互联网使用对心理健康的影响是否归因于基于网络的内容或使用后的感知后果? 欧洲青少年纵向研究(2016)

发布于13.07.16中 Vol 3,No 3(2016):Jul-Sept

请引用: HökbyS,Hadlaczky G,Westerlund J,Wasserman D,Balazs J,Germanavicius A,MachínN,Meszaros G,Sarchiapone M,VärnikA,Varnik P,Westerlund M,Carli V

互联网使用对心理健康的影响是否归因于基于网络的内容或使用后的感知后果? 欧洲青少年纵向研究

JMIR Ment Health 2016; 3(3):e31

作者: 10.2196 / mental.5925

结论: 27417665

摘要

背景:青少年和年轻人是最常见的互联网用户之一,越来越多的证据表明他们的互联网行为可能会影响他们的心理健康。 互联网使用可能会影响心理健康,因为某些基于Web的内容可能令人痛苦。 无论内容如何,​​过度使用也可能产生负面后果,例如忽视保护性离线活动。

目标:本研究的目的是评估心理健康与(1)在互联网上花费的时间(2)相关的时间(3)花在不同基于网络的活动上的时间(社交媒体使用,游戏,赌博,色情使用,学校工作,新闻阅读和有针对性的信息搜索)和(XNUMX)参与这些活动的后果。

方法:从爱沙尼亚,匈牙利,意大利,立陶宛,西班牙,瑞典和英国的公立学校招募随机抽取的2286青少年样本。 收集并分析包括因特网行为和心理健康变量的问卷数据,并在4月后进行随访。

结果:横断面地,互联网上花费的时间和花在各种活动上的相对时间都预示着心理健康(P<.001),分别解释了1.4%和2.8%的差异。 但是,参与这些活动的后果是更重要的预测因素,可以解释11.1%的差异。 只有基于网络的游戏,赌博和针对性搜索具有心理健康影响,而这种影响不能完全由感知的后果来解释。 纵向分析表明,由于互联网使用造成的睡眠丧失(ß= .12,95%CI = 0.05-0.19, P当无法访问互联网时,=。001)和退出(负面情绪)(ß= .09,95%CI = 0.03-0.16, P<.01)是长期影响心理健康的唯一后果。 互联网使用带来的积极影响似乎根本与心理健康无关。

结论:一般而言,互联网使用的大小与心理健康呈负相关,但基于网络的特定活动在影响心理健康的方式,持续程度,方向和方向上有所不同。 互联网使用的后果(尤其是无法访问互联网时的睡眠丢失和退出)似乎比特定活动本身更能预测精神健康结果。 旨在减少互联网使用对心理健康的负面影响的干预措施可以针对其负面影响而不是互联网使用本身。

试用注册:国际标准随机对照试验编号(ISRCTN):65120704; http://www.isrctn.com/ISRCTN65120704?q=&filters=recruitmentCountry:Lithuania&sort=&offset= 5&totalResults = 32&page = 1&pageSize = 10&searchType = basic-search(由WebCite存档,网址为http://www.webcitation/abcdefg)

JMIR Ment Health 2016; 3(3):e31

DOI:10.2196 / mental.5925

关键词

介绍

抑郁和焦虑是青少年中最常见的两种精神疾病[13和自杀,这通常与这些疾病密切相关,是世界上第二大15-至29岁的死亡原因(交通事故后)[4]。 在过去的十年中,人们越来越关注青少年的心理健康和情感发展如何受到互联网使用的影响。 欧洲人口中几乎有80%是互联网用户,在某些国家,这一比例高于90%[5随着智能手机的使用越来越多,越来越多的人可以即时和持续地访问互联网。 超过90%的16-至24岁的欧洲人每年至少每周使用互联网,这一比例高于任何其他年龄组[6]。 虽然很难准确测量互联网上花费的时间,但大多数年轻人每天都会访问互联网,互联网已经成为他们生活中很好的一部分。 这导致了人们如何生活以及如何构建和维护社会关系和自我身份,寻求信息和享受娱乐的变化。

一项主要的研究将心理健康问题与所谓的互联网使用(或病态或强迫性互联网使用)联系在一起,这通常被概念化为类似于赌博成瘾和其他行为成瘾的冲动控制障碍。 有问题的互联网使用最常用和最有效的衡量标准,即网络成瘾测试(IAT)[7],是通过互联网使用特定的重新制定精神疾病诊断和统计手册第四版(DSM-4)病理性赌博障碍诊断标准(有关互联网使用测量问题的综述,见[8])。 因此,该筛查工具测量因特网使用的强制性方面导致临床损伤或困扰(例如,感觉专注于因特网;无法控制或减少因特网使用;在试图停止或减少因特网使用时感到情绪低落或抑郁;保持在线比预期更长;说谎过度使用互联网,等等)。 然而,由于测量,截止和分类程序在不同研究之间存在差异,因此没有标准化的方法来对有问题的因特网使用进行分类[89]。 除了诊断程序的这些差异之外,许多研究发现有问题的互联网使用与DSM轴I障碍有关,主要是抑郁症,但也有社交恐怖症和焦虑症,物质使用,注意力缺陷多动障碍,以及某些人格变量,如敌意[1013]。 有问题的互联网使用影响心理健康的假定机制部分与基于网络的活动花费的时间过长有关,导致忽视保护性的离线活动,如睡眠,体育锻炼,上学和离线社交活动,以及部分与退出症状有关,当这些活动无法获取时[9,14].

研究表明,某些个人的互联网使用的问题方面仅限于一个或几个特定的​​基于网络的活动(例如,游戏或社交媒体使用),而其他活动则没有问题[1517]。 尽管最近有一些证据表明IAT的因子结构[7]在测量赌博和游戏等特定活动中存在问题的参与方面是一致的[18],这导致了广泛存在问题的互联网使用与特定形式的有问题的互联网使用之间的区别。 例如,由于大多数互联网使用的研究都集中在有问题的基于网络的游戏上,并且许多研究已经发现游戏与严重的心理健康症状之间存在关联,因此这是有问题的互联网使用的唯一特定形式,已被考虑纳入在DSM-5中,广义有问题的互联网使用和其他特定形式没有[9,19].

