公共科学图书馆之一。 2017; 12(12):e0189719。
在线发布2017 Dec 14。 DOI: 10.1371 / journal.pone.0189719
PMCID:PMC5730190
朱莉娅Brailovskaia,概念化,数据策划,形式分析,调查,方法论,验证,可视化,写作–原始草案,写作–审查和编辑* 和 JürgenMargraf,资金获取,资源,写作–评论和编辑
Phil Reed,编辑
抽象
本研究旨在调查一年内德国学生样本中的Facebook成瘾症(FAD)。 虽然在调查期间平均FAD水平没有增加,但是达到临界截止分数的参与者数量显着增加。 FAD与人格特质自恋和消极心理健康变量(抑郁,焦虑和压力症状)显着正相关。 此外,FAD充分调解了自恋和压力症状之间的显着正相关关系,这表明自恋人可能特别容易患上FAD。 目前的结果首次概述了德国的FAD。 讨论了未来研究的实际应用和当前结果的局限性。
介绍
众所周知,过量饮用精神活性化学物质(如酒精和其他药物)会引发成瘾行为。 然而,行为(即非物质)成瘾仍然是一个有争议的话题。 到目前为止,只有病态赌博被认为是精神疾病诊断和统计手册中的正式精神疾病(5)th ed。,DSM-5; [1])。 此外,互联网游戏障碍被纳入DSM-5的“新兴措施和模型”部分[1, 2]。 因此,非常需要进一步严格的研究和研究,以找到行为成瘾领域的重要证据[3, 4]。 考虑到社交媒体在当今人们日常生活中的重要性,最近的一些研究都集中在进一步存在问题的媒体使用上(例如,[5, 6])。 一些研究调查了一般网络成瘾[7–9例如,报告了有问题的互联网使用,抑郁和焦虑症状之间的积极关联,其他研究已经解决了社交网站(SNSs)的成瘾问题[10],特别是对流行的国际SNS Facebook [4, 11, 12].
目前,Facebook拥有超过2.1十亿的会员[13]。 对于他们中的许多人来说,Facebook的使用已成为日常生活的重要组成部分14尽管这种行为可能带来负面影响,但他们中的一些似乎失去了对Facebook使用的控制并且开发了强大的心理需求以保持在线状态[15] - 所谓的Facebook成瘾(FAD)[16]。 FAD由成瘾障碍的六个典型特征定义:显着性(例如,Facebook使用的永久性思维),容忍度(例如,需要在Facebook上增加时间以实现先前的积极使用效果),情绪修改(例如,通过Facebook使用的情绪改善) ,复发(恢复到无效尝试减少Facebook使用后的早期使用模式),戒断症状(例如,变得紧张而无法使用Facebook)和冲突(例如,由Facebook密集使用引起的人际关系问题)[11, 15, 17].
虽然发现FAD与男性,昼夜节律(平时睡眠时间和工作日和周末上升时间),失眠,抑郁和焦虑症状呈正相关,但其与年龄,开放性,宜人性和责任心的关系为负[11, 12, 15, 18–20]。 Błachnio等。 [21]调查了不同国家的FAD。 他们描述了中国最高的FAD水平和波兰最低的FAD水平。 因此,现有研究表明,FAD发生在不同人群中,并与各种因素相关,如人口统计学变量,心理健康变量和人格特质。 然而,这些结果不足以将FAD正式识别为行为成瘾。 一个原因是本研究的横截面性质,其几乎没有提供关于FAD的发展和维持的证据。 因此,需要纵向研究以进一步了解FAD的流行病学,并了解哪些因素与Facebook使用有关。 这些知识对于制定旨在保护精神的干预计划是必要的(见[22])。
此外,许多考虑FAD的研究来自挪威,马来西亚和土耳其等国家(例如[11, 19, 20, 23, 24])。 相比之下,即使Facebook的使用已经成为德国大部分人口日常生活中不可或缺的组成部分,尤其是年轻人[25],德国对FAD的关注很少。
因此,本研究的主要目的是调查德国样本中一年(两个测量时间点)的FAD流行病学。 考虑到对FAD发展缺乏了解,这项调查主要是探索性的(参见[4])。 第二个问题是确定FAD与不同心理健康变量之间的关联,以及身体健康(参见假设1至假设5)并调查这些关联是否随时间而变化。 这种方法应有助于更好地理解FAD。 考虑到早期的结果,发现FAD和Facebook使用之间存在正相关关系,另一方面,抑郁,焦虑和压力症状[11, 26, 27],我们假设发现FAD与消极心理健康(即抑郁,焦虑和压力症状)之间存在正相关(假设1)。 Shakya和Christakis [28和Kross等人。 [29]描述持续的Facebook使用与生活满意度和身体健康等积极变量负相关。 因此,我们进一步假设发现FAD与积极心理健康变量(即生活满意度,社会支持)(假设2)以及身体健康(假设3)之间存在负相关关系。 此外,我们还包括人格特质自恋,这种自恋经常被报道与强化社交媒体使用呈正相关(例如,[30–32])在我们的调查中。 通常情况下,自恋人使用Facebook进行自我展示和社交互动,以满足他们的关注和钦佩需求[33, 34]。 如果这些人没有得到所需的注意力,他们经常会出现压力症状[35]。 因此,我们期望人格特质自恋与FAD(假设4)正相关。 此外,我们假设FAD可以调解自恋和压力症状之间的关系(假设5)(见 图1).
