Determination the cut-off point for the Bergen

social media addiction (BSMAS): Diagnostic

contribution of the six criteria of the components
model of addiction for social media disorder
Disusun untuk Memenuhi Tugas Kepaniteraan Klinik Madya

Disusun oleh:
Jacob Martin 207101890

Dosen Pembimbing:
dr. Endy Nurhayati, Sp.KJ

LABORATORIUM ILMU KEDOKTERAN JIWA

RSJ Dr. RADJIMAN WEDIODININGRAT
FAKULTAS KEDOKTERAN
UNIVERSITAS WIJAYA KUSUMA SURABAYA
2022
Assalamu’alaykum warahmatullahi wabarakah,

Penyusun mengucapkan terima kasih kepada dosen pembimbing pada KSM Ilmu Kedokteran
Jiwa, yaitu dr. Marintik Ilahi, Sp. KJ yang berkenan memberikan bimbingan dalam menempuh
proses pendidikan kepaniteraan klinik meskipun dalam kondisi pandemi. Tidak lupa pula
penyusun mengucapkan terima kasih kepada semua pihak sehingga penyusunan laporan kasus
ini dapat terselesaikan.
Journal reading ini membahas terkait Determination the cut-off point for the Bergen social
media addiction (BSMAS): Diagnostic contribution of the six criteria of the components model
of addiction for social media disorder. Penyusun menyadari dalam journal reading ini belum
sempurna secara keseluruhan. Oleh karena itu, dengan hati terbuka penyusun menerima
masukan-masukan yang sekiranya dapat membangun sehingga dapat membantu dalam
penyempurnaan dan pengembangan penyelesaian Journal reading selanjutnya.
Demikian pengantar dari penyusun, semoga Journal reading ini dapat bermanfaat. Amin.

Wassalamu’alaykum warahmatullahi wabarakah,

Lawang , 21 Agustus2022

Penyusun
DAFTAR ISI

Kover................................................................................................ 1
Kata Pengantar.................................................................................. i
Daftar Isi........................................................................................... 2

Bab I. Resume Jurnal

1.1 Latar Belakang............................................................................ 3

1
Bab II. Jurnal Pendukung
2.1. Jurnal Pendukung....................................................................... 11

Bab III. Critical Appraisal

3.1. Critical Appraisal....................................................................... 12

Bab IV. Kesimpulan

2.1. Kesimpulan................................................................................ 15

Daftar Pustaka

BAB I

RESUME JURNAL

Latar Belakang

Media sosial merupakan platform aplikasi online yang digunakan untuk berinteraksi

dengan orang lain, menjaga komunikasi, membentuk kelompok dengan minat yang sama,

dan pengembangan diri. Beberapa penelitian terdahulu menunjukkan bahwa penggunaan

2
sosial media yang berlebihan berkaitan dengan keadaan psikopatologi (ex, kecemasan,

depresi, perilaku melukai diri sendiri, risiko bunuh diri dan ide bunuh diri), aspek

kepribadian (ex, harga diri rendah, dan impulsifitas tinggi), dan akademik ( ex, kegiatan

sekolah yang terganggu, dan nilai akademik yang buruk)

Oleh karena itu, banyak peneliti yang mengusulkan penggunaan media sosial yang

bermasalah dipandang sebagai perilaku adiksi . Tingkat prevalensi Social Media

Disorder (SMD) di antara orang dewasa berkisar antara 1,6 hingga 47% . Sedangkan di

kalangan remaja, tingkatnya adalah 4,5%. Kurangnya pedoman diagnosis dan klasifikasi

konsensual untuk SMD adalah faktor kunci yang menyebabkan tingginya angka

prevalensi ini. Maka dari itu, untuk membedakan dengan tepat antara penggunaan media

sosial bermasalah dan tidak, serta secara akurat memperkirakan prevalensi SMD, sangat

penting untuk menentukan dan memvalidasi skor batas optimal dari skala kedewasaan,

dan untuk mengembangkan kriteria diagnostik baku berdasarkan pada serangkaian

kriteria diagnostic behavioural addiction yang telah ada.

