原始论文
摘要
背景:网络使用障碍(IUD)是数字时代的一种新型行为成瘾。同时,互联网应用和电子健康也可以为医疗提供有用的支持。
摘要目的:本研究的目的是检查基于互联网的电子健康服务是否可以覆盖有宫内节育器的个人。特别是,应该调查是否可以达到更严重的宫内节育器的男性和女性个体。
方法:数据来自OMPRIS(基于网络的动机干预,减少网络游戏障碍和网络使用障碍的问题性互联网使用,促进治疗动机)项目(DRKS00019925),这是一个基于网络的动机干预,减少网络游戏障碍和IUD的问题性互联网使用,促进治疗动机。在招募过程中(2020年8月至2022年3月),共有3007人填写了网络和电脑游戏成瘾评估标准化量表(AICA-S)。该评估可通过项目主页访问。在研究的这一阶段,没有预先选择参与者;然而,这项优惠是针对那些使用有害互联网和宫内节育器的人。基于网络的评估是免费的,可以通过搜索引擎找到,但通过报纸文章、广播报道和播客也吸引了人们的注意力。
结果:在3007名参与网络自我评估的人中,1033人(34.4%)是女性,1740人(57.9%)是男性,67人(2.2%)是不同的个体,167人(5.5%)没有透露自己的性别。IUD症状严重程度评分在AICA-S极端值0 ~ 27分之间有很大范围。平均而言,总样本(平均8.19,SD5.47)属于危险宫内节育器行为范围(AICA-S截止>7.0)。此外,561人(占总样本的18.7%;意思是17.42,SD3.38)出现严重宫内节育器(AICA-S截止>13.5)。在女性和男性参与者中,20.9%(363/1740)的男性和14.9%(151/1033)的女性得分在13.5分以上,可以认为是病理性节育器行为(χ22, 2773= 16.73,P<措施,effect size: CramérV= 0.078)。失业、正在接受职业培训或在大学学习以及男性与宫内节育器的高症状显著相关。
结论:通过使用大样本,研究表明轻度和严重的宫内节育器患者都可以通过互联网接触到。因此,基于互联网的电子健康服务是一种很好的方式,可以在互联网上接触到有节育器成瘾的患者。此外,电子保健服务增加了接触到女性患者的可能性,因为她们很少到专门的门诊诊所和医院就诊。由于社会问题,特别是失业问题与疾病严重程度密切相关,从多学科方法来看,将社会咨询纳入治疗似乎是可取的。
试验注册:德国临床试验注册(DRKS) DRKS00019925;https://drks.de/search/de/trial/DRKS00019925
doi: 10.2196/40121
关键字
简介
互联网使用障碍(IUD)是一个集体术语,定义为一种行为成瘾,即不受控制地过度使用不同的互联网应用程序。过度使用互联网与其他成瘾现象相似。本文讨论了包括宫内节育器在内的人类附加行为中的几种神经通路,尽管其机制尚不清楚[
].宫内节育器既包括过度的网络游戏,这是官方承认的第一个亚型,也包括非游戏性的互联网活动,即网上购物、使用色情物品、使用社交网络和一般的互联网使用[ ].宫内节育器的流行率在过去几十年有所增加,全球流行率在6%至7%之间,北欧和西欧的比率较低,而中东的比率较高[ , ].在德国人群中,宫内节育器的患病率在1.2%至3.1%之间[ - ].最近的研究表明,由于COVID-19大流行,上网时间和宫内节育器的流行率都有所增加[ - ].电子健康干预对行为成瘾患者的有效性研究很少。2016年的一项系统综述发现,共有16项研究测试了与互联网相关的药物成瘾干预(11项关于吸烟、饮酒和阿片类药物滥用的研究)和行为成瘾(5项关于病态赌博的研究)。尽管16项研究中只有5项提到了效应量(d=0.83-1.72),所有研究都报告了各自成瘾行为的积极治疗结果[
].到目前为止,只有少数研究调查了对患有宫内节育器和(网络)游戏障碍的受试者进行基于互联网的干预[ ].然而,来自卫生服务研究的第一批研究表明,在减轻症状和增加改变的动机方面有显著的治疗效果[ ].目前,第一批正在进行的随机对照试验(rct)也发表了研究方案,以衡量基于网络的宫内节育器治疗的效果[ , ].然而,目前还不清楚是否可以通过互联网联系到有宫内节育器的人。2019年发表的一项针对宫内节育器临床患者的模拟心理治疗的随机对照试验(短期治疗网络和电脑游戏成瘾[STICA]),对宫内节育器的临床历史和互联网使用模式提供了很好的洞察[
].作者共检查了143例诊断为IUD的患者(干预组n=72)。宫内节育器的诊断是基于心理学和精神病学专家进行的结构化临床访谈进行标准化的。平均而言,节育器患者的上网时间高于网络及电脑游戏成瘾量表(AICA-S)的分值(13分),平日平均每天上网6.2小时(SD 3.1),周末平均每天上网8.0小时(SD 3.8) [ ].然而,这项研究只针对男性,因为女性很少到专门的门诊诊所寻求治疗[ - ].德国一家专门的网瘾门诊所做的一项研究显示,女性上网成瘾的比例不到5% [ ].这种性别差异似乎与临床相关,因为基于人群的研究描述了女性和男性受影响的患病率和严重程度大致相同[ ]或只略微增加男性的患病率[ , ].然而,一项对来自德国几所大学心身门诊的327名女性患者和174名男性患者的研究显示,女性患者中94.7%的宫内节育器被忽视(男性患者中这一比例为66.6%)[ ].研究领域的领先专家在2022年发表的一篇综述仍然指出了需要弥补的主要知识差距。特别需要进行研究,以了解不同年龄组和性别的宫内节育器的过程和发展。此外,还指出需要可靠的方法来早期发现有危险的人,并采取预防和治疗干预措施[
, ].这导致了以下研究问题:(1)是否有可能通过基于互联网的医疗保健服务接触到有宫内节育器症状的个人?(2)如果可能,症状暴露范围是否与病理或临床相关?(3)无障碍方面是否存在性别差异?特别是,有宫内节育器症状的女性是否也能得到帮助?(4)如果有,女性个体与男性个体在宫内节育器严重程度、宫内节育器流行程度、有问题的网络应用类型以及社会人口学数据方面是否存在差异?
