YBOP評論: 研究人員根據世界衛生組織的 ICD-11 遊戲障礙標準創建並測試了一種新的評估工具。 它旨在評估幾種特定的互聯網使用障礙(在線行為成癮) 包括“色情使用障礙”。
隨著將游戲障礙納入 ICD-11,為這種相對較新的障礙引入了診斷標準。 這些標準也可能適用於其他潛在的特定互聯網使用障礙,這些障礙可能在 ICD-11 中歸類為由於成癮行為引起的其他障礙,例如 網上購買購物障礙,網上 色情使用障礙、社交網絡使用障礙和在線賭博障礙。 [重點補充]
ICD-11 列出了強迫性行為障礙 (CSBD),許多人認為有問題的色情使用是一種主要的行為症狀,是一種衝動控制障礙。 強迫性購買-購物障礙被列為“其他特定的衝動控制障礙”(6C7Y)類別下的示例,但沒有區分在線和離線變體。 在測量強迫性購買的最廣泛使用的問卷中也沒有做出這種區分(馬拉茲等人,2015; 穆勒、米切爾、沃格爾和德茲萬,2017)。 ICD-11 尚未考慮社交網絡使用障礙。 然而,對於這三種疾病中的每一種都被歸類為成癮行為,都有基於證據的論據 (Brand等,2020; Gola等人,2017; Müller等人,2019; Stark等人,2018; Wegmann, Müller, Ostendorf, & Brand, 2018)。 【強調】
抽象
背景和目標
隨著將游戲障礙納入 ICD-11,為這種相對較新的障礙引入了診斷標準。 這些標準也可能適用於其他潛在的特定互聯網使用障礙,這些障礙可能在 ICD-11 中歸類為由於成癮行為引起的其他障礙,例如在線購買購物障礙、在線色情使用障礙、社交網絡使用障礙和在線賭博障礙。 由於現有工具的異質性,我們旨在根據 ICD-11 遊戲障礙標準對主要類型的(潛在)特定互聯網使用障礙制定一致且經濟的衡量標準。
方法
新的 11 項特定互聯網使用障礙標準評估 (ACSID-11) 按照世衛組織 ASSIST 的原則,用相同的一組項目衡量五種行為成癮。 ACSID-11 被管理給活躍的互聯網用戶(N = 985) 以及對十項互聯網游戲障礙測試 (IGDT-10) 和心理健康篩查的改編。 我們使用驗證性因子分析來分析 ACSID-11 的因子結構。
成績
假設的四因子結構得到證實,並且優於一維解。 這適用於遊戲障礙和其他特定的互聯網使用障礙。 ACSID-11 分數與 IGDT-10 以及心理困擾的測量值相關。
討論和結論
ACSID-11 似乎適用於基於 ICD-11 遊戲障礙診斷標準的(潛在)特定互聯網使用障礙的一致評估。 ACSID-11 可能是一種有用且經濟的工具,用於研究具有相同項目的各種行為成癮並提高可比性。
簡介
互聯網的分佈和易於訪問使在線服務特別有吸引力並提供了許多優勢。 除了對大多數人的好處之外,在線行為可能會在某些人中採取不受控制的上癮形式(例如, 國王與波坦察,2019; 年輕,2004)。 尤其是遊戲越來越成為一個公共衛生問題(浮士德與普羅查斯卡,2018; Rumpf等,2018)。 在《精神障礙診斷與統計手冊》第五版(DSM-5; 美國精神病學協會,2013) 作為進一步研究的條件,遊戲障礙現已被列為第 6 版國際疾病分類 (ICD-51) 的官方診斷 (11C11); 世界衛生組織,2018)。 這是應對有害使用數字技術帶來的全球挑戰的重要一步(Billieux, Stein, Castro-Calvo, Higushi, & King, 2021)。 全球遊戲障礙的患病率估計為 3.05%,與物質使用障礙或強迫症等其他精神障礙相當。史蒂文斯、多斯汀、德爾法布羅和金,2021)。 然而,流行率估計值因使用的篩查工具而有很大差異(Stevens等人,2021)。 目前,儀器的景觀是多方面的。 大多數措施都基於 DSM-5 網絡遊戲障礙標準,似乎沒有一個明顯更可取(King等,2020)。 類似的情況也適用於互聯網上的其他潛在成癮行為,例如有問題地使用在線色情、社交網絡或在線購物。 這些有問題的在線行為可能與遊戲障礙一起發生(伯利、格里菲斯、蘇米奇、斯塔夫羅普洛斯和庫斯,2019; Müller等人,2021),但也可能是一個自己的實體。 最近的理論框架,例如人-情感-認知-執行的交互(I-PACE)模型(Brand,Young,Laier,Wölfling和Potenza,2016年; Brand等,2019)假設相似的心理過程是不同類型的(在線)成癮行為的基礎。 這些假設與可用於解釋成癮性疾病之間共性的早期方法一致,例如,關於神經心理學機制(Bechara,2005; 羅賓遜和貝里奇,1993年),遺傳方面(Blum等,2000),或通用組件 (格里菲斯,2005)。 然而,目前尚不存在基於相同標準的(潛在)特定互聯網使用障礙的綜合篩查工具。 由於成癮行為導致的不同類型疾病的統一篩查對於更有效地確定共性和差異非常重要。
在 ICD-11 中,遊戲障礙被列在賭博障礙之外的“成癮行為導致的障礙”類別中。 建議的診斷標準(兩者)是:(1)對行為的控制受損(例如,開始、頻率、強度、持續時間、終止、背景); (2) 增加對該行為的優先級,使其行為優先於其他興趣和日常活動; (3) 儘管有負面後果,行為仍繼續或升級。 雖然沒有直接提及作為附加標準,但必須診斷行為模式導致(4)日常生活重要領域的功能障礙(例如,個人、家庭、教育或社會問題)和/或明顯的痛苦。世界衛生組織,2018)。 因此,在研究潛在的成癮行為時,應包括這兩個組成部分。 總體而言,這些標準也可能適用於“其他特定的成癮行為引起的障礙”(6C5Y)類別,其中可能對購物購物障礙、色情使用障礙和社交網絡使用障礙進行分類(Brand等,2020)。 在線購買-購物障礙可以定義為過度的、不適應的在線消費品購買,儘管有負面後果,但仍反復發生,因此可能構成特定的互聯網使用障礙。Müller、Laskowski 等人,2021)。 色情使用障礙的特點是對(在線)色情內容消費的控制減弱,這與其他強迫性性行為是分開的(克勞斯,馬蒂諾和波坦察,2016年; Kraus等,2018)。 社交網絡使用障礙可以定義為過度使用社交網絡(包括社交網站和其他在線通信應用程序),其特徵是對使用的控制減少,對使用的重視程度越來越高,以及繼續使用社交網絡,儘管經歷負面後果(Andreassen,2015)。 所有三種潛在的行為成癮都構成了與其他成癮行為相似的臨床相關現象(例如, Brand等,2020; Griffiths,Kuss和Demetrovics,2014年; Müller等人,2019; Stark,Klucken,Potenza,Brand和Strahler,2018年).