材料和方法
程序和参与者
本研究属于正在进行的BOOM(波鸿乐观和心理健康)研究项目,研究心理健康的风险和保护因素[36–39]。 自2011以来,邀请电子邮件将包括指向基线在线调查的链接,该邀请电子邮件将发送给在德国大型州立大学Ruhr-UniversitätBochum注册的所有学生。 在基线调查结束时,其中包括关于心理健康和人格不同方面的问卷调查,询问参与者是否同意加入BOOM参与者库并联系进行进一步调查。 参与BOOM在线调查是自愿的,可以通过课程学分进行补偿。
2015年300月,带有参加邀请的集体电子邮件和在线调查的链接被发送到BOOM学生参与者库(第一个测量时间点T1)中,从2016人中随机收集了样本。 参与的唯一条件是当前的Facebook成员身份。 185年2月,那些完成第一次调查(N = 1)的人收到了另一封电子邮件邀请,邀请他们参加第二次在线调查(第二个测量时间点T179),其中包括与T77.1的调查相同的问题。 总共有1名来自不同院系和学期的学生(女性占2%)(41.3.-3 .: 4%,23.5.-5 .: 6%,13.4.-7 .: 21.8%,22.52.≤:5.00%)完成了两次调查(年龄(年):M = 17,SD = 58,范围:46.3-49.2)。 尽管4.5%的参与者是单身,但其中3.1%的夫妻生活稳定,其中80%已婚。 波鸿鲁尔大学伦理委员会批准了本研究的实施。 我们遵守了有关人体研究的所有国家法规和法律,并获得了进行本研究所需的许可。 正确地指导了参加者并给出了在线知情同意的参加方式。 先验进行的功效分析(G * Power程序,版本05)表明,样本量足以获得有效结果(功效> .XNUMX,α= .XNUMX,效应量f2 = 0.15)(参见,[40])。 本研究中使用的数据集可在以下网站获得 S1数据集.
措施
心理健康
生活满意度。 一维生活满意度(SWLS)[41用五个项目测量全球生活满意度(例如,“在大多数情况下,我的生活接近我的理想。”)以7点李克特量表评分(1 =非常不同意,7 =非常同意)。 分数越高表示生活满意度越高。 总分可以从7到35。 SWLS具有良好的心理测量属性。 它的收敛性和判别性有效性已经证明了[36, 42]。 内部尺度可靠性已被发现是Cronbach的α= .92 [43]。 目前的规模可靠性为αT1 = .89 /αT2 = .89。
社会支持。 为了衡量主观感知或预期的社会支持,问卷社会支持的简单一维版本(F-SozU K-14)[44]被使用了。 它由14项目组成(例如,“我经历了很多其他人的理解和安全性。”)在5点Likert量表上评定(1 =完全不是真的,5 =非常真实)。 总得分越高,感知或预期的社会支持水平越高。 总分可以从14到70。 该仪器具有良好的收敛和判别有效性值,以及良好的重新测试可靠性。 据报道,内部尺度可靠性为α= .94 [36, 44]。 目前的内部可靠性是αT1 = .91 /αT2 = .93。
抑郁,焦虑,压力。 抑郁焦虑压力量表21(DASS-21)[45],DASS-42的简短版本,测量了前一周在三个7项目分量表上的抑郁,焦虑和压力症状(即,抑郁症,“我似乎根本没有任何积极的感觉。”规模焦虑,“我感到害怕没有任何正当理由。”;规模压力,“我倾向于对情况过度反应。”)以4点的李克特量表评分(0 =根本不适用于我,3 =非常或大部分时间都适用于我。 三个等级的较高分数表明抑郁,焦虑和压力症状的水平较高。 每个量表的总分可以从0到21。 DASS-21在非临床和临床样本中是一种成熟的仪器,具有与长42项目版本相似的良好心理测量特性[46]。 据报道,它的内部尺度可靠性在三个尺度之间变化(抑郁:α= .83;焦虑:α= .78;压力:α= .87)[47]。 目前的内部可靠性是αT1 = .86 /αT2 = .88为抑郁量表,αT1 = .80 /αT2 = .79为焦虑量表,和αT1 = .87 /αT2 = .88表示压力表。
