有问题的互联网使用和免疫功能(2015)

公共科学图书馆之一。 2015 Aug 5; 10(8):e0134538。 doi:10.1371 / journal.pone.0134538。

里德P.1, 邪恶的R1, 奥斯本洛杉矶2, 罗马诺3, 特鲁佐利河3.

抽象

有问题的互联网使用与各种心理合并症有关,但它与身体疾病的关系尚未得到同样程度的调查。 目前的研究在线调查505参与者,并询问他们的互联网使用问题(网络成瘾测试),抑郁和焦虑(医院焦虑和抑郁量表),社交隔离(UCLA孤独问卷),睡眠问题(匹兹堡睡眠质量指数)的水平,以及他们目前的健康 - 一般健康问卷(GHQ-28)和免疫功能问卷。 结果表明,通过IAT测量,在30%的样品中显示出轻微或更差的网络成瘾水平。 虽然男性和女性使用互联网的目的存在差异,但在性别之间的问题使用水平方面没有差异。 互联网问题与所有其他心理变量密切相关,如抑郁,焦虑,社交孤立和睡眠问题。 网络成瘾也与自我报告的免疫功能降低有关,但与一般健康指标无关(GHQ-28)。 发现有问题的互联网使用和降低的免疫功能之间的这种关系独立于合并症的影响。 有人提出,有问题的互联网使用水平与免疫功能之间的负相关关系可能是由这种互联网使用产生的压力水平以及随后的交感神经活动调节的,后者与免疫抑制剂如皮质醇有关。

引文: Reed P,Vile R,Osborne LA,Romano M,Truzoli R(2015)有问题的互联网使用和免疫功能。 PLoS ONE 10(8):e0134538。 DOI:10.1371 / journal.pone.0134538

责任编辑: 西班牙格拉纳达大学Antonio Verdejo-García

收稿日期: 12月3,2014; 公认: 七月10,2015; 出版日期: 2015 年 8 月 5 日

版权: ©2015 Reed等。 这是一份根据条款分发的开放获取文章 知识共享署名许可,如果原始作者和来源被记入贷方,则允许在任何媒体中不受限制地使用,分发和复制

数据可用性: 由于心理学伦理委员会发布任何电子收集数据的道德要求,我们无法在线提供数据集,但我们非常乐意通过与Phil教授联系,将这些数据提供给任何希望看到它的人。里德在 [电子邮件保护].

资金: 作者没有报道的支持或资金。

利益争夺: 作者宣称没有竞争利益存在。

介绍

有些人认为某些人群的问题是过度或不适应使用互联网(或有问题的互联网使用)[1,2有人提出需要进一步研究网络成瘾(IAD)是否是一个有用的概念[1,3]。 报告其互联网使用问题的个人注意到许多相关症状,例如:对他们的工作和社会关系的重大干扰[4,5,6],以及与互联网分离时的负面影响[7]。 一般人群中有问题的互联网使用率的估计值在2%和8%之间变化,并且在年轻样本中的范围高达20%[3, 810虽然这些数字难以准确解释,但由于使用的“有问题的互联网使用”或“网络成瘾”的定义不同。

那些报告有问题的互联网使用的人也报告了广泛的相关心理和社会问题[1012]。 在报告有问题的互联网使用情况的个人中发现的心理共病已被发现包括:焦虑[7,13,14],注意力缺陷多动障碍[15],自闭症谱系障碍[7,16],抑郁症[1315, 17],冲动失调和敌意[1820]和精神分裂症[7,21]。 社交焦虑障碍[18]和寂寞[22],也常常与IAD相关联。 此外,生活压力很大[23]和社会隔离[22, 2426],生活质量较低[24,27报告有问题的互联网使用的人提到了]

有问题的高水平和类型的互联网使用也与神经系统的变化有关[28,29]。 越来越多的研究表明,与其他行为成瘾一样,有问题的互联网使用与多巴胺能系统的异常有关[30,31],并增加交感神经活动[32,33],也被证明彼此相关[34].

与越来越多关于IAD的心理和神经学相关性的文献相比,关于有问题的互联网使用对身体健康的影响的研究很少。 已经建立了睡眠不安和重度互联网使用之间的关系[35,36],有问题的互联网使用和不良饮食之间的关系[37导致体重问题,如肥胖[38]。 一些研究已经发现有问题的互联网使用与自我报告的与健康相关的生活质量之间存在关联,这是一个与疾病相关的概念,尽管应该注意到这种示范很少,而且这些文献中存在差异[39,40]。 例如,SF-36测量的健康相关生活质量与互联网使用问题有关,尽管生活质量与使用互联网所花费的时间无关[40]。 相反,当通过健康问卷调查(GHQ)衡量与健康相关的生活质量时,与IAD的关系不大[9,39]。 使用这两种与健康相关的生活质量测量结果的不同模式的原因尚不清楚 - 尽管它们可能反映了跨研究的互联网使用问题概念的运作差异,以及SF-36的重点与GHQ的主要心理焦点相比,身体和心理健康相关的生活质量。 因此,关于与健康相关的生活质量的文献目前难以解释。

上述讨论意味着,鉴于互联网的使用越来越多,有必要对这一潜在重要领域进行进一步的研究[3],以及缺乏有关其对健康功能影响的明确证据 本身 而不是与健康相关的生活质量,以及伴随的身体疾病水平可能对卫生系统造成的伴随问题。 当然,考虑到报告有问题的互联网使用的人所表现出的共病,任何有问题的互联网使用和身体疾病之间的关系可能是许多问题中的任何一个的产物。 在饮食不良和睡眠模式不佳方面报告有问题的互联网使用的人忽视了自我,可能与身体疾病的增加有关[37,40]。 当然,睡眠不佳已被证明可以预测免疫功能的某些方面[4143]。 此外,共病心理问题也可能发挥作用。 有人指出,心理健康问题与一年内报告的感冒数量有关[44]。 特别是,两个抑郁症[4547],以及焦虑和压力问题[48],特别是社交焦虑和孤独[4951],预测免疫功能障碍。 最后,交感神经系统的激活,在互联网使用有问题的人群中发现,与肾上腺素和皮质醇水平的增加相关,并导致免疫功能下降,特别是那些报告压力高的人[52]。 对有问题的互联网使用和身体疾病之间关系的任何调查都需要对这些相关功能方面的相对贡献进行一些评估。

显然,身体健康是一个非常广泛的概念,但上述评论表明,有问题的互联网使用可能会对免疫功能产生特殊影响,而这种功能尚未得到直接研究[53]。 如果是这种情况,那么普通感冒等疾病[54],流感[55],唇疱疹[56],肺炎[57],败血症[58]和皮肤感染[59],在评估有问题的互联网使用对身体症状的影响时,可能是关键。 如上所述,之前对有问题的互联网使用与身体疾病之间关系的探索倾向于关注使用诸如SF-36和GHQ等工具获得的与健康相关的生活质量的报告。 尽管这些措施是可靠的,但它们并不一定关注任何特定的疾病,并且与免疫系统受抑制的个体可能易于展示的疾病无关。 在确定免疫功能可能受损的程度时,以前的工作已经检查了通常与免疫功能差相关的症状的自我报告[31,44]。 在这种情况下,自我报告被认为是一种强有力的方法,因为这些症状容易自我区分,往往不向健康专业人员报告,因此不会出现在医疗记录中,并且经常在没有任何客观可验证的病毒原因的情况下经历[54].