Menurut Griffiths et al, kriteria dari behavioural addiction adalah: salience (yaitu,

penggunaan media sosial menjadi aktivitas yang terpenting sehari-hari), toleransi (yaitu,

meningkatnya jumlah waktu yang dibutuhkan dalam penggunaan media sosial untuk

mencapai efek yang diharapkan), mood modification (yaitu, menggunakan media sosial

sebagai strategi coping dalam mengatasi masalah), relaps (yaitu, hilangnya kendali dalam

penggunaan media sosial dan penggunaan media sosial bermasalah berulang),

withdrawal( yaitu, perasaan tidak menyenangkan dan gangguan fisik ketika tidak dapat

menggunakan media sosial), dan konflik (yaitu, konflik dengan orang lain, aktivitas lain,

dan dalam diri individu yang disebabkan oleh penggunaan media sosial)

3
 The Bergen Social Media Addiction Scale (BSMAS) merupakan instrumen untuk

menilai SMD, dikembangkan oleh Andreassen et. al., yang didasarkan pada enam kriteria

behavioural addiction oleh Griffiths, dan merupakan skala yang telah digunakan secara

luas. Cut off dari BSMAS merupakan hal penting dalam membedakan penggunaan

media sosial bermasalah dan yang tidak. Skala ini juga dapat digunakan untuk

menghitung prevalensi SMD dengan benar. Tetapi, tidak ada penelitian khusus tentang

cut off BSMAS pada masyarakat Cina.

Langkah yang digunakan untuk menentukan skor cut off BSMAS meliputi

pendekatan epidemiologi dan klinis. Diagnosis klinis merupakan baku emas untuk

penentuan cut off. Namun, data ini tidak selalu ada. Maka dari itu, pendekatan

epidemiologi, seperti: Latent Profil Analysis (LPA), dapat digunakan sebagai dasar

penentuan cut off..

Tujuan

Penelitian ini bertujuan untuk (1) mengetahui cut off BSMAS yang tepat untuk

masyarakat cina, (2) mengevaluasi kekuatan diagnostik dari cut off empiris berdasarkan

pendekatan LPA, (3) mengukur prevalensi SMD dalam kurun waktu 12 bulan pada

populasi remaja Cina, (4) mengetahui apakah enam kriteria Griffiths sesuai dalam

mendiagnosis SMD pada remaja, (5) mengevaluasi validitas diskriminatif dari enam

kriteria Griffiths untuk diagnosis SMD.

Metodologi

The clinical sample

Subyek dari penelitian berjumlah 252 orang dikumpulkan dari fasilitas kesehatan

khusus yang menangani kasus internet addiction di kota Yingtan, Jiangxi, Cina dalam

4
kurun waktu 01 September 2019 hingga 15 September 2020. Usia dari subyek anatra 12-

18 tahun. Setelah dipilih, subyek diminta untuk mengisi BSMAS dan psikiater akan

melakukan interview terhadap subyek.

The Community Sample

Pengumpulan sampel remaja yang representative dari masyarakat umum, dilakukan

dengan teknik multistage cluster randomized sampling. Seluruh sampel dan orang tua

sampel yang telah dipilih dilakukan pengisian informed concent, dimana orang tua atau

sampel dibebaskan untuk mengikuti penelitian atau tidak. Jumlah total sampel yang

diambil dan mengisi data adalah 21,735 remaja dengan mayoritas perempuan (52,5%)

dan usia rata-rata adalah antara 12-19 tahun. Sampel masyarakat dipilih untuk analisa

sensitivitas dan evaluasi kemampuan diagnostik dari nilai cut off BSMAS yang didapat.

Measures

Sociodemographic and social-media-use-related behaviour

Data sosiodemografik yang diambil adalah jenis kelamin, usia, tingkat sekolah, dan

jenis platform media sosial yang digunakan.

SMD

Untuk menilai SMD, digunakan BSMAS versi cina. Penilaian dilakukan dengan

skala likert dengan angka “5” menggambarkan sangat sering dan “1” menggambarkan

sangat jarang. Pengumpulan data dilakukan selama 12 bulan.

Clinical Criteria for SMD

Dilakukan wawancara klinis oleh peneliti dengan dasar 9 kriteria klinis Internet and

Game Disorder (IGD) dari DSM-V. Pertanyaan diambil dari Griffith International

Recommendation, seperti “apakah anda merasa gelisah, mudah tersinggung, murung,

5
marah, cemas, atau sedih ketika mencoba untuk mengurangi atau berhenti menggunakan

media sosial atau ketika Anda tidak dapat menggunakannya (e.g. withdrawal)?”.