Facebook成瘾(FAD)。 坚持去年时间框架的FAD通过卑尔根Facebook成瘾量表(BFAS)的简要版本评估[15]根据六个核心成瘾特征(即显着性,耐受性,情绪改变,复发,退出,冲突),包括六个项目(例如,“如果你被禁止使用Facebook会变得烦躁或烦恼吗?”) 5点李克特量表(1 =很少,5 =经常)。 分数越高反映FAD水平越高。 总分可以从6到30。 已经证明BFAS的6项目版本具有与长18项目版本类似的良好心理测量属性。 已发现简要版本的内部规模可靠性为α= .83 / .86 [15, 20, 48]。 目前的规模可靠性为αT1 = .73 /αT2 = .82。 到目前为止,很少调查对FAD进行分类的具体截止分数。 考虑到对其他成瘾的研究,Andreassen等人。 [15]为有问题的BFAS值提出了两种可能的分类方法:关于多项式评分方案的更自由的方法(截止分数:≥六个项目中至少四个的3),或者关于单一评分方案的更保守的方法(截止分数: ≥所有六个项目的3)。
自恋狂
为了评估人格特质自恋,简短的自恋人格量表(NPI-13)[49]由13强制选择格式项组成(0 =低自恋,例如,“当我发现自己操纵人时我不喜欢它。”,1 =高度自恋,例如,“我觉得操纵人很容易”。 )被使用了。 总分越高,自恋水平越高。 总分可以从零到13。 NPI-13已被证明具有与全长40项目版本相似的良好心理测量属性,并保留其概念性呼吸[50, 51]。 它提供总分和三个分量表分数(即领导/权威(LA),宏伟表现(GE),权利/剥削性(EE),见[52])。 本研究仅关注总自恋分数。 早期的研究报告了α= .67 / .73的内部尺度可靠性[49, 51]。 目前的内部可靠性是αT1 = .53 /αT2 = .60。
身体健康
EuroQuol视觉模拟量表(EQ VAS)[53, 54 - 视觉模拟量表,范围从0(最差的可想象的健康状态)到100(最佳可想象的健康状态) - 评估参与者的总体当前身体健康状态。 分数越高表示身体健康水平越高。 早期研究已经证明了EQ VAS的有效性[55].
媒体使用
一般互联网使用频率和SNS使用频率按7点Likert量表进行评级(0 =从不,6 =每天超过一次)。 分数越高,使用频率越高。 此外,参与者被问及他们是否也是其他SNS的成员而不是Facebook(即Twitter,Instagram,Tumblr或任何其他SNS:0 =否,1 =是)以及他们在整体中使用了多少个SNS [34].
统计分析
统计分析使用社会科学统计软件包(SPSS)24和宏观过程版本2.16.1(www.processmacro.org/index.html)。 在对所研究的变量进行描述性分析之后,通过重复测量方差分析(受试者内ANOVA)评估它们在T1和T2之间的可能变化。 通过计算零阶二元相关和多元线性回归分析来评估所研究变量之间的关联。 接下来,介绍中介模型 图1 进行了分析。 自恋(预测因子,X)和压力症状(结果,Y)之间的基本关系表示为 c (总效果)。 FAD(中介,M)的自恋之路表示为 a,以及FAD对压力的路径表示为 b。 间接效应由路径的组合效应表示 a 和路径 b和路径 C' 表示在模型中包含FAD后自恋对压力症状的直接影响。 通过引导程序(10.000样品)评估中介效应,其提供加速置信区间(CI 95%)。 考虑到效应大小kappa平方的缺点(κ2)通常用于调解分析,PM (间接影响总效应的比例)被用作调解效应量度[56].
