مقدمه
پیشینه همه‌گیری کوویدـ19
 همه‌گیری بیماری ویروس کرونا در سال 2019  به‌‌عنوان بزرگ‌ترین بحران بهداشت جهانی در دهه‌های اخیر درنظر گرفته می‌شود که تاکنون تأثیرات روانی [1] و اقتصادی [2] عظیمی را بر بیش از نیمی از کشورها و مناطق جهان ایجاد کرده است. اشکال مختلف منع تردد، قرنطینه و فاصله‌گذاری اجتماعی در اکثر کشورهایی که تحت‌تأثیر همه‌گیری کوویدـ19 قرار گرفته‌اند، اجرا شده است. این استراتژی‌های کنترل عفونت، حوزه‌های کلیدی زندگی را تغییر می‌دهد و بر تحرک شخصی، روابط بین‌فردی و فعالیت‌های شغلی تأثیر می‌گذارد [3].
 این تغییرات در حوزه‌های اصلی زندگی، شبیه به اختلال عملکردی ناشی از پریشانی عاطفی است و بسیاری از افراد را در معرض خطر بیشتر شرایط روانی قرار می‌دهد. به‌عنوان مثال، در میان نمونه بزرگی از چینی‌ها (5033 نفر)، 35 درصد پریشانی روانی قابل توجهی را تجربه کرده بودند و شیوع اضطراب یا افسردگی یا هر دو 20/4 درصد در طول همه‌گیری کوویدـ19 بود [4]. در نمونه دیگری (3480 نفر) که در مرحله اولیه کوویدـ19 در اسپانیا جمع‌آوری شد، 21/6 درصد اضطراب احتمالی و 18/7 افسردگی احتمالی گزارش شد [5]. شیوع احتمالی اضطراب و افسردگی با فقدان رویه‌های پیشگیرانه جدید، مانند استفاده از ماسک هنگام بیرون رفتن و اختلال در برنامه‌های معمول روزانه، مانند تغذیه سالم، خواب، و فعالیت‌های اوقات فراغت در نمونه‌های بزرگی از جمعیت مرتبط بود [6]. فاصله‌گذاری اجتماعی مؤثر و کاهش تأثیر منفی کوویدـ19 با احساسات مثبت بیشتر و منفی کمتر در بین ایتالیایی‌ها همراه بود (نُه هزار نفر) [7]. بنابراین کوویدـ19 نه‌تنها یک اولویت و چالش اصلی برای سلامت عمومی و سیستم‌های مراقبت بهداشتی است، بلکه از دیدگاه سلامت روان نیز اولویت محسوب می‌شود.
استفاده مشکل‌زا از گوشی هوشمند و سلامت روان
 استفاده از تلفن‌های هوشمند می‌تواند بهره‌وری قابل توجهی را بهبود بخشد و مزایای سرمایه اجتماعی را افزایش دهد [8].  همه‌گیری کوویدـ19 و فاصله‌گذاری اجتماعی مرتبط با آن به‌طور گسترده‌ای استفاده از تلفن‌های هوشمند را برای دریافت اطلاعات مربوط به کوویدـ19 در جامعه در سال گذشته افزایش داده است [9]. رابطه بین استفاده از گوشی‌های هوشمند و عملکرد تطبیقی نشان‌دهنده یک منحنی U معکوس است که نشان می‌دهد استفاده بیش از حد، پیامدهای زیان‌باری دارد [8].  مدل تعامل فرد-عاطف-شناخت-عمل یکی از چارچوب‌های نظری برجسته‌ای است که استفاده بیش ازحد از اینترنت و گوشی هوشمند را بیان می‌کند [10]. به‌طور خاص، مدل تعامل فرد ـ عاطفه ـ شناخت ـ عمل طبقات عمده‌ای از متغیرهای مؤثر بر استفاده بیش از حد از اینترنت از جمله متغیرهای زمینه‌ساز و واکنش‌های عاطفی و شناختی را مفهوم‌سازی می‌کند. پیامدهای ناشی از متغیرهای زمینه‌ساز شامل متغیرهای واکنش عاطفی و شناختی، از جمله مقابله، سوگیری توجه، اختلالات خلقی و واکنش به عوامل استرس‌زای محیطی است. مدل مدل تعامل فرد ـ عاطفه ـ شناخت ـ عملمتغیرهای واکنش را به‌عنوان مکانیسمی مفهوم‌سازی می‌کند که توسط آن متغیرهای زمینه‌ساز براستفاده بیش از حد از اینترنت تأثیر می‌گذارند [10].
