在马来西亚医学生中验证马来语版智能手机成瘾量表（2015）

2015 Oct 2;10(10):e0139337。 doi：10.1371 / journal.pone.0139337。

Ching SM1, 是啊2, Ramachandran V3, Sazlly Lim SM4, Wan Sulaiman WA4, Foo YL4, Hoo FK4.

抽象

简介：

本研究旨在通过将该量表翻译并验证为马来语（SAS-M）来确定智能手机成瘾量表（SAS）的心理测量属性，该语言是马来西亚使用的主要语言。 这项研究可以区分马来西亚多族裔医学生的智能手机和网络成瘾。 此外，还证明了SAS的可靠性和有效性。

材料和方法：

在8月228和9月2014之间选择了总共2014参与者来完成一组调查问卷，包括SAS和马来语中修改的Kimberly Young网络成瘾测试（IAT）。

结果：

这项研究包括99例男性和129例女性，年龄在19至22岁之间（21.7±1.1）。 通过描述性和因子分析，类内系数，t检验和相关分析来验证SAS的可靠性和有效性。 Bartlett的球形度检验非常显着（p <0.01），并且SAS-M的抽样充分性的Kaiser-Mayer-Olkin度量值为0.92，这有功地表明因素分析是适当的。 验证了SAS-M的内部一致性和并发有效性（Cronbach's alpha = 0.94）。 除了积极的期望之外，SAS-M的所有子量表都与IAT的马来语版本显着相关。

结论：

该研究开发了医学生中第一个智能手机成瘾量表。 该量表在马来语中显示可靠且有效。

引文： Ching SM，Yee A，Ramachandran V，Sazlly Lim SM，Wan Sulaiman WA，Foo YL，et al。 （2015）马来西亚医学生对马来语版智能手机成瘾量表的验证。 PLoS ONE 10（10）：e0139337。 DOI：10.1371 / journal.pone.0139337

责任编辑： 以色列阿里尔大学的Aviv M. Weinstein

收稿日期： 三月18，2015; 公认： 九月11，2015; 出版日期： 2015 年 10 月 2 日

版权： ©2015 Ching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： 所有相关数据均在论文及其支持信息文件中。

资金： 作者还要感谢芬欧汇川研究基金（授权号：UPM / 700-2 / 1 / GP-IPM / 2014 / 9436500）的财务支持。 网址是 http://www.rmc.upm.edu.my/.

利益争夺： 作者宣称没有竞争利益存在。

介绍

毫无疑问，智能手机为我们的日常生活提供了极大的便利，因为它具有比基本功能手机更先进的计算能力和连接性[1]。 智能手机的使用有各种各样的目标和宗旨。 大量研究表明，智能手机在社会和医疗方面有很多好处[2–5]。 虽然智能手机已成为最受欢迎和最重要的通信工具之一，但其过度使用已成为全球社会问题，并创造了一种新的心理健康问题，其中用户倾向于依赖它[6–8].

智能手机成瘾也被称为“手机依赖”，“强迫手机过度使用”或“手机过度使用”。 这些术语主要描述手机使用有问题的现象[9, 10]。 “智能手机成瘾”是文献中通常使用的术语。 这种成瘾的主要特征是对智能手机使用的过度或不良控制的关注，冲动或行为，以至于个人忽视了其他生活领域[11–13]。 研究报告称，过度使用手机与压力，睡眠障碍，吸烟和抑郁症状有关[14–16].

来自马来西亚的最新数据显示智能手机普及率从47的2012％增加到63的2013％。 在2014中，10.13百万马来西亚人是活跃的智能手机用户，而7.7则为2012百万[17–20]。 智能手机的病理用途类似于网络成瘾。 全球青少年和成年人对网络成瘾的使用过度[21]。 网络成瘾过多导致精神疾病，自尊心低，抑郁，学业和职业表现受损[22–25]。 当地研究报告称，网络成瘾的患病率为43％[26]，马来西亚有超过100万的活跃Facebook用户; 事实上，Facebook是这个国家的顶级网站。 鉴于马来西亚的智能手机使用量迅速增加，迫切需要验证衡量当地人口智能手机成瘾的规模，以确定其患病率，并确定谁有发展智能手机成瘾的风险，以便政策制定者可以在不久的将来制定合适的干预措施。

就像为网络成瘾测试准备的因子结构[27]，Min Kwon等人开发的智能手机成瘾量表（SAS）。 是第一个用于诊断的智能手机成瘾量表[28]。 该量表由33项组成，据报道是可靠的，具有良好的内部一致性（Cronbach's alpha = 0.967），六个分量表的并发有效性范围从0.32到0.61 [28].

