色情使用是最令人上瘾的互联网应用:
“在使用互联网进行色情内容最多的青少年中,PIU的患病率最高(19.6%),其次是游戏(9.3%)和互联网社区(8.4%)”
“但是,在主要将互联网用于色情内容的人群中,PIU的几率最高,这表明与其他互联网服务相比,互联网色情具有强大的成瘾潜力”
色情内容的使用与抑郁症,精神病患者最相关:
“这些发现表明,主要将互联网用于色情内容与严重的精神病理学有关,例如抑郁和自杀,以及很强的成瘾潜力。”
————————————————————————————————————
Neuropsychiatr Dis Treat。 2020 Apr 20; 16:1031-1041。 doi:10.2147 / NDT.S247292
抽象
目的:
这项研究基于所使用的互联网服务类型,调查了大批青少年中有问题的互联网使用(PIU)的普遍性和相关性。
材料和方法:
该研究于2008年至2010年进行,共有223,542名12至18岁的青少年参加了该研究。 参与者回答了一份自我报告调查表,其中包括人口因素,互联网使用时间,最常用的互联网服务和心理健康状况。 用青少年成瘾倾向互联网成瘾倾向量表评估了PIU。
结果:
PIU的总体患病率为5.2%,按性别分层的患病率在男孩中为7.7%,在女孩中为3.8%。 大多数使用的互联网服务的分布在男女之间都存在显着差异。 最常用的互联网服务是男孩的游戏(58.1%)和女孩的博客(22.1%)和Messenger /聊天(20.3%)。 根据使用最多的互联网服务,PIU的优势比明显不同。 主要将互联网用于 色情 与信息搜索相比,优势比最高(高4.526倍)。 抑郁发作,自杀意念和自杀未遂与PIU的较高比值比显着相关(分别为1.725-,1.747-和1.361倍)。
总结
本研究确定了关于青少年PIU的临床重要信息。 根据性别和特定的互联网服务,PIU的分布具有不同的模式。 需要用明确定义的方法和评估工具对每种特定互联网服务的PIU进行PIU研究。
关键词:成瘾; 青春期; 性别差异; 互联网使用
- PMID 32368065
- PMCID: PMC7182452
- 作者: 10.2147 / NDT.S247292
介绍
在过去的二十年中,互联网以非常迅速和广泛的方式渗透到人们的生活中,并已成为购物,获取新闻和与朋友联系等日常生活的重要手段。 美国调查数据报告称,90年约有2019%的成年人可以访问互联网,未使用互联网的人比例从48年的2000%下降到10年的2019%。1 特别是,青少年在日常生活中使用互联网的比例高于其他人群。 在2018年,据报道95%的美国青少年可以使用智能手机,而45%的青少年几乎恒定在线。2
尽管互联网提供了各种好处,例如教育,娱乐,社交,便利和心理健康,3 许多研究报告说,互联网与青年人的心理健康之间存在负面联系,包括抑郁症,社交焦虑症,自杀和网络欺凌。4–7 值得注意的是,以过度使用和令人上瘾的特征为特征的有问题的互联网使用(PIU)是青少年人群中互联网使用的最大问题之一,根据先前的研究,其流行率高达26.7%。8,9
已知青少年由于冲动性增强以及前额叶皮层(PFC)的相对不成熟而易受PIU侵害,尤其是在青春期早期和中期。10–12 此外,据报道,婴儿早期(2岁)的情绪失调对青少年的PIU有重大影响,这表明出生时的气质是PIU的主要危险因素之一。13 性别是PIU模式的另一个区分主持人。 男孩比男孩子更可能使用互联网游戏,而女孩子使用更多的社交网络服务。14,15 此外,环境因素,包括与父母和同伴的依恋关系也被认为是青少年PIU的预测因素之一。 例如,Badenes-Ribera等16 报告指出,与父母的关系对青少年早期PIU的影响最大,而同龄人的关系在青少年时期最相关。
同样,多项研究调查了青少年对PIU的普遍关注以及相关的危险因素,但是,尚未对PIU做出明确定义。 研究人员使用不同的术语和概念(例如“网络成瘾”,17 “强制使用互联网”,18 “有问题的互联网使用”19 和“病理性互联网使用”。20 其他针对互联网游戏的研究都使用了“有问题的在线游戏使用”一词,21 “互联网游戏成瘾”22 和“互联网游戏混乱”。23
