Introducción

En estos últimos años se viene observando cómo el uso de Internet se ha extendido en diferentes culturas. En el caso europeo, las investigaciones realizadas en diversos países exponen un crecimiento continuo de la frecuencia de uso de las nuevas tecnologías. Un claro ejemplo es la investigación de Tsitsika et al. (2014) con adolescentes europeos, en la que el 70% de la muestra emplea regularmente las redes sociales y un 40% las usa un promedio de dos horas al día. En el caso de Reino Unido (UK), el 83% de los adolescentes de 12 a 15 años tiene teléfonos móviles y destina 21 horas a la semana a su uso (Ofcom, 2017). En cuanto a los Estados Unidos (EEUU), Pew Research Center (2015) expone que aproximadamente el 24% de los adolescentes está «casi constantemente» conectado a las redes sociales. Sin embargo, este incremento no se da solamente en Europa y América. Los adolescentes asiáticos también destinan más cantidad de tiempo a los diferentes usos de Internet. El caso de Corea del Sur es paradigmático. Según las encuestas del país, el 29,2% de sus adolescentes es usuario potencialmente adicto en comparación con la población de mayor edad (Israelashvili & Romano, 2016). Según Jun (2016), este problema se observa en la población adolescente y joven de países industrializados. Aun así, Zhang et al. (2013) recuerdan que la adicción a Internet no es únicamente propia de los países del primer mundo sino también de aquellos en vías de desarrollo. Es decir, la extensión que ha vivido Internet ha propiciado que sus usos patológicos deriven en posibles pandemias. El meta-análisis realizado por Cheng y Li (2014) pone de manifiesto que un 6,0% de la población adulta sufre adicción a Internet (IA).

Como indican Király et al. (2015), Internet es un portal desde el cual se accede a numerosas actividades online: redes sociales, videojuegos, descargas de vídeos, etc. Respecto a las redes sociales como Facebook o Instagram, Oberst et al. (2016) exponen que estas plataformas permiten a los adolescentes generar perfiles acordes a su auto-representación deseada, lo que las configura como un espacio muy atractivo. Según King et al. (2013), el incremento de los nuevos espacios tecnológicos implica cambios en nuestro comportamiento. En palabras de Lu et al. (2018), el uso excesivo de Internet puede derivar en problemas de salud. A un posible uso excesivo se debe añadir, tal y como indican Underwood y Ehrenreich (2017), la naturaleza de la adolescencia. En esta etapa el ser humano es especialmente susceptible de padecer los efectos negativos de las redes sociales. En concreto, pueden encontrarse ante situaciones que generen sentimientos de exclusión o victimización (Underwood & Ehrenreich, 2017).

La adicción a Internet ya fue definida por Young (1998) como una excesiva preocupación por las actividades que se realizan en esta plataforma y que generan malestar a escala personal, social o profesional en la vida cotidiana de los usuarios. Tal y como exponen El-Asam et al. (2019), en los últimos años se han ido sucediendo diversos términos como «excessive internet use», «problematic Internet Use» (PIU) o «Internet Addiction Disorder» (IAD). Otros autores como Müller et al. (2016) emplean el término «adicción a Internet» (IA), el cual definen como el uso excesivo e incontrolado de las aplicaciones online accesibles mediante Internet (redes sociales, juegos online, páginas de pornografía, etc.). Aunque estos términos son empleados con asiduidad, únicamente está reconocido el trastorno del juego en Internet (IGD). De hecho, este ya aparece en la última edición del «Diagnostic and Statistical Manual of Mental Disorders» (DSM-5, American Psychiatric Association, 2013).

Análisis realizados en diferentes países y culturas demuestran que el uso persistente de Internet (redes sociales, juegos online u otras actividades relacionadas con navegar por la web) aumenta el riesgo de desarrollar comportamientos adictivos (Müller et al., 2016; Tsitsika et al., 2014). Son numerosas las investigaciones que relacionan el uso adictivo de Internet con diferentes problemas de salud que afectan al individuo y a su forma de relacionarse con el mundo que le rodea. Es especialmente alarmante la relación entre la adicción a Internet y la depresión o síntomas depresivos. Kaess et al. (2014), en su muestra de adolescentes europeos con una edad promedio de 15 años, encontraron que el uso patológico de Internet se relaciona con diferentes problemas mentales, entre ellos ideación suicida y depresión.