本研究旨在将SAS翻译成马来语，并研究马来语版SAS（SAS-M）的心理测量特性，以促进其在当地环境中的进一步研究。

研究方法

研究设计与设置

这是来自马来西亚Putra大学的所有一年级和二年级医学生的横断面研究。 从8月2014到9月2014，这些学生接受了验证研究。 这所大学位于Serdang，毗邻马来西亚的行政首都Putrajaya。 我们根据SAS中每个项目的五个案例（总共有165项目）的计算，估计样本量至少为33 [29]。 因此，本研究中228的样本量足够。

程序。

第一阶段：作者从Kwon等人那里获得了英文版的SAS。 从英语到马来语的翻译由两位双语语言专家同时进行，并且由第三位双语语言专家进行了翻译。 讨论了原始版本和反向翻译之间的差异，并相应地进行了调整。 翻译的SAS的最终版本，我们称之为SAS-M的草案，由一位由一名精神科医生，两名高级医师和一名家庭医生组成的专家小组制作，他们都是关于使用心理测量仪器和所有人都有抑郁症的临床经验。

第一阶段：SAS-M的初稿在20母语马来语学生中进行了试点测试，以确定此版本中的任何缺陷。 在此版本中，受访者认为不合适或不合适的任何词语都被注意到并予以纠正。 大多数学生很难接受15项目：“当我没有智能手机时生气和怨恨”。 这个项目被修改并翻译成马来语中的“当我没有智能手机时感到不耐烦和焦躁不安”。 两名顾问精神病学家进一步审查了SAS-M的最终版本，他们具有超过10多年的经验，可以评估内容的有效性并确保令人满意的面貌和令人满意的语义，标准和概念等值。

第一阶段：每位学生在收到研究的性质和机密性的完整解释后提供了书面知情同意书，228学生同意参加该研究，答复率为9％。 社会人口统计学数据（年龄，性别，种族和家庭收入）来自学生。 有关学生根据自己的估计使用智能手机的信息，例如每周使用的小时数，作为普通智能手机用户的年数以及他们开始使用智能手机的年龄，都记录在案。 给学生们以下问卷：

  1. SAS和SAS-M（表A中的 S1文字).
  2. 马来版的网络成瘾测试。

仪器功能

智能手机成瘾量表[28].

SAS是一款自行完成的6点Likert型刻度，带有33项目。 每个问题都有一个从1到6的响应量表（1 =非常不同意6 =非常同意），反映出症状的频率。 受访者圈出了最接近描述其智能手机使用特征的声明。 SAS上的总分可以从48到288。 分数越高，智能手机的病理使用程度越高。

网络成瘾测试[26].

IAT调查问卷由Kimberly Young在1998开发，是最常用于诊断网络成瘾的工具。 Malay版本已在本地验证，具有良好的内部一致性（Cronbach的alpha = 0.91）和并行可靠性（组内相关系数（ICC）= 0.88， P <0.001）。 这是一个自我完成的问卷，由5个点的李克特型量表组成，包含20个项目，最小点值为20，最大点值为100。每个问题的评分范围为1到5（1 =从不到5 =始终），复制出现的症状。 学生选择了最能描述其互联网使用功能的陈述。 分数越高，互联网对病理的使用程度越高。 如果IAT的马来语版本的得分超过43，则该人被诊断为有网络成瘾的风险[26].

