Pengaruh Kebijakan Shutdown Online Game di Internet Gunakan, Internet Addiction, dan Tidur Jam di Korea Remaja

PASAL DALAM PERS
Journal of Adolescent Health ■■ ( 2017) ■■ - ■■
www.jahonline.org
Artikel asli
Pengaruh Kebijakan Shutdown Online Game di Internet Gunakan, Internet Addiction,
dan Tidur Jam di Korea Remaja
Jiyun Choi Sebuah . HyunSeok Cho Sebuah . Seungmin Lee Sebuah . Juyeong Kim, Ph.D. calon b . c . * . dan Eun-Cheol Park, MD, Ph.D.
b . d . **
Sebuah Kursus
b Institut
Premedical, Yonsei University College of Medicine, Seoul, Republik Korea
Kesehatan Layanan Penelitian, Universitas Yonsei, Seoul, Republik Korea
c Departemen
Kesehatan Masyarakat, Sekolah Pascasarjana, Universitas Yonsei, Seoul, Republik Korea
d Departemen
Preventive Medicine, Yonsei University College of Medicine, Seoul, Republik Korea
Sejarah Artikel: Menerima 2 Agustus 2017; Diterima November 16, 2017
Kata kunci: sistem shutdown; Kecanduan internet; penggunaan internet Remaja
ABSTRAK
IMPLIKASI DAN
Tujuan: kecanduan internet telah muncul sebagai masalah kesehatan masyarakat utama di seluruh dunia. Pada bulan November 2011, pemerintah
KONTRIBUSI
Korea Selatan menerapkan kebijakan permainan shutdown yang online, from12 berlangsung: 00 sampai 06:00 saya, sebagai sarana untuk mencegah
kecanduan internet pada remaja berusia 15 atau di bawah. Penelitian ini menganalisis pengaruh kebijakan penutupan ini penggunaan remaja
Studi ini menunjukkan bahwa pembuat
Internet, kecanduan, dan jam tidur.
kebijakan ingin mengurangi atau
mencegah kecanduan internet harus
metode: Kami menganalisis data yang dikumpulkan dari Survei berbasis Web Perilaku Berisiko Korea Youth dari 2011 hingga 2015. Responden
mempertimbangkan strategi yang
berbeda dari kebijakan sederhana
dibagi menjadi dua kelompok berdasarkan usia: usia 15 atau di bawah (= laki-laki 76.048, = perempuan 66.281) dan berusia 16 atau di atas (= laki-laki 52.568,
shutdown saat. Selanjutnya, mengingat
= perempuan 49.060). Sebuah analisis perbedaan-ketidakpedulian digunakan untuk mengevaluasi dampak dari kebijakan penutupan ini.
asosiasi kecanduan internet dengan
hasil: Pada tahun 2012, yang segera setelah penegakan kebijakan, jumlah harian penggunaan Internet (dalam menit) menurun lebih pada remaja
dipengaruhi oleh kebijakan (yaitu, berusia 15 atau di bawah kelompok). Namun, terus meningkat pada 2013, 2014, 2015, dan tidak menunjukkan
perbaikan jangka panjang yang berarti 4 tahun setelah implementasi kebijakan ( - 3,648 menit pada tahun 2012 [ p = . 001], - 3,204 menit pada tahun
2013 [ p = . 011], - 1.140 menit pada tahun 2014 [ p = . 384], dan 2,190 menit pada tahun 2015 [ p = . 107]). Kebijakan penutupan tidak alter kecanduan
jenis kelamin, prestasi akademik, dan
status olahraga mungkin berguna ketika
merencanakan e FFI cacious kebijakan
kecanduan internet lebih.
internet atau tidur jam. Menariknya, remaja perempuan, remaja dengan kinerja akademik rendah, dan remaja dengan tingkat latihan rendah
dipamerkan relatif lebih kuat dan lebih tahan lama penurunan awal dalam penggunaan internet.
kesimpulan: Kebijakan penutupan memiliki efek fi kan praktis insigni dalam mengurangi penggunaan Internet untuk remaja sasaran. Dengan demikian,
kebijakan yang bertujuan untuk mengurangi atau mencegah kecanduan internet harus menggunakan strategi yang berbeda.
© 2017 Masyarakat untuk Remaja Kesehatan dan Kedokteran. Seluruh hak cipta.
Jiyun Choi dan HyunSeok Cho memiliki kontribusi yang sama.
Konflik Menarik: Para penulis tidak memiliki ik con fl menarik untuk mengungkapkan.
* Alamat korespondensi: Juyeong Kim, Departemen Kesehatan, Sekolah Pascasarjana, Universitas Yonsei, 50-1 Yonsei-ro, Seodaemun-gu, Seoul 120-752, Republik Korea.
Alamat email: [email protected] (J. Kim).
* * Alamat co-menyurat ke: Eun-Cheol Park, MD, Ph.D., Departemen Preventive Medicine & Institute of Health Layanan Penelitian, Yonsei University College of Medicine, 50-1 Yonsei-ro, Seodaemun-gu, Seoul 120-752 , Republik
Korea.
Alamat email: [email protected] (E.-C. Park).
1054-139X / © 2017 Masyarakat untuk Remaja Kesehatan dan Kedokteran. Seluruh hak cipta.
https://doi.org/10.1016/j.jadohealth.2017.11.291
PASAL DALAM PERS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ - ■■
2
Bersamaan dengan lonjakan dramatis dalam penggunaan Internet di seluruh dunia,
nya kebijakan pembatasan permainan. Demikian juga, analisis Online Game Kebijakan
kecanduan internet telah menjadi ancaman yang berkembang untuk kesehatan masyarakat.