Berdasarkan kriteria DSM-V, apabila 5 dari 9 poin positif maka sampel dapat didiagnosis

dengan SMD. Rosenberg’s Self Esteem Scale (RSES) digunakan untuk menilai

kepercayaan diri, sedangkan Brief Barratt Impulsiveness Scale (BBIS) digunakan untuk

menilai tingkat impulsivitas subyek. Nilai akademik ditentukan dengan evaluasi rapot

terakhir yang diterima. Penggunaan sosial media dihitung mingguan dengan rumus:

(penggunaan sosial media pada saat sekolah x 5) + (penggunaan sosial media saat

weekend x 2).

Metode statistik

Analisa kurva Receiver Operating Characteristic (ROC) digunakan untuk

menentukan cut off klinis yang optimal. Validitas skor cut off yang didapat dikonfirmasi

pada sampel komunitas dengan membandingkan kriteria eksternal (misalnya, BBIS dan

RSES) dan gangguan (misalnya, nilai akademik) antara kelompok SMD dan non-SMD.

Latent Profile Analysis (LPA) digunakan dilakukan pada sampel komunitas untuk

menentukan kelompok remaja mana yang memiliki resiko SMD lebih tinggi. Dilakukan

tes analisis sensitivitas untuk menentukan cut off empiris optimal dari BSMAS, dimana

kelompok disordered user berdasarkan LPA digunakan sebagai gold standard. Validitas

hasil LPA pada kelompok disorderd user dinilai dengan membandingkan kriteria

eksternal (ex, BBIS dan RSES), faktor yang terganggu (ex, nilai akademik), dan variabel

yang berhubungan dengan SMD (ex, penggunaan media sosial mingguan) antar

kelompok LPA. Uji Wald's Chi-square digunakan untuk menilai sifat probabilitas dari

masing-masing kelompok LPA. Ketepatan diagnositik dari cut off empiris berdasarkan

6
LPA diuji menggunakan analisis sensitivitas , dan kelompok remaja yang didiagnosis

mengalami SMD menurut cut off ini dianggap sebagai gold standard. Untuk menentukan

prediktor spesifik yang berpengaruh dalam diagnosis SMD, dilakukan analisis non-

parametric Conditional Inference Tree (C-Tree). Analisis CTree dapat menentukan

hubungan terkuat antar setiap prediktor (ex, enam kriteria adiksi, waktu penggunaan

media sosial mingguan, usia, dan jenis kelamin) dan variabel respons (diagnosis SMD,

dengan cut off BSMAS 24) melalui permutation test framework.

Hasil

Determination of the clinical cut-off point for the BSMAS

Hasil penelitian menunjukkan nilai cut off 24 memiliki sensitifitas 96,4%,

spesifisitas 99,1% dan nilai youden index 95,5%. Nilai cut off ini memiliki akurasi

diagnostik 98,8%.

Confirmation of the validity of the clinical cut-off point

Menggunakan nilai cut off 24 dalam diagnosis SMD, prevalensi SMD secara

berurutan pada kelompok remaja, anak laki-laki, dan perempuan adalah 3,5, 4,9, dan

2,2%. Sampel yang didiagnosis SMD cenderung (1) laki-laki, (2) menggunakan media

sosial lebih dari 30 jam setiap minggu, (3) memiliki prestasi akademik yang lebih buruk,

dan (4) memiliki impulsivitas yang lebih tinggi. dan kepercayaan diri yang rendah.

Latent Profile Analysis

Sampel yang telah dikumpulkan dikelompokkan menjadi 5 kelompok. Pembagian

kelompok didasarkan pada hasil BSMAS yang didapatkan, kelompok dengan hasil

terendah adalah kelompok 1 dan hasil tertinggi adalah kelompok 5. Kelompok tersebut

antara lain : Kelompok 1 / casual user, kelompok 2 / regular user, kelompok 3 / low risk

7
high-engagement user, kelompok 4 / at-risk high-engagement user, dan kelompok 5 /

disordered user. Kelompok 5 / disordered user mewakili sampel yang menjawab sering

atau sangat sering pada 6 poin pertanyaan BSMAS.