鉴于上述考虑因素,本研究探讨了有问题的互联网使用与健康的两个主要指标(免疫功能和自我报告的健康状况)之间的关系,以及一系列与健康相关的变量(抑郁,焦虑,孤独和睡眠问题)。 特别感兴趣的是有问题的互联网使用与免疫相关的身体健康之间的关系,这在以前没有被特别评估过。 在这方面,该研究的初步目的是调查更高水平的有问题的互联网使用是否与更多的免疫相关疾病报告相关(超出互联网问题对其他健康相关变量的潜在影响) )。 此外,还有一些以前未对该研究进行过检查的次要目标,包括探讨有问题的互联网使用与自我报告的健康状况之间关系的性质。 对此进行了检查,以确定该变量是否与有问题的互联网使用显示出相同的关系作为免疫相关症状的报告。 为了确定有问题的互联网使用之间的关系,还测量了一些其他潜在相关问题,这些问题对于那些显示有问题的互联网使用,也被发现预测不良免疫功能,如焦虑,抑郁,孤独和睡眠问题。和身体健康症状独立于这些共病问题。 如果发现存在关联,这应该允许建立有问题的互联网使用和降低的免疫功能之间的任何关系的性质的第一步。

付款方式

道德声明

本研究的伦理批准来自斯旺西大学心理学伦理委员会。 参与者在阅读为其提供的信息表后签署了同意书,提供了参与本研究的知情同意书,道德委员会批准了此同意程序。

参与者成员

通过在互联网站点(社交网站,博客和微博网站以及游戏网站)上发布的链接招募了五百五十名参与者(265女性和240男性)。 采用在线招聘策略符合以前对有问题的互联网使用影响的探索[60,61].

所有参与者均为志愿者,没有人获得任何形式的补偿。 参与者的平均年龄为29.73岁(+ 13.65,范围18-101):<20岁= 7.5%; 21–29年= 61.8%; 30-39年= 15.5%; 40-49年= 4.6%; 50-59年= 4.2%; 60年以上= 5.9%。 参与者的自我报告的种族是:202(40%)白人; 50(10%)混合/多个族裔; 141(28%)亚洲; 106(21%)黑色/非洲/加勒比海; 和6(1%)个其他族裔。 样本的婚姻状况为:305(60%)单身,65(13%)已婚或有民事伴侣。 105(21%)以其他形式的关系; 30(6%)离婚或丧偶。

参与者对互联网的典型使用

参与者被要求估计他们的平均互联网使用情况,要求他们估计过去几个月他们在互联网上花费的每周小时数; 这项措施通常用于有问题的互联网使用研究[40,61]。 虽然有人认为它是“非专业”用法,与网络繁重使用相关的几个问题有关[40],有人认为专业/非专业的区别可能不适用于所有受访者,并且这些用法也可能难以区分某些受访者。 此外,互联网的全部使用本身也被发现与互联网相关的问题有关[40].

报告的互联网使用每周平均小时数为39.57(+ 28.06,范围= 1至135):28.3%报告每周在线1和20小时之间的支出; 29.5%报告在线每周花费21到40小时; 22.4%报告每周在线消费41至60小时,19.8%报告每周在互联网上消费超过61小时。 女性在线每周花费的平均小时数是34.77(±26.84,范围= 1-135),对于男性,这是44.88(±28.46,范围= 6-130)。 独立组t检验显示,这种差异具有统计学意义,具有中等大小的影响, t(503)= 4.11, p <0.001, d = 0.366。 年龄和在线时间之间存在显着但微弱的正线性关系, F(1,503)= 6.74, p <0.05, R2 = 0.013,但这些变量之间的倒U型二次关系更强, F(1,502)= 11.10, p <0.001, R2 = 0.042)。 然而,当样本被分为当前单身(N = 331)和某种形式的关系(N = 174)时,在线花费的时间没有统计学上的显着差异 t (503)= 1.48, p > .10, d = 0.146。 同样,不同种族群体的在线时间之间没有统计学上的显着差异, F <1。

参与者还被问及他们对互联网的使用类型,并被要求说明他们是否在过去几个月访问过特定类型的互联网网站。 对此问题的回答显示在 表1,显示访问各种形式网站的整个样本的百分比,以及男性和女性的百分比,以及访问网站的参与者访问网站的年轻人(少于29年)和年龄(30岁月)。 此外, 表1 显示这些数据的Phi系数(根据参与者的实际数量计算,而不是显示的百分比) 表1)。 Phi系数给出变量之间关联程度的指数(并且当相应的卡方统计量显着时具有统计显着性)。

缩略图
表1。 各种形式的样本访问网站的百分比,以及男性和女性的百分比,以及访问网站的年轻人和年长者以及Phi系数。

DOI:10.1371 / journal.pone.0134538.t001

这些数据显示社交网络(例如,Facebook,Twitter)和购物/银行网站是最常用的互联网网站类型。 赌博(包括彩票网站),游戏和有性/约会内容的网站经常被适度使用,少数人参与传统博客(不包括Twitter)或聊天室。 在互联网使用方面存在一些性别差异,女性使用社交媒体和购物网站比男性更多,男性使用游戏,性/约会网站和聊天室比女性更多。 30岁以下的人越来越多地使用社交网站和研究网站,而不是使用30。 然而,30岁以上的人使用购物/银行网站,新闻网站,传统博客和聊天室,比30岁以下的人更常见。

材料

网络成瘾测试(IAT)

IAT [62]是一个20项目量表,涵盖了互联网使用程度扰乱日常生活的程度(例如,工作,睡眠,人际关系等)。 每个项目都按照1-4评分进行评分,总评分范围从20到100。 目前正在讨论IAT的因素结构[61,63],但IAT总分的40或更高的截止分数被视为代表某种程度的有问题的互联网使用[7,62,64]规模的内部可靠性已发现在.90之间[64]和.93 [62].

医院焦虑和抑郁量表(HADS)

HADS [65]是一种广泛使用的焦虑和抑郁措施。 最初设计用于医院普通医疗门诊患者,它已被用于非医疗样本[66,67]。 它包含与上周有关的14项目(焦虑的7和抑郁症的7)。 焦虑和抑郁各有7问题,每个问题根据症状的严重程度从0评分到3; 每个等级的最高分为21。 受访者可分为四类:0-7正常; 8-10温和; 11-14温和; 和15-21严重。 重测信度和有效性都很强[65对于非临床人群,焦虑量表的内部可靠性为.82,抑郁量表的内部可靠性为.77 [67].