評估特定類型互聯網使用障礙的工具主要基於早期概念,例如 Young 的網絡成癮測試的修改版本(例如, Laier,Pawlikowski,Pekal,Schulte和Brand,2013年; 韋格曼,斯托德和品牌,2015年)或基於格里菲斯成癮成分的“卑爾根”量表(例如, Andreassen,Torsheim,Brunborg和Pallesen,2012年; Andreassen等人,2015),或者他們根據 DSM-5 遊戲障礙標準(例如, Lemmens,法肯堡和外邦人,2015年; Van den Eijnden, Lemmens, & Valkenburg, 2016)或賭博障礙(有關評論,請參閱 奧託等人,2020)。 一些較早的措施是從針對賭博障礙、物質使用障礙的措施中採取的,或者是在理論上發展起來的(拉科尼、羅傑斯和夏布羅,2014)。 正如不同評論中強調的那樣,這些工具中的許多都顯示出心理測量的弱點和不一致(King,Haagsma,Delfabbro,Gradisar和Griffiths,2013年; 羅蒂與吉頓(Lortie&Guitton),2013年; Petry,Rehbein,Ko和O'Brien,2015年). 金等人。 (2020) 確定了評估遊戲障礙的 32 種不同工具,這說明了研究領域的不一致之處。 即使是引用最多和使用最廣泛的工具,例如 Young 的網絡成癮測試 (年輕,1998),不能充分代表遊戲障礙的診斷標準,無論是 DSM-5 還是 ICD-11。 金等人。 (2020) 進一步指出心理測量的弱點,例如,缺乏經驗驗證,並且大多數工具都是基於單峰結構的假設設計的。 它表明計算單個症狀的總和,而不是單獨查看頻率和經歷的強度。 十項網絡遊戲障礙測試(IGDT-10; Király等人,2017)目前似乎充分捕捉了 DSM-5 標準,但總體而言,沒有一種工具似乎明顯更可取(King等,2020)。 最近,引入了許多量表作為第一個篩選工具,用於捕獲 ICD-11 遊戲障礙標準(巴爾哈拉等人,2020; 樋口等人,2021; 喬等人,2020; 帕施克、奧斯特曼和托馬修斯,2020; Pontes等,2021) 以及社交網絡使用障礙 (帕施克、奧斯特曼和托馬修斯,2021)。 一般而言,可以假設並非每種症狀都必須同等地經歷,例如,同樣頻繁或同樣強烈。 因此,篩查工具似乎希望能夠捕捉到整體症狀體驗和症狀本身的整體性。 相反,多維方法可以調查哪些症狀在不同階段對問題行為的發展和維持起決定性作用,與更高水平的痛苦相關,或者它是否只是一個甚至意義重大的問題。
在評估其他類型的潛在特定互聯網使用障礙(即在線購買購物障礙、在線色情使用障礙和社交網絡使用障礙)的工具時,類似的問題和不一致變得明顯。 與遊戲和賭博障礙相比,這些潛在的特定互聯網使用障礙未在 ICD-11 中正式分類。 特別是在賭博障礙的情況下,已經存在許多篩查工具,但大多數都缺乏足夠的證據(奧託等人,2020),既沒有解決 ICD-11 賭博障礙的標準,也沒有關注主要的在線賭博障礙 (阿爾布雷希特、基爾施納和格魯瑟,2007; Dowling等,2019)。 ICD-11 列出了強迫性行為障礙 (CSBD),許多人認為有問題的色情使用是一種主要的行為症狀,是一種衝動控制障礙。 強迫性購買-購物障礙被列為“其他特定的衝動控制障礙”(6C7Y)類別下的示例,但沒有區分在線和離線變體。 在測量強迫性購買的最廣泛使用的問卷中也沒有做出這種區分(馬拉茲等人,2015; 穆勒、米切爾、沃格爾和德茲萬,2017)。 ICD-11 尚未考慮社交網絡使用障礙。 然而,有證據表明這三種疾病中的每一種都被歸類為成癮行為(Brand等,2020; Gola等人,2017; Müller等人,2019; Stark等人,2018; Wegmann, Müller, Ostendorf, & Brand, 2018)。 除了對這些潛在的特定互聯網使用障礙的分類和定義缺乏共識外,篩查工具的使用也存在不一致(有關評論,請參見 Andreassen,2015; 費爾南德斯和格里菲斯(Fernandez&Griffiths),2021年; 侯賽因和格里菲斯,2018; Müller等人,2017)。 例如,有超過 20 種儀器應該用來衡量有問題的色情使用(費爾南德斯和格里菲斯(Fernandez&Griffiths),2021年) 但沒有一個充分涵蓋了 ICD-11 中因成癮行為引起的疾病的標準,這與 ICD-11 的 CSBD 標準非常接近。
此外,一些特定的互聯網使用障礙似乎可能同時發生,尤其是無序的遊戲和社交網絡使用。伯利等人,2019; Müller等人,2021)。 使用潛在輪廓分析, Charzyńska、Sussman 和 Atroszko (2021) 發現無序的社交網絡和購物以及無序的遊戲和色情使用經常分別同時發生。 包括所有互聯網使用障礙的高水平的概況顯示最低的幸福感(Charzyńska 等人,2021)。 這也強調了對不同互聯網使用行為進行全面和統一篩選的重要性。 已經嘗試在不同的互聯網使用障礙中使用類似的項目集,例如有問題的色情消費量表(Bőthe等人,2018),卑爾根社交媒體成癮量表(Andreassen,Pallesen和Griffiths,2017年) 或網上購物成癮量表 (趙田鑫, 2017)。 然而,這些量表是在組件模型的基礎上設計的 格里菲斯(2005) 並且不包括當前提出的成癮行為引起的疾病標準(cf. 世界衛生組織,2018).
