这是一篇根据创作共用署名许可协议(http://creativecommons.org/licenses/by/2.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR mhealth和uhealth上的原创作品。必须包括完整的书目信息,http://mhealth.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
现有的评估个人与手机关系的工具倾向于关注消极的概念,如上瘾或依赖,并且似乎假设手机的高使用率反映了病态。移动电话对健康行为改变、疾病管理、工作效率和社会联系都有好处,因此需要一种工具,对个人与移动电话关系的各个方面进行更平衡的评估。
本研究的目的是开发、修订和验证手机亲和度量表,这是一种多尺度仪器,旨在评估与手机使用相关的关键因素。
参与者(N=1058,平均年龄33岁)于2016年3月至4月期间从亚马逊土耳其机器人公司招募,以完成一项调查,评估参与者的手机态度和使用、焦虑和抑郁症状以及恢复力。
验证性因素分析支持6因素模型。最终的测试由24个项目组成,6个因素各有4个项目:连通性、生产力、赋权、焦虑依恋、成瘾和持续使用。各分量表表现出较强的内部一致性(Cronbach alpha范围=0.76-0.88,平均0.83)和较高的项目因子负荷(范围=0.57-0.87,平均0.75)。效度测试进一步证明了对各个子量表的支持。
手机亲和性可能对移动健康干预措施的发展和有效性产生重要影响,需要继续进行研究,以评估其在通过手机提供的健康行为改变干预措施中的预测能力。
移动电话已显示出作为健康行为改变和疾病管理的有效传递工具的前景[
目前已经公布了几种评估科技使用情况的方法,包括过度使用手机和网瘾[
在MPAS的初始开发中,通过使用PubMed对相关文献进行搜索,确定了可能与移动电话使用(以及更广泛的技术使用)相关的因素。已确定的构念包括社会连接、依赖、成瘾、情绪和持续使用[
为了测试MPAS,我们在2016年3月25日至4月1日期间进行了一项全国性的横断面调查,以评估受访者的手机使用情况、对手机的态度、目前的情绪、人口统计信息和其他特征。参加者为注册用户(
为了参与研究,工作人员通过MTurk网站被重定向到我们的项目调查网站,该网站提供了关于研究的详细信息和知情同意文件。随后,表示同意的感兴趣的员工将与筛选问题联系起来,以评估资格。如果员工年龄在18岁或以上,居住在美国,能流利地阅读英语,并拥有一部手机,他们就有资格参加这项研究。如果符合条件,参与者将被引导到完整的调查中,包括他们使用手机的问题,对手机的态度,他们目前的情绪和人口统计信息。
这项在线调查是使用一个安全的基于网络的应用程序“研究电子数据采集”进行管理的[
最初的MPAS包括57条关于手机使用的声明。参与者被要求使用李克特式的5点回答格式(1=完全不正确到5=非常正确)报告每个陈述对他们来说有多真实。
除了MPAS之外,参与者还回答了有关年龄、性别、种族、民族、教育程度、就业状况和婚姻状况的人口统计问题。参与者还回答了有关他们手机的问题(例如,
之前的研究已经报道过使用手机会增加焦虑、抑郁和冲动的程度。
首先,我们使用汇总统计(均值、标准差和频率)来描述整个样本的样本特征和度量。其次,对MPAS项目特征进行初步分析,然后使用Mplus Version 7.3中的验证性因子分析(CFA)进行心理测量分析[
在1241名被转到我们调查网站的MTurk员工中,1.05%(13/1241)从未完成知情同意流程,5.32%(66/1241)的潜在参与者完成了知情同意流程,但被认为不符合研究条件,8.30%(103/1241)的参与者没有完成调查。另外一个参与者的数据被损坏并从分析中删除。
我们的分析仅限于1058名同意参与研究并完成了调查的所有方面的参与者。参与者主要是白人(877/1058;82.89%)。参与者中男性占49.91%(528/1058),女性占50.09%(530/1058)。参与者年龄在18 - 87岁之间(平均32.5岁,标准差10.3岁)。
总体样本的人口统计数据(N=1058)。
样本特征 | 比例,% (n) | |
|
||
|
男性 | 49.91 (528) |
|
女 | 50.09 (530) |
|
||
|
白色 | 82.89 (877) |
|
黑色的 | 6.14 (65) |
|
亚洲 | 5.01 (53) |
|
本土的夏威夷 | 0.47 (5) |
|
太平洋岛民 | 0.28 (3) |
|
其他 | 1.51 (16) |
|
多个 | 3.69 (39) |
|
||
|
拉美裔 | 10.02 (106) |
|
非西班牙裔 | 89.98 (952) |
|
||
|
单 | 51.13 (541) |
|
结婚了 | 39.89 (422) |
|
分离 | 1.61 (17) |
|
离婚了 | 6.62 (70) |
|
丧偶的 | 0.76 (8) |
|