Anti-Addiction di Cina mengungkapkan bahwa kebijakan itu efektif sia-sia karena metode disusun
Sebuah meta-analisis data dari 31 negara di tujuh wilayah dunia mengungkapkan prevalensi
untuk menghindari pembatasan nya [17] .
kecanduan internet global 6,0%
[1] . kecanduan internet terutama lazim dalam remaja. Di Korea Selatan, rumah bagi dunia yang
Keterbatasan penting dari studi ini adalah bahwa mereka gagal untuk secara kuantitatif
budaya game yang paling intens [2] , Sekitar 11,7% dari remaja dianggap memiliki kecanduan
menganalisis efek dari kebijakan remaja status penggunaan internet atau variabel yang
internet, menurut laporan nasional oleh Departemen Ilmu, Teknologi Informasi dan Komunikasi,
berhubungan dengan kesehatan. Bahkan, sebagian besar penelitian telah mengambil fokus
dan Perencanaan Masa Depan. Mengingat bahwa Amerika Serikat dan China telah menunjukkan
legislatif, seperti apakah systemhas shutdown yang melanggar ekspresi freedomof [20,21] .
internet tingkat kecanduan 3,7% dan 2,4% di kalangan kaum muda [3,4] , Situasi di Korea Selatan
Dengan demikian, penelitian ini memberikan dasar untuk mengevaluasi kebijakan penutupan
ini memang cukup serius.
dengan memeriksa perubahan pada remaja status penggunaan internet, status kecanduan
internet, dan tidur jam setelah penegakan kebijakan.
Ada banyak bukti yang menunjukkan bahwa kecanduan internet adalah signifikan ancaman
Kebijakan penutupan melarang hanya remaja berusia 15 atau di bawah dari bermain game
bagi kesehatan fisik dan mental
online selama jam larut malam. Mengambil keuntungan dari fitur ini, kami membandingkan remaja
[5-10] , Althoughmost dari studi masa lalu investigatedmere korelasi daripada hubungan kausal
berusia 15 atau belowwith mereka yang berusia 16 atau di atas untuk mengamati efek bersih dari
antara variabel-variabel [11] . penggunaan internet yang berlebihan, termasuk game online, telah
kebijakan shutdown. Secara rinci, kami menguji tiga hipotesis berikut: (1) Setelah penegakan
ditemukan untuk menjadi associatedwith status kesehatan yang dirasakan lebih rendah [5] dan
kebijakan shutdown, Internet waktu penggunaan dari remaja berusia 15 atau di bawah akan
kualitas hidup (baik subyektif dan obyektif) [1] . Selanjutnya, terutama pada remaja, kecanduan
memiliki secara signifikan menurun dibandingkan dengan remaja berusia 16 atau di atas. Jika
internet dikaitkan dengan peningkatan kadar kecemasan, depresi [8,10] , Dan perilaku agresif [7] .
demikian, (2) jam tidur remaja berusia 15 atau di bawah akan meningkat karena penurunan larut
faktor-faktor tertentu seperti jenis kelamin [12,13] , Prestasi ilmiah
malam penggunaan internet. Akhirnya, (3) remaja laki-laki, remaja dengan kinerja akademik
rendah,
[14,15] , Dan olahraga [16] berhubungan dengan kecanduan internet. Menghabiskan lebih banyak
waktu bermain game online berhubungan negatif dengan performa akademik dan tingkat latihan.
Meskipun potensi bahaya yang disebabkan oleh kecanduan internet, hanya beberapa
negara Asia telah dianggap langkah-langkah pencegahan untuk mengurangi jumlah atau
keparahan mereka dengan kecanduan. Pada bulan Juli 2007, Administrasi Umum Pers dan
Publikasi menerapkan Game Online Anti-Kecanduan Kebijakan untuk mencegah penggunaan
metode
yang berkepanjangan dari game online. Pada bulan Maret 2011, pemerintah Vietnam dibuat
tagihan untuk membatasi penggunaan game online dari pukul 10:00 sore untuk 08:00 saya, seperti
Data dan populasi penelitian
dengan menutup kafe cyber dan memaksakan nes fi di perusahaan yang menawarkan game
online selama jam terbatas. Sayangnya, e FFI keampuhan dari upaya ini tidak memenuhi
Data dari 2011-2015 Perilaku Korea Youth Risk Webbased Survey (KYRBS) digunakan [22] .
harapan, terutama karena adanya metode untuk menghindari peraturan, seperti membuat akun
The KYRBS adalah, survei berbasis web yang dikelola sendiri anonim dilakukan setiap tahun
dengan informasi pribadi orang tua Anda, atau mengakses game menggunakan alamat protokol
sejak tahun 2005 oleh theMinistry Pendidikan, Departemen Kesehatan dan Kesejahteraan, dan
internet luar negeri [17] . Pada tanggal 20 November 2011, pemerintah Korea Selatan ditegakkan
Pusat Korea untuk Pengendalian dan Pencegahan Penyakit untuk memahami perilaku berisiko
kebijakan game online shutdown sendiri untuk mengatasi kebutuhan sosial mencegah kecanduan
terkait kesehatan di kalangan remaja Korea. Data from2005 2007 gagal memberikan anymeasure
internet dan memastikan bahwa remaja mendapatkan su jumlah FFI efisien tidur. Sebagaimana
penggunaan internet, sedangkan kuesioner 2008-2010 berbeda dari orang 2011 hingga 2015.
dinyatakan dalam Pasal 26 Undang-Undang Perlindungan Anak, “permainan Internet tidak harus
Oleh karena itu, hanya data 2011-2015 digunakan untuk menjamin validitas internal.
ditawarkan kepada mereka yang di bawah usia 16 dari pukul 12:00 saya untuk 06:00 saya. ”Dengan
kata lain, membatasi kebijakan remaja berusia 15 atau di bawah dari bermain game online
setelah tengah malam (12: 00-6: 00 saya). Kebijakan ini berlaku untuk semua game online yang
membutuhkan informasi pribadi, tetapi tidak untuk game berbasis konsol atau game mobile.
The KYRBS menggunakan strati fi edmultistage cluster sampling desain untuk mendapatkan
Tujuan dari kebijakan ini adalah untuk melindungi remaja dari mengembangkan kecanduan
sampel perwakilan nasional dari sekitar 75.000 siswa setiap tahun dari 400 sekolah menengah
internet dan untuk meningkatkan kesehatan mereka dengan menjamin, setidaknya dalam teori,
dan 400 sekolah tinggi. The KYRBS tidak memperoleh informasi pribadi rentan terhadap
sebuah su jumlah FFI efisien tidur.
penyalahgunaan, seperti nama siswa, sekolah, nomor telepon, alamat rumah, atau nomor
jaminan sosial. data mentah terdiri dari tanggapan terhadap kuesioner yang berisi 14 kategori
perilaku, seperti merokok, minum, olahraga, diet, mengontrol berat badan, kesehatan mental, dan
penggunaan internet. Studi pada KYRBS menunjukkan bahwa indeks perilaku kesehatan berisiko
umumnya diandalkan dan nilai-nilai yang dilaporkan dari survei menunjukkan validitas yang baik
dengan data langsung diukur [23,24] . The KYRBS Data 2011-2015 terdiri informasi dari 362.367
remaja. Namun, 1956, 84.014, dan 40.668 remaja hadmissing nilai untuk usia, jam penggunaan
Sejak penegakannya, peneliti telah meneliti berbagai aspek kebijakan penutupan aneh ini.