總之,ICD-11 提出了由(主要是在線)成癮行為引起的障礙的診斷標準,即賭博障礙和遊戲障礙。 有問題的在線色情使用、在線購買-購物和社交網絡使用可歸入 ICD-11 子類別“其他特定的成癮行為引起的障礙”,其適用相同標準(Brand等,2020)。 迄今為止,針對這些(潛在的)特定互聯網使用障礙的篩查工具的前景非常不一致。 然而,對不同結構的一致測量對於推進關於成癮行為導致的不同類型疾病的共性和差異的研究至關重要。 我們的目標是為不同類型的(潛在)特定互聯網使用障礙開發一種簡短但全面的篩查工具,涵蓋 ICD-11 遊戲障礙和賭博障礙標準,以幫助及早識別(潛在)特定有問題的在線行為。
方法
来临嘉宾
參與者是通過訪問面板服務提供商在線招募的,他們通過該服務提供商獲得單獨的報酬。 我們包括來自德語區的活躍互聯網用戶。 我們排除了不完整的數據集和那些表示粗心響應的數據集。 後者是通過測量內(指示響應項目和自我報告測量)和事後(響應時間、響應模式、Mahalanobis D)策略確定的(戈迪尼奧、庫什尼爾和坎寧安,2016; 米德和克雷格,2012)。 最終樣本包括 N = 958 名參與者(499 名男性,458 名女性,1 名潛水員),年齡在 16 至 69 歲之間(M = 47.60, SD = 14.50)。 大多數參與者是全職工作(46.3%)、(提前)退休(20.1%)或兼職工作(14.3%)。 其他人是學生、實習生、家庭主婦/丈夫,或因其他原因未就業。 最高職業教育水平分佈在完成職業在公司培訓(33.6%)、大學學歷(19.0%)、完成職業學校培訓(14.1%)、碩士/技術學院畢業(11.8%) , 和理工學位 (10.1%)。 其他人在教育/學生或沒有學位。 隨機便利樣本顯示主要社會人口變量的分佈與德國互聯網用戶的人口相似(cf. Statista,2021).
措施
特定互聯網使用障礙標準評估:ACSID-11
通過 ACSID-11,我們旨在發明一種工具,以簡短但全面且一致的方式評估特定的互聯網使用障礙。 它是由成癮研究人員和臨床醫生專家組基於理論開發的。 這些項目是根據 ICD-11 成癮行為引起的疾病標准在多次討論和共識會議中得出的,因為它們被描述為遊戲和賭博,假設一個多因素結構。 大聲說話分析的結果用於優化項目的內容有效性和可理解性(施密特等人,提交).
ACSID-11 包含 11 個項目,這些項目捕獲了 ICD-11 因成癮行為引起的疾病的標準。 三個主要標準,即控制受損 (IC)、對在線活動 (IP) 給予更高的優先級,以及互聯網使用的持續/升級 (CE),儘管有負面後果,每個都由三個項目表示。 創建了兩個額外的項目來評估日常生活中的功能障礙 (FI) 和由於在線活動導致的顯著痛苦 (MD)。 在預先詢問中,參與者被指示指出他們在過去 12 個月中至少偶爾使用過哪些互聯網活動。 列出的活動(即“遊戲”、“在線購物”、“使用在線色情”、“使用社交網絡”、“在線賭博”和“其他”)以及相應的定義和響應選項“是” ' 或沒有'。 僅對“其他”項目回答“是”的參與者被篩選掉。 對於所有回答為“是”的活動,所有其他人都收到了 ACSID-11 項目。 這種多行為方法基於 WHO 的酒精、吸煙和物質參與篩查測試 (ASSIST; 世衛組織 ASSIST 工作組,2002 年),它以一致的方式對特定物質的主要類別的物質使用及其負面後果以及成癮行為的跡象進行篩查。
與 ASSIST 類似,每個項目的製定方式都可以直接針對相應的活動進行回答。 我們使用了由兩部分組成的響應格式(參見 圖。 1),其中參與者應為每項活動指明每個項目 多常 他們在過去 12 個月內有過這種經歷(0:“從不”,1:“很少”,2:“有時”,3:“經常”),如果至少“很少”, 多麼激烈 每次經歷都是在過去 12 個月內(0:“一點也不強烈”,1:“相當不強烈”,2:“相當強烈”,3:“強烈”)。 通過評估每個症狀的頻率和強度,可以調查症狀的發生,還可以控制超出頻率的症狀有多強烈。 ACSID-11(建議的英文翻譯)的項目顯示在 表1. 原文(德語)項目包括預查詢和說明可以在附錄中找到(見 附錄A).
針對特定互聯網使用障礙的 ACSID-11 篩查項目(建議的英文翻譯)。
項目 | 問題 |
IC1 | 在過去的 12 個月中,您是否難以跟踪活動的開始時間、活動時間、強度、在什麼情況下進行或何時停止? |
IC2 | 在過去的 12 個月中,您是否因為發現自己使用過多而想要停止或限制活動? |
IC3 | 在過去的 12 個月中,您是否曾嘗試停止或限制該活動但未能成功? |
IP1 | 在過去的 12 個月中,您是否在日常生活中給予該活動的優先級高於其他活動或興趣? |
IP2 | 在過去的 12 個月中,您有沒有因為活動而對以前喜歡的其他活動失去興趣? |
IP3 | 在過去的 12 個月裡,您是否因為某項活動而忽略或放棄了您曾經喜歡的其他活動或興趣? |
CE1 | 在過去的 12 個月中,您是否繼續或增加了活動,即使它已經威脅到或導致您與對您很重要的人失去關係? |
CE2 | 在過去的 12 個月中,您是否繼續或增加了活動,即使它在學校/培訓/工作中給您帶來了問題? |
CE3 | 在過去的 12 個月中,您是否繼續或增加了活動,即使它已導致您身體或精神上的不適/疾病? |
FI1 | 想想你生活的方方面面,在過去的 12 個月裡,你的生活是否受到了活動的明顯影響? |
MD1 | 想想你生活的方方面面,在過去的 12 個月裡,這項活動是否給你帶來了痛苦? |
筆記. IC = 控制受損; IP = 增加優先級; CE = 繼續/升級; FI = 功能障礙; MD = 顯著窘迫; 原始的德國項目可以在 附錄A.
十項網絡遊戲障礙測試:IGDT-10 – ASSIST 版本
作為收斂效度的衡量標準,我們使用了十項 IGDT-10(Király等人,2017) 在擴展版本中。 IGDT-10 實施了互聯網游戲障礙的九項 DSM-5 標準(美國精神病學協會,2013)。 在這項研究中,我們擴展了原始遊戲特定版本,以便評估所有形式的特定互聯網使用障礙。 為了實現這一點,並保持方法的可比性,我們還在此處的 ASSIST 示例中使用了多行為響應格式。 為此,對項目進行了修改,以便將“遊戲”替換為“活動”。 然後針對參與者之前表示要使用的所有在線活動(從“遊戲”、“在線購物”、“使用在線色情內容”、“使用社交網絡”和“在線賭博”中選擇)回答每個項目)。 每個項目,每項活動都以李克特三點量表進行評分(0 =“從不”,1 =“有時”,2 =“經常”)。 評分與 IGDT-10 的原始版本相同:如果響應為“從不”或“有時”,則每個標準的得分為 0,如果響應為“經常”,則得分為 1。 第 9 項和第 10 項代表相同的標準(即,“因參與網絡遊戲而危及或失去重要的人際關係、工作、教育或職業機會”),如果滿足其中一項或兩項,則計一分。 計算每項活動的最終總分。 它的範圍可以從 0 到 9,分數越高表明症狀嚴重程度越高。 關於遊戲障礙,XNUMX分或以上表示臨床相關性(Király等人,2017).