因此,在调查互联网使用的心理健康影响时,区分活动是很重要的。 在某些情况下,它可能很重要,因为有问题的活动容易上瘾,例如基于网络的赌博(例如,基于网络的扑克,体育博彩,娱乐场旋转)[2023]。 在其他情况下,它可能很重要,因为内容本身可能通过产生特定的情绪,认知或行为反应来影响心理健康。 例如,1对社交媒体使用的研究表明,社交内容的被动消费会增加孤独感,而与朋友的直接交流则不会[24]。 另一个例子是执行信息搜索。 研究表明,年轻人,包括那些有精神健康问题的人,经常进行与其身心健康相关的有针对性的搜索[2527]。 根据他们发现的信息,这种行为可能会产生消极和积极的结果。 促进自我毁灭行为或自我伤害的网站内容可能特别令人担忧。 此外,青少年使用互联网进行越来越多的学校工作,因为学习成绩通常与更好的心理健康有关[28],为此目的使用互联网可能预测积极的心理健康,而不是从有问题的互联网使用角度预期[29,30]。 其他研究表明,某些类型的游戏(例如,大型多人在线角色扮演游戏)和玩这些游戏的某些动机(游戏内成就,社交,沉浸,放松和逃避现实)可以预测心理健康问题和问题游戏[3133]。 虽然之前的大部分研究都是相关的,但它表明,互联网的使用会通过所使用的活动或内容或使用互联网后的延迟后果影响心理健康。

本研究旨在调查青少年的心理健康状况是如何通过互联网上花费的时间和他们在7类型的互联网活动中的参与程度来预测的:​​社交媒体使用,游戏,赌博,色情观看,新闻阅读或观看,与学校相关的活动或工作,以及与学校或工作无关的有针对性的信息搜索。 其次,该研究还测试了这些影响是否会通过使用这些基于网络的活动的感知后果来维持或解释。 我们调查了负面后果(例如,退出,睡眠丧失)和积极后果(例如,享受,寻找新朋友)的影响。 除了对横断面数据进行这些分析外,我们还测试了这些影响是否能预测4月内心理健康的变化。

方法

学习规划

通过基于互联网和媒体的心理健康促进(SUPREME)试验(Current Controlled Trials ISRCTN65120704)收集数据作为预防自杀的一部分。 该研究由爱沙尼亚,匈牙利,意大利,立陶宛,西班牙,瑞典和英国的精神卫生研究中心合作开展。 作为该项目的一部分,在2012-2013中进行了随机对照纵向研究,以评估基于网络的心理健康干预网站,该网站在这些国家的选定区域随机选择的青少年样本中进行了测试。 学校的入选标准是:(1)学校当局同意参加; (2)学校是州立学校(即非私立学校); (3)学校至少包含100-14年龄范围内的16学生; (4)学校为2年龄的学生提供超过15的教师; (5)不超过60%的学生是性别。 参与者根据学校从属关系进行整群随机化,进入全干预条件(可访问干预网站)或最小干预对照组(无需访问干预网站),并在基线时进行评估问卷调查。在2和4的几个月的随访中。 调查问卷包括有关其互联网习惯,心理健康和自杀行为以及与评估相关的其他变量的问题。 这项研究做到了 不能 旨在评估基于网络的干预的任何影响,而是探索与心理健康问题相关的因特网风险因素。

参与者成员

受试者是从每个国家的预定义区域随机选择的公立学校的注册学生:西维鲁县(爱沙尼亚),布达佩斯(匈牙利),莫利塞(意大利),维尔纽斯市(立陶宛),巴塞罗那市(西班牙),斯德哥尔摩县(瑞典) )和英格兰东部(英国)。 这些地区的符合条件的公立学校被随机安排成联系令,联系学校的顺序,并要求他们参加。 如果学校拒绝了,列表中的下一所学校就会被联系。 如果学校接受了参与,一组研究人员前往学校,并通过口头和同意书向学生介绍研究的背景,目标,目标和程序。 由于研究程序包括筛查自杀青少年,参与并非完全匿名,但参与者的身份在问卷中加密。 所有同意参加的学生(以及根据该地区的道德规范从父母中的一方或双方)获得书面同意。 该研究得到了所有参与国的伦理委员会的批准。

抽样程序导致参加基线的2286青少年总数(爱沙尼亚= 3学校,416参与者;匈牙利= 6学校,413参与者;意大利= 3学校,311参与者;立陶宛= 3学校,240参与者;西班牙= 3学校,182参与者;瑞典= 9学校,337参与者;英国= 3学校,387参与者)。 在参与者中,1571(68.72%)被随机分配到完全干预组,715(31.27%)被随机分配到最小干预组。 该研究中有一个显着的辍学率。 在总样本中,停止参与的受试者的数量包括T467和T20.42之间的1瞳孔(2%)和T244和T13.41之间的2瞳孔(3%)。 如果受试者至少参加过T1和T3,则将受试者纳入纵向分析,但不需要参加T2。 这导致1544受试者的纵向样本,56%女性和平均年龄15.8年(标准差,SD = 0.91年)。

互联网使用措施

本研究专门构建了互联网行为和用途的衡量标准。 这包括衡量互联网使用规律性的项目(例如,每月使用互联网一次,每周使用一次)和一周内在互联网上花费的小时数。 参与者还被要求评估他们在使用互联网时花费多少时间在7上进行的不同活动(社交,游戏,学校或工作相关活动,赌博,新闻阅读或观看,色情内容以及与学校无关的定向搜索或工作)。 参与者将这些活动评为7点量级(1 =我花很少或没有时间做这个; 7 =我花了很多时间做这个)。 最后一组项目要求参与者评估参与所述活动的自我感知后果。 要求参与者评估各种后果适用于他们的程度,但是 仅由 与他或她在相当程度上从事的活动有关(以前被评为≥4)。 参与者在7点量表(1 =很少或从不; 7 =非常频繁)评分,发生以下后果:“我找到新朋友”; “我很开心”; “我学到了有趣的东西”; “我的在线时间比预期的要长”; “我选择了这些活动,而不是和朋友们一起出去玩(在现实生活中)”; “我熬夜睡不着觉”; “当我无法进行上述活动时,我感到沮丧或情绪低落”。 参与者还评估了他们的互联网使用如何影响他们的工作表现或学校成绩(1 =我的工作或成绩受到影响; 4 =完全不受影响; 7 =我的工作或成绩提高)以及是否被认为有助于他们的生活意义( 1 =意义不大; 4 =同样有意义,没有它们; 7 =更有意义)。