Gámez-Guadix et al. (2014), por su parte, verificaron la correlación entre trastorno depresivo y los componentes del uso problemático de Internet en población adolescente española de 13 a 17 años. Banjanin et al. (2015) afirman que el nivel de adicción a Internet se correlaciona con síntomas depresivos en adolescentes serbios con edades comprendidas entre los 12 y los 18 años. Aun así, la relación entre adicción a Internet o uso patológico no es solo un problema endémico de Europa. Adolescentes asiáticos, americanos del norte y del sur también sufren estas enfermedades psicológicas. Según diversos estudios, la relación entre adicción y depresión es mixta. En este sentido, encontramos diversos autores que muestran que la adicción afecta a los síntomas depresivos (Chou & Edge, 2012; Bickhan et al., 2015). También sucede a la inversa: son los síntomas depresivos quienes predicen la adicción (Bonetti et al., 2010; Kim et al., 2015). En el primer caso, la idealización de las cualidades personales y profesionales, ocultando los defectos propios, podría afectar al estado de ánimo de terceros (Chou & Edge, 2012). De la misma manera, la falta de normas por parte de las familias en cuanto al uso de las nuevas tecnologías parece propiciar la aparición de síntomas depresivos (Bickhan et al., 2015). En este sentido, es reseñable nombrar la investigación de Mehdizadeh (2010) según la cual los usuarios de Facebook con mayor índice de narcisismo y menor autoestima presentaban mayor actividad en línea. Esto es, eran más activos.

En el segundo caso, las personas con depresión usaban sus dispositivos móviles para reducir los sentimientos negativos (Kim et al., 2015). Asimismo, los adolescentes solitarios podrían presentar mayor dificultad a la hora de relacionarse cara a cara y esto incrementaría su interés por relacionarse de forma online (Bonetti et al., 2010). Así pues, se entrevé que no existe consenso entre cuál es la variable dependiente y cuál la independiente.

De esta forma, la irrupción de Internet podría convertirse en un problema de salud para los jóvenes. McLaughlin y King (2015), entre otros, defienden que la adolescencia sigue siendo una etapa evolutiva de gran vulnerabilidad en cuestión de baja autoestima e inicio de trastorno depresivo y de ansiedad. Underwood y Ehrenreich (2017) recuerdan que las redes sociales pueden propiciar situaciones de exclusión y victimización. Por ello, Woods y Scott (2016) apuestan por la necesidad de comprender la relación entre patologías y redes sociales. Ante las evidencias del uso patológico de las nuevas tecnologías y de los problemas psicológicos que estas conllevan, se debe resaltar que existen factores de protección para su prevención. Autores como Wu et al. (2015) señalan que es fundamental orientar a los adolescentes en el buen uso de Internet apoyándose en las herramientas ofrecidas tanto por la escuela como por la familia.

Metodología

Estrategia de búsqueda

La estrategia de búsqueda obedeció a lo estipulado por Botella y Sánchez (2015). Se realizó a partir de tres bases de datos: Psycoinfo, Scopus y Science Direct. Se llevaron a cabo dos búsquedas booleanas con diferentes palabras clave (ver Figura 1). La primera búsqueda se realizó mediante las acciones booleanas de búsqueda de: «Social network AND adolescence AND use». Todos los artículos obtenidos fueron cribados manualmente leyendo el título y el abstract de los mismos (Figura 1). A continuación, se aplicaron acciones booleanas para la segunda búsqueda introduciendo otro tipo de palabras claves como: «depressive AND (internet addiction OR addictive level) AND (social network OR internet)». Se revisó la bibliografía de los diferentes artículos, pero no aportó ninguno que cumpliera con los criterios de inclusión. En total, el meta-análisis está constituido por 13 estudios, con k=9 muestras de Europa, Asia y América. La búsqueda se extendió durante 4 meses (octubre, noviembre y diciembre de 2018 y enero de 2019).

Instrumentos

En cuanto a los instrumentos para medir tanto el uso problemático de Internet como la depresión, se observa la Tabla 1.

Resultados y análisis

Descripción de la muestra

La búsqueda de literatura relacionada con el uso patológico y los síntomas depresivos en los últimos años (2013-2019) ha devuelto unos resultados interesantes. De las 19 muestras (K=19) recogidas en los 13 estudios seleccionados finalmente, se obtiene una muestra total de 33.748 individuos. A este respecto cabe resaltar que la muestra más pequeña es de 20 y la más grande de 9.733. En cuanto a las culturas subyacentes a las investigaciones, hay que indicar que el 46,15% fueron realizadas con población europea (Francia, Serbia, UK, Holanda, España).

