（原因）关于合并症和自我概念相关特征的健康，有问题和上瘾的互联网使用之间的联系（2018）

J Behav Addict。 2018 Feb 15：1-13。 doi：10.1556 / 2006.7.2018.13。

LeménagerT¹, 霍夫曼S.¹, 迪特尔¹, 莱因哈德一世², 曼恩K.¹, 基弗弗¹.

https://doi.org/10.1556/2006.7.2018.13

抽象

背景

上瘾的互联网用户的合并症发病率更高，例如注意力缺陷多动障碍（ADHD），抑郁症和焦虑症。 此外，在上瘾的互联网游戏玩家和社交网络用户中发现了与自我概念相关的特征的缺陷。 这项研究的目的是检查关于合并症和自我概念相关特征的健康，有问题和成瘾的互联网使用之间的联系。 在没有基础诊断的情况下，最近出现的多动症样症状与上瘾的互联网使用之间的关联也得到了检查。

方法

n = 79名健康对照者， n = 35个有问题的 n =对93名上瘾的互联网用户进行了合并症，社交和情感能力，身体形象，自尊和感知压力的评估。 除了多动症的诊断外，还评估了最近出现的多动症样症状。

成果

上瘾的使用者表现出更多与自我概念相关的缺陷和更高的合并症，抑郁症和焦虑症的合并症。 上瘾和有问题的用户表现出B群人格障碍患病率的相似性，以及与情绪智力相关的特征水平下降。 与没有ADHD症状的患者相比，最近出现类似ADHD症状的参与者在终生和当前的互联网使用严重程度方面得分更高。 最近发展为ADHD症状的上瘾参与者与没有任何症状的人相比，显示出更高的终身互联网使用严重程度。

结论

我们的研究结果表明，B群人格障碍和情绪智力中的病前问题可能在问题和上瘾的互联网使用之间建立联系。 此外，这些发现首次表明上瘾的互联网使用与ADHD样症状有关。 因此，应根据可能上瘾的互联网使用的背景来评估ADHD的症状。

关键词： 有问题和上瘾的互联网使用, 合并症, 多动症的症状, 自我概念

介绍

由于加速数字化，特别是关于便携式数字设备，因特网可随时随地访问。 因此，在过去三十年中全球互联网使用量急剧增加并不特别令人惊讶（互联网世界统计）。 德国的一项调查显示，在2015中，44.5万人每天使用互联网，3.5万人（8.5％）比上一年多（蒂珀尔特和库珀施密特，2015年）。 除了互联网令人愉快的方面，近年来网络成瘾的发生率似乎有所增加（三原和Hi口，2017; Rumpf等人，2014年).

尽管在第五版中包含了“网络游戏障碍” 精神疾病诊断与统计手册 （DSM-5; 美国精神病学协会，2013）“作为一种需要更多临床研究和经验的条件才可能被考虑作为一种形式的混乱包含在主书中”，关于是否上瘾使用其他互联网应用，如社交网络和网上购物，仍然存在争议。可被视为临床相关性足以包括在诊断临床分类中。 与DSM相比，ICD-11 Beta Draft（世界卫生组织，2015）建议直接在术语“由于使用毒品或上瘾的行为引起的疾病”下定义游戏障碍（即“数字游戏”或“视频游戏”）。 该草案还建议在“由于成瘾行为而导致的其他特定疾病”部分下，对其他应用程序的成瘾性Internet使用进行分类（例如，成瘾性社交网络使用）。

上瘾的互联网使用与心理和认知问题有关，例如注意力不集中，学校和工作表现下降，以及睡眠障碍和社交退缩（Lemola，Perkinson-Gloor，Brand，Dewald-Kaufmann和＆Grob，2015年; 泰勒（Taylor），帕塔拉（Pattara-angkoon），西里拉特（Sirirat）和伍兹（2017）; Upadhayay＆Guragain，2017年; Younes等人，2016年）。 hikikomori综合症（即，社交退缩，在自己的家中自食其力，并且没有参加社会六个月或更长时间）也与互联网消费的增加有关，但仍不清楚hikikomori是否可以被视为独立疾病或与其他精神疾病密切相关的临床症状（蒂普（Stip），蒂博（Thibault），博尚·查特（Beauchamp-Chatel）和吉塞莉（Kisely），2016).