加州大学洛杉矶分校寂寞量表

加州大学洛杉矶分校寂寞量表[68]由旨在评估孤独感的20语句组成。 参与者使用4点量表回答每个问题(“我经常有这种感觉”,“我有时会有这种感觉”,“我很少有这种感觉”,“我从来没有这种感觉”),每个项目都是得分从0到3,得分从0到60。 分数越高表示孤独感越严重。 孤独问题的截止点通常以高于样本平均值的一个标准偏差给出。 该秤具有高可靠性,内部一致性为.92,重测试可靠性为.73 [69].

匹兹堡睡眠质量指数(PSQI)

这个PSQI [70] 由10主要问题组成,一些包含子部分,参与者需要输入有关其睡眠习惯的数据。 调查问卷给出了0和21之间的分数,其中高分反映了较差的睡眠,而大于5的分数反映了睡眠不佳[70]。 已发现PSQI具有较高的“重测信度”,并且在用于测试时具有良好的有效性[70].

一般健康问卷(GHQ-28)

GHQ-28 [71测量一系列精神和健康问题,并分为4子量表:躯体症状,焦虑和失眠,社交功能障碍和严重抑郁症。 每个子刻度都包含7项,所有这些项都需要在4点Likert类型比例上进行响应: 一点也不, 不过平时, 而不是平常, 比往常多得多,分别将0评分为3。 秤的内部可靠性高于.90。 对于本研究,仅分析了躯体症状量表,要求参与者评估他们感受到的程度:良好的一般健康状况,需要补品,跑步,生病,头痛,紧张或压力。头部,以及热或冷的法术。

免疫功能问卷(IFQ)

IFQ由15项目组成,用于评估与免疫功能低下相关的各种症状的频率。 根据他们在一般人群中的频率,以及与免疫缺陷的直接关系,选择以下条件作为问卷项目的基础:普通感冒[54],流感[55],唇疱疹[56],肺炎[57],败血症[58]和皮肤感染[59]。 在对这些病症的主要症状进行分析后,19症状项目被列入问卷中,作为免疫系统功能减弱的迹象:喉咙痛,头痛,流感,流鼻涕,咳嗽,唇疱疹,bo疮,轻度发烧,疣/疣。 ,肺炎,支气管炎,鼻窦炎,突然高烧,耳部感染,腹泻,脑膜炎,眼部感染,败血症和长期愈合伤。 他们被评定为5点Likert型量表(从不,偶尔,偶尔,定期,经常,分别从0到4得分)。 总分从0到79,高分反映了更强的免疫功能。 IFQ以前曾用于研究压力生活事件对自我报告的健康状况的影响,例如评估患有ASD儿童的影响。 在以前的工作[72],IFQ得分被发现具有正相关性(r =。578的, p <.001),以及就诊普通医生的次数,IFQ与GHQ总得分之间存在显着正相关(r =。410的, p <.01),以及IFQ与GHQ的躯体症状子量表之间的显着相关性(r =。493的, p <.01)。

程序

所有参与者都回复了在互联网网站上发布的链接,这些链接旨在覆盖各种各样的个人,包括社交网站(例如,Facebook,Twitter),博客/论坛页面(例如,Mashable),游戏网站(例如,Eurogamer.com),和网络成瘾帮助网站。 这些链接向参与者简要介绍了该研究,他们被告知研究涉及互联网使用与各种人格和健康问题之间的关系。 如果他们有兴趣参与,他们会被要求跟踪调查问卷的在线链接。 该链接将参与者带到一个网页,其中包含有关该研究的进一步信息:再次概述该研究的目的与互联网使用和各种人格和健康问题有关,并且还概述了他们将回答的问卷类型。 信息页面还详细说明了他们随时退出研究的权利,以及为确保隐私而采取的措施。 信息之后是一份同意声明,指示参与者只有在愿意提供同意且是否超过18年龄时才点击开始调查问卷。 然后向参与者提交问卷。

没有给出答复的时间限制,并且参与者可以选择保存他们的调查并在必要时稍后返回调查。 一旦完成所有调查问卷,参与者大约在30分钟,参与者被引导到一个汇报页面,感谢他们的贡献,进一步详细了解了研究的目的和目的,并提供了联系方式。研究员和咨询服务部门,如果他们觉得需要任何支持,请参阅调查中提出的问题。 研究环节保持开放三个月(春季期间),然后关闭。

数据分析

最初,使用t检验分析具有不同特征(例如,性别,年龄等)的参与者之间的网络成瘾评分的潜在差异。 然后,通过在截止点使用基于IAT(即40)的轻度或更差互联网问题的分割,以及有问题的互联网使用分数与性别,抑郁之间的关联,将参与者分为较低和较高互联网问题组。等,使用卡方检验进行了探索。 免疫功能评分与每个预测变量之间的关系使用半部分相关性(以局部化其他预测因子的影响)进行探索,并且还使用逐步回归来识别网络问题评分对免疫功能的影响。超出其他预测变量的影响。 对自我报告健康评分(GHQ)也进行了相同的分析。 最后,将这些组分为高免疫功能和低免疫功能,以及高和低自我报告的健康状态(GHQ),并通过协方差分析,使用其他预测因子作为协变量,对这些组的网络成瘾评分进行比较。 在进行多重比较的情况下,采用更严重的排斥标准进行显着性检验,并始终计算效果大小。

成果

样本的互联网问题(IAT)的平均得分是37.25(±16.18,范围= 0-96)。 女性的平均IAT评分为36.26(±15.36,范围= 0-69),男性的该评分为38.35(±17.00,范围= 9-96)。 独立组t检验显示这些评分之间没有统计学上的显着差异, t <1, d = 0.006。 Pearson相关性揭示了在线时间和IAT得分之间存在统计上显着且中等规模的关系, r(503)= .485, p <.001, R2 = .235,但参与者的年龄与他们的IAT分数之间没有显着关系, r(503)= - .025, p > .50, R2 = .0006。

对于中等或较差的互联网使用问题(即IAT分数为40或以上),样本的比例高于截止点62])显示在 图1 对于整个样本,以及女性和男性的这些数据,分别进行。 在样本中,192(103女性,89男性)参与者超过了互联网问题的截止点。 在性别之间存在问题的互联网使用得分的可能性之间没有统计学上的显着差异, 卡平方 =。17的, p > .60, = .018。 点双线相关显示年龄与落在截止点之间没有关系, rpb(503)= - .002, p > .30, Rpb2 = .102,尽管在网上花费的时间与高于网络成瘾问题的截止点之间存在统计上显着且中等大小的关系, r(503)= .320, p <.001, Rpb2 = .102。

