使用障碍开发一种简短但全面的筛查工具，涵盖 ICD-11 游戏障碍和赌博障碍标准，以帮助及早识别（潜在）特定有问题的在线行为。

方法

措施

特定互联网使用障碍标准评估：ACSID-11

通过 ACSID-11，我们旨在发明一种工具，以简短但全面且一致的方式评估特定的互联网使用障碍。 它是由成瘾研究人员和临床医生专家组基于理论开发的。 这些项目是根据 ICD-11 成瘾行为引起的疾病标准在多次讨论和共识会议中得出的，因为它们被描述为游戏和赌博，假设一个多因素结构。 大声说话分析的结果用于优化项目的内容有效性和可理解性（施密特等人，提交).

ACSID-11 包含 11 个项目，这些项目捕获了 ICD-11 因成瘾行为引起的疾病的标准。 三个主要标准，即控制受损 (IC)、对在线活动 (IP) 给予更高的优先级，以及互联网使用的持续/升级 (CE)，尽管有负面后果，每个都由三个项目表示。 创建了两个额外的项目来评估日常生活中的功能障碍 (FI) 和由于在线活动导致的显着痛苦 (MD)。 在预先询问中，参与者被要求指出他们在过去 12 个月中至少偶尔使用过哪些互联网活动。 列出的活动（即“游戏”、“在线购物”、“使用在线色情”、“使用社交网络”、“在线赌博”和“其他”）以及相应的定义和响应选项“是” ' 或没有'。 仅对“其他”项目回答“是”的参与者被筛选掉。 对于所有回答为“是”的活动，所有其他人都收到了 ACSID-11 项目。 这种多行为方法基于 WHO 的酒精、吸烟和物质参与筛查测试 (ASSIST; 世卫组织 ASSIST 工作组，2002 年)，它以一致的方式对特定物质的主要类别的物质使用及其负面后果以及成瘾行为的迹象进行筛查。

与 ASSIST 类似，每个项目的制定方式都可以直接针对相应的活动进行回答。 我们使用了由两部分组成的响应格式（参见 图。 1)，其中参与者应为每项活动指明每个项目 多常 他们在过去 12 个月内有过这种经历（0：“从不”，1：“很少”，2：“有时”，3：“经常”），如果至少“很少”， 多么激烈 每次经历都是在过去 12 个月内（​​0：“一点也不强烈”，1：“相当不强烈”，2：“相当强烈”，3：“强烈”）。 通过评估每个症状的频率和强度，可以调查症状的发生，还可以控制超出频率的症状有多强烈。 ACSID-11（建议的英文翻译）的项目显示在 表1. 原文（德语）项目包括预查询和说明可以在附录中找到（见 附录A).

查看全尺寸

 

ACSID-11 的示例项目（拟议的德语原始项目的英文翻译）说明了与特定在线活动相关的情况的频率（左栏）和强度（右栏）的测量。  . 该图显示了一个示例性项目的因素受损控制 (IC)，如 A) 所示，用于使用预查询中指示的所有五项在线活动的个人（参见 附录A) 和 B) 给表示仅使用在线购物和社交网络的个人。

引文：行为成瘾杂志 2022； 10.1556/2006.2022.00013

• 下载图
• 将图形下载为PowerPoint幻灯片

表1。

针对特定互联网使用障碍的 ACSID-11 筛查项目（建议的英文翻译）。

Item	问题
IC1	在过去的 12 个月中，您是否难以跟踪活动的开始时间、活动时间、强度、在什么情况下进行或何时停止？
IC2	在过去的 12 个月中，您是否因为发现自己使用过多而想要停止或限制活动？
IC3	在过去的 12 个月中，您是否曾尝试停止或限制该活动但未能成功？
IP1	在过去的 12 个月中，您是否在日常生活中给予该活动的优先级高于其他活动或兴趣？
IP2	在过去的 12 个月中，您有没有因为活动而对以前喜欢的其他活动失去兴趣？
IP3	在过去的 12 个月里，您是否因为某项活动而忽略或放弃了您曾经喜欢的其他活动或兴趣？
CE1	在过去的 12 个月中，您是否继续或增加了活动，即使它已经威胁到或导致您与对您很重要的人失去关系？
CE2	在过去的 12 个月中，您是否继续或增加了活动，即使它在学校/培训/工作中给您带来了问题？
CE3	在过去的 12 个月中，您是否继续或增加了活动，即使它已导致您身体或精神上的不适/疾病？
FI1	想想你生活的方方面面，在过去的 12 个月里，你的生活是否受到了活动的明显影响？
MD1	想想你生活的方方面面，在过去的 12 个月里，这项活动是否给你带来了痛苦？

. IC = 控制受损； IP = 增加优先级； CE = 继续/升级； FI = 功能障碍； MD = 显着窘迫； 原始的德国项目可以在 附录A.