方法
研究设计与程序
数据是从OMPRIS中检索的(基于网络的动机性干预,减少网络游戏障碍和网络使用障碍的问题性网络使用,促进治疗动机DRKS00019925;道德问题,投反对票。19-6679),以互联网为基础的动机干预,以减少有问题的互联网使用,并促进网络游戏障碍和宫内节育器的治疗动机[
].本分析中使用的横断面基于网络的评估是新开发的基于互联网的卫生干预措施的第一阶段接触,目前正在作为随机对照试验进行评估。任何人都可以参加评估;在研究的这一阶段没有预先选择参与者。在招募过程中(2020年8月28日至2022年3月11日),共有3007人参加了AICA-S,并通过研究主页提供了媒体回忆和社会人口学数据。评估是免费的,可通过OMPRIS项目主页查阅。这项服务可以通过搜索引擎找到。此外,报纸文章、广播报道和播客都被用来吸引人们对这一提议的关注。媒体报道和播客提供了免费的宫内节育器筛查,如果有兴趣和表示,还可以参与OMPRIS干预。在完成筛查测试(这是本研究的内容)后,参与者通过标准化的临床访谈和参与基于互联网的干预提供了详细的诊断。 The results of the intervention study will be published elsewhere.伦理批准
该试验已在德国临床试验注册(DRKS00019925)中注册,并获得鲁尔大学波鸿医学院伦理委员会的批准(批准号19-6779)。所有参与者必须在注册时提供知情同意。
评估工具
AICA-S量表
AICA-S量表[
, 来评估宫内节育器的严重程度。量表由14个项目(李克特量表5分制)组成,这些项目与精神疾病诊断与统计手册,第五版,物质使用障碍和赌博障碍的标准,包括渴望、失去控制、耐受性、减少上网时间的失败尝试和戒断[ ].此外,它还评估了在学校、工作、健康和与社会伙伴之间的消极后果。此外,在互联网上花费的时间,首选的基于网络的活动,首选的有问题的互联网使用类型也被要求。截点是根据流行病学调查和分析的统计方法界定的[ ].7.0到13.0分被评为有害使用或中度成瘾使用互联网。得分在13.5分或以上的被认为是病态的网络成瘾[ ].除了构成分数的项目外,AICA-S还询问了过度使用互联网的范围,可能有多个答案。为了明确指出最具问题的互联网使用类型,添加了以下问题:“请选择一个:在您看来,上述基于网络的服务中,使用哪个最有问题?”在临床和流行病学调查中确定AICA-S的信度(内部一致性α=.89)和效度[ , , ].AICA-S已成功应用于最近发表的德国RCT门诊组治疗IUD的有效性[ ].本研究亦通过自我评估及专家评估,显示出对治疗干预后变化的良好敏感性[ ].媒体使用和社会人口学数据
调查对象被问及工作日和周末的平均上网时间。此外,还对有问题的网络消费进行了主观评价。此外,主观上认为最成问题的互联网使用类型也被问及。受访者还被问及他们是如何意识到网络自我评估的。最后,收集了以下社会人口学数据:年龄、性别和目前的职业状况。
统计分析
分析使用SPSS Macintosh统计(IBM . n:行情))。描述性数据使用数字、百分比、平均值和SDs报告。我们使用Kolmogorov-Smirnov检验来检验正态分布。然而,由于参与者数量众多,我们决定使用参数测试,因为它们具有很高的鲁棒性N并显示出比非参数检验更强的检验能力[
- ].独立的t测试(双侧)用于比较度量变量的性别差异(女性vs男性)(科恩效应大小d).对二分类变量和名义变量(2×2表和Cramér表的效应量φ)采用卡方检验和事后(调整残差)检验V对于大于2×2的表)。皮尔逊积矩相关系数r计算了两个度量变量之间的关联,以及度量变量(AICA-S分数)和名义变量(性别)之间的η系数。一个方法方差分析计算Bonferroni校正,以比较两组以上度量变量的差异(效应大小η2).采用多元线性回归(逐步)评估社会人口学变量对AICA-S评分的影响。此外,采用2-way anova分析性别和社会人口学变量对IUD症状严重程度的影响和交互作用(AICA-S评分)。效应量的定义遵循Cohen的准则[ ].由于德国官方有第三性别“潜水员”,所以研究中也询问并提出了这个问题,尽管对这一类别没有做先验假设。因此,所报告的统计分析的重点是男女之间的比较。结果
人口统计资料
在80周的时间里,调查样本量(N=3007)在每周5名(第13周)到317名参与者(第26周)之间变化,平均每周37.59名参与者(SD 42.91)。人口统计数据显示在
.变量 | 值 | |
性别,n (%) | ||
女 | 1033 (34.4) | |
男性 | 1740 (57.9) | |
潜水员 | 67 (2.2) | |
缺失的数据一个 | 167 (5.6) | |
年龄(年)n (%) | ||
< 18 | 704 (23.4) | |
18 - 24 | 744 (24.7) | |
25 - 34 | 643 (21.4) | |
35-44 | 359 (11.9) | |
45 - 54 | 289 (9.6) | |
55 - 64 | 163 (5.4) | |
65 - 74 | 49 (1.6) | |
> 75 | 11 (0.4) | |
缺失的数据一个 | 45 (1.5) | |
年龄(年),平均值(SD) | 29.17 (14.55) | |
职业情况,n (%) | ||
全职工作 | 779 (25.9) | |
兼职工作 | 274 (9.1) | |
自主创业 | 142 (4.7) | |
失业 | 285 (9.5) | |
在职业培训中 | 252 (8.4) | |
在大学学习 | 621 (20.7) | |
其他(如学生、退休、不能工作) | 631 (21.0) | |
缺失的数据一个 | 23日(0.8) | |
你是怎么意识到的基于网络的报价吗?,n(%) | ||
家人和朋友 | 433 (14.4) | |
互联网搜索 | 864 (28.7) | |
医疗机构 | 219 (7.3) | |
市政机构 | 44 (1.5) | |
学校或大学 | 521 (17.3) | |
报刊(广播、报纸等) | 521 (17.3) | |
其他人 | 361 (12.0) | |
缺失的数据一个 | 5 (0.2) |
一个技术困难。