统计分析

所有分析均使用21.0版社会科学统计软件包（SPSS，美国伊利诺伊州芝加哥市）进行。 为参与者的基线特征计算描述性统计数据。 使用Cronbach's alpha评估SAS-M的内部一致性，并使用Kolmogorov-Smirnov分析评估数据的正态性。 如果项目被删除，则根据项目与总分之间的相关系数分析量表项目的同质性。 通过探索性因素分析和Kaiser归一化的斜方差来研究构建体的有效性。 > 0.30的因子加载用于确定每个因子的项目。 根据Guttman-Kaiser规则，保留特征值大于1的因子[30, 31]。 ICC用于检查SAS-M和英语版SAS之间的并行可靠性以及SAS-M的重测信度。 Pearson的相关性用于检查SAS-M和IAT的马来版本之间的同时有效性。 当马来语版IAT的分数大于43时，从坐标点确定有风险病例的最佳SAS-M截止分数[26]，此时灵敏度和特异性在接受者操作特征（ROC）分析中是最佳的。 测定ROC曲线的曲线下面积（AUC）。

定义

普通用户定义为在6个月内使用智能手机至少6或更多次的用户[32]

道德批准

本研究的伦理批准来自马来西亚普特拉大学伦理委员会（FPSK-EXP14 P091）。

成果

本研究共招募了228学生。 表1 显示了研究人群的临床特征。 总体而言，平均年龄约为22年±1.1。 超过一半的学生是女性（56.6％），大多数是马来族（52.4％）。 每周智能手机使用的平均小时数是36.5小时。 平均而言，学生们在19年龄开始使用智能手机，而普通智能手机使用的平均年数是2.4年。

缩略图  

 
表1。 研究人群的特征（N = 228）。

 

DOI：10.1371 / journal.pone.0139337.t001

SAS-M的因子结构和内部一致性

Bartlett的球形度检验非常显着（p <0.01），并且SAS-M的采样充足性的Kaiser-Meyer-Olkin度量为0.92，表明该量表是有功的[33]，这反过来表明因素分析是适当的。 通过探索性因子分析方法和Kaiser归一化的斜向最大旋转提取了六个因子（特征值> 1.00），占总方差的65.3％。 此结果与原始SAS [28].

SAS-M表现出良好的内部一致性; Cronbach的总量表的α系数是0.94，六个因子的相应系数是0.877，0.843，0.865，0.837，0.865和0.861。 对应于SAS分量表的六个因素被称为“网络空间导向关系”，“日常生活干扰”，“首要地位”，“过度使用”，“积极预期”和“退出”（表2）。 所有项目的更正项目总相关性均超过0.9。 删除任何项目都不会增加总分的内部一致性（表3）。 SAS-M和SAS之间的并行可靠性很高，0.95的ICC证明了这一点（95％ 置信区间= 0.937-0.962）。 在1周间隔后，SAS-M的重测信度很高，ICC为0.85（95％ 置信区间= 0.808-0.866）。

缩略图  

 
表2。 SAS-Malay版本的因子分析。

 

DOI：10.1371 / journal.pone.0139337.t002

缩略图  

 
表3。 更正了项目 - 如果删除了SAS-M的项目，则总相关性和Cronbach的alpha值。

 

DOI：10.1371 / journal.pone.0139337.t003

SAS-M的并发有效性：SAS-M的分量表和IAT的马来版本之间的相关性

在SAS-M的子量表和IAT的马来版本之间进行的Pearson相关分析的结果显示在 表4。 结果显示，除了“积极预期”之外，SAS-M的所有分量表都与IAT的马来语版本显着相关。

缩略图  

 
表4。 SAS-M的同时有效性（Pearson相关性）：SAS-M的分量表和IAT的马来版本。

 

DOI：10.1371 / journal.pone.0139337.t004

ROC曲线的AUC是0.801（95％CI = 0.746至0.855）。 鉴定有风险病例的最佳临界分数大于98，71.43％的敏感性，71.03％的特异性，64.10％的阳性预测值（PPV）和77.44的阴性预测值（NPV） ％。 根据46.9评分，本研究中发生智能手机成瘾的风险案例的流行率为98％。

讨论

本研究检验了SAS-M的内部一致性，维度性，并发性和结构有效性。 该研究的结果表明，SAS-M是评估马来语人群中智能手机成瘾的可靠而有效的工具。

在这项研究中，SAS-M表现出良好的内部一致性; Cronbach的总量表的α系数是0.94，六个因子的相应系数是0.877，0.843，0.865，0.837，0.865和0.861。 在1周间隔后，SAS-M的并行可靠性和测试 - 再测试可靠性被发现是好的，分别是0.95和0.85的ICC，甚至比原始版本的SAS更好[28]。 到目前为止，这是第一个与智能手机成瘾相关的研究，它表明SAS-M与英文版一样好。