缩略图
图1。 中等或较低有问题的互联网使用(即IAT分数为40或以上)的截止点以上和以下的百分比,以及女性和男性的这些数据,分别。

DOI:10.1371 / journal.pone.0134538.g001

顶部面板 表2 显示了互联网问题(IAT),在线时间,抑郁(HADS),焦虑(HADS),孤独感(UCLA)和睡眠问题(PSQI)的样本均值和标准差。 这些方法与之前对此类样本的调查结果基本一致[7]。 它还显示了超过这些量表的截止点的个体百分比,除了睡眠问题之外,这些量与这样的样本一样。 表2 还显示那些其他心理量表的IAD低于临界值的样本百分比。 IAD也显示出合并症的患者的百分比高于整个样本的百分比。 为了进一步研究这些关系,对每个变量进行了一系列的2×2卡方检验(存在或不存在合并症与存在或不存在互联网问题),并显示所有合并症均与存在互联网问题:抑郁症–卡方(1)= 30.56, p <.001, = .246; 焦虑-C喜方(1)= 38.98, p <.001, = .278; 孤独-C喜方(1)= 15.31, p <.001, = .174; 和睡觉喜方(1)= 9.38, p <.01, = .136。 所有变量之间的Pearson相关性,以及体细胞健康问题(GHQ)和免疫症状也显示在 表2,这些分析揭示了所有变量之间的统计上显着的关系。

缩略图
表2。 互联网问题(IAT),在线时间,抑郁(HADS),焦虑(HADS),孤独感(UCLA)和睡眠问题(PSQI)的均值(标准偏差),以及超过截止点的个人比例那些量表,以及IAD超过这些量表截止值的人的百分比。

 

还显示了所有变量之间的Pearson相关性,以及体细胞健康问题(GHQ)和症状。

DOI:10.1371 / journal.pone.0134538.t002

躯体症状(GHQ-S)的样本平均得分为7.28(±3.87;范围= 0-19),免疫相关症状问卷的平均值为15.20(±9.43;范围= 0-37)。 这些量表具有相关性 r = 0.345, p <.001, R2 = .119,彼此。 GHQ(S)评分与抑郁,焦虑和睡眠问题密切相关,并且在较小程度上与其他变量密切相关。 免疫相关症状量表与焦虑,睡眠和网络问题密切相关,其他变量则较小。

鉴于疾病变量(GHQ-S和IFQ)与所有其他变量相关,并且IAT与所有其他变量相关,以便探讨互联网问题(即IAT评分)是否有助于这些疾病评分,两个单独的逐步多元回归分析 - 一个用于预测GHQ-S评分,一个用于预测IFQ评分。 在这两种情况下,抑郁,焦虑,孤独,睡眠和在线花费的时间都被输入到第一步的回归模型中。 然后将所有这些变量加上因特网问题(IAT)得分输入到第二步的模型中,并计算通过添加IAT得分来改善方差量的程度。

底板 表2 显示这些分析的结果。 从右下方面板检查GHQ-S评分的数据表明,回归的两个步骤都具有统计学意义,在步骤2上添加IAT所产生的误差减少也在预测中产生统计上显着的改善GHQ-S得分。 应该注意的是,通过添加IAT产生的GHQ-S预测的改善不是很大。 从预测免疫相关症状(IFQ)评分的分析中也发现了相同的数据模式。 然而,在步骤2中添加IAT对免疫相关评分(IFQ)的预测准确性产生了比躯体症状(GHQ-S)评分更大的改善。

为了进一步探索变量之间关系的性质,个体预测因子(即抑郁,焦虑,睡眠,孤独,在线时间和网络问题)与两个症状评分(GHQ-S和IFQ)之间的半部分相关性分开计算。 使用所有其他预测变量作为共变量,在每个预测变量和两个与疾病相关的变量之间进行半部分相关。 这允许在没有任何其他变量的中介效应的情况下观察两个变量之间的独特关系,并且这些值可以在 图2 对于这两个与疾病相关的变量。 这些数据显示GHQ-S和IFQ的预测因子和症状之间存在类似的关系模式; 其中,抑郁,焦虑和睡眠问题在控制其他变量的影响时都与两种结果具有统计学上的显着关系。 然而,虽然互联网问题(IAT)显着预测了免疫相关症状(IFQ),但这与GHQ(S)评分无统计学显着相关性。

缩略图
图2。 抑郁症(HADS),焦虑症(HADS),睡眠(PSQI),孤独症(UCLA),在线时数和网络问题(IAT)以及两种症状评分(GHQ(S)和IFQ)之间的半局部相关性。

DOI:10.1371 / journal.pone.0134538.g002

为了进一步探讨互联网相关问题(IAT评分)与一般体细胞(GHQ-S)和免疫相关(IFQ)健康问题之间的关系,将样本分为低于和高于截止值的那些得分。 40用于IAT的中度或更差的互联网相关问题[62]。 这创建了两个组:一个没有互联网问题的组(N = 313; 意思是IAT = 26.89 + 7.89; range = 0-39)和一个有互联网问题的组(N = 313; 表示IAT = 54.14±11.23; range = 40-96)。 图3 显示平均一般身体健康(GHQ-S)评分(左图)和平均免疫相关健康(IFQ)评分。 对GHQ-S数据的检查显示,低IAT组和高IAT组在GHQ-S评分方面差异不大。 这些数据使用协方差分析,互联网组作为主体间因素,抑郁,焦虑,睡眠问题,孤独和在线时数作为协变量进行分析。 该分析显示,互联网问题群体在GHQ-S评分方面没有统计学上的显着差异, F <1, 部分eta2 = .001。 相比之下,右边的小组 图3 表明高互联网问题群体比无互联网问题群体有更多与免疫相关的健康问题, F(1,498)= 27.79, p <.001, 部分eta2 = .046。

缩略图
图3。 平均一般身体健康(GHQ(S))评分(左图),以及两个IAT组的平均免疫相关健康(IFQ)评分(较低和较高的问题)。

 

左图=体细胞相关评分GHQ(S); 右图=免疫相关评分(IFQ)。

DOI:10.1371 / journal.pone.0134538.g003

讨论

目前的研究探讨了网络成瘾测试分数与健康评分之间的关​​系,重点是免疫系统功能的自我评估以及一般健康状况。 这被认为是一个需要调查的重要领域,因为之前没有关于有问题的互联网使用对免疫功能的影响的数据; 此外,之前关于有问题的互联网使用与健康相关生活质量之间关系的报告彼此之间存在差异[9,39,40]。 据认为,后者的差异可能与用于评估健康状况的措施的性质有关,更多以心理为导向的健康报告量表(例如GHQ)与有问题的互联网使用相关性低于与更直接相关的措施。免疫功能。

尽管采用了在线招聘策略,但目前的样本与之前用于互联网使用研究的许多其他人具有相似的特征。 样本很年轻(在30岁以下),但确实有很大的年龄范围。 在互联网上花费的平均时间大约是每天5-6小时,这符合当前的几个估计值[40,61]。 应该注意的是,这个值并没有区分专业和个人用途,并且有人认为这对于互联网问题来说很重要[40]。 但是,目前尚不清楚这种区分对于参与者来说是否容易实现。 目前参与者在互联网上进行的活动类型与之前研究中提到的类似[61]。 互联网使用存在性别差异。 女性倾向于使用社交媒体和购物网站而不是男性,但男性倾向于使用游戏,性/约会网站和聊天室,而不是女性。 当然,这依赖于自我报告数据,虽然在统计学上可靠,但这些差异在某些比较中很小。 当前样本中有问题的互联网使用水平,大约30%的样本显示出轻度或更严重的网络成瘾症状,与以前的调查基本一致[7].