La población europea supone un 42,81% de la muestra total. Del mismo modo, un 30,76% de las investigaciones se realizó en Asia (China y Corea del Norte), suponiendo un 50,18% de la muestra total. Asimismo, un 15,31% de las investigaciones se llevó a cabo en países euroasiáticos (Israel y Turquía), resaltando que supone un 2,60% de la muestra total. En lo referente a América (representada por países hispanohablantes), el 7,69% de las investigaciones fue realizada en este continente y representa el 4,38% de la muestra.

La presencia de diversos países permite evidenciar si existen diferencias entre culturas. Sin embargo, cabe destacar que no se ha podido incluir ningún estudio realizado en África, América del Norte ni Oceanía. Asimismo, hubiera sido interesante tener una mayor representación de países indo-europeos y de Asia, pues esta última solo está representada por China y Corea del Sur, obviando el sur-este asiático y Oriente Medio.

En cuanto al sexo, vale indicar que dos estudios no facilitan los datos relacionados con esta variable. De la muestra total, un 38,15% son hombres y un 41,02% son mujeres. Del mismo modo, tres de ellos no aportan una edad media, sino que exponen una horquilla de años, mientras que los restantes informan de la edad media de sus participantes. En suma, la edad media de la muestra es 14,75 años.

Análisis estadístico

Este estudio pretende investigar la relación entre las variables «usos problemáticos de Internet» y «depresión» empleando el software CMA. Atendiendo a la muestra de coeficientes de correlación, se decidió transformar estos valores a Fisher Z (Martin-Andrés & Luna-del-Castillo, 2004). En la Figura 2 (gráfico de Forest Plot) se presenta el tamaño de la muestra y el intervalo de confianza de 95% (0,263, 0,346) para las investigaciones que relacionan ambas variables.

El efecto del tamaño obtenido es moderado (d=0,30) según Cohen (1988) y significativo (p=0,000). Aunque el 95% de los datos se encuentra dentro del intervalo de confianza, debemos resaltar que Banjanin et al. (2015), Walburg et al. (2016), Chang et al. (2014) y Colder-Carras et al. (2017) presentan límites inferiores menores al intervalo de confianza medio, al igual que El-Asam et al. (2019), Woods y Scott (2016), Sami et al. (2018) y Kircaburun et al. (2019) presentan valores por encima del límite superior medio. Esto supone que el intervalo de confianza es más amplio, lo que implica mayor variabilidad en los datos de dichos artículos y muy probablemente la presencia de datos extremos que hacen aumentar la desviación típica. Por otra parte, es necesario señalar que el valor p debe ser menor que 0,05 para aceptar que las correlaciones son significativas. En este sentido se expone que Chang et al. (2014) «a», tiene un valor p no significativo, p=0,082 pues es mayor que p=0,005, a diferencia del resto de la muestra. El peso de cada estudio se asume mediante el modelo Random o de efectos aleatorios. Posteriormente se explica esta toma de decisión.

Atendiendo a Cochrane en Higgins y Green (2011) se estudió la heterogeneidad de la muestra. El estadístico Q de Der-Simonian y Laird (1986) (Q=139,368, df=8, p<0,000) evidenció variabilidad en los estudios, rechazando la hipótesis de la homogeneidad.

Por su parte, el estadístico I2, el cual nos informa del porcentaje de variabilidad fruto de la heterogeneidad y no del azar, obtuvo un valor elevado (87,085%), indicando que existe una elevada heterogeneidad en los estudios. Higgins et al. (2003) exponen que la variabilidad de este meta-análisis se corresponde a alta. Por este motivo, se siguió el modelo Random o modelo de efectos aleatorios (Martin-Andrés & Luna-del-Castillo, 2004). No obstante, atendiendo a las indicaciones de Botella y Sánchez (2015) se aplicó la prueba «Egger's regression intercept» para verificar la no existencia de sesgo por publicación. Esta permite estimar la asimetría de los datos del gráfico de embudo, lo que determina el sesgo por publicación.

En esta observamos que no hay significatividad en ambas colas (p-value 1 tailed=0,25; p-value 2 tailed=0,50), lo cual implica la no existencia de sesgo (Egger et al., 1997). Además, el valor del error estándar es pequeño (1,57) y, por tanto, se aproxima bastante a la recta de regresión, lo que reafirma la no existencia de sesgo de publicación (Jin et al., 2014; Martin-Andrés & Luna-del-Castillo, 2004). Por otra parte, el gráfico de Funnel Plot (Figura 3) expone la variabilidad que se había encontrado previamente, reafirmando que la existencia de esta se debe a la diversa naturaleza de los estudios (Sterne et al., 2011) tal y como la prueba Egger’s ha indicado. Conforme más avanza el cono, implica que el error estándar aumenta, por tanto, se puede permitir que haya algún estudio más abajo pero siempre que esté dentro de la estructura.