十项网络游戏障碍测试：IGDT-10 – ASSIST 版本

作为收敛效度的衡量标准，我们使用了十项 IGDT-10（Király等人，2017) 在扩展版本中。 IGDT-10 实施了互联网游戏障碍的九项 DSM-5 标准（美国精神病学协会，2013）。 在这项研究中，我们扩展了原始游戏特定版本，以便评估所有形式的特定互联网使用障碍。 为了实现这一点，并保持方法的可比性，我们还在此处的 ASSIST 示例中使用了多行为响应格式。 为此，对项目进行了修改，以便将“游戏”替换为“活动”。 然后针对参与者之前表示要使用的所有在线活动（从“游戏”、“在线购物”、“使用在线色情内容”、“使用社交网络”和“在线赌博”中选择）回答每个项目）。 每个项目，每项活动都以李克特三点量表进行评分（0 =“从不”，1 =“有时”，2 =“经常”）。 评分与 IGDT-10 的原始版本相同：如果响应为“从不”或“有时”，则每个标准的得分为 0，如果响应为“经常”，则得分为 1。 第 9 项和第 10 项代表相同的标准（即，“因参与网络游戏而危及或失去重要的人际关系、工作、教育或职业机会”），如果满足其中一项或两项，则计一分。 计算每项活动的最终总分。 它的范围可以从 0 到 9，分数越高表明症状严重程度越高。 关于游戏障碍，XNUMX分或以上表示临床相关性（Király等人，2017).

患者健康问卷 4：PHQ-4

患者健康问卷 4 (PHQ-4; 克伦克、斯皮策、威廉姆斯和洛威，2009) 是对抑郁和焦虑症状的简短测量。 它由来自广泛性焦虑障碍-7 量表和抑郁症 PHQ-8 模块的四个项目组成。 参与者应在从 0（“完全没有”）到 3（“几乎每天”）的四点李克特量表上指出某些症状的发生频率。 总分介于 0 到 12 之间，表示没有/最小、轻度、中度和重度心理困扰，分数分别为 0-2、3-5、6-8、9-12（Kroenke等，2009).

总体福祉

使用德语原始版本中的生活满意度短量表（L-1）评估一般生活满意度（Beierlein、Kovaleva、László、Kemper 和 Rammstedt，2015）以 11 点李克特量表回答，范围从 0（“完全不满意”）到 10（“完全满意”）。 单项量表得到了很好的验证，并且与评估生活满意度的多项量表密切相关（贝尔莱因等人，2015）。 我们还询问了健康领域的特定生活满意度（H-1）：“综合考虑，您最近对自己的健康满意吗？” 以相同的 11 分制回答（cf. 贝尔莱因等人，2015).

成果

在当前样本中，特定的互联网使用行为分布如下： 440 名 (45.9%) 个人（年龄： M = 43.59， SD = 14.66; 男性259人，女性180人，潜水员1人），944人（98.5%）从事网络购物（年龄： M = 47.58， SD = 14.49; 491 名男性，452 名女性，1 名潜水员），340 名（35.5%）个人使用在线色情（年龄： M = 44.80， SD = 14.96; 263 名男性，76 名女性，1 名潜水员），854 名（89.1%）个人使用社交网络（年龄： M = 46.52， SD = 14.66; 425 名男性、428 名女性、1 名潜水员）和 200 名（20.9%）个人从事在线赌博（年龄： M = 46.91， SD = 13.67; 125 名男性，75 名女性，0 名潜水员）。 少数参与者（n = 61; 6.3%）表示只使用一项活动。 大多数参与者（n = 841; 87.8%) 至少与社交网络一起使用过网上购物，其中 409 人 (42.7%) 还表示会玩网络游戏。 7.1 名 (XNUMX%) 的参与者表示会使用所有提到的在线活动。

鉴于游戏和赌博障碍是官方认可的两种由成瘾行为引起的障碍，并且考虑到我们样本中报告进行在线赌博的人数相当有限，我们将首先关注有关评估的结果ACSID-11 游戏障碍的标准。