internet, dan tidur jam, masing-masing. Dengan demikian, kita dikecualikan remaja ini dan
Studi kuesioner mengungkapkan bahwa efek yang dirasakan dari kebijakan miskin [18] dan
membagi 243.957 remaja tersisa menjadi dua kelompok berdasarkan usia: usia 15 atau di bawah
bahwa sebagian besar telah gagal untuk secara efektif mencegah kecanduan internet [19] . Hasil
(n = 142.329) dan berusia 16 atau di atas (n = 101.628), karena kebijakan penutupan terpengaruh
ini evaluasi domestik yang konsisten dengan laporan dari negara lain yang telah menerapkan
hanya remaja berusia 15 atau di bawah.
skema yang sama. Misalnya, menurut sebuah studi umum tentang pembatasan internet, operator
warnet lebih mungkin untuk membantu anak-anak bermain game setelah pemerintah Vietnam
dipaksa kafe cyber untuk dekat dari pukul 10:00 sore untuk 08:00 saya bagian dari
PASAL DALAM PERS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ - ■■
Institutional Review Board (IRB) dari Pusat Korea untuk Pengendalian dan Pencegahan
3
disesuaikan dengan menggunakan model campuran efek linear. Selain itu, kami menganalisis
Penyakit memberikan persetujuan etika formal untuk set KYRBS Data 2011-2014 (nomor
efek dari kebijakan shutdown pada penggunaan Internet remaja dan tidur jam menurut jenis
persetujuan IRB 2014-06EXP-02-PA). Pasal 2 Penegakan Aturan Bioetika dan Undang-Undang
kelamin dan prestasi akademik. Kami dikonversi kriteria yang awalnya memiliki lima skala untuk
Keselamatan diperbolehkan penggunaan KYRBS set data from2015 tanpa IRB musyawarah.
orang-orang dengan tiga skala (tinggi, sedang, atau rendah). Secara khusus, kami bergabung
kelompok yang menjawab tiga skala di tengah fi ve timbangan, karena mereka menunjukkan
statistik yang sama dan tingkat latihan (tidak aktif, aktif). p- Nilai-nilai kurang dari 0,05 dianggap
menunjukkan perbedaan yang signifikan. Semua analisa statistik dilakukan dengan
variabel
menggunakan SAS versi 9.4 (SAS Institute, Inc, Cary, NC).
Themain variabel independen adalah waktu (2011-2015) dan kelompok (usia 15 atau di
bawah vs usia 16 atau di atas) istilah interaksi (yaitu, perbedaan-in-perbedaan estimator). Semua
variabel independen demografis, sosial ekonomi, dan kesehatan lainnya yang berhubungan
disesuaikan untuk selama analisis statistik. Variabel demografis termasuk jenis kelamin, wilayah
(pedesaan, sub-urban, urban), pengaturan hidup (keluarga, kerabat, asrama, atau panti asuhan),
hasil
dan orang tua hidup bersama. Remaja yang menjawab bahwa mereka hidup bersama dengan
ayah mereka, ibu, ayah tiri, atau ibu tiri yang dianggap kumpul kebo dengan orang tua mereka.
variabel sosial ekonomi termasuk tingkat pendapatan rumah tangga (tinggi, mediumhigh, sedang,
Tabel 1 menggambarkan karakteristik umum dari kedua kelompok remaja yang
berpartisipasi dalam KYRBS antara 2011 dan
rendah menengah, atau rendah), status pekerjaan paruh waktu, dan kinerja akademik (tinggi,
2015. Gambar 1 menunjukkan hasil dari perubahan penggunaan internet dan jam tidur antara
mediumhigh, menengah, menengah rendah, atau rendah). Variabel biner merokok, minum,
kelompok yang terkena dampak dan kelompok terpengaruh. Penggunaan internet dari kedua
obesitas, dan exercisewere dimasukkan sebagai variabel terkait kesehatan. Kami de fi ned
kelompok selama seminggu, hari kerja, dan akhir pekan semua menurun tajam pada tahun 2012
remaja yang dilaksanakan 3 hari atau lebih setiap minggu sebagai “aktif.” Setelah kriteria
(yaitu, pertama tahun penegakan kebijakan) dibandingkan dengan 2011 (sebelum penegakan
Organisasi Kesehatan Dunia untuk obesitas di Asia, remaja dengan indeks massa tubuh lebih
kebijakan). Penurunan rata-rata menit setiap hari penggunaan internet selama seminggu lebih
dari 25 dianggap obesitas [25] .
besar di usia 15 atau di bawah kelompok (16,04 menit, dari 120,61 menit di 2.011-104,57 menit
pada 2012) daripada di usia 16 atau di atas kelompok (12,32 menit, from115. 38minutes pada
2011 untuk 103.06minutes pada tahun 2012). Kecenderungan ini juga diamati untuk kedua hari
kerja dan akhir pekan. Demikian pula, rasio remaja Internet kecanduan menurun pada 2012
dibandingkan dengan 2011, dan penurunan yang lebih besar di usia 15 atau di bawah kelompok.
Namun, semua variabel penggunaan internet (dailyminutes penggunaan internet selama
Variabel dependen adalah penggunaan internet, status kecanduan internet, dan jam tidur.
seminggu, hari kerja, akhir pekan, dan rasio remaja Internet kecanduan) terus meningkat selama
Ketika mengukur penggunaan internet, kita secara terpisah menganalisis dailyminutes
periode pasca-kebijakan (2012-2015), akhirnya baik kembali ke atau melebihi dasar (2011)
penggunaan internet selama seminggu, pada hari kerja, dan pada akhir pekan untuk memeriksa
tingkat . Sebaliknya, rata-rata jam tidur relatif waktu independen pada kedua kelompok. Usia 15
apakah kebijakan penutupan dipengaruhi penggunaan internet individu berbeda selama hari kerja
atau di bawah dan usia 16 atau kelompok atas tidur selama rata-rata 6,96 dan 5,69 jam,
dan akhir pekan. penggunaan internet diasumsikan menjadi indikator yang baik dari kecanduan
masing-masing, antara tahun 2011 dan 2015.
permainan, yang didasarkan pada menjalin hubungan cross-sectional dan longitudinal antara
game online dan kecanduan internet [26] . Selain itu, beberapa studi telah mendukung hubungan
antara kecanduan internet dan kecanduan permainan [27,28] . Studi sebelumnya juga telah
memisahkan hari kerja dan akhir pekan jam permainan [29,30] , Seperti jam permainan hari kerja
dan jam akhir pekan permainan yang berbeda associatedwith variabel seperti prestasi ilmiah.