当前研究的一个重要发现是自我报告的有问题的互联网使用与自我报告的免疫功能较差有关,这与免疫相关症状的数量有关。 这证实了一项研究的结果,该研究检查了SF-36测量的自我报告的与健康相关的生活质量以及有问题的互联网使用[40]。 然而,尽管免疫功能和自我报告的健康状况彼此相关,但有问题的互联网使用并不能预测自我报告的健康症状,这可以通过GHQ的体细胞量表来衡量。 后一个发现与先前几项未能找到IAT评分和GHQ评分之间关系的研究一致[9,39]。 就IAT评分与免疫功能受损之间的关系而言,目前的积极发现可能反映出更直接地测量免疫相关症状,正如目前的研究所做的那样,比更加心理导向的GHQ更好地评估这方面的健康状况。规模。

尽管前面已经讨论过免疫功能测量的困难(也参见下文),但鉴于研究的方法学局限性,研究结果的临床相关性应该放在上下文中。 该研究是一个相关的研究,这意味着不应该从这种关联中自动推断出因果关系。 疾病程度较高的人可能比那些更健康的人更常使用互联网。 然而,鉴于互联网的普遍使用以及青少年与互联网使用之间的关联,这似乎不太可能,尽管仍有可能需要纵向研究来评估。 或者,可能是某些第三因素预测互联网使用和健康状况不佳。 然而,还应该指出,有问题的互联网使用和自我报告的免疫功能之间的关系被发现超过了与有问题的互联网相关的许多其他功能区域(抑郁,焦虑,孤独)的影响。使用 [1012],它们本身与免疫功能降低有关[45,46,48,49]。 这使得不清楚第三个中介因素可能是什么。

如果有问题的互联网使用确实预测了更好的免疫功能,那么临床医生的明确问题将涉及这些机制。 一种可能性是,已经注意到高水平的有问题的互联网使用会增加交感神经系统的活化[32,33]。 这种升高的交感神经活动导致正 - 肾上腺素和/或皮质醇(皮质醇)水平升高,最终导致免疫功能下降[52]。 因此,这条路线可能很好地支持有问题的互联网使用和免疫功能降低之间的关系,但需要进一步调查。 后一个建议与未来概念化和探索有问题的互联网使用的临床特征有一定关联。

IAT评分与免疫功能之间的关系反映了这样一个事实,即某些人对互联网的整体使用本身被视为一个问题 - 然而,他们使用互联网的内容在这些个体之间会有所不同。 例如,目前的研究发现人们对互联网的使用存在性别差异,并且可能特定的用法与性别之间差异性地降低免疫功能有关。 关于互联网使用类型的进一步详细工作,例如使用的确切性质,以及在线专业和个人使用所花费的时间,可以进一步阐明互联网使用与免疫功能降低之间的关系。

与往常一样,目前的研究存在一些需要注意的局限性。 目前的样本是在线招募的,这可能会影响参与该研究的个人类型。 然而,应该提到的是,样本中的个体范围在其年龄和其他特征方面相当广泛,并且样本似乎与先前研究中使用的样本一致。 应该指出的是,目前的研究没有区分互联网的专业和个人使用,这可能是重要的检查。 例如,使用互联网的强制性和紧迫性可能会对应力水平的影响程度大于必须在互联网上工作的小时数。 也就是说,可以区分那些努力工作并因此而受到压力的人,以及因网络问题导致网络问题并且感到压力和不适的人。

就高问题用户所见的免疫功能降低的潜在替代预测因素而言,未来的工作可能会考虑可能影响问题互联网用户群的多种成瘾的作用。 本报告未收集有关药理学和非药理学成瘾的信息,这可能与互联网问题相关,并影响免疫功能。 同样,最近有压力的生活事件可能会影响成瘾行为和免疫系统功能,参与者的社会状况也是如此。 这两个方面都可以通过进一步的研究来检验。

随后可以通过使用血细胞分析来支持对免疫功能的自我报告的依赖,这将增加对当前结论的支持。 然而,如上所述,免疫功能的生理学与症状的体验之间没有完美的关系[54并且,感冒和流感的自我报告被视为这方面免疫功能的有效测量[31,44]。 当然,已经发现,当前研究中使用的疾病症状的自我报告 - 特别是关于上呼吸道感染(例如,感冒和流感),与客观免疫球蛋白读数很好地相关[73].

最后,应该承认,虽然目前的研究确实显示了有问题的互联网使用与免疫相关症状之间的关系,但有两点需要注意,从这种关联中得出因果结论。 首先,由于研究本质上不是纵向的,因此不应采用因果推论来证明。 其次,由于许多预测变量彼​​此相关,因此这可能在回归分析中产生一定程度的共线性,使得解释变得困难。 虽然应该指出,半部分相关的使用在某种程度上确实改善了这种困难。

总之,本报告建立了有问题的互联网使用与报告与免疫系统功能降低相关的更多症状之间的联系。 这种关系与在线花费的小时数无关,也与互联网使用问题的任何共病症状的影响无关,如抑郁,孤立和焦虑。 有人提出,免疫功能的负面影响可能是由于压力增加,以及网络成瘾者有时会表现出的交感神经活动增加所致。

作者贡献

构思并设计了实验:PR RV LAO MR RT。 进行实验:RV。 分析数据:RV PR。 贡献的试剂/材料/分析工具:LAO。 写了这篇论文:PR LAO MR RT。