 استفاده مشکل‌زا از گوشی هوشمند به‌عنوان سطوح شدید استفاده که منجر به مشکلات عملکردی، مانند اختلالات اجتماعی، کاری یا تحصیلی می‌شود با علائمی شبیه به اختلالات مصرف مواد تعریف می‌شود [11]. بسیاری از مطالعات قبلی نشان داده‌اند استفاده مشکل‌زا از گوشی هوشمند با سلامت جسمی و روانی ضعیف‌تر و سطوح بالاتر افسردگی و اضطراب مرتبط است [12]. از آنجایی که استفاده بیش از حد از تلفن هوشمند و اینترنت به‌عنوان فرایندهای مقابله عاطفی ناسازگار برای تسکین عاطفه منفی مفهوم‌سازی شده است، تأثیرات منفی استفاده مشکل‌زا از گوشی هوشمند مورد بررسی قرار گرفته است [13 ,14]. مطالعات اخیر درباره همبستگی‌های بین شدت تأثیرات منفی با شدت استفاده مشکل‌زا از گوشی هوشمند را تأیید می‌کنند، از جمله نشخوار فکری منفی، نگرانی و ترس از دست دادن تجربیات اجتماعی با ارزش [12 ,13 ,14] گزارش شده و نشان داده شده است که در شیوع فعلی همه‌گیری استفاده مشکل‌زا از گوشی هوشمند‌، کوویدـ19 یک نگرانی بالینی مهم است، حتی اگر یک اختلال روانی رسمی نباشد. 
 کوویدـ19 بیماری بالقوه کشنده است و انزوای اجتماعی ناشی از قرنطینه و فاصله گرفتن باعث افزایش اضطراب می‌شود [1]. علاوه بر این قرنطینه خانگی و فاصله‌گذاری اجتماعی به‌طور گسترده‌ای استفاده از گوشی‌های هوشمند را برای دریافت اطلاعات مرتبط با کوویدـ19 افزایش داده است [9]. با توجه به اینکه انزوای اجتماعی باعث ناراحتی عاطفی و ایجاد عواطف منفی می‌شود [6]، اضطراب عمومی و همچنین اضطراب خاص کوویدـ19 به نوبه خود می‌تواند استفاده مشکل‌زا از گوشی هوشمند را تشدید کند [12].  مطالعه حاضر تأثیر علائم اضطراب عمومی و اضطراب ناشی از کوویدـ19 را بر شدت استفاده مشکل‌زا از گوشی هوشمند به‌عنوان یک روش مقابله ناسازگار با هیجان بررسی کرد. به‌طور خاص، علامت اضطراب عمومی به عنوان یک متغیر پیش‌بینی‌کننده زمینه‌ساز از تعامل فرد ـ عاطفه ـ شناخت ـ عمل فرض شد. اضطراب ناشی از کوویدـ19 به‌عنوان یک واکنش مداوم به عامل استرس‌زای محیطی و میانجی در طبقه واکنش عاطفی / شناختی مدل سازی شد. متغیر وابسته، شدت استفاده مشکل‌زا از تلفن هوشمند بود.
روش
 شرکت‌کنندگان و رویه
 پس از تأیید کمیته اخلاق دانشگاه، یک نظرسنجی مقطعی مبتنی بر وب بین در تاریخ 23 جولای تا 25 اوت در سال 2020 (دوره شیوع موج سوم کوویدـ19 در هنگ‌کنگ) انجام شد. افراد بزرگسال 18 تا 75 سال با نمونه‌گیری احتمالی طبقه‌بندی‌شده از پایگاه داده نماینده جمعیت [15] انتخاب شدند. معیارهای ورود به مطالعه عبارت بودند از قومیت چینی، تسلط کانتونی (متداول‌ترین زبان چینی و زبان مادری 90 درصد جمعیت هنگ‌کنگ) و سطح تحصیلات ابتدایی یا بالاتر. افراد با سابقه بیماری‌های روانی و وجود اختلالات شناختی از مطالعه حذف شدند.
 پس از کسب رضایت شفاهی اولیه شرکت‌کنندگان بالقوه، محققان واجد شرایط بودن آن‌ها را تأیید کردند، ماهیت مطالعه را توضیح دادند و رضایت آگاهانه کتبی آن‌ها را به دست آوردند. این مطالعه شامل 1080 شرکت‌کننده (16/74±44/06) بود که حدود نیمی از آن‌ها (n=575،  53/24 درصد) زن بودند. 55 مورد (5/09 درصد) تحصیلات ابتدایی، 486 مورد (45 درصد) تحصیلات متوسطه و 539 مورد (49/91 درصد) تحصیلات عالیه یا بالاتر داشتند. میانگین درآمد ماهانه گزارش‌شده خانوار از ده هزار دلار هنگ‌کنگ (10/09 درصد)، 10001 تا بیست هزار دلار (18/89 درصد)، 20001 دلار تا سی هزار دلار (19/07 درصد)، تا بیش از چهل هزار دلار (29/81 درصد)، هر یک دلار آمریکا تقریباً معادل 7/80 دلار هنگ‌کنگ بود. از 1080 شرکت‌کننده، 591 مورد (54/72 درصد) شاغل تمام‌وقت، 295 مورد (27/31 درصد) به‌صورت پاره‌وقت، 28 مورد (2/59 درصد) بیکار، 56 مورد (5/19 درصد) خانه‌دار و 110 نفر (10/19 درصد) بازنشسته بودند. نتایج در جدول شماره 1 خلاصه شده است.