结果显示,在80周的网络评估中,所有3007个人(1740名男性,1033名女性,67名潜水员,167名未透露性别的参与者)都可以达到,其中34.4% (n=1033)的参与者是女性。约四分之一的参与者年龄在18岁以下(n=704, 23.4%),约四分之一的参与者年龄在18至24岁之间(n=744, 24.7%),约五分之一的参与者年龄在25至34岁之间(n=643, 21.4%)。其余参与者年龄在35岁以上(n=871, 29.0%),年龄较高的类别较少。总体而言,35.0% (n=1053)的参与者目前有工作(全职:n=779, 25.9%,兼职:n=274, 9.1%,学生:n=621,失业:n=285, 9.5%)。很大一部分参与者(n=863, 28.7%)是通过互联网搜索找到调查结果的。然而,通过家人和朋友(n=433, 14.4%)、学校或大学(n=561, 18.7%)和新闻报道(n=521, 17.3%)也是相关的联系方式。
IUD症状严重程度与性别差异
关于网络使用和网页游戏的确切类型的一般行为,以及花在互联网上的时间,被问及。此外,参与者还被问及他们主观上是否认为自己使用互联网的方式有问题。最后评估宫内节育器的症状。
显示了男性和女性使用互联网的详细结果。IUD症状严重程度在AICA-S极端值0 ~ 27分之间有很大范围。参考AICA-S截止值,总样本在有害宫内节育器行为范围内得分(平均8.19,SD5.47)。总体而言,561人(561/3007,18.7%)可归为病态网民组,927人(927/3007,30.8%)可归为危险网民组。男性参与者的AICA-S平均得分略高(平均8.62,SD5.57)高于女性(平均7.45,SD5.20)。然而,男性和女性之间的差异显示出一个小的显著效应量(t2771= 5.54,P<措施,d=0.215),临床相关性小(男女AICA-S总分平均差1.17分;根据AICA-S标准,两者属于同一临床类别)。总体而言,20.9%的男性(363/1740)和14.6%的女性(151/1033)的AICA-S评分为>13.5分,可认为是病理性节育器行为。在较小的效应量下,分布差异显著(χ22, 2773= 16.73,P<措施,克莱默V= 0.078)。卡方事后检验显示,根据卡方分布,男性病理使用者明显高于预期的频率(P<.001),而女性病理使用者的频率明显低于预期(P<措施)。
报告女性和男性参与者AICA-S评分的频率。此外,研究了不同类型的问题节育器之间AICA-S评分的差异。IUD症状的水平(由AICA-S总分衡量)对于不同类型的问题IUD有显著差异(WelchF8397 .89= 23.12,P<措施)。
不同类型节育器AICA-S评分的平均值和SDs。AICA-S 3个不显著组(平均3.96岁,SD 1.52岁)、危险组(平均9.52岁,SD 1.87岁)、病理组(平均17.42岁,SD 3.38岁)按年龄进行比较,不显著组年龄越高,差异越显著(平均30.8岁vs 27.6岁vs 27.8岁;韦尔奇F2、1470.87= 14.49,P<措施)。此外,AICA-S组在当前职业状况方面存在显著差异(χ212日,2984年= 151.18,P<措施,克莱默V= 0.121)。研究发现,病态网民(97/556,17.5%)全职就业的可能性明显低于危险网民(231/921,25.1%)和不显眼网民(451/1507,29.9%),但更有可能失业(99/556,17.8% vs 84/921, 9.1% vs 102/1507, 6.8%)或学生(161/556,29.0% vs 214/921, 23.3% vs 246/1507, 16.3%)。
变量 | 女性参与者(n=1033) | 男性参与者(n=1740) | P价值 | 影响的大小 | |||
年龄(年),平均值(SD) | 30.97 (14.56) | 28.31 (14.30) | <措施 | d= 0.185 | |||
工作日(周一至周五)在互联网上花费的时间(小时),平均值(SD) | 4.92 (3.41) | 5.91 (3.93) | <措施 | d= 0.266 | |||
周末或假日在互联网上花费的时间(小时),平均值(SD) | 5.24 (3.26) | 6.70 (3.92) | <措施 | d= 0.395 | |||
每周平均上网时间,平均值(SD) | 35.07 (21.64) | 42.96 (25.23) | <措施 | d= 0.252 | |||
你多久上网一次?, n (%) | . 21 | 克莱默V= 0.046 | |||||
每一天 | 1005 (97.3) | 1689 (97.1) | |||||
每周2-3次 | 19日(1.8) | 41 (2.4) | |||||
每周1次 | 7 (0.7) | 3 (0.2) | |||||
每月1次 | 1 (0.1) | 3 (0.2) | |||||
每月少于1次 | 1 (0.1) | 3 (0.2) | |||||
你通常上网多长时间(以小时计)?, n (%) | <措施 | 克莱默V= 0.165 | |||||
< 1 | 155 (15.0) | 136 (7.8) | |||||
1 - 2 | 279 (27.0) | 362 (20.8) | |||||
3 - 4 | 267 (25.8) | 473 (27.2) | |||||
5 - 6 | 184 (17.8) | 347 (19.9) | |||||
> 6 | 148 (14.3) | 422 (24.3) | |||||
AICA-Sb总样本均值(SD) | 7.45 (5.20) | 8.62 (5.57) | <措施 | d= 0.215 | |||
AICA-S严重分组,n (%) | <措施 | 克莱默V= 0.098 | |||||
没有疑问的使用 | 579 (56.1) | 815 (46.8) | |||||
危险的使用 | 303 (29.3) | 562 (32.3) | |||||
病态的使用 | 151 (14.6) | 363 (20.9) | |||||
在你看来,你过度使用哪些网络服务?(可能有多个答案),n (%) | |||||||
网页游戏(如角色扮演游戏和自我射击游戏) | 169 (16.4) | 838 (48.2) | .048 | φ= 0.061 | |||
网上购物(如易趣和亚马逊) | 187 (18.1) | 184 (10.6) | 口径。 | φ= 0.059 | |||