Determination of the empirical cut-off point for the BSMAS

Remaja yang masuk dalam kelompok disordered user memiliki skor BBIS tinggi,

BSES rendah, nilai akademis yang lebih buruk serta waktu penggunaan media sosial

yang lebih panjang dibandingkan 4 kelompok lain. Berdasarkan anallisa sensitivitas, skor

cut off 23 merupakan skor yang secara empiris ideal untuk membedakan sampel addiksi

media sosial dan non addiksi. Angka diagnostik tertinggi adalah 99,9% dengan

sensitivitas 99,1%, dan spesifisitas 99,9%.

Evaluation of the diagnostic performance of the empirical cut-off point

Remaja komunitas yang didiagnosis dengan SMD menggunakan skor cut off klinis

24 digunakan sebagai "gold standard" untuk mengevaluasi kemampuan diagnostik dari

cut off empiris 23. Menggunakan analisis sensitivitas, didapatkan akurasi diagnostik cut

off empiris 23 adalah 97,8%, dengan sensitivitas 100%, spesifisitas 99,5%, PPV 87,2%,

dan NPV 100%

Sailence dan toleransi merupakan kriteria yang paling banyak ditemukan pada

remaja secara umum. Yang paling jarang ditemukan adalah mood modification. Pada

sampel yang terdiagnosis SMD, kriteria mood modification, relapse, withdrawal, dan

konflik adalah yang paling banyak ditemukan, sedangkan salience dan toleransi lebih

sedikit ditemukan. Untuk mengetahui lebih lanjut kontribusi kriteria spesifik dalam

klasifikasi SMD, maka dilakukan uji C-tree. Dari uji ini ditemukan bahwa mood

8
modification dan withdrawal merupakan kriteria dengan nilai prediktif terbesar (95,5%)

pada SMD.

Discussion

Pada penelitian ini, ditemukan bahwa penggunaan cut off 24 BSMAS dalam

diagnosis SMD memiliki akurasi diagnostik, sensitivitas dan spesifitas yang tinggi

(berurutan 98,8%, 96,4%, dan 99,1%). Tetapi cut off ini memiliki Positive Predictive

Value (PPV) yang cukup rendah (43,7%). Hal ini menunjukkan cut off ini memiliki

kemungkinan banyak kasus yang memiliki hasil positif yang salah. Hal ini tidak baik

untuk studi prevalensi screening karena dapat terjadi overestimasi dari prevalensi SMD.

Pendekatan LPA pada penelitian ini dapat mengidentifikasi cut off empiris dengan

baik. Hal ini menunjukkan bahwa apabila data wawancara klinis tidak dapat/sulit

dilakukan, maka LPA dapat digunakan sebagai metode untuk menentukan skor cut off,

terutama apabila nilai positif didefinisikan sebagai kecenderungan terhadap gangguan

perilaku dan efek negatif yang disebabkan.

Hasil prevalensi SMD remaja cina yang diukur dalam kurun waktu 12 bulan pada

penelitian ini adalah 3,5%. Hasil ini berbeda cukup jauh dengan penelitian sebelumnya

yang memakai instrument yang sama (Tang, et al 2018, menyebutkan prevalensi SMD di

remaja cina 44,9%). Perbedaan ini diduga terjadi karena perbedaan nilai cut off yang

digunakan pada BSMAS. Penelitian ini juga menunjukkan bahwa sampel dengan SMD

menggunakan sosial media dengan waktu yang lebih lama, memiliki nilai akademik yang

lebih buruk, tingginya impulsivitas, serta kepercayaan diri yang rendah. Selain itu,

berbeda dengan literatur sebelumnya, penelitian ini menunjukkan laki-laki lebih banyak

9
terdiagnosis SMD yang sesuai dengan literatur terdahulu tentang gender pada IGD

(Rehbein et al. 2015).

Pada penelitian ini kriteria Griffith yaitu conflict, withdrawal, dan relapse termasuk

dalam kriteria prediktor kuat terhadap SMD dan mampu membedakan kelompok

disordered dan highly engaged pada SMD dengan baik. Temuan ini sesuai dengan

penelitian terdahulu. Selain itu penelitian ini juga mendukung bahwa SMD termasuk

dalam addictive behaviour dengan komponen inti dan struktur diagnosis yang sama

dengan gangguan addictive behaviour lain (ex : IGD).