以前的网络成瘾解释模型，如品牌及同事的人 - 情感 - 认知 - 执行（I-PACE）模型，表明先前的精神病理特征和功能失调的人格特质是导致网络成瘾发展的主要因素（品牌，年轻，莱尔，沃尔夫林和波坦察，2016年; 戴维斯，2001）。 因此，一些关于有问题和令人上瘾的互联网使用的研究报告了高比例的合并症，如抑郁症和焦虑症以及注意力缺陷多动障碍（ADHD）（Bozkurt，Coskun，Ayaydin，Adak和Zoroglu，2013年; 陈陈Chen，2015; Seyrek，Cop，Sinir，Ugurlu和Senel，2017年）。 此外，Zadra等。 （2016）报告称，网络成瘾者的人格障碍发生率更高（29.6％）。 特别是，与没有网络成瘾的参与者相比，边缘人格障碍在网络成瘾者中的患病率更高。 在青少年互联网成瘾者的研究中经常报道多动症症状的发生。 Seyrek等。 （2017）发现青少年网络成瘾和注意力障碍以及多动症状之间存在显着相关性。 此外，Weinstein，Yaacov，Manning，Danon和Weizman（2015）与非ADHD组相比，观察到ADHD儿童在网络成瘾测试中得分更高。 然而，关于ADHD样症状是否会成为互联网过度使用的负面后果的相反问题仍然不明确。 过多的互联网使用通常伴随着几个不同的在线任务的同时管理（数字多任务处理; Crenshaw，2008）。 这通常会增加压力水平，从而导致与ADHD中发现的认知缺陷相当的认知缺陷。 研究结果表明，数字多任务处理与执行功能（工作记忆和抑制控制处理）的缺陷，感知压力增加和抑郁以及焦虑症状相关（该隐，伦纳德，加布里埃利和芬，2016年; Minear，Brasher，McCurdy，Lewis和Younggren，2013年; Reinecke等人，2017年; Uncapher，Thieu和Wagner，2016年）。 与对照组相比，网络游戏障碍患者报告每日和慢性应激水平增加（Kaess等，2017).

特别是对于通过数字化和网络成长的年轻人来说，过度使用互联网似乎是他们日常活动的决定因素。 这也可以解释为什么青少年期间网络成瘾的流行率最高。 这一时期的主要发展任务是形成个人身份（也称为自我概念; Erikson，1968; 玛西娅，1966）。 这个过程包括接受身体变化，男性和女性特征的文化特定陈规定型，以及在表现相关特征中社会和情感能力的发展和自我效能（Erikson，1968; 玛西娅，1966）。 先前的研究表明，上瘾的游戏玩家以及社交网络中的自我概念缺陷。 与普通的不上瘾的游戏者和健康的控制者相比，上瘾的游戏者更强烈地拒绝自己的身体形象，并表现出自尊和情感能力（即，对自己和他人的情感和情感表达的认识）的缺陷（Lemenager等人，2016年）。 此外，有问题的社交网络与识别自己的情绪以及情绪调节技能的问题有关（霍姆斯，凯恩斯和蒂姆克，2014年).

据我们所知，对网络成瘾中的合并症和自我概念的研究评估了上瘾的用户和健康控制之间的差异，但没有另外考虑可能反映健康和上瘾的互联网使用之间转换的有问题的使用。 包括一组有问题的互联网用户可能有助于澄清有问题和上瘾的互联网用户之间是否存在相似性，或者是否可以将有问题的使用视为健康和上瘾个体之间的过渡阶段。 找到与有问题和令人上瘾的互联网使用相关的那些特征将有助于识别发展上瘾的互联网使用的潜在风险因素，从而实现更好的预防性干预。

因此，本研究的目的是检查成瘾性和有问题的互联网用户之间的合并症和自我概念相关特征的差异和相似之处。

在第一次尝试中，除了检查ADHD诊断的受试者外，我们还检查了最近发现的没有潜在ADHD诊断的ADHD样症状是否可能与上瘾的互联网使用相关。

方法

参与者成员

我们招募了 n = 79名健康对照者， n = 35个有问题的 n = 93位上瘾的互联网用户（表 1）。 使用参与者在互联网和计算机游戏成瘾评估清单中的分数（AICA，对有问题和上瘾的用户进行分组分配; Wölfling，Beutel和Müller，2012年）以及成人在线成瘾行为的规模[Skala zum Onlinesuchtverhalten bei Erwachsenen（OSVe-S; Wölfling，Müller和Beutel，2010年）]。