聊天或论坛 | 267 (25.9) | 329 (18.9) | 点 | φ= 0.038 | |||
写电子邮件 | 76 (7.4) | 99 (5.7) | .40 | φ= 0.057 | |||
网络色情(如色情内容) | 16 (1.6) | 393 (22.6) | <措施 | φ= 0.297 | |||
基于网络的赌博(如扑克、赌场、赌博) | 15 (1.5) | 52 (3.0) | .40 | φ= 0.087 | |||
基于网络的社区(如Facebook和Instagram) | 437 (42.3) | 435 (25.0) | .10 | φ= 0.055 | |||
信息搜索(如维基百科) | 190 (18.4) | 294 (16.0) | 二十五分 | φ= 0.049 | |||
基于网络的流媒体服务(如Netflix, Amazon Prime, YouTube) | 577 (55.9) | 963 (55.3) | >。 | φ= 0.000 | |||
其他人 | 67 (6.5) | 118 (6.8) | 02 | φ= 0.152 | |||
在你看来,使用上面提到的基于网络的服务中,哪一种问题最大?, n (%) | <措施 | 克莱默V= 0.369 | |||||
网页游戏(如角色扮演游戏和自我射击游戏) | 124 (12.0) | 515 (29.6) | |||||
网上购物(如易趣和亚马逊) | 73 (7.1) | 49 (2.8) | |||||
聊天或论坛 | 66 (6.4) | 42 (2.4) | |||||
写电子邮件 | 12 (1.2) | 14 (0.8) | |||||
网络色情(如色情内容) | 29 (2.8) | 276 (15.9) | |||||
基于网络的赌博(如扑克、赌场和赌博) | 89 (8.6) | 174 (10.0) | |||||
基于网络的社区(如Facebook和Instagram) | 279 (27.0) | 167 (9.6) | |||||
信息搜索(如维基百科) | 68 (6.6) | 66 (3.8) | |||||
基于网络的流媒体服务(如Netflix和YouTube) | 293 (28.4) | 437 (25.1) |
一个性别缺失值:n=167。我们排除了“潜水员”性别的参与者(n=67)。
b网络和电脑游戏成瘾评定量表。
变量 | 参与者,n | AICA-S平均分(SD) |
网络流媒体 | 795 | 9.01 (5.57) |
网络游戏 | 678 | 9.23 (5.82) |
社交网络或社区 | 493 | 7.76 (4.97) |
网络色情或色情 | 333 | 8.22 (5.43) |
网络赌博 | 283 | 5.77 (3.68) |
信息搜索 | 145 | 7.48 (5.32) |
网络购物 | 128 | 5.98 (4.89) |
网络聊天 | 121 | 8.40 (6.37) |
电子邮件 | 27 | 6.44 (5.08) |
一个缺失值:n= 4。
上网时间和问题上网类型的性别差异
男性参与者使用互联网的时间为5.91 (SD每日3.93小时(平日)及6.70小时(SD3.92)周末每天使用小时(计算每周使用时间42.96小时,SD25.23小时)。女性参与者使用互联网4.92 (SD3.41)平日每日小时及5.24 (SD3.26)周末每天使用小时(计算每周使用时间35.07小时,SD21.64小时)。使用时间的差异达到显著性(工作日:t2771= 6.76,P<措施;周末:t2771= 10.06,P<.001),且效应值较小(d= 0.252 - -0.395)。
女性用户中最常提到的过度使用互联网的类型是(可能有多个答案)基于网络的流媒体(577/1033,55.3%),社交网络(437/1033,42.3%),聊天或论坛(267/1033,25.9%)。相比之下,男性最常提到的过度使用互联网的类型是网络流媒体(963/1740,55.3%)、游戏(838/1740,48.2%)和网络色情(393/1740,22.6%)。在中等效应量下,网络色情的性别差异最大(χ2451= 39.77,P<措施,φ= 0.297;有关详细信息,请参见
).相关性
显示了3007名参与者的IUD症状(AICA-S评分)、使用时间(h/wk)和年龄之间的相关性。
变量 | 参与者,n | AICA-S一个平均分数(SD) | 的相关性,r | |
AICA-S得分 | 每周使用时间(h) | |||
AICA-S得分 | 3007 | 8.20 (5.47) | - - - - - -b | - - - - - - |
每周使用时间(h) | 3007 | 39.95 (24.33) | 0.523c | - - - - - - |
年龄 | 2962 | 29.17 (14.55) | -0.090c | -0.164c |
一个网络和电脑游戏成瘾评定量表。
b不确定。
c相关性在以下情况下显著P= . 01(2-tailed)。
性别与宫内节育器症状(AICA-S)之间的相关性是显著的(η=0.098, η2= 0.0096,P<.001),这意味着只有0.96%的AICA-S方差可以用性别来解释(影响很小)。此外,性别和上网时间(h/wk)之间的关系是显著的(η=0.157, η²=0.0246,P<.001),这意味着只有2.46%的使用时间方差可以用性别来解释(影响很小)。
社会人口学因素和性别对AICA-S评分的影响
在总样本内进行逐步多元回归分析,以检验年龄、职业状况(分为就业或自雇、失业、正在接受职业培训或学习)和性别(男性或女性)等社会人口学因素是否与IUD症状严重程度显著相关。选择以下特征作为虚拟变量的参考:女性性别和职业状况(受雇或自雇)。
发现一个显著回归方程(F3, 2317= 33.44,P<.001),带有R20.042的最终模型。此外,失业(B=3.170, SE 0.38;β= .175;P<.001)、正在接受职业培训或在大学学习(B=1.054, SE 0.25;β= .088;P<.001),男性(B=1.046, SE 0.23;β= .092;P<.001)是最终模型的显著因素,而年龄(P=.90)未达到显著性。如果参与者没有工作,他们的AICA-S预估得分会增加3.17分,如果参与者正在接受职业培训或学习,他们的预估得分会增加1.05分,如果参与者是男性,他们的预估得分会增加1.05分。
