大学生网络成瘾、头痛、失眠：一项横断面研究外文翻译资料

 2023-03-17 11:03

大学生网络成瘾、头痛、失眠：一项横断面研究

原文作者：Tathiana Correcirc;a Rangel.Maria Cristina Falcatilde;o Raposo.

Pedro Augusto Sampaio Rocha-Filho

摘要：关于头痛与网络成瘾是否存在关联存在争议。本研究以420名大学生为被试，采用横断面研究的方法，探讨头痛、失眠与网络成瘾之间的关系。采用半结构式问卷、头痛影响测验、医院焦虑抑郁量表、失眠严重程度指数、网络成瘾测验。男性占51.4 %，中位年龄21(19，23)岁，最近一年头痛399(95.0%)例，偏头痛265(63.1%)例，偏头痛伴先兆182 (43.3%)例，情景紧张型头痛119(28.3%)例，网络成瘾84(20%)例，失眠95(22.6%)例。网络成瘾与焦虑( OR = 2.3，95% CI：1.3，4.0，p = 0.003)、失眠( OR = 3.0，95% CI：2.0，4.6，p lt; 0.001)、偏头痛伴先兆( OR = 1.8，95 % CI：1.1，2.9，p = 0.066)相关( logistic回归)。网络依赖的严重程度与头痛的影响有关(p=0.047)，与失眠的严重程度有关(plt; 0.001) (多元线性回归)。网络成瘾的严重程度与头痛的严重程度和失眠的严重程度相关。

关键词：头痛；偏头痛；上网；失眠；焦虑；学生

简介

互联网彻底改变了人们使用技术的方式[1]并允许新形式的社交互动，从而增加了人们对社会的包容性[2]。到 2019 年，约有41亿人在使用互联网[3]。

1995年，Ivan Goldberg建议将术语“网络成瘾”(IA) 用于病理性强迫使用互联网[4]。 在不同人群中，AI的患病率估计在1.6%到18%之间[5]。青少年IA的患病率从2.5%到 26.9% [6, 7]不等，在大学生中为13%到18.4% [8]。患有这种疾病的学生的学习成绩比非IA学生差[9]。

IA的特点是使用计算机和互联网访问无法控制的担忧、冲动或行为，这会导致感到不安[5]。其诊断基于以下标准：担心过度使用、感觉需要访问互联网、没有自我控制来结束访问、因未连接到网络而感到不安、在网上花费的时间比预期的多，暂停社交关系，将自己限制在虚拟联系中，并使用互联网作为逃避个人问题的工具[4]。这种成瘾可能与抑郁、失眠、焦虑和人际关系问题有关[9-12]。

IA 和头痛之间的关联是有争议的。马来西亚的医学生表明，头痛与在社交网络 Facebook上花费的大量时间之间存在关联（plt;0.009）[13]。在对波兰学生进行的一项研究中[14]，发现头痛与最高水平的 IA 之间存在显着关联。另一方面，Ceruttiet al [11] 在评估意大利儿童和青少年时，发现头痛、偏头痛或紧张型头痛 (TTH) 与 IA 之间没有显着关联。

根据国际睡眠障碍分类第 3 版，“失眠可定义为在睡眠开始、持续和巩固、非恢复性睡眠或睡眠质量差方面的持续困难，尽管有足够的机会和环境，仍会发生这种情况。睡着了，这会导致某种白天的损失”[15]。IA 患者的失眠症明显多于非成瘾者 [10, 12, 16]。失眠的严重程度也与 IA 的严重程度有关 [12, 17]。

头痛、失眠和 IA 是大学生中普遍存在的疾病，会影响这些人的学业成绩 [8, 18, 19]。 失眠也与头痛有关 [20]。据我们所知，文献中没有研究联合评估这两种情况（失眠和头痛）与 IA 之间的关系。这对于规划如何减轻这些疾病的影响的策略很重要。

本研究旨在评估头痛和失眠与 IA 之间是否存在关联。我们还评估了这些原发性头痛和失眠的严重程度是否与更严重的网络成瘾有关。

方法

这是一项横断面研究。

符合研究条件的人群包括 2015 年在巴西累西腓市伯南布哥大学 (UPE) 就读行政、土木工程和医学课程的 3033 名学生。

鉴于符合条件的学生人数为 3033 名，所需的最大样本量是希望比例为 50%。 因此，样本量计算为 420 名学生，置信度为 95%，最大误差为 5%。来自管理、土木工程和医学课程的440名学生被随机选择。https://sorteador.com.br/ 提供的随机数生成器用于执行此操作。

为了收集数据，研究人员最多去了3次教室。如果学生在这3次尝试中的任何一次都没有出现，则会通过电话和/或电子邮件与他/她联系。如果学生没有出现，这被认为是一种损失。