患者健康問卷 4:PHQ-4
患者健康問卷 4 (PHQ-4; 克倫克、斯皮策、威廉姆斯和洛威,2009) 是對抑鬱和焦慮症狀的簡短測量。 它由來自廣泛性焦慮障礙-7 量表和抑鬱症 PHQ-8 模塊的四個項目組成。 參與者應在從 0(“完全沒有”)到 3(“幾乎每天”)的四點李克特量表上指出某些症狀的發生頻率。 總分介於 0 到 12 之間,表示沒有/最小、輕度、中度和重度心理困擾,分數分別為 0-2、3-5、6-8、9-12(克倫克等人,2009).
一般福祉
使用德語原始版本中的生活滿意度短量表(L-1)評估一般生活滿意度(Beierlein、Kovaleva、László、Kemper 和 Rammstedt,2015)以 11 點李克特量表回答,範圍從 0(“完全不滿意”)到 10(“完全滿意”)。 單項量表得到了很好的驗證,並且與評估生活滿意度的多項量表密切相關(貝爾萊因等人,2015)。 我們還詢問了健康領域的特定生活滿意度(H-1):“綜合考慮,您最近對自己的健康滿意嗎?” 以相同的 11 分制回答(cf. 貝爾萊因等人,2015).
程序
該研究是使用在線調查工具 Limesurvey® 在線進行的。 ACSID-11 和 IGDT-10 以這樣一種方式實施,即僅顯示在預查詢中選擇的各個項目的活動。 參與者從服務小組提供商那裡收到個性化鏈接,這些鏈接導致我們創建了在線調查。 完成後,參與者被重定向回提供者的網站以接收他們的報酬。 數據收集於 8 年 14 月 2021 日至 XNUMX 月 XNUMX 日期間。
統計分析
我們使用驗證性因子分析 (CFA) 來測試 ACSID-11 的維度和結構有效性。 使用 Mplus 8.4 版(Muthén和Muthén,2019年) 使用加權最小二乘均值和方差調整 (WLSMV) 估計。 為了評估模型擬合,我們使用了多個指標,即卡方 (χ 2) 檢驗精確擬合、比較擬合指數 (CFI)、Tucker-Lewis 擬合指數 (TLI)、標準化均方根殘差 (SRMR) 和近似均方根誤差 (RMSEA)。 根據 胡和本特勒 (1999),CFI 和 TLI > 0.95、SRMR < 0.08 和 RMSEA < 0.06 的截止值表明模型擬合良好。 此外,卡方值除以自由度 (χ2/df) < 3 是可接受模型擬合的另一個指標 (胭脂紅和麥基弗,1981)。 克朗巴赫的阿爾法 (α) 和 Guttman 的 Lambda-2 (λ 2) 被用作可靠性的度量,係數 > 0.8 (> 0.7) 表明良好(可接受的)內部一致性(Bortz & Döring, 2006)。 相關分析(Pearson)用於測試相同或相關結構的不同測量之間的收斂效度。 這些分析是由 IBM 運行的 SPSS統計 (第 26 版)。 根據 科恩(1988),值為 |r| = 0.10、0.30、0.50 分別表示小、中、大效果。
倫理
研究程序是根據赫爾辛基宣言進行的。 該研究得到了杜伊斯堡-埃森大學工程學院計算機科學與應用認知科學系倫理委員會的批准。 所有受試者都被告知該研究並提供了知情同意書。
成績
在當前樣本中,特定的互聯網使用行為分佈如下: 440 名 (45.9%) 個人(年齡: M = 43.59, SD = 14.66; 男性259人,女性180人,潛水員1人),944人(98.5%)從事網絡購物(年齡: M = 47.58, SD = 14.49; 491 名男性,452 名女性,1 名潛水員),340 名(35.5%)個人使用在線色情(年齡: M = 44.80, SD = 14.96; 263 名男性,76 名女性,1 名潛水員),854 名(89.1%)個人使用社交網絡(年齡: M = 46.52, SD = 14.66; 425 名男性、428 名女性、1 名潛水員)和 200 名(20.9%)個人從事在線賭博(年齡: M = 46.91, SD = 13.67; 125 名男性,75 名女性,0 名潛水員)。 少數參與者(n = 61; 6.3%)表示只使用一項活動。 大多數參與者(n = 841; 87.8%) 至少與社交網絡一起使用過網上購物,其中 409 人 (42.7%) 還表示會玩網絡遊戲。 7.1 名 (XNUMX%) 的參與者表示會使用所有提到的在線活動。
鑑於遊戲和賭博障礙是官方認可的兩種由成癮行為引起的障礙,並且考慮到我們樣本中報告進行在線賭博的人數相當有限,我們將首先關注有關評估的結果ACSID-11 遊戲障礙的標準。
描述性統計
關於遊戲障礙,所有 ACSID-11 項目的評分都在 0 到 3 之間,這反映了可能值的最大範圍(參見 表2)。 正如在非臨床樣本中所預期的那樣,所有項目均顯示出相對較低的平均值和右偏分佈。 持續/升級和標記遇險項目的難度最高,而控制受損(尤其是 IC1)和優先級提高項目的難度最低。 對於持續/升級 (CE1) 的第一項和顯著遇險項 (MD1),峰度特別高。
衡量遊戲障礙的 ACSID-11 項目的描述性統計。
否。 | 項目 | Min | Max | M | (SD) | 偏態 | 峰度 | 困難 |
a) | 頻率標度 | |||||||
01a | IC1 | 0 | 3 | 0.827 | (0.956) | 0.808 | - 0.521 | 27.58 |
02a | IC2 | 0 | 3 | 0.602 | (0.907) | 1.237 | 0.249 | 20.08 |
03a | IC3 | 0 | 3 | 0.332 | (0.723) | 2.163 | 3.724 | 11.06 |
04a | IP1 | 0 | 3 | 0.623 | (0.895) | 1.180 | 0.189 | 20.76 |
05a | IP2 | 0 | 3 | 0.405 | (0.784) | 1.913 | 2.698 | 13.48 |
06a | IP3 | 0 | 3 | 0.400 | (0.784) | 1.903 | 2.597 | 13.33 |
07a | CE1 | 0 | 3 | 0.170 | (0.549) | 3.561 | 12.718 | 5.68 |
08a | CE2 | 0 | 3 | 0.223 | (0.626) | 3.038 | 8.797 | 7.42 |
09a | CE3 | 0 | 3 | 0.227 | (0.632) | 2.933 | 7.998 | 7.58 |
10a | FI1 | 0 | 3 | 0.352 | (0.712) | 1.997 | 3.108 | 11.74 |
11a | MD1 | 0 | 3 | 0.155 | (0.526) | 3.647 | 13.107 | 5.15 |
b) | 強度等級 | |||||||
01b | IC1 | 0 | 3 | 0.593 | (0.773) | 1.173 | 0.732 | 19.77 |
02b | IC2 | 0 | 3 | 0.455 | (0.780) | 1.700 | 2.090 | 15.15 |
03b | IC3 | 0 | 3 | 0.248 | (0.592) | 2.642 | 6.981 | 8.26 |
04b | IP1 | 0 | 3 | 0.505 | (0.827) | 1.529 | 1.329 | 16.82 |
05b | IP2 | 0 | 3 | 0.330 | (0.703) | 2.199 | 4.123 | 10.98 |
06b | IP3 | 0 | 3 | 0.302 | (0.673) | 2.302 | 4.633 | 10.08 |
07b | CE1 | 0 | 3 | 0.150 | (0.505) | 3.867 | 15.672 | 5.00 |