由于失业和职业状况对IUD症状严重程度(AICA-S评分)有显著影响,我们进行了两项双向方差分析,探讨失业(是或否)、正在接受职业培训或学习(是或否)和性别(女性或男性)对IUD症状严重程度的主要影响和交互影响。首先,对失业有显著的主要影响(F2318= 45.78,P<措施,η²=0.019). Thus, unemployed participants had higher AICA-S scores. In addition, there was a significant main effect for gender (F2318= 9.06,P=。003, η²=0.004),这意味着男性的AICA-S分数更高。然而,失业与性别之间的交互作用并不显著(F2318= 0.25,P= .62)。第二,接受职业培训或学习(F2318= 4.35,P=。04,η²= 0.002)。因此,参加职业培训或学习的参与者AICA-S得分更高。此外,性别也有显著的主要影响(F2318= 23.73,P<措施,η²=0.010), meaning that males had higher AICA-S scores. However, the interaction effect between being in vocational training or studying and gender was, again, not significant, (F2318= 0.972,P=收)。因此,总的来说,性别和其他社会人口变量之间不存在交互作用,尽管所有的主要影响都是显著的(
).讨论
主要研究结果
首先,结果显示,在80周的时间里,有持续参与网络评估,报告的IUD症状负担范围非常大(0到27分之间)(研究问题1)。3007名参与者的高数量表明网络报价被普遍接受。总组平均症状负担为8.19 (SD 5.47)危险互联网的使用。与STICA研究的样本相比[
],我们样本中的平均得分较低(使用相同的AICA-S问卷),但在危险互联网使用的诊断类别中。这可以解释为,在STICA研究中,明确诊断的患者得到了治疗,而在我们的研究中,所有怀疑自己的互联网使用有问题的受影响的个人都可以访问,这是一个更危险的群体。然而,这表明基于网络的评估可以用作预防和治疗的电子卫生服务。此外,在我们的样本中,病理性互联网使用用户的高患病率(561/ 3007,18.7%)表明,基于网络的自我评估也适用于具有临床相关疾病严重程度的患者(研究问题2)。病理性互联网使用用户的比例远远高于德国普通人群的患病率数字[ ].然而,应该讨论的是,我们的研究是在COVID-19大流行期间进行的,有问题的互联网使用的流行程度可能随后有所增加[ ].这项评估在互联网上免费提供,任何感兴趣的人都可以参加筛查。这意味着参与者不是以一种具有代表性的方式被挑选出来的,他们可能是怀疑自己的互联网使用有问题的人。因此,我们假设我们的样本不具有代表性,而是代表了一个风险人群。尽管如此,我们的研究结果表明,免费的基于网络的自我评估可以帮助患有严重和轻微疾病的IUD患者。因此,这个提议实际上是一个低门槛的提议,可以帮助那些可能仍然羞于与门诊进行真正接触的IUD患者。这证实了我们工作小组的初步调查结果,即基于互联网的支持得到了良好的响应[ ].我们的研究发现,上网时间与宫内节育器症状之间存在显著相关性,这在我们课题组之前对类似大型高风险样本的研究中也得到了证实[ ].然而,年龄与较高的症状评分并无显著相关性,这与之前德国的一项具有代表性的研究相矛盾,在该研究中,年轻的互联网用户明显更常受到宫内节育器的影响[ ].这可以用COVID-19大流行的影响来解释,这也导致许多老年人在家里花更多的时间。关于研究问题3,可以表明女性和男性都使用了基于网络的IUD症状自我评估服务。参与的女性比例(1033/3007,34.4%)远高于预期,超过了在德国前往宫内节育器专科门诊就诊的女性比例[
].因此,有危险使用互联网的女性很容易通过互联网联系到。此外,我们的结果显示,在高风险研究样本中,女性比男性更不可能表现出病理性的互联网使用(患病率:151/1033,14.6% vs 363/1740, 20.9%)。这些发现支持了最近的一些系统综述,这些综述检查了IUD和IGD的全球患病率,发现男性的综合患病率增加[ , ].然而,其他具有代表性的研究发现,宫内节育器的流行率并无性别差异[ ].回归分析显示,男性与AICA-S评分显著相关。然而,性别的影响不如失业的影响那么显著。就症状严重程度而言,其他社会人口统计学变量似乎比性别问题产生了更大的影响。此外,性别和社会人口学因素对症状严重程度没有交互作用。因此,一个人是男人还是女人,失业还是工作都很重要。但互作效应不显著。研究结果证实了之前的发现,即失业是宫内节育器和游戏障碍的风险因素[
, ].职业培训和学习与宫内节育器症状高相关的事实也可能与COVID-19大流行有关,因为家庭办公室经常取代模拟现场。结果表明,将社会咨询纳入宫内节育器患者的治疗计划中,以制定职业选择可能是有帮助的。此外,在最常见的有问题的互联网应用程序方面,还发现了性别差异。根据现有的研究文献,女性对社交网络和社交媒体的亲和力更高,而男性则更喜欢玩电脑游戏。 , , ].其他研究讨论了一个更复杂的观点,即女性性别、更自由、神经质、自恋和外向的模式以及较低的身体满意度与网络成瘾的风险增加有关。 ].然而,令人惊讶的是,在我们的研究中,许多人(男性和女性)认为基于网络的流媒体是主要问题。由于基于网络的流媒体服务的广泛可用性是最近的发展,在当前关于行为成瘾的研究文献中,这一点很少被考虑到。另一方面,最近有很多研究文献研究了binge-watch和不断变化的媒体行为,特别是在COVID-19大流行期间[ , , ].在对色情作品的主观问题使用上发现了显著差异。男性报告的比例明显更高(393/1740,22.6%);色情与女性的相关性较低(16/1033,1.6%)。这与之前的研究文献和治疗实践的经验相一致[