表1。 样品说明

注意。 SD：标准差; χ² （CT）：χ² 交叉; χ² （KW）：χ² Kruskal-Wallis测试; F（ANOVA）：单因素方差分析; AICA：评估互联网和电脑游戏成瘾; OSVe：Skala zum Onlinesuchtverhalten bei Erwachsenen。

上瘾的样本包括的子群 n = 32位玩家， n = 24个社交网络用户，并且 n = 37个其他应用程序的用户（信息平台： n = 1; 色情网站： n = 4; 赌博网站： n = 9; 购物网站： n = 2; 流式： n = 13; 和其他形式： n = 8）。 沉迷于互联网的游戏玩家群体广泛地玩着大型多人在线角色扮演游戏（例如《魔兽世界》或《英雄联盟》）或在线第一人称射击游戏（例如《反恐精英》，《战地风云》或《使命召唤》）。 所有这些游戏都包含通信功能。 社交网络用户活跃于Internet应用程序中，例如在线聊天，论坛或社交社区（例如Facebook）。

有问题的用户群组成 n = 9位玩家， n = 15个社交网络，以及 n = 11个其他应用程序的用户（信息平台： n = 3; 购物网站： n = 1; 流式： n = 4; 和其他形式： n = 3）。

健康对照组（n = 79）包括 n = 35名定期使用社交网站的参与者， n = 6名参与者有时会玩在线游戏，并且 n = 38位参与者使用了“其他应用程序”，例如信息平台（n = 15），购物网站（n = 2），赌博网站（n = 1），流式传输（n = 15）或其他形式（n = 5）。 所有参与者都是通过曼海姆中央心理卫生研究所成瘾行为和成瘾医学科的日间诊所在线招募的 或通过广告。

χ² 测试显示，健康对照组和有问题的互联网用户在使用的主要互联网应用程序中存在显着的性别特异性组间差异（Fisher在健康控制中的精确测试： p = .008; 在有问题的用户中： p = .035; 和上瘾的用户： p = .069）。 互联网使用状况良好或出现问题的女性显示出更高的社交网络频率，而男性更经常使用其他应用程序。

访谈和问卷调查

使用AICA检查表测量参与者网络成瘾的存在和严重程度（Wölfling等，2012）以及OSVe（Wölfling等，2010）。 AICA是一个既定的诊断性临床访谈，旨在评估参与者的计算机和/或网络成瘾的严重程度。 它通过记录他们的计算机或互联网使用超过之前的30天（AICA_30）以及他们的生命周期（AICA_lifetime）来实现。 AICA检查表具有高可靠性，如Cronbachsα= .90所示。 基于Kaiser-Guttman准则和对scree测试的检查，主成分分析揭示了解释67.5％方差的单一因素，可以解释为“上瘾的互联网使用”（Wölfling等，2012）。 OSVe是一份自我报告问卷，也用于筛查成年人是否存在网络成瘾和严重程度。 将AICA_13得分≥30或OSVe得分≥13.5的参与者分配到成瘾组。 鉴于AICA_30仅识别令人上瘾的计算机和/或Internet使用，我们使用OSVe分数来定义有问题的使用。 根据Wölfling等人的研究。 （2010），我们将OSVe分数在7到13之间的参与者分类为有问题的用户。 因此，得分<7的参与者被分配到对照组。 OSVe的内部一致性（Cronbach'sα）为α= .89（Wölfling等，2012）。 主成分分析揭示了解释43.9％方差的单一因素，可以解释为“上瘾的互联网使用”（Müller，Glaesmer，Brähler，Wölfling和Beutel，2014年).