08b | CE2 | 0 | 3 | 0.216 | (0.623) | 3.159 | 9.623 | 7.20 |
09b | CE3 | 0 | 3 | 0.207 | (0.608) | 3.225 | 10.122 | 6.89 |
10b | FI1 | 0 | 3 | 0.284 | (0.654) | 2.534 | 6.172 | 9.47 |
11b | MD1 | 0 | 3 | 0.139 | (0.483) | 3.997 | 16.858 | 4.62 |
筆記. N = 440. IC = 控制受損; IP = 增加優先級; CE = 繼續/升級; FI = 功能障礙; MD = 明顯的痛苦。
關於心理健康,總體樣本 (N = 958) 的平均 PHQ-4 分數為 3.03 (SD = 2.82)並顯示出中等水平的生活滿意度(L-1: M = 6.31, SD = 2.39) 和健康 (H-1: M = 6.05, SD = 2.68)。 在遊戲子組 (n = 440),有 13 人 (3.0%) 達到了 IGDT-10 臨床相關遊戲障礙病例的截止值。 平均 IGDT-10 得分在購買購物障礙的 0.51 和社交網絡使用障礙的 0.77 之間變化(見 表5).
驗證性因素分析
假設的四因素模型
我們通過多個 CFA 測試了假設的 ACSID-11 的四因素結構,每個特定的互聯網使用障礙一個,並分別用於頻率和強度評級。 因素(1)控制受損,(2)優先級增加,和(3)繼續/升級由各自的三個項目構成。 測量日常生活中的功能障礙和由於在線活動引起的顯著痛苦的兩個附加項目構成了附加因素(4)功能障礙。 數據支持 ACSID-11 的四因子結構。 擬合指數表明模型與 ACSID-11 評估的所有類型的特定互聯網使用障礙的數據之間的良好擬合,即遊戲障礙、在線購買購物障礙和社交網絡使用障礙、在線色情使用障礙和在線賭博障礙(見 表3)。 關於網絡色情使用障礙和網絡賭博障礙,TLI 和 RMSEA 可能由於樣本量小而存在偏差(胡和本特勒,1999年)。 應用四因子模型的 CFA 的因子載荷和殘差協方差顯示在 圖。 2. 需要注意的是,一些模型顯示出奇異的異常值(即,潛在變量的負殘差或等於或大於 1 的相關性)。
ACSID-11 測量的特定(潛在)互聯網使用障礙的四因素、一維和二階 CFA 模型的擬合指數。
遊戲障礙 | |||||||||||
頻率 | 強度 | ||||||||||
型號 | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
四因素模型 | 38 | 0.991 | 0.987 | 0.031 | 0.051 | 2.13 | 0.993 | 0.990 | 0.029 | 0.043 | 1.81 |
一維模型 | 27 | 0.969 | 0.961 | 0.048 | 0.087 | 4.32 | 0.970 | 0.963 | 0.047 | 0.082 | 3.99 |
二階因子模型 | 40 | 0.992 | 0.988 | 0.031 | 0.047 | 1.99 | 0.992 | 0.989 | 0.032 | 0.045 | 1.89 |
網購障礙 | |||||||||||
頻率 | 強度 | ||||||||||
型號 | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
四因素模型 | 38 | 0.996 | 0.994 | 0.019 | 0.034 | 2.07 | 0.995 | 0.992 | 0.020 | 0.037 | 2.30 |
一維模型 | 27 | 0.981 | 0.976 | 0.037 | 0.070 | 5.58 | 0.986 | 0.982 | 0.031 | 0.056 | 3.98 |
二階因子模型 | 40 | 0.996 | 0.994 | 0.021 | 0.036 | 2.19 | 0.994 | 0.992 | 0.023 | 0.038 | 2.40 |
網絡色情使用障礙 | |||||||||||
頻率 | 強度 | ||||||||||
型號 | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
四因素模型 | 38 | 0.993 | 0.989 | 0.034 | 0.054 | 1.99 | 0.987 | 0.981 | 0.038 | 0.065 | 2.43 |
一維模型 | 27 | 0.984 | 0.979 | 0.044 | 0.075 | 2.91 | 0.976 | 0.970 | 0.046 | 0.082 | 3.27 |
二階因子模型 | 40 | 0.993 | 0.991 | 0.033 | 0.049 | 1.83 | 0.984 | 0.979 | 0.039 | 0.068 | 2.59 |
社交網絡使用障礙 | |||||||||||
頻率 | 強度 | ||||||||||
型號 | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
四因素模型 | 38 | 0.993 | 0.990 | 0.023 | 0.049 | 3.03 | 0.993 | 0.989 | 0.023 | 0.052 | 3.31 |
一維模型 | 27 | 0.970 | 0.963 | 0.048 | 0.096 | 8.89 | 0.977 | 0.972 | 0.039 | 0.085 | 7.13 |
二階因子模型 | 40 | 0.992 | 0.989 | 0.027 | 0.053 | 3.39 | 0.991 | 0.988 | 0.025 | 0.056 | 3.64 |
網絡賭博障礙 | |||||||||||
頻率 | 強度 | ||||||||||
型號 | df | CFI | TLI | SRMR | RMSEA | χ2/ df | CFI | TLI | SRMR | RMSEA | χ2/ df |
四因素模型 | 38 | 0.997 | 0.996 | 0.027 | 0.059 | 1.70 | 0.997 | 0.996 | 0.026 | 0.049 | 1.47 |
一維模型 | 27 | 0.994 | 0.992 | 0.040 | 0.078 | 2.20 | 0.991 | 0.989 | 0.039 | 0.080 | 2.28 |
二階因子模型 | 40 | 0.997 | 0.996 | 0.029 | 0.054 | 1.58 | 0.997 | 0.995 | 0.029 | 0.053 | 1.55 |
筆記. 樣本大小因遊戲而異(n = 440), 網上購物 (n = 944),在線色情使用(n = 340),社交網絡使用 (n = 854) 和在線賭博 (n = 200); ACSID-11 = 特定互聯網使用障礙標準評估,11 項。
一維模型
由於不同因素之間的高度相關性,我們另外測試了所有項目加載在一個因素上的一維解決方案,如在 IGDT-10 中實施的那樣。 ACSID-11 的一維模型顯示出可接受的擬合,但具有 RMSEA 和/或 χ2/df 高於建議的截止值。 對於所有行為,與相應的一維模型相比,四因素模型的模型擬合效果更好(參見 表3)。 因此,四因素解似乎優於一維解。
二階因子模型和雙因子模型