Gaming jam pada akhir pekan diketahui lebih lama daripada mereka di hari kerja [30] . Individu
dengan penggunaan internet lebih dari 300 menit per hari rata-rata, termasuk hari kerja dan akhir
pekan, yang didefinisikan sebagai memiliki kecanduan internet
Meja 2 menunjukkan efek dari kebijakan shutdown pada penggunaan Internet dan jam tidur.
koefisien linier koefisien regresi FFI (β) untuk pengaruh waktu menunjukkan bahwa menit setiap
hari penggunaan internet selama seminggu menurun di pertama tahun penegakan kebijakan
(2012), dan setelah itu secara bertahap meningkat di tahun-tahun berikutnya (2012-2015),
akhirnya melebihi dasar (2011) tingkat. Waktu × kelompok interaksi koefisien FFI sien
(perbedaan-in-perbedaan estimator) menunjukkan efek bersih dari perubahan kebijakan pada
variabel dependen. Dibandingkan dengan 2011, penggunaan internet sehari-hari mengalami
[31,32] .
penurunan sebesar 3,648 menit pada tahun 2012 ( p = . 001), 3,204 menit pada 2013 ( p = . 011),
dan 1.140 menit pada tahun 2014 ( p = . 384), tetapi meningkat 2,190 menit ( p = . 107) pada tahun
Analisis statistik
2015. Identik decreaseand-sembuh tren yang diamati pada menit sehari-hari penggunaan Internet
pada kedua hari kerja dan akhir pekan. Namun, hasil untuk rasio remaja Internet kecanduan dan
Kami pertama meneliti karakteristik umum dipengaruhi / kelompok terpengaruh dari remaja
jam tidur secara statistik tidak signifikan.
berusia 15 atau di bawah dan remaja berusia 16 atau di atas. Untuk analisis ini, kami
menggabungkan dua kelompok bersama-sama, untuk total 243.957 remaja. tes chi-square juga
digunakan untuk menganalisis perbedaan dalam frekuensi masing-masing variabel kategoris oleh
kelompok. Kemudian, independen t tes dilakukan untuk membandingkan sarana variabel
dependen antara kelompok umur selama setiap tahun antara 2011 dan 2015. Analisis
tabel 3 menunjukkan remaja status penggunaan Internet dan jam tidur di spesifik
Perbedaan-in-perbedaan digunakan untuk mengamati efek bersih dari kebijakan shutdown pada
subkelompok pada awal (2011). tabel 4 menunjukkan hasil pengaruh kebijakan shutdown pada
kelompok yang terkena dampak. Dua tingkat (sekolah dan anak-anak) linear regressionmodels
penggunaan Internet dan jam tidur untuk spesifik sub kelompok dibandingkan dengan tingkat
digunakan untuk memungkinkan pengelompokan anak-anak di sekolah, dan membingungkan
dasar. Di antara berbagai sub kelompok demografis dalam populasi penelitian kami, remaja
faktor yang
perempuan, remaja dengan kinerja akademik rendah, dan remaja yang berolahraga kurang dari
ARTICLE IN PRESS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ – ■■
4
Tabel 1
Karakteristik umum dari remaja berusia di bawah 16 dan berusia 16 atau Variable di atas
N
Total
24,3957
Usia 16 atau di atas
Usia 15 atau di bawah
%
100.0
p- Nilai Sebuah
N
%
N
%
142.329
58.3
101.628
41,7
<. 001
Seks
Wanita
115.341
47,3
66.281
46,6
49.060
48.3
Pria
128.616
52,7
76.048
53,4
52.568
51,7
15.235
6.2
10.928
7.7
4307
4.2
<. 001
tingkat pendapatan rumah tangga
Tinggi
60.821
24,9
39.779
27,9
21.042
20,7
117.893
48.3
68.167
47.9
49,726
48.9
40,439
16.6
19,378
13.6
21,061
20.7
9,569
3.9
4,077
2.9
5,492
5.4
25,657
10.5
15,538
10.9
10,119
10.0
Sub-urban
110,579
45.3
64,075
45.0
46,504
45.8
Urban
107,721
44.2
62,716
44.1
45,005
44.3
233,706
95.8
139,244
97.8
94,462
92.9
tinggi menengah
Medium
Medium low
Low
Region of residence
Rural
<. 001
Living arrangement
Family
<. 001
Relatives
1,910
Dormitory
7,749
Orphanage
1,001
.8
592
.7
1,729
3.2
1.2
355
.2
.2
909
6,020
237
.9
5.9
.2
Parent cohabitation
Yes
<. 001
237,717
139,112
97.4
97.7
98,605
97.0
6,240
2.6
3,217
2.3
3,023
3.0
51,721
21.2
23,530
16.5
28,191
27.7
192,236
78.8
118,799
83.5
73,437
72.3
Yes
110,812
45.4
48,713
34.2
62,099
61.1
No
133,145
54.6
93,616
65.8
39,529
38.9
33,834
13.9
11,016
7.7
22,818
22.5
210,123
86.1
131,313
92.3
78,810
77.5
24,831
10.2
12,405
8.7
12,426
12.2
219,126
89.8
129,924
91.3
89,202
87.8
High
28,123
11.5
18,596
13.1
9,527
9.4
Medium high
62,998
25.8
38,577
27.1
24,421
24.0
Medium
68,120
27.9
37,326
26.2
30,794
30.3
Medium low
59,254
24.3
33,739
23.7
25,515
25.1
Low
25,462
10.4
14,091
9.9
11,371
11.2
74,557
30.6
49,519
34.8
25,038
24.6
169,400
69.4
92,810
65.2
76,590
75.4
23.5
32,140
22.6
24,864
24.5
77.2
76,764
75.5
No
Smoking status
Yes
No
<. 001
Drinking status
<. 001
Part-time job status
Yes
No
<. 001
<. 001
Obese
Yes
No
Academic performance
<. 001
Exercise
Active
Inactive
<. 001
Time
<. 001
Pre-policy (2011)
Post-policy (2012~2015)
a The
57,274
186,683
76.5
109,919
results of χ 2 tests to analyze frequencies of each categorical variable by age group.