然而，解释SAS-M大部分变异性的六个主要组成部分与原始SAS相似。 在本研究中，组成部分包括“网络空间导向关系”，“日常生活障碍”，“首要地位”，“过度使用”，“积极预期”和“退出”。 原始SAS中的组成部分是“日常生活干扰”，“积极预期”，“退出”，“网络空间导向关系”，“过度使用”和“容忍”。 并非所有因子分析中获得的因素都与原始SAS中获得的因素平行。 这很可能是因为这反映了马来和韩国样本之间的差异。 原始SAS的含义在翻译过程中已经改变。

当前研究中报告的大多数组分是相同的，除了“primacy”组分，其与原始SAS中的组分“耐受性”不同。 可能的原因可能是我们的研究人群较年轻（21.7±1.1年，年龄范围从20到27）与韩国人群（26.1±6.0，年龄范围从18到53）。 背景我们的研究人群是同质的，因为所有受试者都是医学生，而原始SAS研究中的职业和教育水平范围很广。 由于研究人群的背景和教育的异质性，不同的解释可能会复杂化。

在这项研究中，SAS-M的所有分量表，除了“积极的预期”，都与IAT的马来版本显着相关。 这可能是唯一与IAT不相关的子量表，因为IAT主要衡量互联网的不利用途，因此没有项目询问积极的预期。 然而，这方面并没有降低并发有效性，因为其他5分量表是强相关的。

使用此量表可识别为智能手机成瘾的高危病例的患病率为46.9％。 这个结果有几种可能的解释。 由于当地一项研究显示85％的马来西亚人拥有手机，因此预计智能手机成瘾率很高[18]。 智能手机是最受欢迎的选择，因为马来西亚人倾向于关注社区趋势[20]。 此外，智能手机通过某些平台提供免费即时消息，例如WhatsApp和WeChat，它们丰富了用户的生活。 娱乐是另一种可能解释智能手机成瘾率高的原因，因为有了这些手机，医学生可以听音乐，看电影和玩游戏来缓解压力[34]。 因此，他们可能倾向于在一天结束时花更多时间使用智能手机，并最终成为病态用户。

然而，我们研究中关注的一个问题是，当IAT的马来版本的得分超过43时，从坐标点确定有风险病例的最佳SAS-M截止分数。 这不是IAT迄今为止公认的截止日期。 同样，根据DSM V在成瘾疾病谱中没有确定的互联网或智能手机成瘾的诊断标准[21, 25]。 因此，我们研究提出的截止点可能太低，导致智能手机成瘾的估计率非常高。 根据权利，网络成瘾的诊断应基于Ko等人，2012描述的三个标准[25].

与诊断仪器相比，SAS-M更像是用于评估智能手机上瘾使用严重程度的筛选或量表。 对智能手机成瘾做出正确诊断将是未来研究的重要问题。 我们提出，未来智能手机成瘾的诊断应包括更多标准，包括标准A，B和C.标准A包含智能手机成瘾的六个特征症状，如网络空间导向关系，日常生活干扰，首要地位，过度使用，积极预期和退出。 标准B需要包括智能手机使用的功能障碍。 标准C应排除其他精神疾病，如双相情感障碍或其他冲动性疾病。 满足所有标准A，B和C的受试者将仅被视为具有智能手机成瘾。

优点和局限

这项研究的结果应在研究局限性的背景下进行解释：首先，根据成瘾症的频谱，没有根据DSM V建立的互联网或智能手机成瘾诊断标准[21, 25]。 然而，鉴于本地环境中智能手机成瘾的研究有限，本研究的结果仍然可以为医疗保健专业团队提供一些见解。 其次，尽管样本量足够但不是随机的。 性别和种族没有平均分配。 此外，这项研究是在一个中心进行的，因此样本群体是同质的，可能无法反映马来西亚的一般人口。