验证性因素分析

假设的四因素模型

我们通过多个 CFA 测试了假设的 ACSID-11 的四因素结构，每个特定的互联网使用障碍一个，并分别用于频率和强度评级。 因素（1）控制受损，（2）优先级增加，和（3）继续/升级由各自的三个项目构成。 测量日常生活中的功能障碍和由于在线活动引起的显着痛苦的两个附加项目构成了附加因素（4）功能障碍。 数据支持 ACSID-11 的四因子结构。 拟合指数表明模型与 ACSID-11 评估的所有类型的特定互联网使用障碍的数据之间的良好拟合，即游戏障碍、在线购买购物障碍和社交网络使用障碍、在线色情使用障碍和在线赌博障碍（见 表3）。 关于网络色情使用障碍和网络赌博障碍，TLI 和 RMSEA 可能由于样本量小而存在偏差（胡和本特勒，1999年）。 应用四因子模型的 CFA 的因子载荷和残差协方差显示在 图。 2. 需要注意的是，一些模型显示出奇异的异常值（即，潜在变量的负残差或等于或大于 1 的相关性）。

表3。

ACSID-11 测量的特定（潜在）互联网使用障碍的四因素、一维和二阶 CFA 模型的拟合指数。

		游戏障碍
		频率					亮度
型号	df	CFI	TLI	SRMR	RMSEA	χ2/ df	CFI	TLI	SRMR	RMSEA	χ2/ df
四因素模型	38	0.991	0.987	0.031	0.051	2.13	0.993	0.990	0.029	0.043	1.81
一维模型	27	0.969	0.961	0.048	0.087	4.32	0.970	0.963	0.047	0.082	3.99
二阶因子模型	40	0.992	0.988	0.031	0.047	1.99	0.992	0.989	0.032	0.045	1.89

		网购障碍
		频率					亮度
型号	df	CFI	TLI	SRMR	RMSEA	χ2/ df	CFI	TLI	SRMR	RMSEA	χ2/ df
四因素模型	38	0.996	0.994	0.019	0.034	2.07	0.995	0.992	0.020	0.037	2.30
一维模型	27	0.981	0.976	0.037	0.070	5.58	0.986	0.982	0.031	0.056	3.98
二阶因子模型	40	0.996	0.994	0.021	0.036	2.19	0.994	0.992	0.023	0.038	2.40

		网络色情使用障碍
		频率					亮度
型号	df	CFI	TLI	SRMR	RMSEA	χ2/ df	CFI	TLI	SRMR	RMSEA	χ2/ df
四因素模型	38	0.993	0.989	0.034	0.054	1.99	0.987	0.981	0.038	0.065	2.43
一维模型	27	0.984	0.979	0.044	0.075	2.91	0.976	0.970	0.046	0.082	3.27
二阶因子模型	40	0.993	0.991	0.033	0.049	1.83	0.984	0.979	0.039	0.068	2.59

		社交网络使用障碍
		频率					亮度
型号	df	CFI	TLI	SRMR	RMSEA	χ2/ df	CFI	TLI	SRMR	RMSEA	χ2/ df
四因素模型	38	0.993	0.990	0.023	0.049	3.03	0.993	0.989	0.023	0.052	3.31
一维模型	27	0.970	0.963	0.048	0.096	8.89	0.977	0.972	0.039	0.085	7.13
二阶因子模型	40	0.992	0.989	0.027	0.053	3.39	0.991	0.988	0.025	0.056	3.64

		网络赌博障碍
		频率					亮度
型号	df	CFI	TLI	SRMR	RMSEA	χ2/ df	CFI	TLI	SRMR	RMSEA	χ2/ df
四因素模型	38	0.997	0.996	0.027	0.059	1.70	0.997	0.996	0.026	0.049	1.47
一维模型	27	0.994	0.992	0.040	0.078	2.20	0.991	0.989	0.039	0.080	2.28
二阶因子模型	40	0.997	0.996	0.029	0.054	1.58	0.997	0.995	0.029	0.053	1.55

. 样本大小因游戏而异（n = 440), 网上购物 (n = 944），在线色情使用（n = 340)，社交网络使用 (n = 854) 和在线赌博 (n = 200); ACSID-11 = 特定互联网使用障碍标准评估，11 项。

查看全尺寸

 

ACSID-11（频率）的四因子模型的因子载荷和剩余协方差用于（A）游戏障碍，（B）在线赌博障碍，（C）在线购买购物障碍，（D）在线色情使用障碍，和（E）社交网络使用障碍。  . 样本大小因游戏而异（n = 440), 网上购物 (n = 944），在线色情使用（n = 340)，社交网络使用 (n = 854) 和在线赌博 (n = 200); ACSID-11 的强度等级显示了类似的结果。 ACSID-11 = 特定互联网使用障碍标准评估，11 项； 值表示标准化因子载荷、因子协方差和残差协方差。 所有估计在 p <0.001。