3 hari per minggu (yaitu, kelompok yang tidak aktif) yang lebih tinggi dipengaruhi oleh kebijakan.
kebijakan penutupan tampaknya memiliki efek yang berarti dalam mengurangi penggunaan
Internet remaja. Selain itu, jam tidur tidak menunjukkan statistik signifikan perubahan fi kan
setelah penegakan kebijakan. Mengingat bahwa salah satu harapan utama dari kebijakan
Diskusi
penutupan adalah untuk mencegah remaja menggunakan internet selama jam tidur, kami
menyarankan bahwa kebijakan tersebut belum mencapai tujuannya. Saran ini bertepatan dengan
Penelitian ini menguji perubahan remaja status penggunaan Internet dan tidur jam setelah
laporan domestik dan internasional lainnya yang telah dianalisis shutdown atau kebijakan
penegakan kebijakan permainan shutdown yang secara online. penggunaan internet menurun di
pembatasan Internet yang sama [17,18] . Kebijakan penutupan memiliki beberapa keterbatasan
fi rst 2 tahun berikutnya penegakan kebijakan. Secara khusus, menit sehari-hari penggunaan
yang bisa memberikan kontribusi untuk kegagalan. Pertama, membatasi kebijakan penutupan
internet selama seluruh minggu, hari kerja, dan akhir pekan, serta rasio remaja Internet
hanya game selama jam larut malam, meskipun siang hari penggunaan internet dikenal memiliki
kecanduan, menunjukkan statistik signi decrements fi kan pada tahun 2012. Namun, kami ragu
asosiasi langsung dengan game yang berlebihan pada remaja. Kedua, kebijakan penutupan tidak
bahwa decrements besarnya kurang dari 5 menit yang praktis signi perubahan fi kan. Juga, hasil
dapat mencegah remaja fromplaying jenis lain dari permainan non-secara online. Akhirnya,
analisis regresi menunjukkan bahwa semua langkah dari status penggunaan internet mengatasi
remaja dapat dengan mudah menghindari kebijakan shutdown dengan penebangan
baseline (2011) tingkat dalam waktu 3 tahun dari penegakan kebijakan. Demikian,
ARTICLE IN PRESS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ – ■■
5
Table 2
Effect of shutdown policy on adolescent Internet usage status and hours of sleep Variable
Internet use
Internet use
Internet use
Ratio of Internet-addicted
(week) min
(weekday) min
(weekend) min
adolescents
p- Value
β
p- Value
β
p- Value
β
p- Value
β
Hours of sleep
p- Value
β
Year 2011
Ref.
Ref.
2012
− 12.50
2013
− 1.39
2014
2015
Ref.
Ref.
Ref.
<. 001
−. 27
<. 001
− 3.49
. 003
−. 01
<. 001
−. 05
<. 001
. 149
−. 14
<. 001
17.44
<. 001
. 01
<. 001
1.03
<. 001
3.32
. 001
−. 07
. 000
21.59
<. 001
. 02
<. 001
−. 04
. 006
7.57
<. 001
. 01
. 466
23.88
<. 001
. 02
<. 001
−. 03
. 342
Group
Age 15 or below
Age 16 or above
Ref.
Ref.
12.88
<. 001
Ref.
16.13
<. 001
Ref.
Ref.
4.65
<. 001
. 01
<. 001
1.12
<. 001
Year × Group (DID estimator) 2011
Ref.
Ref.
Ref.
Ref.
Ref.
2012
− 3.65
. 001
− 3.39
. 002
− 4.29
. 004
. 00
. 148
−. 01
. 538
2013
− 3.20
. 011
− 2.49
. 060
− 6.08
. 001
. 00
. 519
− 1.23
<. 001
2014
− 1.14
. 384
− 1.73
. 208
. 71
. 691
. 00
. 708
−. 06
. 003
2015
2.19
. 107
1.14
. 412
5.27
. 004
. 01
. 013
−. 14
<. 001
6.52
<. 001
Sex
Female
Male
Ref.
Ref.
17.74
<. 001
Ref.
Ref.
Ref.
45.96
<. 001
. 01
<. 001
. 68
<. 001
Household income level High
Ref.
Ref.
Ref.
Ref.
Ref.
Middle high
− 29.66
<. 001
− 22.63
<. 001
− 46.81
<. 001
−. 05
<. 001
. 11
<. 001
Middle
− 30.61
<. 001
− 24.73
<. 001
− 44.90
<. 001
−. 06
<. 001
. 20
<. 001
Middle low
− 24.01
<. 001
− 20.22
<. 001
− 33.02
<. 001
−. 05
<. 001
. 08
<. 001
Low
− 12.52
<. 001
− 11.08
<. 001
− 15.76
<. 001
−. 04
<. 001
. 16
<. 001
Region of residence Rural
Ref.
Sub-urban
Ref.
Ref.
Ref.
Ref.
− 1.42
. 001
. 49
. 274
− 6.28
<. 001
. 00
. 239
. 20
<. 001
1.50
. 035
1.50
. 008
1.50
<. 001
. 00
. 000
−. 22
<. 001
Relatives
21.31
<. 001
15.64
. 006
34.78
<. 001
. 01
. 504
−. 28
<. 001
Dormitory
21.97
<. 001
15.13
. 014
37.50
<. 001
. 01
. 500
−. 27
<. 001
Orphanage
− 9.64
. 077
− 22.24
<. 001
21.66
. 002
−. 02
. 073
−. 84
<. 001
Urban
Living arrangement Family
Ref.
Ref.
Ref.
Ref.
Ref.
Parent cohabitation Yes
Ref.
Ref.
No
18.39
<. 001
17.99
Ref.
<. 001
19.16
Ref.
Ref.
<. 001
. 03
. 034
−. 01
<. 001
−. 02
<. 001
. 10
<. 001
Part-time job status Yes
Ref.
Ref.
No
− 11.51
<. 001
− 15.30
Ref.
<. 001
− 1.94
Ref.
Ref.