尽管存在这种局限性，但本研究的结果证明，SAS-M可用于评估受过教育的马来西亚年轻人的智能手机成瘾。

结论

该研究开发了医学生中第一个智能手机成瘾量表。 该研究还提供了证据，证明SAS-M是一种有效且可靠的自我管理工具，可以筛查那些有智能手机成瘾风险的人。

支持信息

S1_Text.doc
 
 

S1文字。 智能手机成瘾马来版问卷调查。

DOI：10.1371 / journal.pone.0139337.s001

（DOC）

作者贡献

构思并设计了实验：SMC AY FKH。 进行实验：VR SMSL WAWS YLF。 分析数据：SMC AY。 贡献的试剂/材料/分析工具：SMC AY。 写了这篇论文：SMC AY VR。

参考资料

  1. 1。 Rashvand HF，Hsiao KF（2015）智能手机智能应用：简要回顾。 多媒体系统21（1）：103-119 doi：10.1007 / s00530-013-0335-z
  2. 2。 Mosa AS，Yoo I，Sheets L（2012）智能手机医疗保健应用的系统评价。 BMC医学信息学与决策制定12：67。 doi：10.1186 / 1472-6947-12-67。 结论：22781312
  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. 3。 Lane N，Mohammod M，Lin M，Yang X，Lu H，Ali S，et al。 （2011）BeWell：用于监控，建模和促进健康的智能手机应用程序。 5th都柏林医疗保健普及计算技术国际会议。
  88. 4。 Patrick K，Griswold WG，Raab F，Intille SS（2008）Health和手机。 美国预防医学杂志35：177-181。 doi：10.1016 / j.amepre.2008.05.001。 结论：18550322
  89. 5. Derbyshire E，Dancey D（2013）妇女健康的智能手机医疗应用：证据和反馈是什么？ 国际远程医疗与应用杂志，文章ID 782074，第10版。doi：10.1155 / 2013/782074
  90. 6。 Emad AS，Haddad E（2015）智能手机对人类健康和行为的影响：约旦人的观念。 国际计算机网络与应用杂志2（2）：52-56。
  91. 7。 Sarwar M，Soomro TR（2013）智能手机对社会的影响。 欧洲科学研究期刊98（2）：216-226。
  92. 8. Acharya JP，Acharya I，Waghrey D（2013）对大学生手机对健康的一些共同影响的研究。 社区医学与健康教育杂志3：21. doi：10.5958 / j.2319-5886.2.3.068
  93. 9。 Lin YH，Chang LR，Lee YH，Tseng HW，Kuo TB，Chen SH。 （2014）智能手机成瘾清单（SPAI）的开发和验证。 PLoS One 9：e98312。 doi：10.1371 / journal.pone.0098312。 结论：24896252
  94. 10. Billieux J，Van der Linden M，d'Acremont M，Ceschi G，Zermatten A（2007年）冲动性是否与对手机的依赖和实际使用有关？ 应用认知心理学21：527–537。 doi：10.1002 / acp.1289
  95. 11. Park N，Lee H（2012）智能手机使用的社会影响：韩国大学生的智能手机使用和心理健康。 网络心理学，行为和社交网络15：491–497。 doi：10.1089 / cyber.2011.0580
  96. 12。 Yen CF，Tang TC，Yen JY，Lin HC，Huang CF，Liu SC，et al。 （2009）台湾南部青少年手机使用存在问题，功能障碍及其与抑郁症相关的症状。 青春期杂志32：863-873。 doi：10.1016 / j.adolescence.2008.10.006。 结论：19027941
  97. 13。 Beranuy M，Oberst U，Carbonell X，Chamarro A（2009）有问题的互联网和手机使用以及大学生的临床症状：情商的作用。 人类行为中的计算机25：1182-1187。 doi：10.1016 / j.chb.2009.03.001
  98. 14。 Thomee S，Harenstam A，Hagberg M（2011）一项前瞻性队列研究显示，年轻人的手机使用和压力，睡眠障碍和抑郁症状。 BMC Public Health 11：66。 doi：10.1186 / 1471-2458-11-66。 结论：21281471
  99. 15。 Ezoe S，Toda M，Yoshimura K，Naritomi A，Den R，Morimoto K（2009）女性护理学生的个性和生活方式与手机依赖的关系。 社交行为和人格：国际期刊37（2）：231-238。 doi：10.2224 / sbp.2009.37.2.231