尽管这些不同的术语及其定义包含心理暗示,暗示互联网使用不受控制的模式会导致临床损害,24 缺乏黄金标准定义的原因之一是,互联网提供了可能与令人上瘾的潜力相关的各种内容,例如游戏,赌博,聊天或色情。 年轻25 指出网络成瘾涵盖了各种各样的行为冲动控制问题,并分为五种特定的亚型,包括网络性,网络关系,网络强迫,信息超载和计算机成瘾。
在PIU的这些特定亚型中,“网络游戏障碍”和“游戏障碍”被包括在《精神障碍诊断和统计手册》(DSM-3)第5节中作为诊断。26 以及世界卫生组织(WHO)对《国际疾病分类》(ICD-11)的最新修订。27 尽管由于缺乏证据,非赌博互联网活动并未被视为正式诊断,24 仍然令人上瘾的非赌博互联网活动,例如互联网赌博,28 社交网络29 和在线色情。30
但是,尽管对PIU的各种亚型存在这些担忧,但仍缺乏研究探索基于特定互联网服务的不同成瘾潜能的研究。 德国最近进行的一项研究针对6,081名12-19岁的学生进行了调查,调查了在PIU和非PIU中广泛使用的Internet应用程序的分布。31 在Rosenkranz等人的研究中31 使用最广泛的Internet应用程序是社交网站和聊天,而用于PIU的最具预测性的Internet应用程序是游戏和赌博。 但是,仍然缺乏基于使用特定互联网服务来探索分布和成瘾潜能的研究。 实际上,据我们所知,韩国还没有研究。 因此,本研究旨在根据互联网使用的亚类型调查大量青少年样本中PIU的患病率和相关性。
材料和方法
参与者成员
我们的研究是基于2008年,2009年和2010年韩国青少年风险行为网络调查(KYRBS)得出的数据进行的。 KYRBS是一项多年横断面研究,自2005年以来,由韩国疾病预防控制中心(CDC)每年进行一次。32 KYRBS关注青少年的健康风险行为。 该调查是使用青少年填写的问卷进行的,问卷由125项组成,包括有关烟草使用,酒精使用,肥胖,身体活动,性行为,物质使用,互联网使用和心理健康的信息。 目标人群是韩国每年12至18岁的具有国家代表性的初中和高中学生,每年从400所中学和400所高中中抽样。 参与者总数为223,542,2008、2009和2010 KYRBS分别包括75,238、75,066和73,238名参与者。 在进入研究之前,由受过训练的老师向学生提供了有关研究目的和方法的完整说明,并获得了学生的书面知情同意。 同意参加的学生完成了匿名调查表,该调查表显示在计算机上。 CDC的机构审查委员会已批准KYRBS的协议。
评估
为了评估PIU,由Kim等人开发的青少年短型互联网成瘾倾向量表(KS量表)33 被使用了。 KS量表是20项自我报告量表,以4点李克特量表(1 =从不,2 =有时,3 =经常,或4 =总是)评分。 它由六个子因素组成:(1)适应功能障碍(6个项目),(2)积极期望(1个项目),(3)退缩(4个项目),(4)虚拟人际关系(3个项目),(5 )越轨行为(2个项目)和(6)宽容(4个项目)。 根据分数将受访者分为以下三类之一:确定的PIU,可能的PIU和互联网的正常用户。 明确的PIU由总分等于或高于53或以下所有条件定义:适应性功能得分为17或更高; 退学分数11分或以上; 公差分数为13或更高。 可能的PIU由48到52之间的总分或以下所有条件的存在定义:适应性功能得分为15或更高; 退学分数为10或以上; 公差分数为12或更高。 在本研究中,PIU组被定义为确定且可能的PIU组的参与者。
询问互联网使用时间“在过去30天的工作日和周末您使用互联网多少小时和几分钟?” “您通常最常使用互联网的哪种服务?”项询问了参与者主要使用的互联网服务。 提供的选项包括信息搜索,信使/聊天,游戏,看电影,听音乐,观看视频(例如用户创建的内容),电子邮件,购物,色情,博客等。在过去12个月中,针对某项经历对自杀尝试进行了询问,回答为“是”或“否”,如下所示:“您是否感到悲伤或绝望,以至于在过去12个月中有两周无法停止日常生活? ” 对于抑郁症,“您在过去12个月中是否认真考虑过自杀?” 自杀念头,以及“您在过去12个月内未曾尝试过自杀吗?” 企图自杀。
统计报表
描述性统计数据用于人口统计特征分析。 为了分析最常用的互联网服务,PIU的患病率和相关性与描述性统计之间的关联,采用卡方检验和方差分析(ANOVA)。 为了根据相关的相关性检查PIU的优势比,两个模型使用了以PIU为因变量的逻辑回归。 第一个模型包括性别,年级,最常用的互联网服务,抑郁发作,自杀意念和自杀企图作为自变量。 模型2在模型1的协变量中增加了社会经济地位和学校成绩。使用Windows的SPSS 25.0软件包(SPSS Inc.,Chicago,IL)进行了统计分析。