Debemos tener en cuenta que 3 estudios se alejan de la figura claramente. Estos son aquellos que presentan datos más extremos, si bien vale resaltar que, al realizar la transformación de una curva normal a la curva de Fisher, los valores mayores que 0,5 sufren cierta deformación, de manera que todavía los aleja más de la media.

Los estudios que se alejan de la figura por la derecha son El-Asam et al. (2019) así como Wood y Scott (2016) que trabajaron con muestra anglosajona (UK) y presentan intervalos de confianza mayores que la media (ver Figura 2). Por el lado izquierdo encontramos Chang et al. (2014) «a», el cual presenta un valor de límite inferior de intervalo de confianza significativamente más bajo que la media (Figura 2).

Variables moderadoras y análisis de meta-regresión

Se establecieron variables moderadoras para estudiar la variabilidad de las investigaciones (Botella & Sánchez, 2015). En este sentido, se determinaron tres: sexo, edad media y cultura (Europa, Euroasia, América y Asia), puesto que se consideró necesario determinar si estas eran variables que afectaban a la variabilidad de los resultados. Una vez realizada la meta-regresión (ver Tabla 3), se generan cinco modelos: 1) Sencillo; 2) Género femenino; 3) Género masculino; 4) Edad; 5) Cultura. El primer modelo, en el que no se introduce ninguna variable moderadora, no explica en ningún porcentaje la varianza, a diferencia de los restantes. Los modelos 2 y 3 (género) explican el 9% respectivamente de la varianza (R2=0,09), pero solo el modelo 3 (género masculino) cuenta con una significatividad elevada (p<0,05). Esto implica que el sexo es una variable moderadora pero solo significativa en el caso masculino, por tanto, existen diferencias entre género en referencia al uso problemático de Internet y la depresión. En el modelo 4 (edad), aunque explicaría un 4% de la varianza, esta no es significativa (p=0,383), al igual que en el modelo 5 (cultura), donde un 14% de la varianza no es significativa (p=0,1761) (Martin-Andrés & Luna-del-Castillo, 2004). Es decir, la variabilidad de los datos presentados tiene su origen en diferencias de género y no de edad ni cultura.

Discusión y conclusiones

Existe consenso entre la mayoría de las investigaciones (Banjanin et al., 2015; Colder et al., 2017; El-Asam et al., 2019; Gámez-Guadix et al., 2013; Kircaburun et al., 2019; Lin et al., 2018; Sami et al., 2018; Walburg et al., 2016; Lu et al., 2018; Wartberg et al., 2016; Woods et al., 2016; Zhang et al., 2013) al exponer que entre usos problemáticos de Internet y depresión en adolescentes existe una correlación significativa y positiva; lo cual concuerda con los resultados expuestos en la Figura 2, pues se obtiene que el tamaño del efecto (r=30) es moderado según Cohen (1988). No obstante, Banjanin et al. (2015) reafirman que las regresiones múltiples mostraron que el tiempo invertido en redes sociales no tenía relación con la adicción a Internet y con síntomas depresivos. Por lo tanto, no se debe equiparar la cantidad de horas con un uso perjudicial para la salud.

La influencia del género como variable moderadora ha sido expuesta previamente en algunas de las investigaciones que componen la muestra. En coherencia a los resultados obtenidos, El-Asam et al. (2019) exponen que el 26,2% de la varianza de la puntuación general de «Problematic Internet Use Questionnaire» (PIUQ) es significativamente predictible con depresión (p<0.001) y género masculino (p<0.001). Walburg et al. (2016), por su parte, encuentran que los adolescentes (género masculino, r=0,37, p<0,001) que realizan un uso problemático de Facebook son significativamente más vulnerables ante depresión que las adolescentes (género femenino, r=0,10, p>0,05).

Lu et al. (2018), en su análisis de «Multiple logistic regression» revelaron que el género masculino, las creencias religiosas y los síntomas depresivos más severos se asociaban a la adicción a Internet. El presente estudio va en la línea de estos primeros autores, la meta-regresión explica cómo los hombres son más sensibles a sufrir ambas patologías (R2=0,09, p<0,05). Si bien, otros investigadores como Banjanin et al. (2015), Wartberg et al. (2016) y Oberts et al. (2017) no registraron diferencias entre sexos.