BAB II

JURNAL PENDUKUNG

10
 Jurnal yang mendukung hasil pada penelitian ini adalah jurnal dengan judul The Bergen

Social Media Addiction Scale Validity in a Romanian Sample Using Item Response Theory and

Network Analysis oleh Stanculescu pada tahun 2021 yang menyatakan bahwa BSMAS

merupakan instrument diagnostik yang baik dalam mendiagnosis Social Media Addiction (SMA)

meskipun digunakan pada populasi yang berbeda (Penelitian dilakukan di Rumania). Selain itu

penelitian ini juga menyatakan kriteria diagnostik SMD berdasarkan BSMAS yaitu salience,

conflict, withdrawal, dan mood modification merupakan kriteria yang relevan dalam diagnosis

SMD pada populasi Rumania, yang sesuai dengan hasil penelitian ini.

Penggunaan pendekatan LPA untuk menentukan cut off empiris juga didukung oleh jurnal

dengan judul A latent profile analysis of PTSD symptoms among UK treatment seeking veterans

oleh Murphy et al. tahun 2019 yang menunjukkan LPA mampu membagi PTSD menjadi 6

kelompok berdasarkan keparahannya, dan LPA mampu menentukan cut off empiris dari setiap

kelompok. Hal ini dapat membantu klinisi dalam menentukan cut off apabila data klinis tidak

dapat/sulit dikumpulkan dalam satu populasi.

BAB III

CRITICAL APPRAISAL

11
1. Validitas

 Apakah tujuan penelitian dapat dijawab dengan desain studi penelitian ? ya,

peneliti telah menggunakan metode sampling, pengambilan data dan Analisa

statistik yang sesuai untuk mengetahui cut off BSMAS, mengevaluasi kekuatan

diagnostik dari cut off empiris berdasarkan pendekatan LPA, mengukur prevalensi

SMD dalam kurun waktu 12 bulan pada populasi remaja Cina,, mengetahui

apakah enam kriteria Griffiths sesuai dalam mendiagnosis SMD pada remaja,

mengevaluasi validitas diskriminatif dari enam kriteria Griffiths untuk diagnosis

SMD

 Apakah dilakukan randomisasi pada kelompok intervensi dan kontrol serta

apakah dijelaskan dengan baik bagaimana proses randomisasi dilakukan ? ya,

peneliti menggunakan metode randomisasi multistage cluster randomized

sampling

 Apakah proses daftar randomisasi disembunyikan dari pasien, peneliti dan klinisi?

ya

 Apakah pasien di kelompok intervensi dan kontrol memiliki baseline yang

serupa ? tidak, karena pasien memiliki karakteristik sampel yang berbeda seperti

tingkat pendidikan, usia, dan jenis platform media sosial yang digunakan

 Apakah pasien, peneliti dan klinisi dilakukan proses blinding (pasien, peneliti dan

klinisi tidak tahu siapa saja di kelompok intervensi dan kontrol) ? ya, karena pada

penelitian ini semua sampel memiliki status anonymous

 Apakah semua pasien tetap dihitung hingga akhir studi ? ya, peneliti menyertakan

jumlah sampel sebelum dan setelah dilakukan eksklusi

12
  Apakah ada alasan pasien keluar atai dikeluarkan dari studi sebelum studi

berakhir ? ya, pasien yang tidak menyetujui informed concent dapat keluar dari

penelitian dan kriteria eksklusi pada penelitian ini telah disebutkan (tidak mengisi

kuisioner secara lengkap,

2. Important

 Apakah semua outcome dilaporkan, baik main outcome ataupun side effects ? ya,

peneliti telah melaporkan hasil penelitian secara baik melalui tabel dan diagram

yang disediakan

 Apakah hasil ini reliable berdasarkan nilai confidence interval ? penelitian ini

memiliki confidence interval 95% sehingga dinilai reliable

3. Applicable

 Apakah hasil studi ini bisa diaplikasikan pada pasien atau kondisi yang kita

hadapi ? hasil penelitian yang dapat diaplikasikan adalah nilai predictor SMD

yang dipaparkan sehingga kita dapat memberikan perhatian lebih pada pasien-

pasien yang dinilai beresiko untuk menderita SMD.