成果
人口特征
人口特征显示在 表1。 共有223,542名初中和高中学生参加了该研究,其中52.5%是男性。 PIU的整体患病率为5.8%,而PIU组中的高风险互联网用户群为3.2%。 基于性别的PIU患病率在男孩中为7.7%,在女孩中为3.8%。 经历抑郁发作,自杀意念和自杀未遂的参与者比例分别为38.0%,19.1%和4.8%。
表1
n(%) | |
---|---|
合计 | 223542 |
年 | |
2008 | 75238(33.7) |
2009 | 75066(33.6) |
2010 | 73238(32.8) |
性生活 | |
男性 | 117281(52.5) |
女性 | 106261(47.5) |
牌号 | |
初一 | 38219(17.1) |
中学二 | 38423(17.2) |
中学3 | 38280(17.1) |
高中一 | 37218(16.6) |
高中二 | 36926(16.5) |
高中3 | 34476(15.4) |
PIU | |
合计 | 13056(5.8) |
高风险用户 | 7183(3.2) |
潜在风险使用者 | 5873(2.6) |
抑郁发作; 是 | 84848(38.0) |
自杀念头; 是 | 42728(19.1) |
自杀企图; 是 | 10778(4.8) |
社会经济状况 | |
高 | 13775(6.2) |
高中 | 48348(21.6) |
中间 | 105472(47.2) |
低中 | 41322(18.5) |
低 | 14625(6.5) |
学业成就 | |
高 | 25440(11.4) |
高中 | 52399(23.4) |
中间 | 60448(27.0) |
低中 | 57183(25.6) |
低 | 28072(12.6) |
常见缩写: PIU,有问题的互联网使用。
基于最常用的Internet服务的PIU的发生率和相关性
在所有参与者中,最常用的互联网服务是互联网游戏(35.0%),其次是信息搜索(16.2%),聊天(14.1%)和博客(12.1%)(表2 和 图1)。 但是,男孩和女孩之间使用最频繁的互联网服务的比例有所不同(x2 = 9144.0; p <0.001)。 男孩使用最多的服务是互联网游戏(58.1%),女孩使用博客(22.1%)和聊天(20.3%)最多。
表2
最常用的互联网服务 | 资讯搜寻 | 信使/聊天 | 游戏 | 看电影 | 听音乐 | 观看视频(即UCC) | 互联网社区或俱乐部 | 邮箱 | 网上购物 | 互联网色情 | 博客 | 等等 | 合计 | 统计F或 χ2 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
合计 | ||||||||||||||
n | 36,150 | 31,446 | 78,325 | 8248 | 21,075 | 2896 | 4032 | 1147 | 5315 | 1716 | 27,142 | 6050 | 223,542 | |
% | 16.2 | 14.1 | 35.0 | 3.7 | 9.4 | 1.3 | 1.8 | 0.5 | 2.4 | 0.8 | 12.1 | 2.7 | 100.0 | |
性生活 | ||||||||||||||
男; ñ | 16,857 | 9873 | 68,139 | 4415 | 7257 | 1158 | 1064 | 313 | 780 | 1565 | 3637 | 2223 | 117,281 | 69144.0 * |
% | 14.4 | 8.4 | 58.1 | 3.8 | 6.2 | 1.0 | 0.9 | 0.3 | 0.7 | 1.3 | 3.1 | 1.9 | 100.0 | |
女; ñ | 19,293 | 21,573 | 10,186 | 3833 | 13,818 | 1738 | 2968 | 834 | 4535 | 151 | 23,505 | 3827 | 102,434 | |