  100. 16。 Toda M，Monden K，Kubo K，Morimoto K（2006）手机依赖和大学生的健康相关生活方式。 社交行为和人格34（10）：1277-1284。 doi：10.2224 / sbp.2006.34.10.1277
  101. 17。 马来西亚通信和多媒体委员会（2012）手机用户调查2011。 可用： http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/SSKMM-HandPhoneSurvey-2011.pd​f
  102. 18。 马来西亚通信和多媒体委员会（2014）手机用户调查2012。 可用： http://www.skmm.gov.my/skmmgovmy/media/G​eneral/pdf/130717_HPUS2012.pdf
  103. 19。 ecommercemilo（2014）。 可用： http://www.ecommercemilo.com/2014/09/12-​facts-mobile-malaysia.html#.Va8ru_mqpBe.
  104. 20。 Osman MA，Talib AZ，Sanusi ZA，Shiang-Yen T，Alwi AS（2012） - 马来西亚智能手机趋势及其使用行为研究。 国际新计算机体系结构及其应用期刊2：274-285。
  105. 21。 Weinstein A，Lejoyeux M（2010）网络成瘾或过度使用互联网。 美国药物和酒精滥用杂志36：277-283。 doi：10.3109 / 00952990.2010.491880。 结论：20545603
  106. 22. Jenaro C，Flores N，Gómez-VelaM，González-GilF，Caballo C（2007）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15：309-320。 doi：10.1080 / 16066350701350247
  107. 23. Niemz K，Griffiths M，Banyard P（2005年），大学生使用病理性互联网的情况及其与自尊的关系，《一般健康状况调查表》（GHQ）和禁忌症。 网络心理学与行为8：562–570。 pmid：16332167 doi：10.1089 / cpb.2005.8.562
  108. 24. Young KS，Rogers RC（1998），抑郁症与网络成瘾之间的关系。 网络心理学与行为1：25-28。 doi：10.1089 / cpb.1998.1.25
  109. 25。 Ko CH，Yen JY，Yen CF，Chen CS，Chen CC（2012）网络成瘾与精神疾病之间的关联：文献综述。 欧洲精神病学27：1-8。 doi：10.1016 / j.eurpsy.2010.04.011。 结论：22153731
  110. 26。 Guan NC，Isa SM，Hashim AH，Pillai SK，Harbajan Singh MK（2015）马来语版网络成瘾测试的有效性：对马来西亚一群医学生的研究。 亚太公共卫生杂志27：2210-2219。 doi：10.1177 / 1010539512447808
  111. 27. Khazaal Y，Billieux J，Thorens G，Khan R，Louati Y，Scarlatti E等。 （2008）法国对网络成瘾测试的验证。 网络心理学与行为11：703–706。 doi：10.1089 / cpb.2007.0249。 座席：18954279
  112. 28。 Kwon M，Lee JY，Won WY，Park JW，Min JA，Hahn C，et al。 （2013）开发和验证智能手机成瘾量表（SAS）。 PloS one 8：e56936。 doi：10.1371 / journal.pone.0056936。 结论：23468893
  113. 29。 Gorsuch RL（1983）因子分析。 2nd编辑。 新泽西州希尔斯代尔：Erlbaum。
  114. 30。 Kaiser HF（1960）电子计算机在因子分析中的应用。 教育和心理测量20：141-151 doi：10.1177 / 001316446002000116
  115. 31。 Guttman L（1954）公共因子分析的一些必要条件。 Psychometrika 19：149-161。 doi：10.1007 / bf02289162
  116. 32. Ybama ML（2004）青年常规用户中抑郁症状与互联网骚扰之间的联系。 网络心理学与行为7：247–257。 pmid：15140367 doi：10.1089 / 109493104323024500
  117. 33。 Kaiser HF（1974）因子简单性的指数。 Psychometrika 39：31-36。 doi：10.1007 / bf02291575
  118. 34。 Elias H，Ping WS，Abdullah MC（2011）马来西亚Putra大学本科学生的压力和学业成就。 程序 - 社会和行为科学29：646-655。 doi：10.1016 / j.sbspro.2011.11.288