解釋高相關性的另一種方法是包括一個代表一般結構的一般因素,該一般結構由相關的子域組成。 這可以通過二階因子模型和雙因子模型來實現。 在二階因子模型中,對一般(二階)因子進行建模,試圖解釋一階因子之間的相關性。 在雙因素模型中,假設一般因素解釋了相關領域之間的共性,此外,還有多個特定因素,每個因素對一般因素都有獨特的影響。 這是建模的,因此每個項目都可以加載到一般因素以及其特定因素上,其中所有因素(包括一般因素和特定因素之間的相關性)都被指定為正交。 二階因子模型比雙因子模型更受約束,並且嵌套在雙因子模型中(Yung, Thissen, & McLeod, 1999)。 在我們的樣本中,二階因子模型顯示出與四因子模型相似的良好擬合(參見 表3)。 對於所有行為,四個(一階)因素在(二階)一般因素(見 附錄B),這證明了使用總分的合理性。 與四因子模型一樣,一些二階因子模型偶爾會顯示異常值(即,潛在變量的負殘差或等於或大於 1 的相關性)。 我們還測試了互補的雙因子模型,這些模型顯示出相當出色的擬合度,但是,並非所有行為都可以識別出模型(參見 附錄C).
可靠性
基於確定的四因素結構,我們從各個項目的平均值以及每個特定(潛在)互聯網使用障礙的總體平均分數計算了 ACSID-11 的因素分數。 我們第一次按照 ASSIST(評估多種特定的互聯網使用障礙)的例子使用了多行為變量,從而查看了 IGDT-10 的可靠性。 結果表明 ACSID-11 的內部一致性高,而 IGDT-10 的可靠性較低但也可接受(參見 表4).
ACSID-11 和 IGDT-10 測量特定互聯網使用障礙的可靠性測量。
ACSID-11 | IGDT-10 | |||||
頻率 | 強度 | (輔助版本) | ||||
疾病類型 | α | λ2 | α | λ2 | α | λ2 |
賭博 | 0.900 | 0.903 | 0.894 | 0.897 | 0.841 | 0.845 |
網購-購物 | 0.910 | 0.913 | 0.915 | 0.917 | 0.858 | 0.864 |
網絡色情使用 | 0.907 | 0.911 | 0.896 | 0.901 | 0.793 | 0.802 |
社交網絡使用 | 0.906 | 0.912 | 0.915 | 0.921 | 0.855 | 0.861 |
網上賭博 | 0.947 | 0.950 | 0.944 | 0.946 | 0.910 | 0.912 |
筆記. α = 克朗巴赫的阿爾法; λ 2 = 格特曼的 lambda-2; ACSID-11 = 特定互聯網使用障礙標準評估,11 項; IGDT-10 = 十項網絡遊戲障礙測試; 樣本大小因遊戲而異(n = 440), 網上購買-購物 (n = 944),在線色情使用(n = 340),社交網絡使用 (n = 854) 和在線賭博 (n 200)。
表5 顯示了 ACSID-11 和 IGDT-10 分數的描述性統計。 對於所有行為,與其他因素相比,ACSID-11 因素持續/升級和功能障礙的平均值最低。 因素受損控制顯示頻率和強度的最高平均值。 ACSID-11 總分最高的是社交網絡使用障礙,其次是在線賭博障礙和遊戲障礙、在線色情使用障礙和在線購物購物障礙。 IGDT-10 總分顯示類似的圖片(見 表5).
ACSID-11 和 IGDT-10(ASSIST 版本)針對特定互聯網使用障礙的因子和總體得分的描述性統計。
遊戲 (n = 440) | 網購-購物 (n = 944) | 網絡色情使用 (n = 340) | 社交網絡使用 (n = 854) | 在線賭博(n = 200) | ||||||||||||||||
變量 | Min | Max | M | (SD) | Min | Max | M | (SD) | Min | Max | M | (SD) | Min | Max | M | (SD) | Min | Max | M | (SD) |
頻率 | ||||||||||||||||||||
ACSID-11_IC | 0 | 3 | 0.59 | (0.71) | 0 | 3 | 0.46 | (0.67) | 0 | 3 | 0.58 | (0.71) | 0 | 3 | 0.78 | (0.88) | 0 | 3 | 0.59 | (0.82) |
ACSID-11_IP | 0 | 3 | 0.48 | (0.69) | 0 | 3 | 0.28 | (0.56) | 0 | 3 | 0.31 | (0.59) | 0 | 3 | 0.48 | (0.71) | 0 | 3 | 0.38 | (0.74) |
ACSID-11_CE | 0 | 3 | 0.21 | (0.51) | 0 | 3 | 0.13 | (0.43) | 0 | 3 | 0.16 | (0.45) | 0 | 3 | 0.22 | (0.50) | 0 | 3 | 0.24 | (0.60) |
ACSID-11_FI | 0 | 3 | 0.25 | (0.53) | 0 | 3 | 0.18 | (0.48) | 0 | 2.5 | 0.19 | (0.47) | 0 | 3 | 0.33 | (0.61) | 0 | 3 | 0.33 | (0.68) |
ACSID-11_總計 | 0 | 3 | 0.39 | (0.53) | 0 | 3 | 0.27 | (0.47) | 0 | 2.6 | 0.32 | (0.49) | 0 | 3 | 0.46 | (0.59) | 0 | 2.7 | 0.39 | (0.64) |
強度 | ||||||||||||||||||||
ACSID-11_IC | 0 | 3 | 0.43 | (0.58) | 0 | 3 | 0.34 | (0.56) | 0 | 3 | 0.45 | (0.63) | 0 | 3 | 0.60 | (0.76) | 0 | 3 | 0.47 | (0.73) |
ACSID-11_IP | 0 | 3 | 0.38 | (0.62) | 0 | 3 | 0.22 | (0.51) | 0 | 3 | 0.25 | (0.51) | 0 | 3 | 0.40 | (0.67) | 0 | 3 | 0.35 | (0.69) |
ACSID-11_CE | 0 | 3 | 0.19 | (0.48) | 0 | 3 | 0.11 | (0.39) | 0 | 2.7 | 0.15 | (0.41) | 0 | 3 | 0.19 | (0.45) | 0 | 3 | 0.23 | (0.58) |
ACSID-11_FI | 0 | 3 | 0.21 | (0.50) | 0 | 3 | 0.15 | (0.45) | 0 | 2.5 | 0.18 | (0.43) | 0 | 3 | 0.28 | (0.57) | 0 | 3 | 0.29 | (0.61) |
ACSID-11_總計 | 0 | 3 | 0.31 | (0.46) | 0 | 3 | 0.21 | (0.42) | 0 | 2.6 | 0.26 | (0.43) | 0 | 3 | 0.37 | (0.54) | 0 | 3 | 0.34 | (0.59) |
IGDT-10_sum | 0 | 9 | 0.69 | (1.37) | 0 | 9 | 0.51 | (1.23) | 0 | 7 | 0.61 | (1.06) | 0 | 9 | 0.77 | (1.47) | 0 | 9 | 0.61 | (1.41) |
筆記. ACSID-11 = 特定互聯網使用障礙標準評估,11 項; IC = 控制受損; IP = 增加優先級; CE = 繼續/升級; FI = 功能障礙; IGDT-10 = 十項互聯網游戲障礙測試。
相關分析