% | 18.2 | 20.3 | 9.6 | 3.6 | 13.0 | 1.6 | 2.8 | 0.8 | 4.3 | 0.1 | 22.1 | 3.6 | 100.0 | |
互联网使用时间; 均值(SD) | ||||||||||||||
平日小时 | 1.1(1.3) | 1.6(1.6) | 1.6(1.8) | 1.3(1.5) | 1.1(1.3) | 1.4(1.4) | 1.7(1.5) | 1.0(1.2) | 1.3(1.3) | 2.0(3.0) | 1.4(1.4) | 1.5(1.7) | 457.5 * | |
周末; 小时 | 1.8(1.8) | 2.4(2.1) | 3.1(2.5) | 2.4(2.1) | 1.8(1.7) | 2.4(2.1) | 3.0(2.2) | 1.5(1.7) | 2.1(1.8) | 2.8(3.4) | 2.2(1.9) | 2.4(2.3) | 1112.5 * | |
KS秤 | 1298.4 * | |||||||||||||
平均值 | 27.8 | 29.6 | 33.0 | 29.1 | 27.0 | 29.8 | 32.9 | 26.4 | 27.8 | 36.2 | 28.7 | 28.6 | ||
SD | 8.6 | 9.0 | 10.5 | 8.9 | 7.7 | 8.9 | 9.7 | 7.7 | 7.8 | 18.1 | 8.1 | 8.9 | ||
总PIU; 是 | 3791.9 * | |||||||||||||
n | 1217 | 1534 | 7317 | 334 | 516 | 122 | 339 | 25 | 149 | 336 | 911 | 256 | 13,056 | |
% | 3.4 | 4.9 | 9.3 | 4.0 | 2.4 | 4.2 | 8.4 | 2.2 | 2.8 | 19.6 | 3.4 | 4.2 | 5.8 | |
只有确定的PIU; 是 | 2624.9 * | |||||||||||||
n | 666 | 817 | 4026 | 195 | 272 | 60 | 174 | 11 | 84 | 269 | 456 | 153 | 7183 | |
% | 1.8 | 2.6 | 5.1 | 2.4 | 1.3 | 2.1 | 4.3 | 1.0 | 1.6 | 15.7 | 1.7 | 2.5 | 3.2 | |
抑郁发作; 是 | 3867.8 * | |||||||||||||
n | 13,412 | 15,171 | 24,081 | 3307 | 8288 | 1104 | 1585 | 443 | 2225 | 858 | 12,149 | 2225 | 84,848 | |
% | 37.1 | 48.2 | 30.7 | 40.1 | 39.3 | 38.1 | 39.3 | 38.6 | 41.9 | 50.0 | 44.8 | 36.8 | 38.0 | |
自杀念头; 是 | 1918.0 * | |||||||||||||
n | 6107 | 7947 | 12,307 | 1662 | 3999 | 545 | 876 | 212 | 1100 | 533 | 6,208 | 1,232 | 42,728 | |
% | 16.9 | 25.3 | 15.7 | 20.2 | 19.0 | 18.8 | 21.7 | 18.5 | 20.7 | 31.1 | 22.9 | 20.4 | 19.1 | |
自杀企图; 是 | 1386.4 * | |||||||||||||
n | 1332 | 2458 | 2813 | 401 | 972 | 102 | 180 | 58 | 274 | 235 | 1665 | 288 | 10,778 | |
% | 3.7 | 7.8 | 3.6 | 4.9 | 4.6 | 3.5 | 4.5 | 5.1 | 5.2 | 13.7 | 6.1 | 4.8 | 4.8 |
请注意: * p <0.001。
缩写: PIU,有问题的互联网使用; UCC,用户创建的内容; KS量表,青少年短表格的互联网成瘾倾向量表; SD,标准偏差。