评估时间为2017年10月至2018年6月。

选择的学生使用自我管理的半结构式问卷进行评估，该问卷询问社会人口统计信息和生活习惯，例如年龄、性别、咖啡消耗量以及过去12个月内头痛的发生情况。

此外，学生还提交了以下仪器：

1 巴西版头痛影响测试 (HIT-6) [21] 评估头痛对个人日常活动的影响。分数越高，影响越大。本研究用于确定头痛是否对个人生活产生实质性/非常严重影响的评分gt;55分。

2 巴西版网络成瘾测试 (IAT) [22, 23]。这是用于评估网络成瘾的工具。它由 20 个项目组成，根据 6 点量表给出答案：1（很少）、2（有时）、3（经常）、4（非常经常）、5（经常）和 6（不适用），后者得分为零。最终得分是通过将每个项目的得分相加而获得的。分数越高，成瘾程度越高。我们认为揭示网络成瘾的分数是 50 分及以上 [24]。

3 失眠严重程度指数 (ISI) 的巴西版本 [25]。 这有七个问题，使用范围从 0 到 4 的量表回答，因此，总分范围从 0 到 28。本研究认为总分大于14 [25] 表明存在临床上显着的失眠。

4 巴西版的医院焦虑和抑郁量表 (HADS) [26]。这被细分为两个分量表，共七个项目，一个是抑郁症，一个是焦虑症。每一项的最高分均为 21 分。在各个子量表中得分为 8 分或更多的个体被归类为患有这些疾病 [27]。

在回答这些问卷后，该学生接受了研究人员的访谈，该研究人员采用了包含有关头痛特征的信息的半结构式问卷。仅对访谈前最后 12 个月内出现的头痛进行表征和分类。头痛由具有头痛诊断和治疗经验的神经科医师根据国际头痛疾病分类 (ICHD-3) 第 3 版 [28] 的标准进行分类。ICHD-3 允许进行多种头痛诊断。因此，一个人可能有不止一种诊断（例如有先兆的偏头痛和无先兆的偏头痛；紧张型头痛和偏头痛）。

统计分析

对于统计分析，使用了 SPSS 软件，版本18。

最初，计算定性变量的绝对和相对频率以及描述性度量：中位数和 P25 和 P75 百分位数，它们定义了定量变量的四分位数范围的限制。

在识别与 IA 相关的可能变量的双变量统计分析中，构建了列联表并应用了 Pearson 的卡方独立性检验，并根据定性变量各自的置信区间计算了优势比值。 在连续定量变量的情况下，最初应用 Kolmogorov 检验来验证正态性，并且由于正态性假设被拒绝，为了比较有和没有 IA 的人之间的中位数差异，应用了 Mann-Whitney 检验。对于所有测试，都考虑了 5% 的显着性水平。

基于双变量分析中获得的结果进行多变量分析，调整逻辑回归模型以解释分类因变量（IA）。在双变量分析中 p 值小于 0.05 的所有变量都被考虑输入到模型中。最适合数据的模型的定义是使用后向程序以及不存在多重共线性进行的。 从调整后的模型中，除了 IA 发生概率的估计值之外，还计算了每个选定变量的调整后赔率值。

为了评估失眠和头痛的严重程度与 IA 严重程度之间的关联，IA 被用作一个定量变量，并用其他定量变量计算 Pearson 的线性相关系数：最近 3 个月头痛发作的频率、疼痛强度、头痛影响（HIT-6）和失眠评分（ISI）。在多元分析中，调整多元线性回归模型来解释IA，考虑参数的显着性、不存在多重共线性和决定系数的值作为标准。

结果

邀请了四百四十名学生。有20个损失。这些损失的原因是未能完成评估步骤 (n=09)、没有找到学生 (n=06) 以及拒绝参与研究 (n=05)。

去年有 399 名学生 (95%) 患有头痛。表 1 显示了参与研究的 420 名学生的特征。IA 的患病率为 20% (95% CI: 16.2, 23.8)，偏头痛为 63.1% (95% CI: 58.5, 63.1)，先兆偏头痛为 43.3% (95% CI: 38.6, 48.0)，发作性紧张型头痛 为 28.3% (95% CI: 24, 32.6)，失眠为 22.6% (95% CI: 18.6, 26.6)。

表 2 确定了学生的哪些特征与 IA 相关。失眠、焦虑、抑郁、先兆偏头痛、慢性 TTH 以及更高频率和头痛的影响与 IA 显着相关（plt;0.05）。控制混杂变量后，失眠、焦虑和先兆偏头痛仍留在逻辑回归模型中。从调整后的模型中，可以预测一个有先兆的焦虑、失眠和偏头痛的大学生，估计有 50% 的概率患有网络成瘾。另一方面，如果学生没有焦虑、失眠或有先兆的偏头痛，则网络成瘾的几率为8.6%。