 Apakah ada perbedaan kondisi lingkungan yang mengakibatkan hasil penelitian

tidak bisa diaplikasikan pada pasien kita? Ya, karena penelitian dilakukan pada

popullasi remaja di negara Cina, sehingga uji validitas perlu dilakukan kembali

agar BSMAS dapat digunakan pada populasi Indonesia.

13
 BAB IV

PENUTUP

3.1 Kesimpulan

Menggunakan analisis ROC, cut off BSMAS yang didapatkan adalah 24 didasarkan

pada diagnosis klinis SMD sebagai gold standard. Kemampuan diagnostik dari cut off

14
empiris berdasarkan LPA telah dievaluasi, dan dapat disimpulkan bahwa akurasi

diagnostik yang tinggi meunjukkan pendekatan LPA dapat digunakan untuk

mengidentifikasi cut off. Selain itu, penelitian ini juga mengevaluasi kontribusi

diagnostik dari enam kriteria model komponen adiksi media sosial. Studi ini

menemukan bahwa kriteria yang paling relevan untuk diagnosis SMD pada remaja Cina

adalah "mood modification", "konflik", "withdrawal", dan "relaps".

DAFTAR PUSTAKA

1. Alabi, O. F. (2013). A survey of Facebook addiction level among selected

Nigerian university undergraduates. New Media and Mass Communication, 10,
70–80. https://doi.org/10.7176/ NMMC.vol1070-80.
2. Andreassen, C. S., Pallesen, S., & Griffiths, M. D. (2017). The relationship
between addictive use of social media, narcissism, and self-esteem: indings from

15
 a large national survey. Addictive Behaviors, 64, 287–293.
https://doi.org/10.1016/j.addbeh.2016.03.006.
3. Association, A. P. (2013). Diagnostic and statistical manual of mental disorders
(5th ed.). Washington: DC: American Psychiatric Association.
4. Baker, J. R., & Moore, S. M. (2008). Blogging as a social tool: A psychosocial
examination of the effects of blogging. Cyber Psychology and Behavior, 11(6),
747–749. https://doi.org/10. 1089/cpb.2008.0053.
5. Banyai, F., Zsila, A., Kiraly, O., Maraz, A., Elekes, Z., Griffiths, M. D., et al.
(2017). Problematic social media use: esults from a largescale nationally
representative adolescent sample. PloS One, 12(1), e0169839.
https://doi.org/10.1371/journal.pone.0169839.
6. Brand, M., Young, K. S., Laier, C., W€olfling, K., & Potenza, M. N. (2016).
Integrating psychological and neurobiological considerations regarding the
development and maintenance of specific Internet-use disorders: N Interaction of
Person-Affect-Cognition-
7. Execution (I-PACE)model. Neuroscience & Biobehavioral Reviews, 71, 252–
266. https://doi.org/10.1016/j.neubiorev.2016.08.033.
8. Charlton, J. P., & Danforth, I. D. W. (2007). Distinguishing addiction and high
engagement in the context of online game playing. Computers in Human
Behavior, 23(3), 1531–1548. https://doi.org/10.1016/j.chb.2005.07.002.
9. CINIC, C. I. N. I. C. (2020). The 44rd internet network development statistical
report of China http://www.cnnic.net.cn/.
10. Collins, L. M., & Lanza, S. T. (2013). Latent class and latent transition analysis:
With applications in the social, behavioral, and health sciences. Chichester: John
Wiley & Sons.
11. Den Eijnden, R. J. J. M. V., Lemmens, J. S., & Valkenburg, P. M. (2016). The
social media disorder scale. Computers in Human Behavior, 61, 478–487.
https://doi.org/10.1016/j.chb.2016.03. 038.
12. van den Eijnden, R., Koning, I., Doornwaard, S., van Gurp, F., & Ter Bogt, T.
(2018). The impact of heavy and disordered use of games and social media on