基于最常用的互联网服务,每种特定互联网服务的用户中PIU的患病率也存在显着差异(x2 = 3791.9; p <0.001)。 在使用互联网进行色情内容最多的青少年中,PIU的患病率最高(19.6%),其次是游戏(9.3%)和互联网社区(8.4%)(表2 和 图2)。 在拥有PIU的人群中,互联网游戏用户的比例最高,为56.0%。
在使用互联网进行色情内容最多的青少年中,有抑郁发作,自杀意念和未遂经历的参与者比例也最高(分别为50.0%,31.1%和13.7%),其次是聊天(48.2%,25.3)分别为%和7.8%)和博客(分别为44.8%,22.9%和6.1%)。
基于人口统计学和互联网使用变量的PIU组中的几率
表3 根据人口统计资料和互联网使用变量显示在PIU组中的优势比。 男孩的优势比明显高于女孩(OR = 1.520; p <0.001)。 与最年轻的参与者相比,年龄较大的学生群体的PIU的优势比明显更高,高出1.274- 1.319倍。
表3
变量 | 型号1 | 型号2 | ||||||||
---|---|---|---|---|---|---|---|---|---|---|
OR | 95%CI | p | OR | 95%CI | p | |||||
性生活 | ||||||||||
女性 | 指称对象 | |||||||||
男性 | 1.501 | 1.432 | 至 | 1.573 | .000 | 1.520 | 1.450 | 至 | 1.593 | .000 |
牌号 | ||||||||||
初一 | 指称对象 | |||||||||
中学二 | 1.303 | 1.223 | 至 | 1.387 | .000 | 1.274 | 1.196 | 至 | 1.357 | .000 |
中学3 | 1.368 | 1.285 | 至 | 1.457 | .000 | 1.327 | 1.246 | 至 | 1.413 | .000 |
高中一 | 1.334 | 1.251 | 至 | 1.423 | .000 | 1.286 | 1.205 | 至 | 1.373 | .000 |
高中二 | 1.310 | 1.226 | 至 | 1.399 | .000 | 1.238 | 1.158 | 至 | 1.323 | .000 |
高中3 | 1.404 | 1.313 | 至 | 1.501 | .000 | 1.319 | 1.232 | 至 | 1.411 | .000 |
最常用的互联网服务 | ||||||||||
资讯搜寻 | 指称对象 | |||||||||
信使/聊天 | 1.378 | 1.274 | 至 | 1.490 | .000 | 1.285 | 1.188 | 至 | 1.391 | .000 |
游戏 | 2.824 | 2.644 | 至 | 3.015 | .000 | 2.661 | 2.491 | 至 | 2.843 | .000 |
看电影 | 1.127 | .995 | 至 | 1.276 | .060 | 1.096 | .967 | 至 | 1.241 | .152 |
听音乐 | .743 | .668 | 至 | .825 | .000 | .733 | .660 | 至 | .814 | .000 |
观看视频(即UCC) | 1.287 | 1.063 | 至 | 1.559 | .010 | 1.278 | 1.055 | 至 | 1.548 | .012 |
互联网社区或俱乐部 | 2.785 | 2.453 | 至 | 3.162 | .000 | 2.822 | 2.485 | 至 | 3.206 | .000 |
邮箱 | .682 | .456 | 至 | 1.019 | .062 | .658 | .440 | 至 | .985 | .042 |
网上购物 | .893 | .750 | 至 | 1.063 | .203 | .873 | .733 | 至 | 1.040 | .128 |
网络色情 | 4.944 | 4.311 | 至 | 5.670 | .000 | 4.526 | 3.941 | 至 | 5.198 | .000 |
博客 | 1.058 | .967 | 至 | 1.158 | .217 | 1.023 | .935 | 至 | 1.120 | .616 |