为了清楚起见,我们将这些后果中的一些称为“积极的”(寻找新朋友;获得乐趣;学习有趣的东西),因为它们是互联网使用的结果,并不一定意味着上瘾的行为,并且可以预期导致更好的心理健康(如果有的话)。 我们将其他后果称为“消极”(在互联网上停留时间超过预期;选择基于网络的活动而不是离线社交活动;熬夜和失眠;当无法访问基于Web的活动时感到情绪化),因为他们提出了症状有问题的互联网使用,因此可能会导致心理健康状况不佳。 例如,这些负面后果类似于IAT中包含的那些[7]和Petry等人的互联网游戏障碍测量建议[9]。 最后,一些后果被认为是“双向的”(我的工作或成绩改善/受苦;我的生活变得越来越有意义),因为受试者可以对它们进行负面或正面评价或者表示根本没有变化。

心理健康措施

参与者的抑郁,焦虑和压力水平通过构成3项目版本的42分量表进行评估。 抑郁焦虑压力量表 (DASS-42)[34]。 每个子量表由14语句组成,这些语句根据过去一周应用于该人的语句在4点李克特量表上进行评分。 量表旨在衡量抑郁症的消极情绪状态(烦躁不安,绝望,生活贬值,自我贬低,缺乏兴趣或参与,快感和惯性),焦虑(自主觉醒,骨骼肌效应,情境焦虑和主观)焦虑情绪的体验),压力或紧张(放松困难,神经兴奋,容易沮丧或烦躁,易怒或过度反应,不耐烦)。 已经调查了这种量表的心理测量特性的研究报告了健康和临床人群中可靠性和有效性测量的令人满意的结果[3437],也可以通过互联网进行管理[38]。 然而,有报道称青少年与成人相比,3因子之间的差异较小,且相关性较高[39,40]。 根据基线数据计算的Cronbach alpha(抑郁症α= .93;焦虑症α= .89;压力α= .91),量表在本样本中表现出高内部一致性。 由于一些参与者没有对所有比例项目做出回应,因此每个等级的最终得分是通过将总得分除以他们回答的项目数来计算的。 仅排除50%缺失数据或更多数据的参与者。 量表彼此高度相关(抑郁症×焦虑症: r= .76; 抑郁症×压力: r= .79; 焦虑×压力: r= .78; 所有 P 值<.001),并且合并的42项量表显示出很高的内部一致性(alpha = .96)。 由于构造之间的相对相关性较高,并且为了简化分析,将这三个量表合并为一种心理健康度量。

程序

所有的学习程序都在教室或计算机房的各个学校进行。 如果学校能够在收集数据时为所有学生提供计算机,则问卷以纸笔形式或使用基于网络的调查工具进行管理。 问卷包含用于筛查自杀青少年的项目(The Paykel Suicide Scale [41]),筛选程序在每轮数据收集后的24小时内进行。 因此,参与不是完全匿名的; 然而,受试者的身份是使用个人“参与代码”加密的,这些代码写在问卷上而不是参与者的姓名上。 这些代码与学生的身份相关联,仅用于纵向连接数据并联系高风险的自杀青少年(紧急情况)以提供帮助。 如果受试者在过去的2周内回答他们有严重的预期,计划或尝试自杀,则将受试者定义为紧急病例。 处理风险案件的确切程序因国家而异,取决于区域道德准则和可用的帮助资源。 紧急情况被排除在数据分析之外(n = 23)。 在SUPREME项目中测试的干预是在基线数据收集后进行的,并在后面进一步描述 多媒体附录1.

数据分析

在该研究中进行了两项主要分析:1横断面分层多元回归分析和1纵向分析。 由于上限效应,分析中忽略了因特网使用频率的测量(90%的参与者报告每天至少使用一次因特网)。 因此,剩余的预测变量是自我报告的在线每周小时数,7活动的评级以及因特网使用对9影响的评级。 复合DASS评分是这些分析中的因变量(统计假设的测试在中描述 多媒体附录1)。 在横断面回归中,使用T1的互联网行为来预测T1的心理健康。 纵向回归分析通过互联网行为的变化预测了总体DASS的变化(T1和T3之间的得分差异)。 本研究仅关注最长的随访。 性别,年龄和实验条件作为控制变量包括在第一个模型中。 在第二个模型中增加了在Internet上花费的时间,在第三个模型中增加了活动评分,在第四个模型中增加了结果评分。 此外,由于仅在参与者进行至少一项在线活动超过> 3阈值时,才指示参与者对感知到的后果进行评分,因此少数(n = 82; 5%)分数超过或低于T1和T3之间阈值的受试者,用于计算差异分数的数据不完整。 但是,敏感性分析表明,就DASS得分或平均在线活动得分的平均纵向变化量而言,这些受试者与其他病例之间没有统计学上的显着差异。

 

成果

描述性结果

可以为42参与者计算DASS-2220分数。 总DASS分数介于0-3点之间,其中较高的分数表示更多的心理健康问题。 男性,女性和总样本的平均基线得分列于 表1。 在所有心理健康指标上,女性的得分显着高于男性(表1)。 在总样本中,1848参与者(83.24%)具有低于1的平均DASS分数,并且314(14.1%)具有1和1.99之间的分数,并且58(2.6%)具有2或以上的分数。 在DASS分数中,各国之间存在微小但显着的差异(F(6,2213)= 9.28,η2部分的= .02, P<.001)。 在4个月的研究期内,DASS得分的平均变化为-0.15(SD = 0.42),这表明随着时间的推移有所下降。 退出研究的参与者在T1和T3之间的基线DASS分数要比坚持研究的参与者高(均值= 0.10; t(2218)= 4.068; P<.001)。

表1 还总结了在互联网上花费的平均报告时间,活动评级和基线后果评级。 该表总结了每周在互联网上花费的平均小时数是17.23,样本中差异很大,而且男性在互联网上花费的时间比女性多一点。 青少年最常见的是将互联网用于社交目的,其次是学校或工作,有针对性的搜索,游戏,新闻阅读或观看,色情观看和赌博,尽管这些活动存在明显的性别差异。

 

 

 

   