16
 adolescents’ psychological, social, and school functioning. Journal of Behavioral
Addictions, 7(3), 697–706. https://doi.org/10.1556/2006.7.2018.65.
13. Espinoza, G., & Juvonen, J. (2011). The pervasiveness, connectedness, and
intrusiveness of social network site use among young adolescents.
Cyberpsychology, Behavior, and Social Networking, 14(12), 705–709.
https://doi.org/10.1089/cyber.2010.0492.
14. Frost, R. L., & Rickwood, D. (2017). A systematic review of the mental health
outcomes associated with Facebook use. Computers in Human Behavior, 76, 576–
600. https://doi.org/10. 1016/j.chb.2017.08.001.
15. Griffiths, M. D (2005). A ‘components’ model of addiction within a
biopsychosocial framework. Journal of Substance Use, 10(4), 191–197.
https://doi.org/10.1080/14659890500114359.
16. Griffiths, M. D., van Rooij, A. J., Kardefelt-Winther, D., Starcevic,
17. V., Kiraly, O., Pallesen, S., et al. (2016). Working towards an international
consensus on criteria for assessing internet gaming disorder: A critical
commentary on Petry et al. (2014). Addiction, 111(1), 167–175.
https://doi.org/10.1111/add.13057.
18. Hothorn, T., Hornik, K., & Zeileis, A. (2006). Unbiased recursive partitioning:
conditional inference framework. Journal of Computational & Graphical
Statistics, 15(3), 651–674. https:// doi.org/10.1198/106186006X133933.
19. Hu, Z., Tang, L., Chen, L., Kaminga, A. C., & Xu, H. (2020). Prevalence and risk
factors associated with primary dysmenorrhea among Chinese female university
students: crosssectional study. Journal of Pediatric and Adolescent Gynecology,
33(1), 15–22. https://doi.org/10.1016/j.jpag.2019.09.004.
20. Jafarkarimi, H., Tze, A., Sim, H., & Hee, J. M. (2016). Facebook addiction among
Malaysian students. International Journal of Information and Education
Technology, 6(6), 465–469. https:// doi.org/10.7763/ijiet.2016.v6.733.
21. Ji, Y., & Yu, X. (1993). The self esteem scale (SES). Chinese Mental Health
Journal, 7(suppl.), 251–252. https://doi.org/10.1515/ 9781400876136.

17
22. Kardefelt-Winther, D. (2014). Meeting the unique challenges of assessing internet
gaming disorder. Addiction, 109(9), 1568–1570.
https://doi.org/10.1111/add.12645.
23. Kardefeltwinther, D. (2015). A critical account of DSM-5 criteria for internet
gaming disorder. Addiction Research & Theory, 23(2), 93–98.
https://doi.org/10.3109/16066359.2014.935350.
24. Keles, B., Mccrae, N., & Grealish, A. (2020). A systematic review: The influence
of social media on depression, anxiety and psychological distress in adolescents.
International Journal of Adolescence and Youth, 25(1), 79–93.
25. Kietzmann, J. H., Hermkens, K., McCarthy, I. P., & Silvestre, B. S. (2011). Social
media? Get serious! Understanding the functional building blocks of social media.
Business Horizons, 54(3), 241–251.
26. Lemmens, J. S., Valkenburg, P. M., & Gentile, D. A. (2015). The internet gaming
disorder scale. Psychological Assessment, 27(2), 567–582.
https://doi.org/10.1037/pas0000062.
27. Leung, H., Pakpour, A. H., Strong, C., Lin, Y. C., Tsai, M. C., Griffiths, M. D., et
al. (2020). Measurement invariance across young adults from Hong Kong and
Taiwan among three internet-related addiction scales: Bergen social media
addiction scale (BSMAS), smartphone application-based addiction scale
(SABAS), and internet gaming disorder scale-short form (IGDS-SF9) (study part
A). Addictive Behaviors, 101, 105969.
https://doi.org/10.1016/j.addbeh.2019.04.027.
28. Lin, C. Y., Brostr€om, A., Nilsen, P., Griffiths, M. D., & Pakpour, A. H. (2017).
Psychometric validation of the Persian Bergen social media addiction scale using
classic test theory and Rasch models. Journal of Behavioral Addictions, 6(4),
620–629. https:// doi.org/10.1556/2006.6.2017.071.
29. Luo, T., Chen, M., Ouyang, F., & Xiao, S. (2020) (In this issue). Reliability and
validity of Chinese version of Brief Barratt impulsiveness scale. Chinese Journal
of Clinical Psychology, 28(6), 1199–1201. https://doi.org/10.16128/j.cnki.1005-
3611.2020.06.025.