<. 001
. 11
. 001
Obese
Yes
Ref.
No
− 11.78
Ref.
<. 001
− 8.02
Ref.
<. 001
− 20.89
Ref.
Ref.
<. 001
. 13
<. 001
Smoking status Yes
Ref.
Ref.
No
− 14.59
<. 001
− 13.61
Ref.
<. 001
− 16.93
<. 001
− 13.78
Ref.
Ref.
<. 001
−. 02
<. 001
−. 01
<. 001
. 03
. 215
Drinking status Yes
Ref.
Ref.
No
− 10.40
<. 001
− 9.02
Ref.
Ref.
Ref.
<. 001
. 16
<. 001
Scholarly achievement High
Ref.
Ref.
Ref.
Ref.
Ref.
Middle high
− 41.23
<. 001
− 33.86
<. 001
− 58.36
<. 001
−. 05
<. 001
. 11
<. 001
Middle
− 40.32
<. 001
− 34.21
<. 001
− 54.42
<. 001
−. 06
<. 001
. 20
<. 001
Middle Low
− 30.02
<. 001
− 25.91
<. 001
− 38.98
<. 001
−. 05
<. 001
. 08
<. 001
Low
− 16.53
<. 001
− 14.85
<. 001
− 19.79
<. 001
−. 04
<. 001
. 16
<. 001
<. 001
−. 01
Exercise
Active
Inactive
Ref.
5.90
Ref.
<. 001
3.92
in with identification cards belonging to their parents or anyone aged 16 or above [21] .
Ref.
<. 001
10.89
Ref.
Ref.
<. 001
. 02
. 369
from 2011 to 2015 (12.3% in 2011, 54.8% in 2012, 76.7% in 2013,
84.1% in 2014, 86.6% in 2015) [33] . Because smart phone gaming could not be restricted by the
Adding to these limitations, we suggest that the popularization of smart phones among
adolescents was what effectively disabled the shutdown policy from accomplishing its goal.
shutdown policy, these data show that the increase in smart phone possession may have
accounted for the inefficacy of the shutdown policy after 2013.
According to the Korea Information Society Development Institute, rate of smart phone
possession in middle school students surged
Although the policy does not appear to have had any promising effects in general, we were
able to identify specific groups
ARTICLE IN PRESS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ – ■■
6
Figure 1. Changes in Internet usage status and hours of sleep between adolescents aged under 16 and those aged 16 or above from 2011 to 2015.
(according to gender, academic performance, and levels of exercise) onwhich the policy had
at first, similar previous studies support the general nature of the results. A study conducted in
longer and larger effects. In female adolescents, the short-term decrement in Internet usage was
South Korea concluded that females are more likely to comply with policies regulating Internet
larger, and the declining trend lasted for longer compared with trend in the total population.
usage than are males [34] . Because most adolescent Internet game users are male, we can infer
Perhaps more interestingly, the ratio of Internet-addicted adolescents 4 years after policy
that the policy had mainly offtarget effects, if any. Thus, policymakers should aim to efficiently
implementation (2015) was actually lower than the baseline (2011) in female adolescents.
discourage Internet usage inmales if they wish to improve policy efficacy.
Although this finding may seem surprising
Table 3
Adolescent Internet usage status and hours of sleep in subgroups of sex, academic performance, exercise level at 2011 Variable
Internet use
Internet use
Internet use
Ratio of Internet-addicted
(week) min
(weekday) min
(weekend) min
adolescents
Mean
SD
Mean
Mean
SD
88.13
140.89
112.67
. 04
. 19
6.21
1.31
103.12
181.43
130.94
. 06
. 24
6.60
1.35
1.29
SD
Mean
Hours of sleep
SD
Mean
SD
Sex
Female (n = 29,450)
109.63
84.95
Male (n = 27,824)
127.56
98.48
97.78
97.12
106.02
Academic performance
High academic performance (n = 6,117)
86.95
80.53
91.11
140.90
115.40
. 03
. 18
6.39
Medium academic performance (n = 44,953)
116.08
88.22
99.26
91.77
158.13
119.95
. 04
. 20
6.40
1.34
Low academic performance (n = 6,204)
154.97
113.39
137.84
117.22
197.77
147.46
. 10
. 30
6.39
1.43
119.83
92.36
102.60
97.38
162.90
121.48
. 05
. 21
6.61
1.35
117.87
92.16
101.07
95.30
159.85
124.20
. 05
. 21
6.34
1.34
Exercise level Active (n = 13,826)
Inactive (n = 43,448)
ARTICLE IN PRESS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ – ■■
7
Table 4
Effect of shutdown policy on adolescent Internet usage status and hours of sleep in subgroups of sex, academic performance, or exercise level Variable
Internet use
Internet use
Internet use
Ratio of Internet-addicted
(week) min
(weekday) min
(weekend) min
adolescents
p- Value
β
p- Value
β
p- Value
β
p- Value
β
Hours of sleep
p- Value
β
Sex
Female (n = 115,341) Year × Group (DID
estimator) 2011
Ref.
Ref.
Ref.
Ref.
Ref.
2012
− 6.02
<. 001
− 6.50
<. 001
− 5.61
. 005
−. 01
. 009
. 02
. 247
2013
− 10.87
<. 001
− 10.50
<. 001
− 10.99
<. 001
−. 01
. 016
. 00
. 970
2014
− 17.81
<. 001
24.82
<. 001
4.88
. 066
. 13
<. 001
. 42
<. 001
2015
− 60.20
<. 001
− 73.22
<. 001
− 16.57
<. 001
−. 13
<. 001
−. 60
<. 001
Male (n = 128,616) Year × Group (DID
estimator) 2011
Ref.
Ref.
2012
− 2.27
. 182
2013
5.45
. 406
2014
22.94
<. 001
2015
− 3.87
− 1.24
− 44.23
− 2.61
56.60
. 193
Ref.
. 477
Ref.
Ref.
− 2.06
. 397
. 00
. 283
−. 06
. 003
<. 001
−. 08
<. 001
. 05
. 242
<. 001
69.28
. 519
− 41.04
<. 001
. 04
<. 001
. 34
. 004
<. 001
38.05
<. 001
. 00
. 645
−. 89
<. 001
Academic Performance
Low academic performance (n = 25,462) Year × Group
(DID estimator) 2011
Ref.
Ref.
2012
− 7.76
2013
− 12.60
2014
2015
Ref.