表1。 基线时心理健康和互联网使用措施的描述性结果(平均值和标准偏差)。
查看此表

 

  

横截面回归分析

横断面分层多元回归分析用于通过T1的因特网使用来预测T1的DASS分数。 包含控制变量(性别,年龄,实验条件)的第一个模型非常重要(F(3,1683)= 26.40, P<.001)并说明 R2ADJ=精神病理学方差的4.3%。 第二个模型(在互联网上花费的时间)对预测做出了重大贡献(F 更改(1,1682)= 26.05, P<.001)减少1.4%,导致总计 R2ADJ= 5.7%解释了方差。 第三个模型(花在活动上的相对时间)对预测做出了重大贡献(F 更改(7,1675)= 8.29, P<.001)减少2.8%,导致总计 R2ADJ= 8.5%解释了方差。 第四个模型(互联网使用的后果)对预测做出了重大贡献(F 更改(9,1666)= 26.80, P<.001)11.1%。 最终产生了总计 R2ADJ= 19.6%解释了方差,其中15.3%由互联网相关因素计算。 调整后的 R2 在分析的每个步骤继续增加,表明模型没有过度装配。 由于所有变量都具有高于0.5的容差,因此没有迹象表明存在问题共线性。 回归分析的结果,包括每个模型中每个预测因子的标准化β系数(ß),总结如下 表2.

表2 总结说性别是唯一重要的控制变量,而年龄和实验条件则不然。 在互联网上自行报告的平均小时数是2和3型号中较高DASS分数的重要预测因素,但在第四种模型中考虑因特网使用后果时则不然。 各个基于Web的活动的效果大小(ß)在.05和.13之间变化。 将互联网用于社交目的是3模型中DASS评分的重要预测因子,但在模型4中则不然,这表明与互联网社交相关的风险是由研究中测量的结果所导致的。 基于网络的游戏遵循相反的模式,因为此活动不是3模型中DASS的重要预测因子,而是在第四模型中变得显着。 负β值表明基于网络的游戏是与心理健康相关的保护因素。 在互联网上进行学校或工作活动也是第三种模式中精神病理学的重要保护因素,但在考虑因特网使用的后果时却不是。 在3和4两个模型中,基于网络的赌博是提高DASS分数的重要风险因素。 在任何一种模式中,消费新闻内容与DASS没有显着关联。 在互联网上查看色情内容只是模型3中的一个重要风险因素,而不是模型4,因此是因特网使用的后果所致。 在互联网上进行有针对性的搜索与3和4两种模型中的DASS分数显着且强烈正相关,具有最大的活动效果。 关于互联网使用的后果,寻找新朋友,学习有趣的事情和玩乐并不能预测模型4中的DASS分数。 因此,这些“积极”后果似乎并不是保护因素。 然而,被认为增加生活意义或改善学校或工作表现的互联网使用是一个重要的保护因素。 “负面”后果是DASS分数更强大的预测因素。 尽管在互联网上停留的时间比预期的要长,但这并不是一个重要的预测指标,“我选择这些活动而不是和朋友一起出去玩”,“我熬夜睡不着觉”,“我感到沮丧或情绪低落”无法获得上述活动“是非常重要的风险因素,效应大小(ß)介于.12和.22之间

 

  

表2。 横断面分层多元回归分析的结果。 为每个模型中的每个预测变量提供统计数据。
查看此表

 

  

纵向回归分析

纵向层次多元回归分析用于通过互联网使用的变化来预测整体精神病理学的变化(T1和T3之间的得分差异)。 由于所有变量的公差值均高于0.7,因此模型中没有表明存在问题的共线性水平。 包含控制变量(性别,年龄,实验条件)的第一个模型不显着(F(3,981) <1, P= .59),也不是第二个模型(在互联网上花费的时间; F 更改(1,980) <1, P= .95)。 第三个模型(花在活动上的相对时间)对预测做出了重大贡献(F 更改(7,973)= 2.25, P<.03)通过 R2ADJ= 0.7%解释了方差。 这一贡献可归因于新闻观看,其中从T1到T3的新闻观看增加与DASS分数的增加相关(ß= .07,95%CI = 0.00-0.13, P= .049)。 所有其他基于网络的活动都没有意义(P≥.19)在此型号中。 第四个模型(互联网使用的后果)对预测做出了重大贡献(F 更改(9,964)= 3.39, P<.001)减少2.1%,导致总计 R2ADJ= 2.8%解释了方差。 新闻消费在这里变得无关紧要(P= .13)。 第四种模式的贡献归因于2的负面后果。 陈述“我熬夜失眠”(ß= .12,95%CI = 0.05-0.19, P= .001)和“当我无法访问上述活动时,我感到沮丧或情绪低落”(ß= .09,95%CI = 0.03-0.16, P<.01)是此模型中的重要预测指标。 所有其他预测变量均无意义(生活改变的意义: P= .10; 其他变量了 P 价值高于那个)。

因此,据报道,互联网使用会导致熬夜和失眠(“睡眠不足”)并在无法访问时产生消极情绪(“退出”)是唯一一致预测心理健康纵向变化的变量。 为了进一步研究这些负面后果,计算了2标准的多元回归,以通过在互联网上花费的时间和不同的基于Web的活动的变化来预测每个变量的纵向变化。 预测睡眠损失的回归模型显着(F(8,1120)= 5.76, P<.001, R2ADJ= 3.3%解释方差)预测退出的回归也是如此(F(8,1125)= 11.17, P<.001, R2ADJ= 6.7%解释了方差)。 这些回归的系数总结如下 表3表4表3 总结说,增加睡眠损失的最强预测因素是学校或工作活动的减少,其次是游戏,目标搜索,色情观看和在线时间的增加。 社交活动,赌博和新闻观看与睡眠损失的变化无显着关系。 表4 总结说,退出变化的最强预测因素是赌博活动,其次是在互联网上花费的总时间,色情观看和游戏。 社交活动,学校或工作,新闻观看和有针对性的搜索的变化与退出的变化没有显着关联。

 

 

 

   

表3。 多元回归分析的结果通过互联网使用的变化预测“睡眠损失”的变化。
查看此表

 

 

 

   

表4。 多元回归分析的结果通过互联网使用的变化预测“退出”的变化。
查看此表

 

 

 

   