参考资料

  1. 1。 块JJ。 DSM-V的问题:网络成瘾。 Am J Psychiatry 2008; 165:306-7。 doi:10.1176 / appi.ajp.2007.07101556。 结论:18316427
  2. 2.年轻的KS。 网络成瘾:一种新的临床疾病的出现。 网络心理学与行为,1998; 1(3):237–244。 doi:10.1089 / cpb.1998.1.237
  3. 查看文章
  4. 考研/ NCBI
  5. Google Scholar
  6. 查看文章
  7. 考研/ NCBI
  8. Google Scholar
  9. 查看文章
  10. 考研/ NCBI
  11. Google Scholar
  12. 查看文章
  13. 考研/ NCBI
  14. Google Scholar
  15. 查看文章
  16. 考研/ NCBI
  17. Google Scholar
  18. 查看文章
  19. 考研/ NCBI
  20. Google Scholar
  21. 查看文章
  22. 考研/ NCBI
  23. Google Scholar
  24. 查看文章
  25. 考研/ NCBI
  26. Google Scholar
  27. 查看文章
  28. 考研/ NCBI
  29. Google Scholar
  30. 查看文章
  31. 考研/ NCBI
  32. Google Scholar
  33. 查看文章
  34. 考研/ NCBI
  35. Google Scholar
  36. 查看文章
  37. 考研/ NCBI
  38. Google Scholar
  39. 查看文章
  40. 考研/ NCBI
  41. Google Scholar
  42. 查看文章
  43. 考研/ NCBI
  44. Google Scholar
  45. 查看文章
  46. 考研/ NCBI
  47. Google Scholar
  48. 查看文章
  49. 考研/ NCBI
  50. Google Scholar
  51. 查看文章
  52. 考研/ NCBI
  53. Google Scholar
  54. 查看文章
  55. 考研/ NCBI
  56. Google Scholar
  57. 查看文章
  58. 考研/ NCBI
  59. Google Scholar
  60. 查看文章
  61. 考研/ NCBI
  62. Google Scholar
  63. 查看文章
  64. 考研/ NCBI
  65. Google Scholar
  66. 查看文章
  67. 考研/ NCBI
  68. Google Scholar
  69. 查看文章
  70. 考研/ NCBI
  71. Google Scholar
  72. 查看文章
  73. 考研/ NCBI
  74. Google Scholar
  75. 查看文章
  76. 考研/ NCBI
  77. Google Scholar
  78. 查看文章
  79. 考研/ NCBI
  80. Google Scholar
  81. 查看文章
  82. 考研/ NCBI
  83. Google Scholar
  84. 查看文章
  85. 考研/ NCBI
  86. Google Scholar
  87. 查看文章
  88. 考研/ NCBI
  89. Google Scholar
  90. 查看文章
  91. 考研/ NCBI
  92. Google Scholar
  93. 查看文章
  94. 考研/ NCBI
  95. Google Scholar
  96. 查看文章
  97. 考研/ NCBI
  98. Google Scholar
  99. 查看文章
  100. 考研/ NCBI
  101. Google Scholar
  102. 查看文章
  103. 考研/ NCBI
  104. Google Scholar
  105. 查看文章
  106. 考研/ NCBI
  107. Google Scholar
  108. 查看文章
  109. 考研/ NCBI
  110. Google Scholar
  111. 查看文章
  112. 考研/ NCBI
  113. Google Scholar
  114. 查看文章
  115. 考研/ NCBI
  116. Google Scholar
  117. 查看文章
  118. 考研/ NCBI
  119. Google Scholar
  120. 查看文章
  121. 考研/ NCBI
  122. Google Scholar
  123. 查看文章
  124. 考研/ NCBI
  125. Google Scholar
  126. 查看文章
  127. 考研/ NCBI
  128. Google Scholar
  129. 查看文章
  130. 考研/ NCBI
  131. Google Scholar
  132. 查看文章
  133. 考研/ NCBI
  134. Google Scholar
  135. 查看文章
  136. 考研/ NCBI
  137. Google Scholar
  138. 查看文章
  139. 考研/ NCBI
  140. Google Scholar
  141. 查看文章
  142. 考研/ NCBI
  143. Google Scholar
  144. 查看文章
  145. 考研/ NCBI
  146. Google Scholar
  147. 查看文章
  148. 考研/ NCBI
  149. Google Scholar
  150. 查看文章
  151. 考研/ NCBI
  152. Google Scholar
  153. 查看文章
  154. 考研/ NCBI
  155. Google Scholar
  156. 查看文章
  157. 考研/ NCBI
  158. Google Scholar
  159. 查看文章
  160. 考研/ NCBI
  161. Google Scholar
  162. 查看文章
  163. 考研/ NCBI
  164. Google Scholar
  165. 查看文章
  166. 考研/ NCBI
  167. Google Scholar
  168. 查看文章
  169. 考研/ NCBI
  170. Google Scholar
  171. 查看文章
  172. 考研/ NCBI
  173. Google Scholar
  174. 查看文章
  175. 考研/ NCBI
  176. Google Scholar
  177. 查看文章
  178. 考研/ NCBI
  179. Google Scholar
  180. 查看文章
  181. 考研/ NCBI
  182. Google Scholar
  183. 3。 Christakis DA。 网瘾:21st世纪的流行病? BMC Medicine 2010; 8(1):61。 doi:10.1186 / 1741-7015-8-61
  184. 查看文章
  185. 考研/ NCBI
  186. Google Scholar
  187. 查看文章
  188. 考研/ NCBI
  189. Google Scholar
  190. 4。 Caplan SE,高AC。 在线社交互动,社会心理健康以及有问题的互联网使用。 网络成瘾:评估和治疗201的手册和指南; 35-53。 doi:10.1002 / 9781118013991.ch3
  191. 查看文章
  192. 考研/ NCBI
  193. Google Scholar
  194. 查看文章
  195. 考研/ NCBI
  196. Google Scholar
  197. 查看文章
  198. 考研/ NCBI
  199. Google Scholar
  200. 查看文章
  201. 考研/ NCBI
  202. Google Scholar
  203. 查看文章
  204. 考研/ NCBI
  205. Google Scholar
  206. 查看文章
  207. 考研/ NCBI
  208. Google Scholar
  209. 查看文章
  210. 考研/ NCBI
  211. Google Scholar
  212. 查看文章
  213. 考研/ NCBI
  214. Google Scholar
  215. 5。 Shaw M,Black DW。 网络成瘾。 CNS药物2008; 22:353-65。 pmid:18399706 doi:10.2165 / 00023210-200822050-00001
  216. 6. Griffiths M.互联网成瘾时间要受到重视吗? 成瘾研究与理论2000; 8:413–418。 doi:10.3109 / 16066350009005587
  217. 7。 Romano M,Osborne LA,Truzoli R,Reed P.网络暴露对网络成瘾者的不同心理影响。 PLOS ONE 2013; 8(2):e55162。 doi:10.1371 / journal.pone.0055162。 结论:23408958