].性别特异性IUD的治疗方法可能与病理性色情使用IUD相关。综上所述,关于研究问题4,在IUD症状严重程度方面,男性和女性存在一些较小的效应量差异(AICA-S分的平均差异为1.17分)。在有问题的互联网使用类型上,最多存在个体性别差异。第二项发现是,失业、接受职业培训或在大学学习与宫内节育器显著相关。可以假设空闲时间分配促进了更高的使用时间。也许在家(可能是独自一人,因为其他人都很忙),或者不在特定的工作场所工作,或者在外面工作,都是很重要的因素。正如之前的一项研究所报道的那样,工作可能是一种保护因素[
].然而,在这一点上,我们不能排除在家里以外或与其他人一起进行的任何其他活动都可能导致类似的结果。限制
这项研究是通过问卷调查对大量人群进行的。使用问卷的截点对严重程度进行分类。这种类型的诊断不能取代专家的临床诊断,因此自然容易出现假阳性或假阴性。然而,许多基于人群的研究已经使用这种方法进行。在选择问卷时,我们选择了一种更具有临床导向的成熟仪器,并做出保守的评估。此外,在先前的高质量随机对照试验中,它被用作主要结果[
],这使得临床特征具有良好的可比性。此外,我们使用横断面设计,它只能对因果关系问题作出有限的陈述。在大多数情况下,横断面样本的回归分析应被解释为关联,随意归因应谨慎。在我们的研究中,我们使用了一个建立的诊断量表精神疾病诊断与统计手册,第五版,网络游戏障碍的标准于2013年出版[ ].然而,在2022年,一份新的问卷被开发出来,这是第一次基于新的诊断标准《国际疾病分类》第十一次修订[ , ].因此,未来的研究还应包括反映的标准的工具《国际疾病分类》第十一次修订.结论
这项研究使用了非常大的样本,表明轻度和重度节育器患者都可以通过互联网接触到。因此,免费的电子健康服务可以很好地在互联网上接触到有节育器成瘾的患者。此外,电子保健服务增加了接触到女性患者的可能性,而女性患者几乎从不来专门的门诊诊所和医院。然而,男性受宫内节育器症状的影响似乎比女性更频繁和严重,尽管差异往往具有较小的效应量。由于社会问题,特别是失业,对疾病严重程度有很大影响,从多学科方法来看,将社会咨询纳入治疗似乎是可取的。
致谢
我们感谢整个OMPRIS研究小组,特别是Raffaela Böswald, Lorraine Cornelsen, Michael Dreier, Linny Geisler, sophie Groen, Ina Krahn, Dennis Lowin, Alicia Menze, Anja Niemann, Silke Neusser, Christian Suelmann, Julia Weretecki和德国Fachverband Medienabhängigkeit e.V。我们感谢DFG开放获取出版基金Ruhr-Universität波昏的支持。本出版物是在德国联邦联合委员会德国创新基金资助的一个项目中制作的,资助号为01VSF18043,授予JDH。收件人是鲁尔大学波鸿,Universitätsstraße 150, 44801波鸿,德国。此外,我们感谢Ruhr-Universität波鸿开放获取出版基金的支持。
作者的贡献
JDH对稿件进行了主要的概念化、统计分析、数据解读,并撰写了稿件的初稿。LB和MP支持概念化,设计和监督数据收集,并进行了批判性审查、评论和修订。所有其他作者都支持对数据的解释,并进行了批判性的回顾、评论和修订。所有作者均已阅读并批准稿件。
利益冲突
这项研究是由德国联邦联合委员会的德国创新基金资助的RCT研究的一部分,该研究名为“基于网络的动机干预,以减少有问题的互联网使用,并促进网络游戏障碍和互联网使用障碍的治疗动机”(OMPRIS)。JDH获得了资金。作者声明他们没有从行业,特别是电脑游戏行业获得任何财政支持。
参考文献
- 使用互联网会上瘾吗?科学2022年5月20日;376(6595):798-799。[CrossRef] [Medline]
- Montag C, Wegmann E, Sariyska R, Demetrovics Z, Brand M.如何克服网络使用障碍研究中的分类问题,如何应对“智能手机成瘾”?J行为成瘾2021年1月15日;9(4):908-914 [免费全文] [CrossRef] [Medline]
- 程超,李艾。网络成瘾的流行程度和(现实)生活质量:对世界7个地区31个国家的荟萃分析。Cyberpsychol Behav Soc Netw 2014 12月;17(12):755-760 [免费全文] [CrossRef] [Medline]
- 潘艳,赵艳,林艳。网络成瘾流行病学的系统综述与荟萃分析。神经科学生物行为学2020年11月;118:612-622。[CrossRef] [Medline]
- Wölfling K, Thalemann R, Grüsser-Sinopoli SM。电脑游戏成瘾:青少年的一种精神病理症状。精神病学实践2008年7月;35(5):226-232。[CrossRef] [Medline]
- 毕肖夫G,毕肖夫A,梅耶C,约翰U,兰普夫HJ。Prävalenz der Internetabhängigkeit?诊断和Risikoprofile (PINTA-DIARI)。联邦部长für Gesundheit. 2013年8月网址:https://www.bundesgesundheitsministerium.de/fileadmin/Dateien/5_Publikationen/Drogen_und_Sucht/Berichte/Abschlussbericht/PINTA-DIARI-2013-Kompaktbericht.pdf[2022-10-12]访问
- Rumpf H, Vermulst AA, Bischof A, Kastirke N, Gürtler D, Bischof G,等。一般人群样本中网络成瘾的发生:潜在类分析。Eur Addict Res 2014;20(4):159-166 [免费全文] [CrossRef] [Medline]
- 李海斌,李志强,李志强,Mößle。德国青少年网络游戏障碍的患病率:9个DSM-5标准在全州代表性样本中的诊断贡献成瘾2015年5月;110(5):842-851。[CrossRef] [Medline]
- Stevens MW, Dorstyn D, Delfabbro PH, King DL。游戏障碍的全球流行:系统回顾和荟萃分析。德国精神病杂志2021年6月;55(6):553-568。[CrossRef] [Medline]