||
|
东北 | 18.53 (196) |
|
南 | 39.13 (414) |
|
中西部 | 21.17 (224) |
|
西 | 20.70 (219) |
|
太平洋 | 0.47 (5) |
|
||
|
高中及以下学历 | 10.87 (115) |
|
一些大学 | 40.36 (427) |
|
大专及以上学历 | 48.68 (515) |
|
||
|
是的,全职 | 14.37 (152) |
|
是的,兼职 | 6.24 (66) |
|
没有 | 79.30 (839) |
|
||
|
是的,全职 | 57.09 (604) |
|
是的,兼职 | 20.42 (216) |
|
没有 | 22.40 (237) |
|
||
|
< 25000美元 | 17.77 (188) |
|
25000 - 49999美元 | 32.42 (343) |
|
50000 - 99999美元 | 34.50 (365) |
|
> 100000美元 | 11.53 (122) |
|
失踪 | 3.78 (40) |
|
||
|
独自一人 | 18.34 (194) |
|
配偶/伴侣 | 30.91 (327) |
|
成人的室友 | 9.36 (99) |
|
父母 | 10.40 (110) |
|
孩子(们) | 3.78 (40) |
|
配偶/伴侣及子女(ren) | 22.59 (239) |
|
多个 | 4.63 (49) |
进行了初步的项目水平分析,以检查57个项目中的每个项目的平均值、标准差、偏度和峰度,并判断结果足以进行量纲分析。使用完整的57项变量集拟合初始CFA模型,并指定7个相关因子,每个项目只允许加载并在其假设因子上自由估计。初始模型拟合较差(χ21518年= 9375.0, RMSEA =。07年,CFA =。79年,TLI =。78,SRMR=.071). The model fit was improved by removing items with poor loadings (<.4), very high cross-factor error correlations, or potentially high cross-factor loading, which indicated a complex item. One further adjustment included collapsing the initially posited separate factors of safety and empowerment into a single factor, based on the modification indices and conceptual similarity of the item content.
最终模型(χ2237= 1100.9, RMSEA =。059年,CFA =。941年,TLI =。931,SRMR=.042) represented a parsimonious and balanced solution with 6 correlated factors, each measured by 4 items, creating a final measure consisting of 24 items (
同时效度分析检查了每个MPAS子量表与抑郁症状(csd -10)、焦虑(STAI)、恢复力(BRS)和冲动(BIS)测量之间的相关性。抑郁症状、焦虑和冲动显著相关
6个相关因素的验证性因素分析、项目负荷和Cronbach系数alpha使用整个样本建模。
参数 | 连通性 | 生产力 | 赋权 | 焦虑 |
上瘾 | 连续使用 |
我的手机帮助我追踪我的社交生活 | .76 |
|
|
|
|
|
当涉及到我的健康或社交生活时,我的手机就是我的私人助手 | 点 |
|
|
|
|
|
我的手机帮助我与朋友和家人保持亲密 | 2 |
|
|
|
|
|
我的手机让我很容易取消和别人的计划 | .60 |
|
|
|
|
|
我的手机帮助我在工作/学校更有条理 |
|
.74点 |
|
|
|
|
我用手机和我的同事或其他学生联系 |
|
综合成绩 |
|
|
|
|
我的手机是工作/学习的必需品 |
|
开市 |
|
|
|
|
我的手机帮助我了解最新的工作/学校活动 |
|
.87点 |
|
|
|
|
带着手机可以让我更容易离开危险的环境 |
|
|
收 |
|
|
|
当我带着手机时,我觉得一切都在我的掌控之中 |
|
|
结果 |
|
|
|
我的手机给了我安全感 |
|
|
点 |
|
|
|
当我带着手机时,我觉得很安全 |
|
|
点 |
|
|
|
如果我不带手机,我会感到焦虑 |
|
|
|
收 |
|
|
没有手机我感觉很孤独 |
|
|
|
.79 |
|
|
我感觉很依赖我的手机 |
|
|
|
.80 |
|
|
没有手机,我感觉与世界脱节了 |