成果
T1和T2之间的描述性分析和比较
所有研究变量都接近正态分布(由Kolmogorov-Smirnov检验,偏斜,峰度和直方图分析)。 表 Tables11 和 and22 提出他们的描述性价值观。 此外, 表1 显示了比较T1和T2值的受试者内ANOVA的结果。 虽然身体健康的价值显着下降(部分eta2 = .04),抑郁症状的值(部分eta2 = .06)和使用的SNS的平均数量(部分eta2 = .02)显着增加。 所描述的影响很小。
由于多项式评分,8名(4.5%)参与者达到了T1的临界截止分数,15(8.4%)参与者在T2达到了该分数。 根据单调评分,T0.6的一名(1%)参与者和T1.7的三名(2%)参与者发生临界截止分数。 考虑到六种FAD项目的特定成瘾内容,分别对其描述值进行了分析(见 表3)。 T1的所有项目的响应范围是1到4,T2的所有项目的范围是1到5。 平均值没有显着差异。 然而,显而易见的是,在T1,3%的参与者(值5:三个人;值2.2:一个人)达到了物品3(撤回)的值≥4,在T2 7.3%的参与者达到了值≥该项目的3(值3:九个人;值4:三个人;值5:一个人)。
FAD与媒体使用,人格,心理和身体健康变量的关联
在T1时,FAD与SNS的使用呈显着正相关(r = .42,p <.001)。 与其他调查变量的相关性不显着。 相反,在T2时,FAD与SNS使用显着正相关(r = .37,p <.001),自恋(r = .26,p <.001),抑郁(r = .22,p <.01) ),焦虑(r = .32,p <.001)和压力症状(r = .20,p <.01)。 在比较T1和T2之间的这些相关性时,FAD和焦虑症状之间的相关性(在T1:r = .02,ns)显示出最高的显着变化(效果大小:Cohen q = 32,中等效果;请参阅[57])。 在T2时,自恋和压力症状之间也存在显着的正相关(r = .16,p <.05)。 跨时间计算包括T2处的FAD和T1处的所有其他调查变量,结果表明FAD与SNS的使用(r = .33,p <.001)和自恋(r = .19,p <)显着正相关。 05)。 T1时的FAD与T2时使用SNS显着正相关(r = .33,p <.001)。
基于抑郁和焦虑症状与T2的FAD之间的显着正相关,以及描述抑郁和焦虑症状的早期研究可能是FAD的预测因子[11, 18, 58],计算多元线性回归分析。 在早期的研究之后(例如,[11]),回归模型包括抑郁和焦虑症状作为自变量,FAD作为因变量,控制变量性别和年龄。 没有违反多重共线性的假设:所有公差值均大于.25,所有方差膨胀因子值均小于5(请参见[59])。 该模型解释了方差的10.7%,F(4,174)= 5.230,p <.01。 只有焦虑症状才显示出明显的结果(标准β= .310,p <.01; 95%CI [.142; .587])。
下一步,将更详细地研究T2时自恋与FAD之间的关系。 自恋与大多数FAD项目呈显着正相关(项目1,显着性:r = .23,p <.01;项目2,耐受性:r = .18,p <.05;项目4,复发:r = .20 ,p <.01;项目5,退出:r = .27,p <.001;项目6,冲突:r = .16,p <.05)。 仅与第3项的关系(情绪修改)不显着(r = .11,ns)。
以自恋为自变量,以FAD为因变量,控制变量性别和年龄的回归模型解释了7.1%的方差,F(3,175)= 4.450,p <.01。 尽管性别和年龄没有显着结果,但自恋的结果却很显着(标准化的beta = .259,p <.001; 95%CI [.187; .655])。
讨论
本研究属于第一部调查FAD及其与德国人格,心理健康和身体健康的关系的纵向研究。 考虑到对FAD的开发和维护知之甚少,目前的工作包括两个测量所有调查变量的时间点,以评估FAD及其关联的过程。 我们发现了有助于更好地理解FAD的重要结果。
德国学生样本的平均FAD值(T1和T2)明显低于Andreassen等人报告的值。 [20](M = 13.00,SD = 5.20)在挪威的学生样本中,Facebook的百分比几乎是德国的两倍(www.internetworldstats.com/stats4.htm).