根据DSM-IV的结构化临床访谈（SCID I和II;以及第1和第2期的结构化临床访谈）评估I轴和II轴的终身和当前合并症。 Wittchen，Zaudig和Fydrich，1997年）。 目前的抑郁症状通过Beck抑郁量表（BDI; 贝克，沃德，孟德尔森，莫克和埃尔博，1961年）。 对于ADHD的探索，非标准化访谈（根据DSM-IV标准）和成人褐色注意力缺陷障碍（ADD）量表（布朗，1996）由临床经验丰富的心理学家应用。 根据DSM-IV（美国精神病学协会，2000），ADHD访谈会评估当前在学校或工作中（以及7岁之前的上学日）的认知缺陷，多动症状，与出生有关的并发症，一般的情绪波动，睡眠问题，滥用药物以缓解ADHD症状，以及多动症的家族史。 两名临床心理学家进行了采访，并事先接受了临床专家的培训，以专注于特定症状。 成人的40项布朗ADD量表有助于评估反映在过去6个月内发生的与多动症相关的执行功能障碍的各种实际症状，包括（a）组织，优先安排和激活工作； （b）将注意力集中，维持和转移到任务上； （c）调节警觉性，持续的努力和处理速度； （d）管理挫折感和调节情绪，以及（e）利用工作记忆和访问回忆（墨菲和阿德勒，2004年）。 患者以4点李克特量表（“从不”，“每周一次”，“每周两次”和“每天”）对这些症状进行评分。 哈里森（Harrison）报告说，大于55的临界值将反映出患有多动症的可能性很高，该临界值也应用于这项研究。 当参与者满足面试标准和布朗ADD量表的临界值时，可以给出当前的ADHD诊断（哈里森，2004）。 Brown ADD量表对于成年人具有α= .96的内部一致性（Cronbach'sα）（布朗，1996）。 终生ADHD标准包括过去报告的ADHD诊断由医学专家给出。 参与者在布朗ADD量表中得分高于55的截止值，但在访谈中未达到当前或终身ADHD诊断条件的参与者被归类为“最近发展的ADHD症状”。

为了评估自我概念的各个方面，我们应用了罗森伯格量表（罗森伯格，1965; 调查自尊），身体形象问卷（BIQ-20; 克莱门特·洛威（Clement＆Löwe），1996年）以及情绪能力问卷（ECQ; Rindermann，2009）。 Rosenberg量表是关于自我的正面和负面情绪的10项目问卷，以4点李克特量表来衡量。 据报道，这些物品的内部一致性是Cronbach的α= .88（Greenberger，Chen，Dmitrieva和Farruggia，2003年).

包含20项目的BIQ-20通过测量“身体图像的拒绝”和“重要的身体图像”来识别身体图像干扰。在德国样本中，量表的内部一致性范围从0.65到0.91。 尺度因子结构的交叉验证揭示了一个临床和两个非临床样本群体的高稳定性（克莱门特·洛威（Clement＆Löwe），1996年）。 ECQ评估参与者在（a）识别和理解自己的情绪方面的能力; （b）认识和理解他人的情绪（能够根据他们的行为，口头交流，面部表情和手势，根据情况感知和理解他人的情绪）; （c）调节和控制自己的情绪; （d）情绪表达（能够并愿意表达一个人的感受）。 尺度的内部一致性介于α= 0.89和0.93之间（Rindermann，2009).

社交焦虑和社交能力是使用社交焦虑和社会能力缺陷问卷（SASKO; Kolbeck＆Maß，2009年）。 它的目的是评估在他人面前说话或处于社会关注（亚音阶“说话”），被社会拒绝（“拒绝”）和社交互动（“互动”）的恐惧中，以及社会感知（“信息”）的缺陷和孤独感（“孤独”）。 对于健康样本，分量表的内部一致性介于α= .76和.87之间，对于临床样本，分别在α= .80和.89之间（Kolbeck＆Maß，2009年）。 此外，通过验证性因子分析证实了因子有效性（Kolbeck＆Maß，2009年）。 此外，感知压力量表（PSS; 科恩，卡马克和默默尔斯坦，1983年）用于探索参与者对压力的感知。 PSS的内部一致性（Cronbach'sα）是α= .78（科恩（Cohen）等人，1983年).

统计分析

使用SPSS Statistics 23（Social Package for the Social Sciences，SPSS Inc.，Chicago，IL，USA）进行数据分析。 通过χ评估上瘾和有问题的互联网用户以及健康对照之间的患病率差异² 在适当的情况下进行测试和Fisher精确测试。 此外，分析上瘾的互联网用户，有问题的互联网用户和健康控制之间的自我概念相关特征的差异包括方差分析（ANOVA），然后使用Scheffé测试进行事后分析。 应用线性回归分析来评估变量与互联网使用的当前或终生症状严重程度之间的关联。

通过交叉制表和Cohen的kappa统计评估两个ADHD测试（访谈和Brown ADD量表）之间的一致性。 我们也应用χ² 测试评估“最近发展的ADHD症状”类别（是/否）以及当前和终生ADHD诊断中阳性测试结果的患病率之间的组间差异。 此外，为了评估ADHD诊断或最近发生ADHD症状的参与者与没有达到ADHD条件的患者相比，互联网使用的当前或终生症状严重程度是否更高，我们应用双样本 t- 测试总样本以及健康控制，上瘾和有问题的互联网用户。