- Lemenager T, Neissner M, Koopmann A, Reinhard I, Georgiadou E, Müller A,等。德国新冠肺炎封锁限制和网络媒体消费国际环境与公共卫生2020年12月22日;18(1):14 [免费全文] [CrossRef] [Medline]
- 陈毅,陈超,刘超,Ahorsu DK, Griffiths MD,陈勇,等。新冠肺炎疫情前后中国学童网瘾与心理困扰:潜在阶层分析J行为成瘾者2021年9月15日;10(3):731-746 [免费全文] [CrossRef] [Medline]
- 李勇,孙勇,孟S,鲍勇,程杰,常旭,等。COVID-19期间普通人群的网瘾增加:来自中国的证据Am J Addict 2021年7月;30(4):389-397 [免费全文] [CrossRef] [Medline]
- Masaeli N, Farhadi H.在COVID-19大流行期间基于网络的成瘾行为的流行:系统综述。中国毒品杂志2021;39(4):468-488。[CrossRef] [Medline]
- Wegmann E, Brandtner A, Brand M.由于与covid -19相关的限制而产生的感知压力调节了社交需求的影响,以及对错过社交网络使用问题风险的恐惧。前沿精神病学2021;12:623099 [免费全文] [CrossRef] [Medline]
- 李文杰,李志强,李志强。基于互联网的成瘾行为干预:系统回顾。J Gambl Stud 2016 12月;32(4):1279-1304。[CrossRef] [Medline]
- Lam LT, Lam MK.电子健康对有问题的互联网使用(PIU)的干预。Curr Psychiatry Rep 2016年12月18日(12):107。[CrossRef] [Medline]
- 李志刚,李志刚,李志刚。基于远程医疗动机的网络使用障碍患者短期干预效果研究。J行为成瘾2021年11月17日;10(4):1005-1014 [免费全文] [CrossRef] [Medline]
- Saruhanjan K, Zarski A, Schaub MP, Ebert DD.基于互联网和移动的互联网使用障碍指导性干预的设计-一项双臂随机对照试验的研究方案。前沿精神病学2020;11:190 [免费全文] [CrossRef] [Medline]
- Dieris-Hirche J, Bottel L, Pape M, Te Wildt BT, Wölfling K, Henningsen P, OMPRIS研究组。基于在线的动机干预以减少网络游戏障碍和网络使用障碍的问题互联网使用和促进治疗动机(OMPRIS)的效果:一项随机对照试验的研究方案。英国医学杂志公开赛2021年8月03日;11(8):e045840 [免费全文] [CrossRef] [Medline]
- Wölfling K, Müller KW, Dreier M, Ruckes C, Deuster O, Batra A,等。网络和电脑游戏成瘾的短期治疗效果:一项随机临床试验。美国医学会精神病学2019 10月01日;76(10):1018-1025 [免费全文] [CrossRef] [Medline]
- 面对性别代表:女性休闲玩家体验和动机的定性研究Aloma: Revista de Psicologia, Ciències de l'Educació i de l'Esport(28)。2011.URL:http://www.raco.cat/index.php/Aloma[2022-12-14]访问
- Kuss DJ, Griffiths医学博士。网络成瘾治疗:治疗师的观点。进:Kuss DJ, Griffiths MD,编辑。心理治疗中的网络成瘾。伦敦:Palgrave Pivot;2015.
- 洛佩兹-费尔南德斯O,威廉姆斯AJ,格里菲斯MD,库斯DJ。女性游戏,游戏成瘾,以及女性在游戏文化中的角色:叙事文献综述前沿精神病学2019;10:454 [免费全文] [CrossRef] [Medline]
- Beutel ME, Hoch C, Wölfling K, Müller KW.电脑游戏成瘾患者在门诊寻求治疗的电脑游戏和网络成瘾的临床特征。中华心理医学杂志,2011;29(1):344 - 344。[CrossRef] [Medline]
- 孟S,程杰,李勇,杨旭,郑杰,常旭,等。一般人群中数字成瘾的全球患病率:系统回顾和荟萃分析。临床精神病Rev 2022年3月;92:102128。[CrossRef] [Medline]
- Scherer L, Mader L, Wölfling K, Beutel ME, Dieris-Hirche J, Müller KW.心理治疗护理系统中未诊断的网络相关障碍:患病率和性别特征。精神病学实践2021年11月;48(8):423-429。[CrossRef] [Medline]
- Király O, Potenza MN, Stein DJ, King DL, Hodgins DC, Saunders JB,等。在COVID-19大流行期间防止有问题的互联网使用:共识指南Compr Psychiatry 2020年7月;100:152180 [免费全文] [CrossRef] [Medline]
- Fineberg NA, Menchón JM, Hall N, Dell'Osso B, Brand M, Potenza MN,等。互联网研究问题使用的进展-由欧洲网络专家对互联网问题使用的叙述审查。Compr Psychiatry 2022年10月;118:152346 [免费全文] [CrossRef] [Medline]
- Wölfling K, Müller KW, Beutel M.病态电脑游戏评估量表(CSV-S)的信度和效度。2011年5月;61(5):216-224。[CrossRef] [Medline]
- Wölfling K, Beutel M, Müller K. OSV-Skala zum Onlinesuchtverhalten。In: Geue K, Strauß B, Brähler E,编辑器。心理治疗诊断:诊断für临床实践。哥廷根:Hogrefe;2016:361 - 366。
- 美国精神病协会。精神疾病诊断与统计手册(DSM-5®)。美国:美国精神病学出版社;2013.