尽管我们在一年后未发现平均FAD水平的显着变化,但达到关键FAD评分的参与者数量显着增加(多项评分:4.5%至8.4%;单调评分:0.6%至1.7%)。 特别值得注意的是,T2的提款项目的参与者数量明显多于T1。 这强调了Facebook在使用中存在问题时心理退出的强化意义:越来越多的用户在没有使用Facebook的情况下变得紧张(另见[19])。 这符合早期的研究,该研究描述了在停止与互联网接触后的心理退缩,这是互联网使用问题的主要症状之一[60]。 退出的增加可能与所谓的“对失踪的恐惧(FoMo)”正相关:害怕错过重要的社交信息并失去知名度,这通常由不能按照需要经常使用SNS的Facebook用户描述。 FoMo被发现积极调解动机需要与Facebook使用的动机需求之间的关系。 此外,它与Facebook使用相关的感知压力症状正相关[61, 62].
虽然我们的假设在T2,T1部分得到了证实,但FAD与调查变量没有显着相关性。 这可能部分是因为在T2上达到临界截止分数的人数明显多于T1。 因此,在T1,FAD与参与者的生活和心理健康的关联性比T2弱。 此外,在得出最终结论之前,这些差异强调了纵向观察FAD过程及其似乎随时间变化的关联的必要性。
我们的结果表明,密集使用SNS的人可能有发展FAD的风险。 然而,一般互联网使用与FAD没有显着关联,强调在调查媒体使用时需要区分在线活动的类型。 根据早期研究,在T2 FAD,与三个负面心理健康变量正相关(确认假设1)。 T1和T2的相关性之间的比较表明,特别是FAD和焦虑症状之间的正相关性随着时间的推移而增加。 焦虑症状在FAD方面的作用,也是早期研究所描述的(例如,[11]),由回归分析的结果强调。 有趣的是,在所有FAD项目中,戒断项目与焦虑症状的相关性最高(r = .34,p <.001)。 因此,可以假设焦虑症症状加重的人经常使用Facebook寻找救济并逃脱(请参阅[4]),发展FAD的可能性增加。 由于他们的焦虑症状,他们经常紧张并担心他们的行为后果。 因此,退出是他们的主要症状之一,特别是因为他们害怕在不使用Facebook时错过任何东西。 但是,我们没有测量FoMo或任何其他特定的Facebook相关形式的焦虑。 因此,我们对结果的这种可能解释仍有待讨论。
虽然FAD与T2的消极心理健康变量呈正相关,但没有一个积极的心理健康变量与FAD显着相关(与假设2相矛盾)。 这种不同的结果代表了心理健康的双因素模型,它强调积极和消极的心理健康是相互关联的,而不是单一的一般心理健康维度[63, 64]。 此外,尽管我们发现一年后身体健康状况显着下降,但FAD似乎与身体健康没有直接关系(与假设3相矛盾)。
我们的结果可能部分归因于这样一个事实,即尽管T2的临界截止分数是由显着高于T1的参与者达到的,但我们的大多数参与者在临界截止值下具有平均FAD值。 因此,他们中的大多数一方面不直接遭受FAD的后果,另一方面也体验到Facebook使用的好处。 例如,一些研究报告社会支持与Facebook使用之间存在正相关关系,尤其是Facebook朋友的数量[34, 65]。 然而,正如少数进行的纵向研究表明,持久的Facebook使用会对生活满意度和身体健康产生负面影响(例如,[28])。
根据我们的期望,我们发现自恋与FAD之间存在正相关关系(确认假设4)。 此外,FAD充分调解了自恋和压力症状之间的关联(证实了假设5)。 因此,对于自恋价值升高的人来说,FAD可能是一个潜在的风险因素。 Facebook的使用对自恋人有着特殊的意义。 在Facebook上,他们可以迅速发起与Facebook新朋友的许多表面关系,并为他们精心策划的自我展示吸引大量观众。 他们拥有的Facebook朋友越多,他们获得他们所寻求的人气和钦佩的可能性就越高; 而在离线世界中,他们可能不那么受欢迎,因为他们的互动伙伴可以很快地感受到他们的低度宜人和夸大的自我意识[32, 33, 66]。 自恋人利用互动伙伴的积极反馈来调节他们的自尊和自我提升[67]。 因此,可以假设自恋用户花费更多时间考虑Facebook而不是其他人 - 计划他们的在线自我呈现和互动并反映收到的反馈。 因此,虽然Facebook的使用对自恋者非常有吸引力,但它可能使他们特别容易受到FAD的影响。 相应地,在T2,自恋与大多数FAD项目显着正相关。 对于物品撤离,突出和复发,发现最高的积极关联。