伦理

研究程序按照赫尔辛基宣言进行。 该研究得到了巴登符腾堡州曼海姆伦理委员会的批准（申请号：2013-528N-MA）。 在参与研究之前，所有参与者都被告知研究的目的，并在收到这些信息后同意。

成果

终生和目前的合并症

数据显示，成瘾组的62.4％（45.2％），有问题组的31.4％（20.0％）和健康对照的22.8％（13.9％）显示终生轴I或轴II诊断。 根据我们的预期，上瘾的互联网用户显示抑郁和焦虑症以及ADHD与健康对照相比显着更多（见图 1 和 2 以及表格 2 和 3）。 与有问题的使用者相比，在成瘾组中观察到更高的终身患病率和当前的ADHD和抑郁障碍。 此外，网络成瘾者和有问题的用户比健康对照更频繁地显示B组人格障碍，但这些组间差异并未反映在每个单独的B群人格障碍中（图 3).

图1。 终身诊断的比例以及上瘾和有问题的互联网用户以及健康对照之间的差异（诊断％，χ² 和费舍尔的精确测试; *p ≤.05，**p ≤.01）。 情感和焦虑症在其分类中也有所区别

图2。 当前诊断的比例以及成瘾和有问题的互联网用户以及健康对照之间的差异（诊断％，χ² 和费舍尔的精确测试; *p ≤.05，**p ≤.01）。 情感和焦虑症在其分类中也有所区别

表2。 上瘾和有问题的用户以及健康对照之间诊断流行率的差异

注意事项。 费率％。 f：费舍尔的精确测试; c：χ² 测试; LT：寿命; C：由Bonferroni-Holm校正的当前生命和当前诊断以及人格障碍的多重比较。 注意力缺陷多动症：注意力缺陷多动障碍; 创伤后应激障碍：创伤后应激障碍。

*p ≤.05和**p 在Bonferroni-Holm进行多次比较校正后，≤01。

表3。 事后比较成瘾和有问题的用户以及健康对照之间诊断流行率的差异

注意事项。 f：费舍尔的精确测试; c：χ² 测试; LT：寿命; C：当前; 注意力缺陷多动症：注意力缺陷多动障碍。

图3。 根据DSM-IV的人格障碍比例以及成瘾和有问题的互联网用户以及健康对照之间的差异（诊断％，χ²–和费舍尔精确检验； *p ≤.05，**p ≤.01）

符合两种ADHD仪器

评估两种应用工具（即布朗ADD量表和访谈）之间的符合性后，调查结果显示，成瘾群体的匹配率为63.21％（Kappa = 0.21， p = 012），占总样本的82.1％（Kappa = 0.28； p <.001）。

数字 4 表明参与者在两种应用仪器中的ADHD阳性结果的百分比（访谈和Brown ADD量表）以及最近发展的ADHD症状，当前和终身ADHD诊断的衍生类别。

图4。 两种不同措施的ADHD百分比：访谈和布朗ADD。 最近发展的ADHD症状没有诊断，终生和当前诊断，这些症状来自两种器械的重叠

χ² 测试显示ADHD访谈中健康对照组，成瘾组和有问题的互联网用户之间存在显着的组间差异（Fisher精确测试： p <.001）。 成对比较显示，上瘾的用户在访谈中达到ADHD标准的频率明显高于健康人（Fisher的精确测试： p <.001），但不能与有问题的用户进行比较（Fisher的精确测试： p = .232）。 在布朗ADD量表中也观察到了显着的组间差异（费舍尔的精确检验： p <.001）。 成对比较显示，与健康对照组相比，使用Brown ADD量表的上瘾用户的ADHD频率明显更高（p <.001）和有问题的用户（Fisher的精确测试： p <.001）。 此外，变量“最近出现的ADHD症状”（是/否）的组间比较也很重要（Fisher的精确检验： p <.001）：上瘾的互联网用户最近发现出现症状的频率明显高于健康对照者（Fisher的精确测试： p <.001）和有问题的用户（Fisher的精确测试； p <.001）。

我们另外观察到，与采访相比，上瘾组在布朗ADD量表中显示出显着更高的ADHD频率（Fisher精确检验： p = .016）。

评估有和没有ADHD的组之间当前和终生互联网使用严重程度（AICA-30和AICA寿命）的差异（来自图中的每个标准） 4），我们应用了两个样本 t - 测试总样本。 在每种情况下，我们观察到ADHD阳性的参与者在生命周期和当前互联网使用严重程度上的得分显着高于阴性测试结果（表 4).