等等 | 1.341 | 1.167 | 至 | 1.541 | .000 | 1.335 | 1.162 | 至 | 1.535 | .000 |
抑郁发作 | ||||||||||
没有 | 指称对象 | |||||||||
有 | 1.782 | 1.710 | 至 | 1.857 | .000 | 1.725 | 1.655 | 至 | 1.798 | .000 |
自杀意念 | ||||||||||
没有 | 指称对象 | |||||||||
有 | 1.813 | 1.728 | 至 | 1.903 | .000 | 1.747 | 1.664 | 至 | 1.833 | .000 |
自杀企图 | ||||||||||
没有 | 指称对象 | |||||||||
有 | 1.450 | 1.353 | 至 | 1.553 | .000 | 1.361 | 1.270 | 至 | 1.459 | .000 |
笔记: 模型1包括性别,年级,最常用的互联网服务,抑郁发作,自杀意念和自杀企图作为协变量。 模型2除模型1外,还包括社会经济地位和学校成绩作为协变量。
缩写: PIU,有问题的互联网使用; UCC,用户创建的内容
与使用互联网进行信息搜索最多的青少年相比,使用互联网进行色情内容最多的青少年中PIU的优势比最高(OR = 4.526,p <0.001),其次是使用互联网进行社区搜索的青少年(OR = 2.822,p <0.001)和游戏(OR = 2.661,p <0.001)。 与使用互联网进行信息搜索的青少年相比,使用互联网最多听音乐(OR = 0.733,p <0.001)和电子邮件(OR = 0.658,p = 0.042)的青少年的优势比明显更低。 使用互联网进行信息搜索的人群与观看电影,在线购物和博客的人群之间的优势比没有显着差异。
讨论
我们的研究基于最常用的互联网服务,调查了许多青少年中PIU的患病率和相关性。 在我们的研究中,PIU的总体患病率为5.4%,与之前在其他国家/地区进行的研究相当。 先前对PIU进行的多项研究报告了广泛的PIU患病率。 例如,在九个欧洲国家进行的一项研究报告说,该国的患病率是25%,在14%至55%之间。34 在六个亚洲国家/地区进行的另一项研究报告说,通过互联网成瘾测试(IAT)筛查的成瘾性互联网使用的患病率从韩国的1%到菲律宾的5%不等,而PIU的患病率从13%到46%不等。35 其他有关网络成瘾的系统评价也报告了广泛的患病率,从1%到18.7%9 从0.8%增至26.7%。8 这些研究认为,PIU的如此广泛的患病率可能是由于该方法缺乏一致性,例如定义,评估工具和PIU的临界值所致。8,36 因此,需要对PIU进行更多商定的定义和评估工具的未来研究,以确认PIU的流行。 尽管如此,根据27年至1998年的2006项研究进行的荟萃分析报告,尽管存在广泛的患病率,但互联网游戏障碍的平均患病率为4.7%,37 这与我们的研究一致。
在我们的研究中,男孩表现出的PIU患病率比女孩高大约两倍。 这与以前的多项研究一致,该研究报告说男性是PIU的危险因素。38–40 但是,其他研究也报道了PIU流行的性别差异的相反模式。 例如,Durkee等39 报告指出,尽管有一些跨文化差异,但来自11个欧洲国家/地区的青少年进行的一项研究发现,性别之间的PIU患病率存在微小差异。 一项加拿大研究还报告说,PIU的患病率无性别差异。15 此外,来自9个欧洲国家的成年人进行的一项研究报告说,总体上PIU在女性中比在男性中更为普遍。34 这些关于PIU性别差异的差异可能是由跨文化差异引起的。 但是,要了解这些PIU患病率性别差异的差异,还应考虑探索男女通过互联网使用的特定服务。
在我们的研究中,所有参与者中最常用的互联网服务是互联网游戏,其次是信息搜索,信使/聊天和博客。 但是,最常用的互联网服务的分布在两性之间存在显着差异。 男孩们绝大多数使用互联网来玩游戏,而女孩们则最多使用博客来写信使/聊天。 这些趋势与以前的研究结果一致。 据报道,女孩比74至70岁的男孩(分别为15%和17%)更喜欢使用即时消息(62%)和社交网络服务(54%)。14,41 杜福尔等15 另据报道,女孩过度使用社交网络和博客的比例高于男孩。 相反,一直以来,据报道,男性使用网络游戏的比例高于女性。15,26,34,42 尽管人们对这些与性别相关的互联网使用差异的确切原因尚不十分了解,42 以前解释计算机游戏参与中的性别差异的研究集中在诸如典型游戏的内容和设计,游戏暴力,游戏竞争结构以及游戏内社交互动等方面。43 我们的研究结果表明,与男孩相比,女孩在互联网上使用博客和聊天的比例更高,而女孩在游戏上使用互联网的比例更低,这可能与公认的证据有关,即女性更注重人际交往,而男性更注重信息/任务。44