作為結構效度的衡量標準,我們分析了 ACSID-11、IGDT-10 和總體幸福感測量之間的相關性。 相關性顯示在 表6. ACSID-11 總分與 IGDT-10 分數呈正相關,具有中到大效應量,其中相同行為的分數之間的相關性最高。 此外,ACSID-11 評分與 PHQ-4 呈正相關,具有與 IGDT-10 和 PHQ-4 類似的效果。 用 ACSID-1 和 IGDT-1 評估的症狀嚴重程度與生活滿意度 (L-11) 和健康滿意度 (H-10) 的相關模式非常相似。 不同行為的 ACSID-11 總分之間的相互關係具有很大的影響。 因子得分和 IGDT-10 之間的相關性可以在補充材料中找到。
ACSID-11(頻率)、IGDT-10 與心理健康測量之間的相關性
1) | 2) | 3) | 4) | 5) | 6) | 7) | 8) | 9) | 10) | 11) | 12) | |||
ACSID-11_總計 | ||||||||||||||
1) | 賭博 | 1 | ||||||||||||
2) | 網購-購物 | r | 0.703** | 1 | ||||||||||
(n) | (434) | (944) | ||||||||||||
3) | 網絡色情使用 | r | 0.659** | 0.655** | 1 | |||||||||
(n) | (202) | (337) | (340) | |||||||||||
4) | 社交網絡使用 | r | 0.579** | 0.720** | 0.665** | 1 | ||||||||
(n) | (415) | (841) | (306) | 854 | ||||||||||
5) | 網上賭博 | r | 0.718** | 0.716** | 0.661** | 0.708** | 1 | |||||||
(n) | (123) | (197) | (97) | (192) | (200) | |||||||||
IGDT-10_sum | ||||||||||||||
6) | 賭博 | r | 0.596** | 0.398** | 0.434** | 0.373** | 0.359** | 1 | ||||||
(n) | (440) | (434) | (202) | (415) | (123) | (440) | ||||||||
7) | 網購-購物 | r | 0.407** | 0.632** | 0.408** | 0.449** | 0.404** | 0.498** | 1 | |||||
(n) | (434) | (944) | (337) | (841) | (197) | (434) | (944) | |||||||
8) | 網絡色情使用 | r | 0.285** | 0.238** | 0.484** | 0.271** | 0.392** | 0.423** | 0.418** | 1 | ||||
(n) | (202) | (337) | (340) | (306) | (97) | (202) | (337) | (340) | ||||||
9) | 社交網絡使用 | r | 0.255** | 0.459** | 0.404** | 0.591** | 0.417** | 0.364** | 0.661** | 0.459** | 1 | |||
(n) | (415) | (841) | (306) | (854) | (192) | (415) | (841) | (306) | (854) | |||||
10) | 網上賭博 | r | 0.322** | 0.323** | 0.346** | 0.423** | 0.625** | 0.299** | 0.480** | 0.481** | 0.525** | 1 | ||
(n) | (123) | (197) | (97) | (192) | (200) | (123) | (197) | (97) | (192) | (200) | ||||
11) | PHQ-4 | r | 0.292** | 0.273** | 0.255** | 0.350** | 0.326** | 0.208** | 0.204** | 0.146** | 0.245** | 0.236** | 1 | |
(n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | |||
12) | 該1 | r | - 0.069 | - 0.080* | - 0.006 | - 0.147** | - 0.179* | - 0.130** | - 0.077* | - 0.018 | - 0.140** | - 0.170* | - 0.542** | 1 |
(n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | (958) | ||
13) | H-1 | r | - 0.083 | - 0.051 | 0.062 | - 0.014 | 0.002 | - 0.078 | - 0.021 | 0.069 | 0.027 | - 0.034 | - 0.409** | 0.530** |
(n) | (440) | (944) | (340) | (854) | (200) | (440) | (944) | (340) | (854) | (200) | (958) | (958) |
筆記。 ** p <0.01; * p < 0.05。 ACSID-11 = 特定互聯網使用障礙標準評估,11 項; IGDT-10 = 十項網絡遊戲障礙測試; PHQ-4 = 患者健康問卷-4; 與 ACSID-11 強度量表的相關性在相似範圍內。
討論和結論
該報告介紹了 ACSID-11 作為一種新工具,用於輕鬆、全面地篩查主要類型的特定互聯網使用障礙。 研究結果表明,ACSID-11 適合在多方面的結構中捕捉 ICD-11 遊戲障礙的標準。 與基於 DSM-5 的評估工具 (IGDT-10) 的正相關進一步表明了結構有效性。
CFA 的結果證實了 ACSID-11 假設的多因素結構。 這些項目非常符合代表 ICD-11 標準的四因素模型(1)控制受損,(2)優先級增加,(3)儘管有負面後果仍繼續/升級,以及其他組成部分(4)功能障礙和顯著的痛苦被認為與成癮行為有關。 與一維解決方案相比,四因素解決方案顯示出更好的擬合。 與涵蓋 ICD-11 遊戲障礙標準的其他量表相比,量表的多維性是一個獨特的特徵(cf. King等,2020; Pontes等,2021)。 此外,二階因子模型(和部分雙因子模型)的同樣優越的擬合表明,評估四個相關標準的項目包含一般的“無序”結構,並證明使用總分是合理的。 以 ASSIST 為例,在線賭博障礙和由 ACSID-11 以多行為格式測量的其他潛在特定互聯網使用障礙的結果相似,即在線購買-購物障礙、在線色情使用障礙、社交網絡-使用障礙。 對於後者,幾乎沒有任何基於 WHO 標準的工具來對成癮行為引起的疾病進行分類,儘管研究人員建議對每一種疾病進行分類(Brand等,2020; Müller等人,2019; Stark等人,2018)。 新的綜合措施,如 ACSID-11,可以幫助克服方法上的困難,並能夠系統地分析這些不同類型的(潛在)成癮行為之間的共性和差異。
ACSID-11 的可靠性很高。 對於遊戲障礙,內部一致性與大多數其他工具相當或更高(cf. King等,2020)。 內部一致性方面的可靠性對於 ACSID-11 和 IGDT-10 測量的其他特定互聯網使用障礙也有好處。 由此我們可以得出結論,綜合響應格式,例如 ASSIST (世衛組織 ASSIST 工作組,2002 年) 適用於對不同類型的行為成癮進行聯合評估。 在當前樣本中,社交網絡使用障礙的 ACSID-11 總分最高。 這與這種現象相對較高的流行率相吻合,目前估計個人主義國家為 14%,集體主義國家為 31%(Cheng, Lau, Chan, & Luk, 2021).