表4。 在整个样本中针对不同标准评分ADHD阳性和阴性的参与者之间的当前和终身互联网使用严重程度（AICA）的差异

注意。 SD：由Bonferroni-Holm校正的标准偏差，用于多重比较。 注意力缺陷多动症：注意力缺陷多动障碍; AICA：互联网和电脑游戏成瘾评估。

*p ≤.05。 **p ≤01。

两个样本 t- 每组内的测试（上瘾和有问题的用户以及健康对照）仅显示最近出现症状的上瘾参与者（n = 27），以显示更高的终身互联网使用严重性（t = −2.549， p = .013）与没有任何症状（n = 46）。

上瘾和有问题的互联网用户以及健康控制之间的自我概念相关特征

表 5 和 6 展示自我概念相关特征中控件，有问题和上瘾的互联网用户之间的差异。 ANOVA揭示了对所有尺度的显着主效应（表 5).

表5。 成瘾用户，有问题的用户和健康控制的群体间差异

注意事项。 平均值（标准差），SASKO：社交焦虑和社会能力缺陷问卷; ECQ：情绪能力问卷; ECQ-EE：认识并理解自己的情绪; ECQ-EA：认识和理解他人的情绪; ECQ-RE：调节和控制自己的情绪; ECQ-EX：情绪表达; BDI：Beck抑郁量表; PSS：感知压力量表; BIQ：身体形象问卷; F：ANOVA F 统计。

*p ≤.05和**p 在Bonferroni-Holm进行多次比较校正后，≤01。

表6。 成瘾用户，有问题的用户和健康控制之间的事后成对比较（Scheffé）

注意事项。 SASKO：社交焦虑和社交能力缺陷调查问卷; ECQ：情绪能力问卷; ECQ-EE：认识并理解自己的情绪; ECQ-EA：认识和理解他人的情绪; ECQ-RE：调节和控制自己的情绪; ECQ-EX：情绪表达; BDI：Beck抑郁量表; PSS：感知压力量表; BIQ：身体形象问卷。

上瘾的互联网用户与健康对照组相比，显示出更严重的身体形象，更高的社交焦虑（SASKO），社交能力下降（SASKO的所有量表），感知压力（PSS）增加以及情绪能力缺陷（ECQ）。 此外，他们的自尊心较低（罗森伯格）并且表现出增加的感知压力（PSS）以及抑郁症状（BDI;表） 6）。 与有问题的用户相比，上瘾的用户也显示出与大多数与自我概念相关的特征（除了识别自己和他人的情绪以及能够向他人表达自己的情感之外）显着增加的价值。

我们进一步观察到网络成瘾者和有问题的用户与健康控制有很大不同，关于情绪能力量表“识别自己的情绪”（ECQ-EE）和“情绪表达”（ECQ-EX;表格） 6）。 线性回归分析显示这两个变量解释了11％（R² = .111; p <.001）的当前Internet使用严重性（AICA_30）和22％（R² = .217; p <.001）的Internet生命周期的严重程度（AICA生命周期）。

讨论

这项研究的总体目的是检查健康对照，上瘾和有问题的互联网用户之间的合并症和自我概念相关特征的差异，以澄清有问题的使用在从健康到上瘾的互联网使用过渡中的作用。

成瘾和有问题的互联网用户以及健康控制中的合并症

结果表明，与健康对照组相比，网络成瘾者患ADHD，抑郁和当前焦虑症以及B组人格障碍的合并症发生率更高。 此外，与有问题的使用者相比，在成瘾组中也观察到更高的ADHD合并症和抑郁症。 这些结果与先前的网络成瘾解释模型一致，该模型假设在上瘾的互联网使用中存在强烈的潜在精神病理学（布兰德（Brand）等人，2016年; 戴维斯，2001）。 在他们的I-PACE模型中，Brand等人。 （2016特别是将抑郁症和（社交）焦虑症以及ADHD作为与网络成瘾相关的三种主要精神病理学特征。 所有这些精神障碍都与强烈的负面情绪密切相关，如焦虑，抑郁和愤怒。 在DSM-5中的因特网游戏障碍的描述中也考虑了这个方面，其中使用因特网游戏来消除负面情绪状态。