Ref.
Ref.
. 045
− 8.33
. 037
− 6.34
. 224
−. 02
. 113
−. 07
. 119
. 004
− 13.49
. 003
− 11.00
. 060
−. 02
. 125
. 00
. 994
− 13.06
. 008
− 14.89
− 6.41
. 201
− 7.39
. 004
− 8.21
. 197
−. 04
. 004
−. 03
. 594
. 151
− 3.68
. 575
. 00
. 772
−. 05
. 320
− 2.55
. 154
. 00
. 584
−. 01
. 568
<. 001
−. 02
. 003
−. 18
<. 001
Medium academic performance (n = 190,372) Year × Group (DID
estimator) 2011
Ref.
Ref.
Ref.
Ref.
2012
− 4.22
<. 001
− 3.99
. 002
2013
− 30.41
<. 001
− 43.41
<. 001
2014
15.59
<. 001
4.46
. 017
. 989
−. 09
<. 001
. 23
<. 001
2015
− 15.34
<. 001
− 26.32
<. 001
− 36.26
<. 001
−. 04
. 309
−. 40
<. 001
75.57
. 03
High academic performance (n = 28,123) Year × Group
(DID estimator) 2011
Ref.
Ref.
Ref.
Ref.
2012
− 2.57
. 432
− 1.98
. 564
− 5.50
. 233
. 00
. 667
. 00
. 939
2013
7.11
. 043
8.64
. 018
4.52
. 374
. 02
. 039
. 12
. 009
2014
24.58
<. 001
56.06
<. 001
− 1.25
. 805
. 01
. 258
−. 59
<. 001
2015
14.29
<. 001
3.26
. 378
−. 11
. 982
. 01
. 070
. 49
<. 001
Exercise Level Active (n = 169,400) Year × Group
(DID estimator) 2011
Ref.
Ref.
Ref.
Ref.
Ref.
2012
5.01
. 029
6.20
. 011
2.84
. 369
. 01
. 250
−. 05
. 096
2013
5.92
. 019
5.39
. 044
9.22
. 016
. 02
. 050
. 24
. 023
2014
21.38
<. 001
10.31
<. 001
55.32
<. 001
−. 17
<. 001
. 01
. 661
2015
35.21
<. 001
47.39
<. 001
91.73
<. 001
. 28
<. 001
−. 18
. 066
Inactive (n = 74,557) Year × Group (DID
estimator) 2011
Ref.
Ref.
Ref.
Ref.
Ref.
2012
− 6.68
<. 001
− 6.47
<. 001
− 6.76
<. 001
−. 01
<. 001
−. 01
. 552
2013
− 1.50
. 314
−. 10
. 949
− 11.66
<. 001
. 00
. 003
. 03
. 100
2014
− 4.58
. 003
− 4.60
. 004
− 3.21
. 127
. 00
. 004
. 00
. 933
2015
− 22.94
<. 001
− 1.09
. 504
− 4.25
. 062
. 01
. 016
−. 01
. 714
A consistent drop in Internet usage was also noticeable in adolescents with low academic
by the shutdown policy. Notably, although there was a significant decrease in daily Internet usage
performance. For each year between 2012 and 2014, daily Internet usage steadily declined by
on weekdays, the decrease on weekends was not statistically significant. This supports the finding
approximately 10 minutes in adolescents with low academic performance. This reduction might be
of a previous study in America, wherein weekend game hours were not associatedwith academic
attributed to the fact that students with low academic performance spend more time engaged in
performance [30] . Given this lack of a correlation, it is expected that weekend game hours are not
online gaming. Studies performed in South Korea argue that students with low academic
affected by the policy.
performance spendmore hours on gaming and possess a greater risk of developing game
addiction [35,36] . We assume, then, that individuals with longer Internet usage time might have
been more strongly influenced
Adolescents that exercised less than 3 days per week also showed a steady decline in
Internet usage until 2015. Notably, in the inactive exercise group, the decline in the ratio of
Internet-addicted adolescents was as clear as that in daily
ARTICLE IN PRESS
J. Choi et al. / Journal of Adolescent Health ■■ ( 2017) ■■ – ■■
8
Internet usage. It is well known that game addiction is strongly correlated with low physical activity
[37,38] . Furthermore, compared with individuals with low exercise levels, groups with greater such
levels showed higher overall sleep satisfaction, including satisfaction with amount of sleep [39] .
Given these findings, we can predict that people who exercise less are more likely to play games
at night, which may be why the policy was more effective for adolescents with low exercise levels.
[9] Xiuqin H, Huimin Z, Mengchen L, et al. Mental health, personality, and
parental rearing styles of adolescents with Internet addiction disorder. Cyberpsychol Behav Soc Netw
2010;13:401–6.
[10] Young KS, Rogers RC. The relationship between depression and Internet
addiction. CyberPsychol Behav 1998;1:25–8.
[11] Byun S, Ruffini C, Mills JE, et al. Internet addiction: Metasynthesis of
1996–2006 quantitative research. CyberPsychol Behav 2009;12:203–
7.
[12] Ogletree SM, Drake R. College students’ video game participation and
perceptions: Gender differences and implications. Sex Roles 2007;56:537–
This study has several limitations. First, the age groups differed significantly in several
respects, suggesting that control group bias might have weakened the internal validity of the
difference-in-difference analysis for these two groups. Second, the shutdown policy affects only
Internet game accessibility in adolescent aged 15 or below, but does not restrict any other type of
Internet activity. Because this study analyzed changes in overall Internet usage because of a lack
of gaming-specific information in the KYRBS, intervention effects of other nongaming Internet
activities might have partially distorted our results. Finally, Internet addiction is usually diagnosed
using specific questionnaires, as for the major mental disorders stated in the DSM-5. However, we
42.
[13] Willoughby T. A short-term longitudinal study of Internet and computer
game use by adolescent boys and girls: Prevalence, frequency of use, and psychosocial predictors. Dev
Psychol 2008;44:195.
[14] Chen S-Y, Fu Y-C. Internet use and academic achievement: Gender differences
in early adolescence. Adolescence 2009;44:797.
[15] Anand V. A study of timemanagement: The correlation between video game
usage and academic performance markers. CyberPsychol Behav 2007;10:552–9.
[16] Henchoz Y, Studer J, Deline S, et al. Video gaming disorder and sport and
exercise in emerging adulthood: A longitudinal study. Behav Med 2016;42:105–11.
could indirectly measure Internet addiction only through a threshold value of daily Internet usage
because of the lack of information provided by the KYRBS.