在我们的研究中,拥有PIU的人数在互联网游戏用户中最高(占整个PIU组的50%以上),并且互联网游戏用户中PIU的优势比也很高。 这些发现为互联网游戏的普遍关注以及将互联网游戏障碍纳入诊断标准系统提供了支持性证据。26,27 但是,还应注意网络色情的成瘾潜力。 网络色情作为最常用的互联网服务的比例不高(0.8%),在女孩中更为罕见(0.1%)。 但是,在大多数将互联网用于色情内容的人群中,PIU的优势比最高,这表明与其他互联网服务相比,互联网色情具有强大的成瘾潜力。 当然,消费色情不是仅由互联网引起的问题。 有人认为,过多的互联网用户不是网络成瘾者,而是仅将互联网用作其他成瘾行为的媒介。45,46 但是,先前的研究指出,在线色情制品的使用正在增加,并且互联网提供的“三重A”(可访问性,可负担性和匿名性)的增加也增加了有问题地使用在线色情制品的潜在风险。47 此外,我们的发现与Rosenkranz等人以前的研究结果不一致31 报告称,与游戏和赌博相比,色情内容的成瘾潜力相对较低。 这些研究之间关于性内容上瘾潜力的差异结果可能是由于社会环境差异引起的。 因此,需要进行进一步的研究来理解和保护青少年免受网络色情制品使用问题的风险。
我们研究的另一个显着发现是,PIU的总体比值比与精神病理学(包括抑郁症和自杀意念和尝试)之间存在显着关联,这与之前的研究结果一致24 该研究报告称,与普通的互联网使用人群相比,PIU学生群体更有可能表现出更多的抑郁,自杀和自残行为。 特别令人感兴趣的是,在使者/聊天和博客用户中,对抑郁发作,自杀意念和自杀企图的“是”回应比例高于其他服务用户(互联网色情用户除外),而这一比例是互联网游戏用户中最低的。 这些发现表明,抑郁的青少年通过互联网而不是娱乐来追求社交互动。 这些发现与先前的研究一致24 该研究还报告说,与没有博弈PIU的学生相比,没有博弈PIU的学生患抑郁症的风险更高。 此外,在互联网色情用户中,对抑郁发作,自杀意念和自杀企图的“是”回应比例最高。 这些发现表明,主要将互联网用于色情内容与严重的精神病理学(例如抑郁和自杀)相关,并且具有很强的成瘾潜力。
限制
我们的研究存在一些应注意的局限性。 尽管我们对大量青少年进行了研究,但我们的研究基于横截面设计,这限制了因果关系的解释。 例如,抑郁发作,自杀意念和自杀企图与PIU的较高比值相关,我们无法确定因果关系的方向。 因此,有必要进行纵向设计的进一步研究。 其次,尽管我们试图在问卷中包括青少年使用的各种互联网服务,但我们并未涵盖所有服务。 例如,互联网赌博是互联网使用的主要问题之一,28 没有包含在问卷中。 第三,我们的研究仅基于青少年的自我报告,这可能会使报告产生偏差。 已知精神病症状的报告在举报人(例如父母和青少年)之间是不相同的。48 因此,从包括父母在内的多个线人获得信息对于准确评估精神病症状很重要。 幸运的是,一项先前的研究报道说,基于青少年自我报告的关于成瘾性疾病(如酗酒和滥用药物)症状的报告,与父母的报告相比,与实际诊断相符得多。48 此外,我们使用了简化的分类项目来评估抑郁症,自杀意念和自杀企图,但没有包括经过验证的评估工具。 尽管通过简化问卷对大量参与者采用了这些简化的项目来提高答复率,但这可能会导致缺少详细的信息,并且会使PIU与青少年心理(如抑郁症和自杀)之间的真实联系发生扭曲。 最后,有关家庭特征的信息,例如亲子互动和父母教养方式,未包括在研究中,这是调节青少年PIU的重要因素。16 因此,有必要进一步研究,其中包括来自多个告密者的有关青少年心理病理学和家庭特征的更详细信息,以证实当前的发现。
结论
尽管有一些限制,我们的研究还是确定了有关青少年PIU的临床重要信息。 最常用的互联网服务的分布根据性别具有不同的模式。 基于特定互联网服务的使用,PIU的患病率也显示出显着差异。 需要制定针对每种特定互联网服务的定义明确的方法和评估工具对PIU进行进一步的研究,以制定保护青少年免受PIU风险的策略。