在有问题的使用阶段，与健康对照组相比，只有B组人格障碍的发生率显着更高，并且与上瘾的使用没有差别。 文献描述了B群人格障碍与更具戏剧性，情绪化，不稳定性和冲动性的行为有关（美国精神病学协会，2013）经常伴有抑郁症发作。 他们还与慢性抑郁症缓解的可能性降低有关（Agosti，2014）。 这些发现表明，人群B的人格障碍可能与互联网使用问题和上瘾有关。 Zadra等。 （2016）观察到网络成瘾者群体B边缘人格障碍的患病率增加。 我们未发现特定B群人格障碍中的群体间差异可能是由于病例数较少（n_边缘 = 5; n_自恋 = 4; n_戏剧性 = 0; n_反社会的 整个样本中= 1）。 比较成瘾的和有问题的用户中使用更大样本量的特定人格障碍的患病率在进一步研究中将是有趣的。 为了确认我们的发现，还需要进一步的复制研究。

网络成瘾者的ADHD合并症和ADHD样症状

关于本研究中的ADHD诊断，与有问题的互联网用户和健康对照相比，互联网成瘾者群体（13.8％和11.5％）的当前和终生患病率显着更高。 一项荟萃分析估计ADHD的一般患病率约为2.5％（西蒙，佐伯，巴林，梅萨罗斯和可怜，2009年）。 大多数关于ADHD和网络成瘾的研究都是针对青少​​年进行的，而不是针对年轻人进行的（Seyrek等人，2017年; Tateno等人，2016年）。 只有一项研究报告成人“有问题”的互联网用户中多动症患病率为5.5％（Kim等人，2016年）。 然而，样本也包括上瘾的用户，因此调查结果可能与本研究的结果不具有可比性。

据我们所知，这是第一项试图纳入评估最近发展的ADHD症状对网络成瘾者ADHD诊断影响的研究。 与不满足这些条件的患者相比，患有ADHD的患者以及仅具有最近发展的ADHD样症状的患者显示出显着更高的寿命和当前的因特网使用严重性。 此外，与没有ADHD症状的成瘾参与者相比，最近患有ADHD症状的成瘾参与者（成瘾组的30％）表现出增加的终身互联网使用严重性。 我们的结果表明，最近发展的ADHD症状（未满足ADHD的诊断标准）与网络成瘾有关。 这可能导致第一个迹象表明，过度使用互联网会对认知缺陷的发展产生影响，类似于多动症。 最近对聂，张，陈和李的研究（2016据报道，有和没有ADHD的青少年网络成瘾者以及仅有ADHD的参与者在抑制控制和工作记忆功能方面表现出相当的缺陷。

这一假设似乎也得到某些研究的支持，这些研究报告在上瘾的互联网用户以及ADHD患者中前扣带皮层的灰质密度降低（Frodl和Skokauskas，2012年; Moreno-Alcazar等，2016; Wang等，2015; Yuan等，2011）。 然而，为了证实我们的假设，需要进一步研究评估互联网过度使用的开始与网络成瘾者的ADHD之间的关系。 此外，应采用纵向研究来澄清因果关系。 如果我们的研究结果得到进一步研究的证实，这将与ADHD的诊断过程具有临床相关性。 可以想象，临床医生将被要求对疑似ADHD患者可能上瘾的因特网使用情况进行详细评估。

比较上瘾，有问题和健康的互联网使用之间的自我概念相关特征

关于自我概念相关特征的群体间差异，结果显示，与健康对照相比，上瘾的互联网用户在“自我概念”的所有尺度上都显示出显着的缺陷。 如上所述，发展理论假定青春期是自我概念形成是主要发展任务的阶段。 个人必须从各种生活领域中探索和选择适当且相关的角色，价值观和目标，例如性别角色，职业，关系选择等。Erikson，1968; 玛西娅，1966）。 如果不成功，这会导致身份和社会角色的扩散，并增加精神障碍的风险，如性格，抑郁或成瘾性疾病。 如果没有适当的治疗，这些疾病通常会持续到成年期（Erikson，1968; 玛西娅，1966）。 互联网由于具有社交互动的可能性和随之而来的匿名性，为补偿负面情绪和自我概念缺陷提供了诱人的机会。 因此，我们对年轻的成年互联网成瘾者自我概念缺陷增加的发现表明，青少年时期适应某些发育任务的适应不良可能会导致互联网成瘾的形成。 通过使用互联网来弥补这些缺陷的反复经验，例如，通过寻找虚拟朋友或在游戏中获得成功（布兰德（Brand）等人，2016年; 戴维斯，2001; Tavolacci等，2013）可能会增加上瘾使用的风险。 此外，缺乏真正的人际关系和与绩效相关的积极经历可能会增加自我概念缺陷和精神疾病的发展。 后一方面可以解释在成瘾的使用者中观察到的高度抑郁，焦虑和B群人格障碍。