Los estudios longitudinales de Jun (2016) y Chang et al. (2014) permiten analizar cómo la depresión aumenta a medida que crece el uso problemático. Jun (2016), en un estudio longitudinal de tres colas con población de diferentes edades, constató que la adicción al móvil y la depresión tenía una dirección bidireccional. Cada medida de adicción al móvil en T1 y T2 influía positivamente en los síntomas depresivos de T2 y T3 y los síntomas depresivos de T1 y T2 afectaban a la adicción por el móvil en los T2 y T3, respectivamente.

Por su parte, Chang et al. (2014) mostraron la influencia longitudinal de la adicción a Internet (IA) en la depresión (entre otros problemas de salud mental), siendo la depresión una variable que predice la iniciación y persistencia de los jóvenes a la adicción a Internet. Colder et al. (2017) permiten comparar la población que ya realiza un uso problemático y la que se encuentra en riesgo de padecerlo con síntomas depresivos, observando cómo la depresión crece a medida que aumenta el uso problemático. Lin et al. (2018) también comparan dos poblaciones: una con adicción a Internet y otra sin ella, evidenciado claras diferencias. El diagnóstico de IA se correlacionó positiva y significativamente con diversas variables, entre ellas: alextimia, impulsividad, desaprobación de terceros en cuanto al uso de Internet, etc. Por otra parte, se correlacionaron de forma negativa con las variables como autoestima, bienestar subjetivo o apoyo social. Es decir, el malestar psicológico se relaciona con la adicción a Internet frente al bienestar que logra reducirla. En otras palabras, las variables psicológicas individuales son determinantes en la aparición del IA. Los resultados de la meta-regresión muestran que la edad no es una variable moderadora significativa (ver Tabla 3), es decir, no se trata de un problema evolutivo. Si bien, encontramos cómo el tiempo parece jugar un papel fundamental.

El uso problemático de Internet y los síntomas depresivos parecen retroalimentarse incrementando la problemática. Esto muestra la imperiosa necesidad de intervenir desde la educación. Al no ser ni la edad ni la cultura variables moderadoras existe el riesgo de que esta situación se pueda mantener en la etapa adulta. No debemos obviar que Cheng y Li (2014) demostraron que un 6% de la población adulta mundial sufre AI al igual que un 15-20% sufre depresión (Sotelo-Alonso et al., 2012). Teniendo en cuenta la correlación positiva entre ambas patologías es preciso comenzar a realizar programas de intervención en educación secundaria. De esta forma, se podría evitar futuros problemas de salud pública. Por otra parte, Gámez-Guadix et al. (2013) muestran que ser víctima de ciberbullying aumenta la incidencia en depresión y uso problemático.

En conclusión, existe evidencia de la existencia de relación entre el uso problemático de Internet y depresión en adolescentes, siendo el sexo la variable moderadora que influye de manera significativa en este. Si bien, existen otras variables que deben ser estudiadas y analizadas y que muestran comorbilidad con su uso patológico como problemas de comportamiento, hiperactividad, problemas emocionales, o salud física según El-Asam et al. (2019). Igualmente existe correlación positiva significativa entre trastorno del juego en Internet y traumas emocionales, ansiedad social o autoestima (Kircaburun et al., 2019) y Sami et al. (2018) señalan que la adicción a Internet presenta un efecto directo sobre las perturbaciones del sueño. De cualquier modo, que la edad no sea una variable moderadora, junto a investigaciones que correlacionan adicción a Internet y depresión en la etapa adulta suponen una alarmante situación. Es necesario intervenir en Educación Secundaria con la finalidad de evitar que estas patologías se trasladen a la vida adulta.

Es preciso exponer que existen ciertas limitaciones en este estudio, siendo la primera de ellas la escasa muestra de determinadas zonas, en especial la falta de población de África, Oceanía, América del Norte y Sur-este asiático. Por otra parte, la mayoría de las investigaciones no exponen datos diferenciados por sexos ni tratan el uso problemático de Internet y los síntomas depresivos como principal temática. Como prospectiva se considera necesario continuar estudiando otras variables que puedan tener relación con el uso problemático de Internet, como por ejemplo ansiedad, estrés, problemas de sueño, baja autoestima y desarrollar proyectos de intervención para institutos. 1