引文：行为成瘾杂志 2022； 10.1556/2006.2022.00013

• 下载图
• 将图形下载为PowerPoint幻灯片

一维模型

由于不同因素之间的高度相关性，我们额外测试了所有项目加载在一个因素上的一维解决方案，如在 IGDT-10 中实施的那样。 ACSID-11 的一维模型显示出可接受的拟合，但具有 RMSEA 和/或 χ²/df 高于建议的截止值。 对于所有行为，与相应的一维模型相比，四因素模型的模型拟合效果更好（参见 表3）。 因此，四因素解似乎优于一维解。

二阶因子模型和双因子模型

解释高相关性的另一种方法是包含一个代表一般结构的一般因素，该一般结构由相关的子域组成。 这可以通过二阶因子模型和双因子模型来实现。 在二阶因子模型中，对一般（二阶）因子进行建模，试图解释一阶因子之间的相关性。 在双因素模型中，假设一般因素解释了相关领域之间的共性，此外，还有多个特定因素，每个因素对一般因素都有独特的影响。 这是建模的，因此每个项目都可以加载到一般因素以及其特定因素上，其中所有因素（包括一般因素和特定因素之间的相关性）都被指定为正交。 二阶因子模型比双因子模型更受约束，并且嵌套在双因子模型中（Yung, Thissen, & McLeod, 1999）。 在我们的样本中，二阶因子模型显示出与四因子模型相似的良好拟合（参见 表3）。 对于所有行为，四个（一阶）因素在（二阶）一般因素（见 附录B)，这证明了使用总分的合理性。 与四因子模型一样，一些二阶因子模型偶尔会显示异常值（即，潜在变量的负残差或等于或大于 1 的相关性）。 我们还测试了互补的双因子模型，这些模型显示出相当出色的拟合度，但是，并非所有行为都可以识别出模型（参见 附录C).

讨论和结论

该报告介绍了 ACSID-11 作为一种新工具，用于轻松、全面地筛查主要类型的特定互联网使用障碍。 研究结果表明，ACSID-11 适合在多方面的结构中捕捉 ICD-11 游戏障碍的标准。 与基于 DSM-5 的评估工具 (IGDT-10) 的正相关进一步表明了结构有效性。

CFA 的结果证实了 ACSID-11 假设的多因素结构。 这些项目非常符合代表 ICD-11 标准的四因素模型（1）控制受损，（2）优先级增加，（3）尽管有负面后果仍继续/升级，以及其他组成部分（4）功能障碍和显着的痛苦被认为与成瘾行为有关。 与一维解决方案相比，四因素解决方案显示出更好的拟合度。 与涵盖 ICD-11 游戏障碍标准的其他量表相比，量表的多维性是一个独特的特征（cf. King等人，2020; Pontes等，2021）。 此外，二阶因子模型（和部分双因子模型）的同样优越的拟合表明，评估四个相关标准的项目包含一般的“无序”结构，并证明使用总分是合理的。 以 ASSIST 为例，在线赌博障碍和由 ACSID-11 以多行为格式测量的其他潜在特定互联网使用障碍的结果相似，即在线购买-购物障碍、在线色情使用障碍、社交网络-使用障碍。 对于后者，几乎没有任何基于 WHO 标准的工具来对成瘾行为引起的疾病进行分类，尽管研究人员建议对每一种疾病进行分类（Brand等，2020; Müller等人，2019; Stark等，2018）。 新的综合措施，例如 ACSID-11，可以帮助克服方法上的困难，并能够系统地分析这些不同类型（潜在）成瘾行为之间的共性和差异。

ACSID-11 的可靠性很高。 对于游戏障碍，内部一致性与大多数其他工具相当或更高（cf. King等人，2020）。 内部一致性方面的可靠性对于 ACSID-11 和 IGDT-10 测量的其他特定互联网使用障碍也有好处。 由此我们可以得出结论，综合响应格式，例如 ASSIST (世卫组织 ASSIST 工作组，2002 年) 适用于对不同类型的行为成瘾进行联合评估。 在当前样本中，社交网络使用障碍的 ACSID-11 总分最高。 这与这种现象相对较高的流行率相吻合，目前估计个人主义国家为 14%，集体主义国家为 31%（Cheng, Lau, Chan, & Luk, 2021).