讨论

横断面调查结果

这项研究的目的是确定与互联网相关的心理健康问题的风险和保护因素,并测试花在互联网上的时间和各种基于网络的活动的影响是否可以通过这些问题的一些感知后果来解释。活动。 通过检查青少年的一般心理健康(抑郁,焦虑和压力或紧张的综合水平)与互联网相关行为之间的关联进行调查,这些行为在4月期间横断面和纵向。

横断面结果显示,基线时互联网相关行为预测了心理健康(15.3%解释了调整模型中预测因子数量后的方差)。 个别效果大小相当小(标准化ß= .05-.22)。 在互联网上花费的时间比大多数个人活动产生的影响更大,但互联网使用的后果解释了DASS分数的最大差异(11.1%)。 其中,3负面后果的4是最重要的预测因素(偏好基于网络的活动而不是离线社交活动,睡眠损失和退出),而积极的后果并不显着。 被认为可以提高生活意义或提高学校成绩或工作表现的互联网使用与更好的心理健康相关,但效果小于负面后果。

此外,结果显示,在没有考虑到后果的情况下,花在互联网上的时间,社交媒体的使用,色情观看以及学校或工作活动只是重要的预测因素,这表明这些活动的心理健康影响是由后果。 另一方面,基于网络的博彩,赌博和有针对性的搜索是心理健康的重要预测因素,即使在控制感知后果时也是如此,这表明这些活动的内容与感知后果相比在心理健康方面相对重要。 。 总之,这些结果表明,在这项研究中测量的所有基于网络的活动都可以预测心理健康,但只有一些活动似乎具有足够大的基于内容的效果,可以在完全调整的模型中检测到。 其他活动似乎只通过其感知后果影响心理健康,主要是偏好基于网络的互动,失眠和退出。 由于这些负面后果表明互联网使用有问题[9,14],从有问题的互联网使用角度来看,他们对心理健康的影响相对较大。 然而,应该指出,感知后果可能与实际后果不同。

纵向发现

以前的研究已将睡眠不足​​和戒断症状与精神健康问题和互联网使用问题联系起来[9,12,4245]。 本研究中的纵向分析同样表明,睡眠丧失和戒断(当内容无法进入时的消极情绪)预测心理健康随时间的变化(2.1%解释方差),事实上,这些是长期内这样做的唯一变量。术语。 互联网和各种活动所花费的时间的纵向变化并不能直接预测心理健康的变化,而是通过预测睡眠丧失和退缩的变化而产生间接影响(3.3%和6.7%分别解释了方差)。 这表明在互联网上花费的时间和观看的内容可以预测心理健康,主要是因为它们预测了负面的感知后果,例如睡眠不足和退缩。 这种解释符合有问题的互联网使用方法,并且还支持在有问题的互联网使用的广义和特定形式之间进行区分(例如,[1517]),因为活动确实与负面后果不同。 它还表明旨在减少互联网使用对心理健康的负面影响的干预措施可以针对消极后果而不是互联网使用本身。 例如,干预可以集中于确保活动不会干扰睡眠,而不是减少在某项活动上花费的时间。 但是,对于某些类型的互联网使用,例如赌博,特定于活动的干预可能更有效。

一般讨论;一般交流

这项研究的结果证实,有问题(或不健康)的互联网使用不能简单地等同于高强度或频繁使用互联网。 首先,虽然发现在互联网上花费的时间与心理健康呈负相关,但是一些活动,如学校工作,却是积极相关的。 其次,在考虑到互联网使用的感知后果之后,花在互联网上的时间并不是心理健康的独立风险因素,强调互联网使用本质上并不是有害的。 即使涉及特定的活动,例如游戏,这种关系也可能很复杂。 以前的研究已经确定游戏对心理健康有负面影响(例如,[12,29]),而在这项研究中,效果是积极的。 大多数发现负面游戏效果的研究通常只调查有问题的游戏。 因此,游戏在某种程度上使用时似乎可能具有一些保护性能,但是当过度使用时,负面后果可能会使这些属性蒙上阴影。 例如,在这项研究中,我们发现尽管游戏具有积极的心理健康影响,但它可以显着预测睡眠丧失和退缩,而这又与心理健康问题有关。 与此相符,最近欧洲一项关于6-11年龄儿童游戏的研究发现,一旦控制了高使用率预测因子,游戏与心理健康问题没有显着关联,而是与较少的同伴关系问题和亲社会缺陷相关联。 [46].

一般互联网使用与心理健康之间的因果关系似乎也很复杂。 以前的作者已经承认,与互联网使用相关的风险可能反映了已经存在的疾病,这可能会对互联网的使用方式产生影响[4749]。 某些认知风格构成了以某种方式使用互联网的倾向,也可能影响心理健康。 例如,Brand等[50]表明有问题的互联网使用与互联网可用于积极影响情绪的期望相关联,在某些情况下,这可能是代表用户的错误假设。 令人失望的现实可能反过来加剧先前存在的心理健康问题。 在本研究中,进行有针对性的搜索(与学校或工作无关)与较高的DASS分数相关,并且具有比任何其他基于Web的活动更大的影响大小。 可能的解释是,遇到更多痛苦的人更容易使用互联网作为解决问题的工具[27]。 它还可以反映出依赖基于Web的资源来解决问题或疑虑的一般趋势,即使专业帮助更有用。 但是,由于健康问题不是互联网搜索的唯一可能目标,未来的研究将不得不进一步探索这一假设。

此外,虽然互联网相关的睡眠丧失被发现是心理健康的纵向预测因素,但是睡眠问题与抑郁症之间存在已建立的双向联系[51]以及一般的情绪和情感功能[52]。 因此,互联网使用相关的睡眠损失与心理健康之间的关系似乎也是互惠的。 因此,如果包括同时治疗合并症(包括抑郁症和睡眠障碍),旨在减少有问题的互联网使用的干预措施可能会更成功。 同样,之前的一些研究发现,有问题的赌博可以预测有关互联网使用的普遍问题,这表明上瘾的赌博和互联网使用有一些共同的病因[2023,53]。 我们的结果支持这种观点,因为赌博活动是感知退出的最强预测因素,这表明对有问题的互联网使用行为的处理也应该解决任何赌博问题。 然而,未来的研究必须更详细地研究哪些变量充当有害互联网使用的前兆(例如,人格,认知,情感和动机因素,以及现有的精神障碍)以及哪些变量充当结果和调解者。 由于某些人格领域可能构成戒断等风险因素的倾向,未来的研究应该调查这些非病理变量的中介作用。