- Müller KW, Glaesmer H, Brähler E, wolelfling K, Beutel ME。网络成瘾在普通人群中的流行率:来自德国基于人群的调查结果。环境科学学报2013年8月15日;33(7):757-766。[CrossRef]
- Müller KW, Beutel ME, Wölfling K.对治疗寻求者样本中网络成瘾的临床特征的贡献:评估的有效性,精神病理的严重程度和共病类型。Compr Psychiatry 2014 May;55(4):770-777。[CrossRef] [Medline]
- Müller KW, Koch A, Beutel ME, Dickenhorst U, Medenwaldt J, Wölfling K.网络成瘾作为德国成瘾康复机构患者的共病障碍:临床患病率的探索性调查。精神病学杂志2012年8月;39(6):286-292。[CrossRef] [Medline]
- Kuss DJ, Griffiths MD, Binder JF。学生网络成瘾:患病率和危险因素。Comput Hum Behav 2013 May;29(3):959-966。[CrossRef]
- 陈丽娟,陈丽娟,陈丽娟。大型公共卫生数据集中正态性假设的重要性。公共卫生2002;23:151-169。[CrossRef] [Medline]
- Jürgen B,舒斯特C.统计学für人类与社会科学。柏林:施普林格国际出版社;2005.
- 施密特AF,芬南C.线性回归和正态性假设。中国临床流行病学杂志2018年6月;[CrossRef] [Medline]
- 行为科学的统计权力分析。第二版。希尔斯代尔,新泽西州:劳伦斯·埃尔鲍姆联合出版社;1988.
- 李志强,李志强,李志强,等。电子游戏玩家的问题游戏行为和个性特征:一项横断面调查。Comput Hum Behav 2020年5月;106:106272。[CrossRef]
- 杜利-普拉多D, Stavropoulos V, Mueller K, Sharples J, Footitt TA。网络游戏障碍特征及其与社交参与行为的关系。J精神病学杂志2021年6月;138:393-403。[CrossRef] [Medline]
- Andreassen CS, Billieux J, Griffiths MD, Kuss DJ, Demetrovics Z, Mazzoni E,等。社交媒体和视频游戏成瘾使用与精神障碍症状之间的关系:一项大规模横断面研究精神成瘾者行为研究2016年3月30日(2):252-262 [免费全文] [CrossRef] [Medline]
- 陈斌,刘峰,丁松,应霞,王玲,温艳。医科大学生智能手机成瘾相关因素的性别差异:一项横断面研究。BMC Psychiatry 2017 Oct 10;17(1):341 [免费全文] [CrossRef] [Medline]
- Peris M, de la Barrera U, Schoeps K, Montoya-Castilla I.预测青少年社交网络和网络成瘾的心理风险因素。国际环境与公共卫生杂志2020年6月26日;17(12):4598 [免费全文] [CrossRef] [Medline]
- 斯塔斯塔·贾,伊兹多奇克·B.了解binge-watch现象——系统综述。国际环境与公共卫生杂志2020年6月22日;17(12):4469 [免费全文] [CrossRef] [Medline]
- Raza SH, Yousaf M, Sohail F, Munawar R, Ogadimma EC, Siang JMLD。调查Covid-19大流行期间连续观看不良心理健康后果:使用在线流媒体调节网络连续剧的屏幕时间作用。《心理行为研究》2021;14:1615-1629 [免费全文] [CrossRef] [Medline]
- de Alarcón R, de la Iglesia JI, Casado NM, Montejo AL.网络色情成瘾:我们知道的和我们不知道的——一个系统的回顾。中华临床医学杂志2019年1月15日;8(1):91 [免费全文] [CrossRef] [Medline]
- ICD-11:国际疾病分类(第十一次修订)。世界卫生组织,2019年。URL:https://icd.who.int/[2022-12-05]访问
- Müller SM, Wegmann E, Oelker A, Stark R, Müller A, Montag C,等。特定网络使用障碍标准评估(ACSID-11):引入一种新的筛查工具,捕捉游戏障碍和其他潜在网络使用障碍的ICD-11标准。[J行为成瘾,2022 04;11(2):427-450]免费全文] [CrossRef] [Medline]
缩写
AICA-S:网络与电脑游戏成瘾量表评估 |
IUD:网络使用障碍 |
OMPRIS:基于网络的动机干预以减少网络游戏障碍和网络使用障碍的问题网络使用和促进治疗动机 |
个随机对照试验:随机对照试验 |
STICA:网络和电脑游戏成瘾的短期治疗 |
R·库卡夫卡编辑;提交07.06.22;同行评议:JM Alexandre, G Klein, M de Zwaan;对作者05.09.22的评论;修订版本收到日期为23.09.22;接受24.10.22;发表12.01.23
版权©Jan Dieris-Hirche, Laura Bottel, Stephan Herpertz, Nina Timmesfeld, Bert Theodor te Wildt, Klaus Wölfling, Peter Henningsen, Anja Neumann, Rainer Beckers, Magdalena Pape。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2023年1月12日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。