18
30. Morean, M. E., DeMartini, K. S., Leeman, R. F., Pearlson, G. D., Anticevic, A.,
Krishnan-Sarin, S., et al. (2014). Psychometrically improved, abbreviated
versions of three classic measures of impulsivity and self-control. Psychological
Assessment, 26(3),1003–1020. https://doi.org/10.1037/pas0000003.
31. Pantic, I (2014). Online social networking and mental health. Cyberpsychology,
Behavior, and Social Networking, 17(10), 652– 657.
https://doi.org/10.1089/cyber.2014.0070.
32. Pontes, H. M., & Griffiths, M. D. (2015). Measuring DSM-5 internet gaming
disorder: evelopment and validation of a short psychometric scale. Computers in
Human Behavior, 45, 137–143. https://doi.org/10.1016/j.chb.2014.12.006.
33. Pontes, H. M., Kiraly, O., Demetrovics, Z., & Griffiths, M. D. (2014). The
conceptualisation and measurement of DSM-5 Internet Gaming Disorder: The
development of the IGD-20 test. PloS One, 9(10), e110137.
https://doi.org/10.1371/journal.pone.0110137.
34. Rehbein, F., Kliem, S., Baier, D., M€oßle, T., & Petry, N. M. (2015). Prevalence
of Internet gaming disorder in German adolescents: Diagnostic contribution of the
nine DSM-5 criteria in a statewide representative sample. Addiction, 110(5), 842–
851. https:// doi.org/10.1111/add.12849.
35. Rosenberg, M. (1965). Society and the adolescent self-image. Princeton 3.
https://doi.org/10.1515/9781400876136.
36. Ryan, T., Chester, A., Reece, J., & Xenos, S. (2014). The uses and abuses of
Facebook: review of Facebook addiction. Journal of Behavioral Addictions, 3(3),
133–148. https://doi.org/10.1556/ jba.3.2014.016.
37. Sampasa-Kanyinga, H., Chaput, J. P., & Hamilton, H. A. (2019). Social media
use, school connectedness, and academic performance among adolescents. The
Journal of Primary Prevention, 40(2), 189–211. https://doi.org/10.1007/s10935-
019-00543-6.
38. Savci, M., Ercengiz, M., & Aysan, F. (2018). Turkish adaptation of the social
media disorder scale in adolescents. Noro Psikiyatr Ars, 55(3), 248–255.
https://doi.org/10.5152/npa.2017.19285.

19
39. Shafi, R. M. A., Nakonezny, P. A., Romanowicz, M., Nandakumar, A. L., Suarez,
L., & Croarkin, P. E. (2019). The differential impact of social media use on
middle and high school students: retrospective study. Journal of Child and
Adolescent Psychopharmacology, 29(10), 746–752. https://doi.org/10.1089/cap.
2019.0071.
40. Shensa, A., Escobar-Viera, C. G., Sidani, J. E., Bowman, N. D., Marshal, M. P.,
& Primack, B. A. (2017). Problematic social media use and depressive symptoms
among U.S. Young adults: nationally-representative study. Social Science &
Medicine, 182,150–157. https://doi.org/10.1016/j.socscimed.2017.03.061.
41. van Smeden, M., Naaktgeboren, C. A., Reitsma, J. B., Moons, K. G., & de Groot,
J. A. (2014). Latent class models in diagnostic studies when there is no reference
standard–a systematic review. American Journal of Epidemiology, 179(4), 423–
431. https://doi.org/10.1093/aje/kwt286.
42. Tang, C. S. K., Wu, A. M. S., Yan, E. C. W., Ko, J. H. C., Kwon, J. H., Yogo, M.,
et al. (2018). Relative risks of Internet-related addictions and mood disturbances
among college students: A 7- country/region comparison. Public Health, 165, 16–
25. https://doi.org/10.1016/j.puhe.2018.09.010.
43. Wang, Y., Wu, L., Wang, L., Zhang, Y., Du, X., & Dong, G. (2017). Impaired
decision-making and impulse control in Internet gaming addicts: Evidence from
the comparison with recreational Internet game users. Addiction Biology, 22(6),
1610–1621.https://doi.org/10.1111/adb.12458.

20