在这项研究中,我们发现互联网使用对心理健康的感知积极后果没有影响,这可能是因为它们实际上是使用互联网的动机。 换句话说,参与者可能已经报告了他们希望的结果而不是实际发生的结果。 Sagioglou和Greitemeyer [54]指出,不同互联网活动的自我报告结果的有效性可能有限,特别是在时间上遥远的情况下,在这种情况下,它可能反映了参与者认为其使用的合理动机。 当参与者被要求在使用基于Web的应用程序后立即对其进行评级时,可以获得更准确的度量,这在本研究中是不可能的。 未来的研究应该考虑将互联网使用的积极后果视为使用某些基于网络的内容(以健康或不健康的方式)而不是作为心理健康的直接预测因子的预测因子。

限制

本研究受限于用于估计参与者互联网使用的测量的性质。 有效性的一个问题涉及互联网使用的后果,不能假设它完全反映实际结果。 除了难以观察日常活动对自身健康和行为的影响之外,这一措施也可能特别容易受到回忆偏见和期望效应的影响。 因此,本研究仅旨在衡量感知后果。 也很难知道所感知的后果是由互联网行为还是某些第三因素产生,例如合并症。 本研究的另一个局限是我们没有对参与者使用的基于Web的内容进行深入测量。 因此,在将这些结果应用于更具体的内容时,应该谨慎行事; 例如,不同类型的游戏和社交网络活动可能对感知后果和心理健康产生不同的影响。 此外,我们的测量不包括任何有问题的互联网使用诊断工具。 如果我们考虑到互联网使用的更多负面后果或特定有问题的互联网使用标准,这可能会解释基于网络的活动的更大比例的影响。 最后,基线和随访测量之间存在显着的辍学率(34%),与横断面分析相比,这降低了纵向分析的统计功效。 此外,参与这项研究并非完全匿名,具有高自杀风险的参与者被排除在数据分析之外,这可能意味着一些具有最严重精神病理学的青少年没有参与分析。

结论

不同的基于Web的活动或内容可能对心理健康产生特定影响,即使在中等水平使用和调整互联网上花费的小时数时也是如此。 基于网络的活动在影响心理健康方面的持续性,多少和方向各不相同。 关于它们产生哪些负面后果的活动也有所不同,这些后果(尤其是睡眠丧失和戒断)似乎比活动本身更大程度地预测了心理健康结果。 因此,似乎花在互联网上的时间和基于网络的内容可以预测心理健康,主要是因为他们预测了这种负面后果。 这些结果强调了区分有问题的互联网使用的普遍形式和特定形式的重要性。 它还证实,互联网使用本质上并不是有害的,但它取决于人们参与的活动,以及它如何影响个人。 随着时间的推移,心理健康状况的变化似乎最好通过因特网相关的睡眠丧失和戒断的变化来预测,因此减少有害因特网使用的干预应该针对这种后果。 互联网使用的积极后果可能无法直接预测心理健康,但可能会预测过度或有问题地参与某些基于Web的活动的倾向。 然而,互联网使用与心理健康发病率之间的因果关系是复杂的,可能是互惠的,这意味着有问题的互联网使用的干预或治疗可能必须是多方面的,才能有效。

 

 

 

   

致谢

 

除J Westerlund之外的所有作者都参与了SUPREME项目的计划或执行阶段,包括随机对照试验,其中V Carli是首席研究员。 J Balasz,一个Germanavicius , M Sarchiapone,AVärnik和V Carli是各自国家SUPREME项目的现场领导或现场协调员。 SHökby和G Hadlaczky构思了目前的调查,进行了统计分析,并准备了J Westerlund作出重要贡献的手稿,并对其重要的知识内容进行了修改。 所有作者都审核并批准了最终稿件。 SUPREME项目由欧洲委员会健康与消费者执行机构(EAHC;拨款协议编号:60)和参与国家中心的2009.12.19%资助40%。

利益冲突

 

没有声明。

 