此外,我们的结果表明,FAD介导了自恋和压力症状之间的关系。 一种可能的解释是,自恋者计划他们的自我表现来给观众留下深刻的印象。 观众越多,给所有互动伙伴留下深刻印象的难度就越大,接收负面反馈的可能性就越大。 这增加了自恋用户的自我表达努力以及他们花在思考和使用Facebook上的时间,这反过来增加了他们对FAD的脆弱性。 随着他们的FAD水平增加,他们会经历更多的症状,如戒断和复发,这会增强他们的压力症状。 这种解释是开放的讨论,应该谨慎考虑,特别是考虑到所使用的自恋量表的内部一致性较低以及仅有六个项目的FAD简要度量。
局限性和进一步研究
当然,我们的研究存在一些局限性,这些局限性降低了我们的研究结果以及可以从中得出的结论的一般性。 我们与一个学生样本一起工作,其中大部分是女性Facebook用户。 为了至少部分解决这一局限性,我们比较了FAD与其他研究变量在T1和T2处的零阶双变量相关结果与控制性别的适当部分相关结果进行了比较。 两种相关性之间均未发现显着差异(所有比较:q <.10,[57])。 然而,我们样本的组成限制了当前结果的普遍性。 因此,未来的研究应该使用性别比例相等的更大,更具代表性的样本来研究它们的可复制性。
目前的数据是通过在线自我报告措施收集的,尽管这些措施保证匿名,但却容易产生社交需求。 因此,我们建议未来的研究采用类似的设计,包括衡量社会期望趋势的工具,例如平衡的理想反应清单(BIDR)[68],在计算中控制事后社会可取性的影响。
正如已经提到的,为了测量FAD,我们使用了卑尔根Facebook成瘾量表的简短版本,这是一个只有六个项目的自我报告指标。 据报道,这个量表具有与长版相似的良好心理测量属性[15, 20, 48]。 在本研究中,它表现出令人满意的良好可靠性值。 尽管如此,为了满足FAD的多方面性质并提高测量的有效性,我们建议进一步调查,重点是开发更复杂的仪器以测量FAD。 考虑到特别上瘾的人倾向于低估他们的成瘾行为水平,应该包括客观的措施和观察来评估FAD。 此外,考虑到血压和心率等生理功能已被证明与有问题的互联网使用有关[5],重点还应放在FAD的潜在生理标志上。
有趣的是,FAD项目情绪调整与自恋没有显着关系,尽管自恋人在Facebook上得到越来越多的关注和积极的反馈,这可能会增加他们的积极情绪[69此外,还可以提高他们的Facebook使用频率和发展FAD的风险。 其中一个原因可能是自恋者通过Facebook使用经历短期情绪修改,这是单一FAD项目无法衡量的。 为了更具体地调查情绪改变,自恋和FAD之间的关系,进一步的措施,如积极和消极影响时间表(PANAS)[70] - 用于研究证明有问题的互联网使用和情绪之间的显着关联(例如,[5, 9]) - 应该包括评估Facebook使用前后的情绪。
本研究是德国FAD调查的第一步。 考虑到研究结果显示Facebook上的各种活动可以不同地影响心理健康[71, 72],未来的工作应该关注Facebook使用的持续时间和频率以及个人的Facebook活动。 这将进一步有助于理解FAD的发展和维护。 此外,考虑到Facebook是最受欢迎的,但往往不是唯一的,使用SNS(见 表2),在未来的调查中应包括使用其他SNS的频率。
总之,目前的结果首次概述了德国的FAD,强调了在该研究领域进一步研究的巨大需求。 我们为期一年的随访显示,与上一年相比,显着更多的人达到了临界临界值,并且消极的心理健康价值,尤其是焦虑症状,与FAD呈正相关。 然而,为了得出可归纳的结论,应使用除自我报告量表之外的其他措施,将现有结果复制到更大的年龄和性别代表性样本中。
资金声明
亚历山大·冯·洪堡基金会授予JürgenMargraf教授亚历山大·冯·洪堡教授的支持。 此外,我们感谢Ruhr-UniversitätBochum的开放存取出版基金的支持。 资助者在研究设计,数据收集和分析,决定发表或准备手稿方面没有任何作用。
参考资料