  218. 8。 Kuss DJ,Griffiths MD,Binder JF。 学生网络成瘾:患病率和风险因素。 人类行为中的计算机2013; 29(3):959-966。 doi:10.1016 / j.chb.2012.12.024
  219. 9. Niemz K,Griffiths M,BanyardP。大学生使用病理性互联网的情况及其与自尊,一般健康调查表(GHQ)和禁忌症的相关性。 网络心理学与行为2005; 8(6):562–570。 doi:10.1089 / cpb.2005.8.562
  220. 10。 Weinstein A,Lejoyeux M.网络成瘾或过度使用互联网。 美国药物和酒精滥用杂志2010; 36(5):277-283。 doi:10.3109 / 00952990.2010.491880。 结论:20545603
  221. 11。 Bernardi S,Pallanti S.网络成瘾:一项关注合并症和分离症状的描述性临床研究。 综合精神病学2009; 50(6):510-516。 doi:10.1016 / j.comppsych.2008.11.011。 结论:19840588
  222. 12。 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。 欧洲精神病学2012; 27(1):1-8。 doi:10.1016 / j.eurpsy.2010.04.011。 结论:22153731
  223. 13。 Akin A,Iskender M.网络成瘾和抑郁,焦虑和压力。 国际在线教育科学杂志2011; 3(1):138-148。
  224. 14。 Yen CF,Chou WJ,Liu TL,Yang P,Hu。 网络成瘾症状与注意力缺陷/多动障碍青少年的焦虑,抑郁和自尊之间的关联。 综合精神病学2014。 doi:10.1016 / j.comppsych.2014.05.025
  225. 15。 Gundogar A,Bakim B,Ozer OA,Karamustafalioglu。 P-32-高中生网络成瘾,抑郁和ADHD之间的关联。 欧洲精神病学201; 27:1。 doi:10.1016 / s0924-9338(12)74199-8
  226. 16。 Romano M,Truzoli R,Osborne LA,Reed P.自闭症商,焦虑和网络成瘾之间的关系。 自闭症谱系障碍研究2014; 11:1521-1526。 doi:10.1016 / j.rasd.2014.08.002
  227. 17. Young KS,Rogers RC。 抑郁与网络成瘾之间的关系。 网络心理学与行为,1998; 1(1):25-28。 doi:10.1089 / cpb.1998.1.25
  228. 18。 Ko CH,Liu TL,Wang PW,Chen CS,Yen CF,Yen JY。 青少年网络成瘾过程中抑郁,敌意和社交焦虑的恶化:一项前瞻性研究。 综合精神病学2014。 doi:10.1016 / j.comppsych.2014.05.003
  229. 19。 Lee HW,Choi JS,Shin YC,Lee JY,Jung HY,Kwon JS。 网络成瘾的冲动:与病态赌博的比较。 网络心理学,行为和社交网络2012; 15(7):373-377。 doi:10.1089 / cyber.2012.0063
  230. 20。 Yen JY,Yen CF,Wu HY,Huang CJ,Ko CH。 现实世界和在线的敌意:网络成瘾,抑郁和在线活动的影响。 网络心理学,行为和社交网络2011; 14(11):649-655。 doi:10.1089 / cyber.2010.0393
  231. 21。 Heim C.非常重的计算机和互联网使用是智能年轻男性精神分裂症的危险因素。 澳大利亚和新西兰精神病学杂志2012; 46(8):791-792。 doi:10.1177 / 0004867412442407。 结论:22403394
  232. 22。 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。 传播研究2003; 30:625-648。 doi:10.1177 / 0093650203257842
  233. 23。 严薇,李,,隋恩。大学生近期紧张生活事件,人格特质,家庭功能感与网络成瘾的关系。 压力和健康2014; 30(1):3-11。 doi:10.1002 / smi.2490。 结论:23616371
  234. 24。 Bozoglan B,Demirer V,Sahin I.寂寞,自尊和生活满意度是网络成瘾的预测因素:土耳其大学生的横断面研究。 斯堪的纳维亚心理学杂志2013; 54(4):313-319。 doi:10.1111 / sjop.12049。 结论:23577670
  235. 25. Nalwa K,阿南德(AP)。 学生的网络成瘾:令人担忧的原因。 网络心理学与行为2003; 6(6):653–656。 doi:10.1089 / 109493103322725441
  236. 26。 Sanders CE,Field TM,Diego M,Kaplan M.青少年互联网使用与抑郁和社会隔离的关系。 青春期2000; 35(138):237-242。 结论:11019768
  237. 27. Tonioni F,D'Alessandris L,Lai C,Martinelli D,Corvino S,Vasale M等……BriaP。网络成瘾:上网时间,行为和心理症状。 综合医院精神病学2012; 34(1):80-87。 doi:10.1016 / j.genhosppsych.2011.09.013。 pmid:22036735
  238. 28。 袁凯,秦伟,王庚,曾芙,赵璐,杨曦,等。 青少年网络成瘾的微观结构异常。 PloS ONE 2011; 6(6):e20708。 doi:10.1371 / journal.pone.0020708。 结论:21677775
  239. 29。 Zhou Y,Lin FC,Du YS,Qin LD,Zhao ZM,Xu JR,et al。 网络成瘾中的灰质异常:基于体素的形态测量研究。 欧洲放射学杂志2011; 79(1):92-95。 doi:10.1016 / j.ejrad.2009.10.025。 结论:19926237
  240. 30。 Hou H,Jia S,Hu S,Fan R,Sun W,Sun T,et al减少纹状体多巴胺转运蛋白对网络成瘾患者的影响。 BioMed Research International 2012; 2012。 doi:10.1155 / 2012 / 854524
  241. 31。 Kim SH,Baik SH,Park CS,Kim SJ,Choi SW,Kim SE。 网络成瘾者减少纹状体多巴胺D2受体。 Neuroreport 2011; 22(8):407-411。 doi:10.1097 / WNR.0b013e328346e16e。 结论:21499141
  242. 32。 陆DW,王建华,黄ACW。 基于自主神经反应的网络成瘾风险水平的区分:自主活动的网络成瘾假设。 网络心理学,行为和社交网络2010; 13(4):371-378。 doi:10.1089 / cyber.2009.0254
  243. 33。 Lin PC,Kuo SY,Lee PH,Sheen TC,Chen SR。 网络成瘾对学龄儿童心率变异性的影响。 心血管护理杂志2013。 doi:10.1097 / jcn.0b013e3182a477d5
  244. 34。 Zheng H,Liu X,Patel K K.多巴胺在由链脲佐菌素和高脂肪饮食诱导的2型糖尿病大鼠中枢介导的交感神经反应中的作用。 FASEB期刊2011; 25:1028-11。
  245. 35。 BélangerRE,Akre C,Berchtold A,Michaud PA。 互联网使用强度与青少年健康之间的U形关联。 儿科2014; 127:e330-e335。 doi:10.1542 / peds.2010-1235
  246. 36。 Lam LT。 互联网游戏成瘾,有问题的互联网使用和睡眠问题:系统评价。 目前的精神病学报告2014; 16(4):1-9。 doi:10.1007 / s11920-014-0444-1
  247. 37。 Kim Y,Park JY,Kim SB,Jung IK,Lim YS,Kim JH。 网络成瘾对韩国青少年生活方式和饮食行为的影响。 营养研究与实践2010; 4(1):51-57。 doi:10.4162 / nrp.2010.4.1.51。 结论:20198209
  248. 38。 Li M,Deng Y,Ren Y,Guo S,He X.湘潭市中学生肥胖状况及其与网络成瘾的关系。 肥胖症2014; 22(2):482-487。 doi:10.1002 / oby.20595。 结论:23929670
  249. 39。 Jenaro C,Flores N,Gomez-Vela M,Gonzalez-Gil F,Caballo C.有问题的互联网和手机使用:心理,行为和健康相关。 成瘾研究与理论2007; 15:309-320。 doi:10.1080 / 16066350701350247