参考资料

  1. Merikangas KR,He JP,Burstein M,Swanson SA,Avenevoli S,Cui L等。 美国青少年的精神疾病终生患病率:《美国国家合并症调查复制-青少年补充》(NCS-A)的结果。 J Am Acad儿童Adolesc精神病学2010年49月; 10(980):989-XNUMX [免费全文[交叉引用[MEDLINE]
  2. Wittchen HU,Jacobi F,Rehm J,Gustavsson A,Svensson M,JönssonB,et al。 欧洲2010的精神障碍和其他大脑疾病的大小和负担。 Eur Neuropsychopharmacol 2011 Sep; 21(9):655-679。 [交叉引用[MEDLINE]
  3. Zahn-Waxler C,Klimes-Dougan B,Slattery MJ。 内化儿童和青春期的问题:前景,陷阱和理解焦虑和抑郁发展的进展。 Dev Psychopathol 2000; 12(3):443-466。 [MEDLINE]
  4. 世界卫生组织。 预防自杀:全球势在必行。 瑞士:世界卫生组织; 2014。
  5. 互联网世界统计。 2015年。欧盟网址中的互联网使用情况: http://www.internetworldstats.com/stats9.htm [访问2016-04-15] [WebCite缓存]
  6. 欧盟统计局。 2013。互联网使用情况统计信息-个人网址: http://ec.europa.eu/eurostat/statistics-explained/index.php/Internet_use_statistics_-_individuals [访问2016-04-15] [WebCite缓存]
  7. 年轻的KS。 互联网成瘾:一种新的临床疾病的出现。 网络心理学与行为1998年1月; 3(237):244-XNUMX。 [交叉引用]
  8. Laconi S,Rodgers RF,Chabrol H.网络成瘾的衡量标准:对现有尺度及其心理测量属性的评论。 人类行为中的计算机2014 Dec; 41:190-202 [免费全文[交叉引用]
  9. Petry NM,Rehbein F,Gentile DA,Lemmens JS,Rumpf HJ,MößleT,et al。 使用新的DSM-5方法评估互联网游戏障碍的国际共识。 成瘾2014 Sep; 109(9):1399-1406。 [交叉引用[MEDLINE]
  10. Kaess M,Durkee T,Brunner R,Carli V,Parzer P,Wasserman C,et al。 欧洲青少年的病理性互联网使用:精神病理学和自我毁灭行为。 Eur Child Adolesc Psychiatry 2014 Nov; 23(11):1093-1102 [免费全文[交叉引用[MEDLINE]
  11. Carli V,Durkee T,Wasserman D,Hadlaczky G,Despalins R,Kramarz E,et al。 病理性互联网使用与共病精神病理学之间的关联:系统评价。 精神病理学2013; 46(1):1-13。 [交叉引用[MEDLINE]
  12. King DL,Delfabbro PH,Zwaans T,Kaptsis D.澳大利亚青少年病理性互联网和视频游戏用户的临床特征和第一轴共病。 Aust NZJ Psychiatry 2013 Nov; 47(11):1058-1067。 [交叉引用[MEDLINE]
  13. Ko CH,Yen JY,Yen CF,Chen CS,Chen CC。 网络成瘾与精神疾病之间的关联:文献综述。 Eur Psychiatry 2012 Jan; 27(1):1-8。 [交叉引用[MEDLINE]
  14. 块JJ。 DSM-V的问题:网络成瘾。 Am J Psychiatry 2008 Mar; 165(3):306-307。 [交叉引用[MEDLINE]
  15. Montag C,Bey K,Sha P,Li M,Chen YF,Liu WY,et al。 区分广义和特定的网络成瘾是否有意义? 来自德国,瑞典,台湾和中国的跨文化研究的证据。 亚太精神病学2015 Mar; 7(1):20-26。 [交叉引用[MEDLINE]
  16. KirályO,Griffiths M,UrbánR,Farkas J,KökönyeiG,Elekes Z,et al。 有问题的互联网使用和有问题的在线游戏并不相同:来自具有全国代表性的大型青少年样本的发现。 Cyber​​psychol Behav Soc Netw 2014 Dec; 17(12):749-754 [免费全文[交叉引用[MEDLINE]
  17. van Rooij AJ,Schoenmakers TM,van de Eijnden RJ,van de Mheen D.强迫互联网使用:在线游戏和其他互联网应用的作用。 J Adolesc Health 2010 Jul; 47(1):51-57。 [交叉引用[MEDLINE]
  18. Khazaal Y,Achab S,Billieux J,Thorens G,Zullino D,Dufour M,et al。 网络游戏玩家和扑克玩家网络成瘾测试的因素结构。 JMIR Ment Health 2015 Apr; 2(2):e12 [免费全文[交叉引用[MEDLINE]
  19. 美国精神病学协会。 DSM5。 2013。互联网游戏障碍URL: http://www.dsm5.org/Documents/Internet%20Gaming%20Disorder%20Fact%20Sheet.pdf [访问2016-04-15] [WebCite缓存]
  20. Critselis E,Janikian M,Paleomilitou N,Oikonomou D,Kassinopoulos M,Kormas G,et al。 互联网赌博是互联网成瘾行为的预测因素。 J Behav Addict 2013 Dec; 2(4):224-230 [免费全文[交叉引用[MEDLINE]
  21. Phillips JG,Ogeil RP,Blaszczynski A.与赌博问题相关的电子兴趣和行为。 Int J Ment Health Addiction 2011 Oct 15; 10(4):585-596。 [交叉引用]
  22. Tsitsika A,Critselis E,Janikian M,Kormas G,Kafetzis DA。 互联网赌博与青少年互联网使用问题之间的联系。 J Gambl Stud 2011 Sep; 27(3):389-400。 [交叉引用[MEDLINE]
  23. Yau YH,Pilver CE,Steinberg MA,Rugle LJ,Hoff RA,Krishnan-Sarin S,et al。 有问题的互联网使用与问题 - 赌博严重程度之间的关系:来自高中调查的结果。 Addict Behav 2014 Jan; 39(1):13-21 [免费全文[交叉引用[MEDLINE]
  24. Burke M,Marlow C和LentoT。社交网络活动和社交福祉。 2010年发表于:SIGCHI关于计算系统中人为因素的会议论文集(CHI'10); 2010 Apr 10-15; 美国乔治亚州亚特兰大。 [交叉引用]
  25. Burns JM,Davenport TA,Durkin LA,Luscombe GM,Hickie IB。 互联网是青少年使用心理健康服务的场所。 Med J Aust 2010 Jun 7; 192(11 Suppl):S22-S26。 [MEDLINE]
  26. Horgan A,SweeneyJ。青年学生使用互联网获取心理健康信息和支持。 J精​​神卫生保健杂志2010年17月; 2(117):123-XNUMX。 [交叉引用[MEDLINE]
  27. Trefflich F,Kalckreuth S,Melgl R,Rummel-KlugeC。精神病患者的互联网使用对应于普通大众的互联网使用。 精神病学杂志2015年30月226日; 1(136):141-XNUMX。 [交叉引用[MEDLINE]
  28. DeSocio J,Hootman J.儿童的心理健康和学校成就。 J Sch Nurs 2004年20月; 4(189):196-XNUMX。 [MEDLINE]