|
|
|
总共花掉 |
|
|
我发现自己被手机占据了,即使我和其他人在一起 |
|
|
|
|
综合成绩 |
|
我发现自己本该做其他事情的时候却被手机占据了 |
|
|
|
|
点 |
|
我发现自己玩手机的时间比预期的要长 |
|
|
|
|
.85 |
|
如果我少花点时间在手机上,我就能完成更多的工作 |
|
|
|
|
.68点 |
|
当我在工作或上课的时候,我用手机阅读/发送与我正在做的事情无关的短信 |
|
|
|
|
|
.57 |
我整天都在用手机 |
|
|
|
|
|
.74点 |
如果我带着手机,我就不会觉得无聊 |
|
|
|
|
|
收 |
我一天24小时都离不开手机 |
|
|
|
|
|
.79 |
克伦巴赫α | 尾数就 | .85 | 多多 | .86 | .86 | .76 |
验证性因素分析(右上三角形)的6个潜在构形之间的不衰减相关性,与原始的汇总量表得分相关性(左下三角形)。
|
连通性 | 生产力 | 赋权 | 焦虑 |
上瘾 | 连续使用 |
连通性 | - - - - - - | .74点 | 总共花掉 | .77点 | 点 | 结果 |
生产力 | .60 | - - - - - - | 55 | 53 | .46 | 主板市场 |
赋权 | i = | 的相关性 | - - - - - - | 尾数就 | 票价 | i = |
焦虑依恋 | 点 | 。45 | .68点 | - - - - - - | 开市 | 点 |
上瘾 | 54 | .40 | .41点 | 收 | - - - - - - | 尾数就 |
连续使用 | 主板市场 | 55 | .57 | .68点 | 正 | - - - - - - |
6个手机亲和度量表(MPAS)得分与流行病学研究中心抑郁量表(CESD)、状态-特质焦虑量表(STAI)、Barratt冲动量表(BIS-11)和短暂弹性量表(BRS)之间的全样本相关性。
|
抑郁症 |
焦虑 |
冲动 |
弹性 |
||||
|
r一个 |
|
r一个 |
|
r一个 |
|
r一个 |
|
连通性 | 03 | 36 | -.00006 | 获得 | . 01 | 结果 | 06 | 07 |
生产力 | 02 | 56 | .04点 | .20 | .04点 | . 21 | .09点 | <措施 |
赋权 | 02 | .51 | 03 | 点 | . 01 | .64点 | 〇〇 | .95 |
焦虑 |
13。 | <措施 | 酒精含量 | <措施 | 13。 | <措施 | 点 | <措施 |
上瘾 | 二十五分 | <措施 | 只要 | <措施 | 29 | <措施 | 原来 | <措施 |
连续使用 | .10 | <措施 | 。08 | . 01 | .14点 | <措施 | 03 | 陈霞 |
一个r=Pearson积矩相关系数
本研究开发、修订并验证了MPAS,这是一种多维调查工具,在6个不同的子量表上具有很强的内部一致性和高项目因子负荷。MPAS提供了一个衡量个人与他/她的手机的关系积极的(
在这次修订的MPAS中,我们成功地实现了我们的目标,即创建一个代表移动技术使用增加的积极和消极方面的量表。使用以前的4个子量表版本,大多数量表与焦虑相关和抑郁症状相关[
最终,我们预计MPAS的价值将是为移动医疗干预提供预测价值,有必要评估MPAS(或其任何子量表)的得分是否与干预结果显著相关。然而,该工具不是在干预研究的背景下开发的,本研究的一个局限性是,我们没有评估其他可能作为干预结果代理的因素(例如,改变健康行为的意图或结果预期)。第二个重要的限制与研究样本的性质有关。尽管MTurk的员工往往是种族和民族多样化的,但他们可能比大多数手机用户更精通技术,在这方面可能不能代表美国总人口。因此,MTurk研究样本和其他美国总体样本之间,任何单个MPAS子量表的平均值可能不同,但每个子量表的高内部一致性信度,以及每个子量表上相关的高项目负荷,表明该仪器具有很强的内部效度。我们期望该仪器在其他成人样本中使用时,将被证明是有价值的。
还需要进一步的工作来检查MPAS或其子量表的分数是否可以预测通过移动技术提供(全部或部分)行为健康干预的个人的吸收、维持和成功结果。我们希望在这项研究中开发的MPAS可能被证明是个人与他们的手机关系质量的有用指标,并可能构成理解移动健康干预和项目有效性的重要元素。
通过应用程序和短信等移动渠道提供医疗保健和行为健康干预的技术有了巨大的发展。
最终的24项手机亲和度量表。
巴拉特冲动量表
弹性量表
流行病学研究中心抑郁量表
验证性因素分析
比较拟合指数
移动健康
手机亲和度量表
亚马逊土耳其机器人服务
近似的均方根误差
标准化均方根残差
状态-特质焦虑量表
Tucker-Lewis指数
本文报告的研究得到了美国国立卫生研究院国家药物滥用研究所的支持(奖励编号R01DA027142),该奖项授予了Bock博士。本文的内容仅为作者的责任,并不代表美国国立卫生研究院的官方观点。
没有宣布。