  250. 40。 Kelley KJ,Gruber EM。 有问题的互联网使用和身体健康。 行为成瘾杂志2013; 2(2):108-112。 doi:10.1556 / JBA.1.2012.016。 结论:26165930
  251. 41。 Besedovsky L,Lange T,Born J.睡眠和免疫功能。 PflügersArchiv-European Journal of Physiology 2012; 463(1):121-137。 doi:10.1007 / s00424-011-1044-0。 结论:22071480
  252. 42。 Cheung LM,Wong WS。 失眠和网络成瘾对香港中国青少年抑郁症的影响:探索性横断面分析。 睡眠研究2011; 20:311-317。 doi:10.1111 / j.1365-2869.2010.00883.x
  253. 43。 Irwin M.睡眠和睡眠丧失对免疫和细胞因子的影响。 脑,行为和免疫力2002; 16(5):503-512。 doi:10.1016 / s0889-1591(02)00003-x
  254. 44。 Adam Y,Meinlschmidt G,Lieb R.精神障碍与成人感冒之间的关系:基于人群的横断面研究。 心理学研究杂志2013; 74(1):69-73。 doi:10.1016 / j.jpsychores.2012.08.013。 结论:23272991
  255. 45。 Irwin M,Patterson T,Smith TL,Caldwell C,Brown SA,Gillin JC等,减少生命压力和抑郁中的免疫功能。 生物精神病学1990; 27(1):22-30。 pmid:2297549 doi:10.1016 / 0006-3223(90)90016-u
  256. 46。 Kiecolt-Glaser JK,Glaser R.抑郁症和免疫功能:发病率和死亡率的中心途径。 心理学研究杂志2002; 53(4):873-876。 pmid:12377296 doi:10.1016 / s0022-3999(02)00309-4
  257. 47。 Kim HC,Park SG,Leem JH,Jung DY,Hwang SH。 抑郁症状是员工感冒的危险因素:4月的随访研究。 心理学研究杂志2011; 71(3):194-196。 doi:10.1016 / j.jpsychores.2011.01.014。 结论:21843756
  258. 48。 Dickerson SS,Kemeny ME。 急性应激源和皮质醇反应:实验室研究的理论整合和综合。 心理学公报2004; 130(3):355。 pmid:15122924 doi:10.1037 / 0033-2909.130.3.355
  259. 49。 Cacioppo JT,Hawkley LC。 社会隔离和健康,重点是潜在的机制。 生物学和医学2003的观点; 46(3):S39-S52。 pmid:14563073 doi:10.1353 / pbm.2003.0049
  260. 50。 科恩S.社会关系和健康。 美国心理学家2004; 59(8):676。 pmid:15554821 doi:10.1037 / 0003-066x.59.8.676
  261. 51。 Jaremka LM,Fagundes CP,Glaser R,Bennett JM,Malarkey WB,Kiecolt-Glaser JK。 寂寞可以预测疼痛,抑郁和疲劳:了解免疫失调的作用。 精神神经内分泌学2013; 38(8):1310-1317。 doi:10.1016 / j.psyneuen.2012.11.016。 结论:23273678
  262. 52。 McClelland DC,E楼,Davidson RJ,Saron C.强调力量动机,交感神经激活,免疫功能和疾病。 人类压力杂志1980; 6(2):11-19。 pmid:7391555 doi:10.1080 / 0097840x.1980.9934531
  263. 53。 Cao H,Sun Y,Wan Y,Hao J,Tao F. BMC Public Health 2011; 11:802。 doi:10.1186 / 1471-2458-11-802。 结论:21995654
  264. 54。 Heikkinen T,JärvinenA。普通感冒。 柳叶刀2003; 361:51-59。 pmid:12517470 doi:10.1016 / s0140-6736(03)12162-9
  265. 55。 谁。 回顾北半球2012-2013冬季流感季节。 世界卫生组织每周流行病学记录2013; 88:225-232。 从...获得 http://www.who.int/wer/2013/wer8822.pdf
  266. 56。 Grout P,Barber V E.感冒疮 - 一项流行病学调查。 皇家全科医学院学报1976; 26:428-434。 结论:957310
  267. 57。 Glaser R,Sheridan J,Malarkey WB,MacCallum RC,Kiecolt-Glaser J K.慢性应激调节对肺炎性肺炎疫苗的免疫反应。 心身医学2000; 62:804-807。 pmid:11139000 doi:10.1097 / 00006842-200011000-00010
  268. 58。 Hass HS,Schauenstein K.免疫,激素和大脑。 过敏症2001; 56:470-77 pmid:11421890 doi:10.1034 / j.1398-9995.2001.056006470.x
  269. 59。 Aberg KM,Radeck KA,Choi EH,Kim DK,Demerjian M,Hupe M,等人心理压力下调表皮抗菌肽表达并增加小鼠皮肤感染的严重程度。 临床研究杂志2007; 117:3339-3349。 pmid:17975669 doi:10.1172 / jci31726
  270. 60. Ng BD,Wiemer-HastingsP。沉迷于互联网和在线游戏。 网络心理学与行为2005; 8(2):110-113。 doi:10.1089 / cpb.2005.8.110
  271. 61. Widyanto L,McMurranM。网络成瘾测试的心理计量学特性。 网络心理学与行为2004; 7:443–450。 doi:10.1089 / cpb.2004.7.443
  272. 62。 年轻的KS。 网络成瘾测试(IAT)2009。
  273. 63。 Chang MK,Man Law SP。 Young的网络成瘾测试的因素结构:确证研究。 人类行为中的计算机2008; 24:2597-2619。 doi:10.1016 / j.chb.2008.03.001
  274. 64。 Hardie E,Tee MY。 过度使用互联网:个性,孤独和社交支持网络在网络成瘾中的作用。 澳大利亚新兴技术与社会杂志2007; 5:34-47。
  275. 65。 Snaith RP,Zigmond AS。 HADS:医院焦虑和抑郁量表1994。 温莎:NFER Nelson。
  276. 66。 Andrew B,Wilding J M.抑郁与焦虑与生活压力和学生成就的关系。 英国心理学杂志2004; 95(4):509-521。 doi:10.1348 / 0007126042369802
  277. 67。 Crawford JR,Henry JD,Crombie C,Taylor EP。 来自大型非临床样本的HADS的标准化数据。 英国临床心理学杂志2001; 40(4):429-434。 doi:10.1348 / 014466501163904
  278. 68。 罗素DW。 加州大学洛杉矶分校寂寞量表(版本3):可靠性,有效性和因子结构。 人格评估杂志1996; 66(1):20-40。 pmid:8576833 doi:10.1207 / s15327752jpa6601_2
  279. 69。 Jobe LE,Williams White S. Loneliness,社会关系以及大学生中更广泛的自闭症表型。 个性与个体差异2007; 42(8):1479-1489。 doi:10.1016 / j.paid.2006.10.021
  280. 70。 Buysse DJ,Reynolds CF,Monk TH,Berman SR,Kupfer DJ。 匹兹堡睡眠质量指数(PSQI):精神病学研究和实践的新工具。 精神病学研究1989; 28(2):193-213。 doi:10.1016 / 0165-1781(89)90047-4
  281. 71。 Goldberg DP,Hillier V F.一般健康问卷的缩放版。 心理医学1979; 9:139-145。 pmid:424481 doi:10.1017 / s0033291700021644
  282. 72. Reed P.和Senunaite K. ASD患儿对父母自我报告的免疫功能的影响。 正在审查中。
  283. 73。 McClelland DC,Alexander C,Marks E.男性囚犯对力量,压力,免疫功能和疾病的需求。 异常心理学杂志1982; 91(1):61。 pmid:7056944 doi:10.1037 / 0021-843x.91.1.61