  29. Gentile DA,Choo H,Liau A,Sim T,Li D,Fung D,et al。 年轻人使用病理性视频游戏:一项为期两年的纵向研究。 儿科2011 2月; 127(2):e319-e329。 [交叉引用[MEDLINE]
  30. Jackson LA,von Eye A,Witt EA,Zhao Y,Fitzgerald HE。 纵向研究互联网使用和视频游戏对学业成绩的影响以及性别,种族和收入在这些关系中的作用。 人类行为中的计算机2011 Jan; 27(1):228-239。 [交叉引用]
  31. KirályO,UrbánR,Griffiths M,ÁgostonC,NagygyörgyK,KökönyeiG,et al。 游戏动机在精神症状和有问题的在线游戏之间的中介效应:在线调查。 J Med Internet Res 2015; 17(4):e88 [免费全文[交叉引用[MEDLINE]
  32. Scott J,Porter-Armstrong AP。 多人在线角色扮演游戏对青少年心理社会幸福感的影响:回顾证据。 精神病学J 2013文章ID 464685。 [交叉引用]
  33. Zanetta Dauriat F,Zermatten A,Billieux J,Thorens G,Bondolfi G,Zullino D,et al。 玩的动机特别预测过度参与大型多人在线角色扮演游戏:来自在线调查的证据。 Eur Addict Res 2011; 17(4):185-189。 [交叉引用[MEDLINE]
  34. Lovibond PF,Lovibond SH。 消极情绪状态的结构:抑郁焦虑应激量表(DASS)与贝克抑郁和焦虑量表的比较。 Behav Res Ther 1995 Mar; 33(3):335-343。 [MEDLINE]
  35. Antony MM,Bieling PJ,Cox BJ,Enns MW,Swinson RP。 临床组和社区样本中抑郁焦虑压力量表的42项目和21项目版本的心理测量属性。 心理评估1998; 10(2):176-181。 [交叉引用]
  36. Crawford JR,Henry JD。 抑郁焦虑应激量表(DASS):大型非临床样本中的规范数据和潜在结构。 Br J Clin Psychol 2003 Jun; 42(Pt 2):111-131。 [交叉引用[MEDLINE]
  37. Page AC,Hooke GR,Morrison DL。 抑郁症临床样本中抑郁焦虑应激量表(DASS)的心理测量学特性。 Br J Clin Psychol 2007 Sep; 46(Pt 3):283-297。 [交叉引用[MEDLINE]
  38. Zlomke KR。 Penn State Worry Questionnaire(PSWQ)和抑郁,焦虑和压力量表(DASS)的互联网管理版本的心理测量属性。 人类行为中的计算机2009 Jul; 25(4):841-843。 [交叉引用]
  39. Duffy CJ,Cunningham EG,Moore SM。 简要报告:早期青少年样本中情绪状态的因子结构。 J Adolesc 2005 Oct; 28(5):677-680。 [交叉引用[MEDLINE]
  40. SzabóM。抑郁症焦虑应激量表(DASS-21)的简短版本:年轻青少年样本中的因子结构。 J Adolesc 2010 Feb; 33(1):1-8。 [交叉引用[MEDLINE]
  41. Paykel ES,Myers JK,Lindenthal JJ,Tanner J.一般人群中的自杀感受:流行病学研究。 Br J Psychiatry 1974 May; 124:460-469。 [MEDLINE]
  42. An J,Sun Y,Wan Y,Chen J,Wang X,Tao F.有问题的互联网使用与青少年的身心症状之间的关联:睡眠质量的可能作用。 J Addict Med 2014; 8(4):282-287。 [交叉引用[MEDLINE]
  43. Caplan SE。 对在线社交互动的偏好:有问题的互联网使用和社会心理健康的理论。 通信研究2003; 30(6):625-648 [免费全文[交叉引用]
  44. Lam LT。 互联网游戏成瘾,互联网问题使用和睡眠问题:系统评价。 Curr Psychiatry Rep 2014 Apr; 16(4):444。 [交叉引用[MEDLINE]
  45. Lee BW,Stapinski LA。 在互联网上寻求安全:社交焦虑与有问题的互联网使用之间的关系。 J焦虑紊乱2012 Jan; 26(1):197-205。 [交叉引用[MEDLINE]
  46. Kovess-Masfety V,Keyes K,Hamilton A,Hanson G,Bitfoi A,Golitz D,et al。 是否花时间玩视频游戏与幼儿的心理健康,认知和社交技能相关? Soc Psychiatry Psychiatr Epidemiol 2016 Mar; 51(3):349-357。 [交叉引用[MEDLINE]
  47. 霍尔顿C.精神病学。 行为成瘾在提议的DSM-V中首次亮相。 Science 2010 Feb 19; 327(5968):935。 [交叉引用[MEDLINE]
  48. Pies R. DSM-V是否应该将“网络成瘾”称为精神障碍? 精神病学(Edgmont)2009 2月; 6(2):31-37 [免费全文[MEDLINE]
  49. Shaffer HJ,Hall MN,Vander Bilt J.“电脑成瘾”:一个重要的考虑因素。 Am J Orthopsychiatry 2000 Apr; 70(2):162-168。 [MEDLINE]
  50. 品牌M,Laier C,Young KS。 网络成瘾:应对方式,预期和治疗意义。 Front Psychol 2014 Nov; 5:1256 [免费全文[交叉引用[MEDLINE]
  51. Riemann D,研讨会参与者。 睡眠障碍的有效管理能否减轻抑郁症状和抑郁症的风险? 药物2009; 69 Suppl 2:43-64。 [交叉引用[MEDLINE]
  52. Watling J,Pawlik B,Scott K,Booth S,Short MA。 睡眠缺失和情感功能:不仅仅是情绪。 Behav Sleep Med 2016可能9:1-16 Epub提前打印。 [交叉引用[MEDLINE]
  53. Dowling NA,Brown M.与赌博问题和互联网依赖相关的心理因素的共性。 Cyber​​psychol Behav Soc Netw 2010 Aug; 13(4):437-441。 [MEDLINE]
  54. Sagioglou C,Greitemeyer T. Facebook的情感后果:为什么Facebook导致情绪下降以及为什么人们仍在使用它。 人类行为中的计算机2014 Jun; 35:359-363。 [交叉引用]

 


缩略语

DASS: 抑郁焦虑压力量表
DSM: 精神疾病诊断与统计手册
我在: 网络成瘾测试
最高: 通过互联网和基于媒体的心理健康促进预防自杀

由J Torous编辑; 提交29.04.16; V Rozanov同意评论,B Carron-Arthur,T Li; 评论作者31.05.16; 修订版收到14.06.16; 接受15.06.16; 发布了13.07.16

©SebastianHökby,GergöHadlaczky,Joakim Westerlund,Danuta Wasserman,Judit Balazs,Arunas Germanavicius,NúriaMachín,Gergely Meszaros,Marco Sarchiapone,AiriVärnik,Peeter Varnik,Michael Westerlund,Vladimir Carli。 最初发表于JMIR Mental Health(http://mental.jmir.org),13.07.2016。

这是一份根据知识共享署名许可(http://creativecommons.org/licenses/by/2.0/)条款分发的开放获取文章,允许在任何媒体中不受限制地使用,分发和复制,前提是原件最初发表在JMIR心理健康杂志上的作品被正确引用。 必须包含完整的书目信息,http://mental.jmir.org/上原始出版物的链接以及此版权和许可证信息。