计算 Pearson 相关系数以评估 IA 的严重程度与头痛的影响(HIT-6) (r=0.238; p lt; 0.001)、头痛发作频率 (r = 0.099; p=0.048) 之间是否存在相关性 、疼痛强度（r=0.026；p=0.118）和失眠的严重程度（ISI评分）（r=0.36；plt;0.001）。

多元线性回归模型进行了调整。具有最适合数据的显着系数的模型的结果显示在表 3 中。头痛的影响与 IA 失眠症状的严重程度之间存在正相关且统计学上显着相关。

讨论

在我们的研究中，IA 的患病率为 20%（95% CI：16.2, 23.8），这接近于其他针对大学生的研究，其中 IA 的患病率在 12% 到 34.7% 之间变化 [8, 10, 12, 19, 29]。流行率的这种差异部分是由于用于 IA 的操作定义的差异 [29]。

我们发现大学生中头痛和偏头痛的患病率很高。在同一城市的另一所大学进行的采用类似方法的另一项研究也发现，头痛 (87%) 和偏头痛 (49%) 的患病率很高 [18]。大学生群体在很多方面不同于一般人群。这是一个年轻人群体，处于偏头痛患病率很高的生命阶段，并且暴露于偏头痛发作的潜在诱因，例如压力、使用酒精饮料和睡眠不足。这些触发因素的存在可能导致了面谈前 12 个月内偏头痛发作（“活动性偏头痛”）的发生。我们的学生群体也有高频率的偏头痛合并症，如失眠、抑郁和焦虑症以及超重/肥胖，这也可能导致偏头痛的高患病率。据我们所知，这是第一项评估 IA 与头痛严重程度之间是否存在关联的研究。头痛的更大影响与更严重的 IA 相关。其他研究已经表明，使用计算机和互联网访问会引发头痛，每周使用计算机的时间越长，青少年头痛的强度就越大 [30]。

我们认为这一发现具有临床重要性，因此更有必要询问头痛患者在病史中使用互联网的数量。然而，由于这是一项横断面研究，因此无法推断是否存在因果关系。

我们发现偏头痛与先兆和 IA 之间存在关联（p=0.066）。尽管该值高于 5% 的显着性水平，但先兆偏头痛对于解释 IA 的分布很重要，保留在逻辑回归模型中。一项评估儿童和青少年的意大利研究发现 IA 与偏头痛之间存在显着关联 [31]，这证实了本研究。

这些结果与另外两项同样针对儿童和青少年进行的研究不同，后者发现 TTH 或偏头痛与 IA 之间没有关联 [11, 32]。虽然我们应用了一种特定的工具来评估 IA (IAT)，但其中一项研究使用了一种评估 16 种不同行为领域的工具，但没有一个专门针对互联网的使用 [5]。儿童、青少年和大学生之间的行为差异可能导致了这种结果的差异。孩子上学、玩耍、与父母同住，没有主要责任；大学生义务劳动量大，吸毒人数较多，睡眠和休息时间减少，饮食习惯不充分 [18]。

其他形式的成瘾，例如使用非法药物和尼古丁成瘾，在偏头痛患者中也更常见[33]。我们的研究强化了与成瘾相关的行为是偏头痛合并症的可能性。

我们还发现失眠与 IA 之间以及失眠严重程度与 IA 严重程度之间存在显着关联。这与文献 [10, 12, 16] 一致。

这种关联的一个解释是，过度使用互联网会对个人的睡眠-觉醒节律产生负面影响，这可能会加剧失眠[17,34]。然而，关于这两种疾病之间是否存在因果关系，文献中存在争议[10]。一项评估儿童和青少年的前瞻性队列研究发现 IA 与失眠之间没有关联[34]。一项前瞻性队列研究对心身诊所的患者进行了评估并对其进行了 6 周的监测，在随访中发现，那些对使用 Facebook 社交网络上瘾的人患失眠症的风险增加[17]。与不焦虑的学生相比，我们患有焦虑症的学生的 IA 患病率更高。这与其他研究 [12, 32] 的发现相似。IA患者在现实生活中的人际关系薄弱会导致他们体验到高度的焦虑。就像吸毒者需要使用越来越多的剂量来获得同样的快感一样，游戏或互联网上瘾者也会发生这种情况。不使用互联网会导致 IA 患者的焦虑症状增加[35]。与其他作者不同，我们没有发现抑郁症与 IA 之间存在关联 [12, 19]。另一方面，Cheung 和 Wong [16] 的回归模型发现抑郁的严重程度可以作为 IA 严重程度的解释变量，因为失眠的严重程度是可控的。本研究未评估

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[595406]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章