儘管評分格式不同,但 ACSID-11 和 IGDT-10 評分之間的中到大正相關表明收斂效度。 此外,ACSID-11 評分與 PHQ-4 測量抑鬱和焦慮症狀之間的中度正相關支持新評估工具的標準有效性。 該結果與之前關於(共病)精神問題與包括遊戲障礙在內的特定互聯網使用障礙之間關聯的研究結果一致。三原和Hi口,2017; 但是看; Colder Carras, Shi, Hard, & Saldanha, 2020), 色情使用障礙 (達菲、道森和達斯奈爾,2016), 購買購物障礙 (Kyrios等,2018), 社交網絡使用障礙 (Andreassen,2015)和賭博障礙(Dowling等,2015)。 此外,ACSID-11(尤其是在線賭博障礙和社交網絡使用障礙)與生活滿意度的測量值呈負相關。 這一結果與之前關於幸福感受損與特定互聯網使用障礙症狀嚴重程度之間關聯的研究結果一致。Cheng, Cheung, & Wang, 2018; Duffy等人,2016; 杜拉多尼、因諾琴蒂和瓜齊尼,2020)。 研究表明,當多種特定的互聯網使用障礙同時發生時,幸福感會特別受損(Charzyńska 等人,2021)。 特定互聯網使用障礙的共同發生並不少見(例如, 伯利等人,2019; Müller等人,2021) 這可能部分解釋了分別由 ACSID-11 和 IGDT-10 測量的疾病之間相對較高的相關性。 這強調了統一篩選工具的重要性,以更有效地確定由於成癮行為導致的不同類型疾病的共性和差異。
當前研究的一個主要限制是非臨床、相對較小且不具有代表性的樣本。 因此,通過這項研究,我們無法顯示 ACSID-11 是否適合作為診斷工具,因為我們還無法提供明確的截止分數。 此外,橫截面設計不允許推斷重測信度或 ACSID-11 與驗證變量之間的因果關係。 該儀器需要進一步驗證以驗證其可靠性和適用性。 然而,這項初步研究的結果表明,它是一種很有前途的工具,可能值得進一步測試。 需要注意的是,不僅該儀器需要更大的數據庫,而且整個研究領域都需要更大的數據庫來確定這些行為中的哪些可以被視為診斷實體(cf. 格蘭特和張伯倫,2016年)。 ACSID-11 的結構似乎運作良好,目前的研究結果證實了這一點。 四個特定因素和一般領域在不同行為中得到了充分體現,儘管每個項目都針對過去 11 個月中至少偶爾進行的所有指定在線活動進行了回答。 我們已經討論過特定的互聯網使用障礙可能同時發生,然而,這必須在後續研究中得到證實,這是 ACSID-11 評分在不同行為之間存在中度至高度相關性的原因。 此外,偶爾的異常值可能表明對於某些行為,模型規範需要優化。 使用的標準不一定與所有包含的潛在疾病類型同等相關。 ACSID-19 可能無法充分涵蓋症狀表現中的疾病特異性特徵。 不同版本的測量不變性應使用新的獨立樣本進行測試,包括診斷出特定互聯網使用障礙的患者。 此外,結果不代表一般人群。 數據大致代表德國的互聯網用戶,在數據收集時沒有封鎖; 儘管如此,COVID-XNUMX 大流行對壓力水平和(有問題的)互聯網使用有潛在影響(Király等人,2020)。 雖然單項 L-1 量表得到了很好的驗證(貝爾萊因等人,2015),(特定領域的)生活滿意度可以在未來使用 ACSID-11 的研究中更全面地獲得。
總之,ACSID-11 被證明適用於對(潛在的)特定互聯網使用障礙的症狀進行全面、一致和經濟的評估,包括遊戲障礙、在線購買購物障礙、在線色情使用障礙、社交網絡- 基於 ICD-11 遊戲障礙診斷標準的使用障礙和在線賭博障礙。 應進一步評估評估工具。 我們希望 ACSID-11 可能有助於對研究中的成癮行為進行更一致的評估,並且它也可能在未來的臨床實踐中有所幫助。
資金來源
Deutsche Forschungsgemeinschaft(DFG,德國研究基金會)– 411232260。
作者的貢獻
SMM:方法論、形式分析、寫作——原稿; 電子戰:概念化、方法論、寫作——評論和編輯; AO:方法論,形式分析; RS:概念化,方法論; AM:概念化、方法論; CM:概念化、方法論; KW:概念化、方法論; HJR:概念化、方法論; MB:概念化、方法論、寫作——審查和編輯、監督。
利益衝突
作者報告沒有與本文主題相關的財務或其他利益衝突。
致謝
本文的工作是在由德國研究基金會(DFG,德國研究基金會)資助的研究單位 ACSID,FOR2974 的背景下進行的 - 411232260。
補充材料
本文的補充數據可在網上找到 https://doi.org/10.1556/2006.2022.00013.