[17] Da Zhan J, Chan HC. Government regulation of online game addiction.
Commun Assoc Inform Syst 2012;30:Article 13.
[18] Lee Y. A study on cognition and policy of shutdown system of adolescent.
J Digit Converg 2011;9:21–9.
[19] Jeon J-S. A study on the effects of Internet games shutdown policy in Korea.
J Korea Game Soc 2014;14:99–108.
[20] Park J. The significance and limit of internet regulation policies to protect
juvenile : On the “shut-down” policy of Internet games. Media Law 2011;10:111–45.
Despite these limitations, our data indicate that adolescent Internet addiction cannot be
prevented by simply restricting online gaming during the late-night hours. Either stricter practices
or persuasive appeasement measures should be developed to effectively control for excessive
Internet usage. Our data also confirm that adolescents’ characteristics (gender, academic
performance, and exercise level) predict variations in responses to anti– Internet addiction
policies. Based on these results, policymakers should expect Internet addiction policies to have
subgroupdependent effects.
[21] Kim M. A study on the problem and its improvement in game shutdown
policy. Legislation Policies 2012;6:61–88.
[22] Kim Y, Choi S, Chun C, et al. Data resource profile: The Korea Youth Risk
Behavior Web-based Survey (KYRBS). Int J Epidemiol 2016;45:1076– 1076e.
[23] Bae J, Joung H, Kim JY, et al. Test-retest reliability of a questionnaire for the
Korea Youth Risk Behavior Web-based Survey. J Prev Med Public Health 2010;43:403–10.
[24] Bae J, Joung H, Kim JY, et al. Validity of self-reported height, weight, and
body mass index of the Korea Youth Risk Behavior Web-based Survey questionnaire. J Prev Med Public
Health 2010;43:396–402.
[25] Organization WH. The Asia-Pacific perspective: Redefining obesity and its
This study revealed that the shutdown policy failed in both reducing Internet usage and
increasing sleeping hours for target adolescents. These outcomes suggest that policymakers
treatment. Sydney: Health Communications Australia; 2000.
[26] van Den Eijnden RJ, Spijkerman R, Vermulst AA, et al. Compulsive internet
use among adolescents: Bidirectional parent–child relationships. J Abnorm Child Psychol 2010;38:77–89.
wishing to reduce or prevent Internet addiction might attempt different strategies than a simple
shutdown policy. Furthermore, considering the associations of Internet addictionwith gender,
academic performance, and exercise status might be useful when planning more effective policies
to reduce Internet addiction.
[27] Ustinavicˇiene˙ R, Ške˙ miene˙ L, Lukšiene˙ D, et al. Problematic computer game
use as expression of Internet addiction and its association with self-rated health in the Lithuanian
adolescent population. Medicina 2016;52:199–
204.
[28] Van Rooij AJ, Schoenmakers TM, Vermulst AA, et al. Online video game
addiction: Identification of addicted adolescent gamers. Addiction 2011;106:205–12.
[29] Gentile DA, Lynch PJ, Linder JR, et al. The effects of violent video game habits
References
on adolescent hostility, aggressive behaviors, and school performance. J Adolesc 2004;27:5–22.
[30] Sharif I, Sargent JD. Association between television, movie, and video game
[1] Cheng C, Li AY. Internet addiction prevalence and quality of (real) life: A
meta-analysis of 31 nations across seven world regions. Cyberpsychol Behav Soc Netw 2014;17:755–60.
exposure and school performance. Pediatrics 2006;118:e1061–70.
[31] Mythily S, Qiu S, WinslowM. Prevalence and correlates of excessive Internet
use among youth in Singapore. Ann Acad Med Singapore 2008;37:9.
[2] Seok S, DaCosta B. The world’s most intense online gaming culture: Addiction
and high-engagement prevalence rates among South Korean adolescents and young adults. Comput
Human Behav 2012;28:2143–51.
[3] Kuss DJ, Van Rooij AJ, Shorter GW, et al. Internet addiction in adolescents:
Prevalence and risk factors. Comput Human Behav 2013;29:1987–96.
[4] Cao F, Su L. Internet addiction among Chinese adolescents: Prevalence and
psychological features. Child Care Health Dev 2007;33:275–81.
[5] Kim EJ, Namkoong K, Ku T, et al. The relationship between online game
addiction and aggression, self-control and narcissistic personality traits. Eur Psychiatr 2008;23:212–8.
[32] Tao R, Huang X, Wang J, et al. Proposed diagnostic criteria for internet
addiction. Addiction 2010;105:556–64.
[33] Institute KISD. Analysis of child and youth mobile phone possession and
usage behavior. In: KISDI STAT report. 2015. p. 15–8.
[34] Ryu H. Third-person effect and support for regulations toward Internet
games. J Commun Sci 2011;11:333–64.
[35] Park HS, Kwon YH, Park KM. Factors on internet game addiction among
adolescents. Taehan Kanho Hakhoe Chi 2007;37:754–61.
[36] Park S-Y, Lee H-J. Determinants of internet addiction among the Korea youth.
J Korea Inst Electron Commun Sci 2013;8:291–9.
[6] Kim JS, Chun BC. Association of Internet addiction with health promotion
lifestyle profile and perceived health status in adolescents. J Prev Med Public Health 2005;38:53–60.
[37] Hirzallah N. A simple exercise-to-play proposal that would reduce games
addiction and keep players healthy. Int J Adv Comput Sci Appl 2013;4.
[38] Prot S, Anderson C, Gentile DA, et al. The positive and negative effects of
[7] Ko C-H, Yen J-Y, Liu S-C, et al. The associations between aggressive behaviors
and Internet addiction and online activities in adolescents. J Adolesc Health 2009;44:598–605.
video game play. In: Media & the well-being of children & adolescents. 2014.
p. 109–28.
[39] Van Dijk ML, De Groot RH, Savelberg HH, et al. The association between
[8] Mentzoni RA, Brunborg GS, Molde H, et al. Problematic video game use:
Estimated prevalence and associations with mental and physical health. Cyberpsychol Behav Soc Netw
2011;14:591–6.
objectively measured physical activity and academic achievement in Dutch adolescents: Findings from the
GOALS study. J Sport Exerc Psychol 2014;36:460–73.