尽管在大多数评估变量上有问题和上瘾的互联网使用之间存在显着差异，但针对有问题的群体的特征计算的所有手段都在上瘾用户和健康对照组之间，表明两个过度阶段之间存在联系。以描述性方式使用互联网。

但是，我们也观察到有问题的用户和上瘾的用户之间的相似之处。 与健康对照组相比，两组都认为自己不太能够识别，理解和表达自己的情绪。 在他们的情商模型中，Mayer和Salovey假设情绪的感知，使用，理解和管理（主要发生在关系的背景下）是情绪智力的主要相互关联的能力（Mayer＆Salovey，1993年; Mayer，Salovey，Caruso和Sitarenios，2001年）。 我们在有问题和令人上瘾的互联网用户中出现这些缺陷的结果可能表明，这些能力的较低程度可能会特别描述从有问题的互联网使用过渡到互联网使用过程中的病前因素。 回归分析显示，这些变量分别解释了总样本中当前的方差以及终身互联网使用严重性的11％和22％。

这项研究的限制

本研究的局限性包括以下几个方面。

子组的样本量相对较小。 在解释我们的结果时应该考虑这一点，并使未来的研究成为必要。

另一个限制是指ADHD的诊断程序。 除了布朗ADD量表，我们使用非标准化访谈，包括用于调查ADHD的开放式问题。 不能完全确保与同一参与者和不同访谈者的同一访谈会产生类似的结果（Kromrey，2002）。 另一方面，合格的临床心理学家的访谈与布朗ADD量表在诊断过程中的附加应用相结合，可以确保诊断的更高有效性。 然而，这些调查应该重复进行，并且在诊断过程中还应包括外部评估（例如家庭访谈）以及神经心理学测试。

另一个限制是我们没有分析性别差异，因为它超出了手稿的范围。 我们仅评估子样本中的性别差异。 χ² 每组内部的分析显示，健康和有问题的互联网使用的女性更频繁地展示社交网络，而男性更常使用其他应用。 根据文献（Dany，Moreau，Guillet和Franchina，2016年），对主要样本的分析显示，男性游戏频率较高，女性社交网站使用率较高。 但是，由于子样本大小非常小，因此必须谨慎解释这些结果。 需要进一步的研究来调查本研究中检查的特征的性别差异。

结论

总之，我们的研究结果表明，B群人格障碍和理解和表达自己情绪的缺陷可能是从问题转向成瘾使用过渡的特定影响因素。 我们还发现，与有问题的用户和健康对照相比，上瘾的用户表现出显着更高的ADHD频率，抑郁和当前焦虑症以及更大的自我概念相关缺陷。 因此，我们的结果可能表明，B群人格障碍和情绪智力缺陷，与人际关系和表现相关的问题，影响从问题到上瘾的互联网使用的过渡。 最初确保快速补偿这些问题，体验互联网会增加上瘾使用的风险。 同时，现实生活中缺乏与人际关系和绩效相关的积极体验，并导致逃避虚拟世界。 这些结果表明，针对网络成瘾的干预措施应该更加注重学习基于正念的技巧和社交能力，以识别和应对负面情绪和人际冲突。

我们的数据还显示，在成瘾但没有问题的用户中ADHD的患病率很高，这可能表明ADHD与向成瘾的互联网使用加速过渡有关。

作者的贡献

TL起草了手稿，监督了研究，并为数据收集和分析做出了贡献。 SH有助于数据分析。 JD参与了研究协调和数据收集。 IR验证了统计数据分析并监督了手稿。 KM获得了该研究的资金并对其进行了监督。 FK监督并为稿件准备工作做出了贡献。 所有作者都批准了稿件的最终版本。

利益冲突

没有作者有任何利益冲突申报。

参考资料