尽管评分格式不同，但 ACSID-11 和 IGDT-10 评分之间的中到大正相关表明收敛效度。 此外，ACSID-11 评分与 PHQ-4 测量抑郁和焦虑症状之间的中度正相关支持新评估工具的标准有效性。 该结果与之前关于（共病）精神问题与包括游戏障碍在内的特定互联网使用障碍之间关联的研究结果一致。三原和Hi口，2017; 但是看； Colder Carras, Shi, Hard, & Saldanha, 2020), 色情使用障碍 (达菲、道森和达斯奈尔，2016), 购买购物障碍 (Kyrios等，2018), 社交网络使用障碍 (安德烈亚森，2015）和赌博障碍（Dowling等，2015）。 此外，ACSID-11（尤其是在线赌博障碍和社交网络使用障碍）与生活满意度的测量值呈负相关。 这一结果与之前关于幸福感受损与特定互联网使用障碍症状严重程度之间关联的研究结果一致。Cheng, Cheung, & Wang, 2018; Duffy等人，2016; 杜拉多尼、因诺琴蒂和瓜齐尼，2020）。 研究表明，当多种特定的互联网使用障碍同时发生时，幸福感会特别受损（Charzyńska 等人，2021）。 特定互联网使用障碍的共同发生并不少见（例如， 伯利等人，2019; Müller等人，2021) 这可能部分解释了分别由 ACSID-11 和 IGDT-10 测量的疾病之间相对较高的相关性。 这强调了统一筛选工具的重要性，以更有效地确定由于成瘾行为导致的不同类型疾病的共性和差异。

当前研究的一个主要限制是非临床、相对较小且不具有代表性的样本。 因此，通过这项研究，我们无法显示 ACSID-11 是否适合作为诊断工具，因为我们还无法提供明确的截止分数。 此外，横截面设计不允许推断重测信度或 ACSID-11 与验证变量之间的因果关系。 该仪器需要进一步验证以验证其可靠性和适用性。 然而，这项初步研究的结果表明，它是一种很有前途的工具，可能值得进一步测试。 需要注意的是，不仅该仪器需要更大的数据库，而且整个研究领域都需要更大的数据库来确定这些行为中的哪些可以被视为诊断实体（cf. 格兰特和张伯伦，2016年）。 ACSID-11 的结构似乎运作良好，目前的研究结果证实了这一点。 四个特定因素和一般领域在不同行为中得到了充分体现，尽管每个项目都针对过去 11 个月中至少偶尔进行的所有指定在线活动进行了回答。 我们已经讨论过特定的互联网使用障碍可能同时发生，然而，这必须在后续研究中得到证实，这是 ACSID-11 评分在不同行为之间存在中度至高度相关性的原因。 此外，偶尔的异常值可能表明对于某些行为，模型规范需要优化。 使用的标准不一定与所有包含的潜在疾病类型同等相关。 ACSID-19 可能无法充分涵盖症状表现中的疾病特异性特征。 不同版本的测量不变性应使用新的独立样本进行测试，包括诊断出特定互联网使用障碍的患者。 此外，结果不代表一般人群。 数据大致代表德国的互联网用户，在数据收集时没有封锁； 尽管如此，COVID-XNUMX 大流行对压力水平和（有问题的）互联网使用有潜在影响（Király等人，2020）。 虽然单项 L-1 量表得到了很好的验证（贝尔莱因等人，2015)，（特定领域的）生活满意度可以在未来使用 ACSID-11 的研究中更全面地获得。

总之，ACSID-11 被证明适用于对（潜在的）特定互联网使用障碍的症状进行全面、一致和经济的评估，包括游戏障碍、在线购买购物障碍、在线色情使用障碍、社交网络- 基于 ICD-11 游戏障碍诊断标准的使用障碍和在线赌博障碍。 应进一步评估评估工具。 我们希望 ACSID-11 可能有助于对研究中的成瘾行为进行更一致的评估，并且它也可能在未来的临床实践中有所帮助。

资金来源

Deutsche Forschungsgemeinschaft（DFG，德国研究基金会）– 411232260。

作者的贡献

SMM：方法论、形式分析、写作——原稿； 电子战：概念化、方法论、写作——评论和编辑； AO：方法论，形式分析； RS：概念化，方法论； AM：概念化、方法论； CM：概念化、方法论； KW：概念化、方法论； HJR：概念化、方法论； MB：概念化、方法论、写作——审查和编辑、监督。

利益冲突

作者报告没有与本文主题相关的财务或其他利益冲突。

致谢

本文的工作是在德国研究基金会（DFG，德国研究基金会）资助的研究单位 ACSID，FOR2974 的背景下进行的 - 411232260。

补充材料

本文的补充数据可在网上找到 https://doi.org/10.1556/2006.2022.00013.