معیارها
 ویژگی‌های جمعیت‌شناختی
 برای به‌دست آوردن اطلاعات جمعیت‌شناختی مانند سن بر حسب سال، جنس، وضعیت تأهل، سطح تحصیلات، وضعیت اشتغال و درآمد ماهانه خانوار از پروفرم استاندارد‌شده استفاده شد. همچنین برای به‌دست آوردن وضعیت همبودی در مورد اینکه آیا همبودی با سیزده بیماری مزمن پزشکی رایج در شرکت‌کنندگان را گزارش کردند یا خیر استفاده شد: آرتریت، بیماری مثانه، بیماری مزمن ریوی، دیابت، مشکلات شنوایی، حمله قلبی، هموروئید، فشار خون بالا، نفرولیت، سکته مغزی، مشکلات بینایی، مشکلات شناختی و هر نوع اختلال روانی. 
 علائم عمومی اضطراب
 مقیاس استرس اضطراب افسردگی-21 علائم روان‌شناختی را در یک هفته گذشته ارزیابی کرد. این یک ابزار خودگزارشی 21‌ماده‌ای است که از یک مقیاس لیکرت از «صفر=اصلاً برای من صدق نمی‌کند» تا «سه=برای من بسیار یا در اکثر مواقع اعمال می‌شود» استفاده می‌کند. در پژوهش حاضر تنها از خرده‌مقیاس اضطراب (هفت گویه) استفاده شد. نسخه ابزار چینی نیز قبلاً از پایایی و اعتبار بالایی برخوردار بود [16]. آلفا برای خرده‌مقیاس اضطراب برای نمونه ما 0/79 بود.
 اضطراب ناشی از کوویدـ19
 مقیاس اختلال اضطراب فراگیر-7  علائم اضطراب و نگرانی را در دو هفته گذشته ارزیابی کرد [17]. این یک مقیاس خودگزارشی هفت‌ماده‌ای است که از مقیاس فراوانی نوع لیکرت از «صفر= اصلاً» تا «سه= تقریباً هر روز» استفاده می‌کند. از نسخه چینی این مقیاس استفاده شد که قابل اعتماد و پایا تشخیص داده شد [18]. دستورالعمل‌هایی برای پرس‌و‌جو درباره اضطراب ناشی از کوویدـ19 تنظیم شد و پاسخ به این پرسش مشخص شد: «در دو هفته گذشته، چند بار به دلیل شیوع ویروس کرونا مشکلات زیر شما را آزار داده است؟» آلفای این مقیاس برای نمونه 0/90 بود.
 استفاده مشکل‌زا از گوشی هوشمند
 مقیاس فرم کوتاه اعتیاد به گوشی هوشمند استفاده مشکل‌زا و اختلال عملکردی مرتبط با گوشی هوشمند را ارزیابی کرد [19]. این یک معیار ده‌موردی خودگزارشی است که به زبان‌های کره‌ای و انگلیسی ایجاد شده است. این معیار از یک مقیاس لیکرت از «1=کاملاً مخالفم» تا «6=کاملاً موافقم» استفاده می‌کند. SAS-SV چینی مورد استفاده قرار گرفت که توسط لوک و همکاران تأیید شد [20]. آلفای این مقیاس برای نمونه 0/89 بود.
طرح تحلیلی
 آمار توصیفی و ضرایب همبستگی پیرسون برای متغیرهای اصلی با استفاده از نسخه 26 نرم‌افزارSPSS  محاسبه شد. نظرسنجی وب شرکت‌کنندگان را واداشت تا موارد نادیده گرفته‌شده را تکمیل کنند. بنابراین، هیچ داده از‌دست‌رفته در سطح آیتم وجود نداشت.  از مدل‌سازی معادلات ساختاری  برای ارزیابی برازش مدل فرضی در بیان ارتباط بین علائم اضطراب عمومی، اضطراب ناشی از کوویدـ19 و شدت استفاده مشکل‌زا از تلفن هوشمند استفاده شد. رویکرد دو‌مرحله‌ای برای مدل سازی معادلات ساختاری و بررسی روابط فرضی بین متغیرهای پنهان استفاده شد [21]. مدل اندازه‌گیری با تحلیل عاملی تأییدی مورد بررسی قرار گرفت تا مشخص شود که آیا ساختار عاملی متغیرها با داده‌ها مطابقت دارد یا خیر. متغیرهای پنهان علائم اضطراب عمومی، اضطراب ناشی از کوویدـ19 و شدت استفاده مشکل‌زا از تلفن هوشمند با موارد مربوطه نشان داده شدند. سپس با تحلیل اثرات مستقیم و غیرمستقیم بین متغیرهای مستقل و وابسته، مدل میانجی‌گری دنبال شد. نیکویی برازش مدل‌ها با استفاده از آماره‌های مجذور کای χ2))، شاخص برازش مقایسه‌ای، شاخص تاکر لوئیس و ریشه میانگین مربعات خطای تخمین ارزیابی شد. مقادیر شاخص تناسب مقایسه ای و شاخص تاکر لوئیس بالاتر از 0/90 نشان‌دهنده برازش مدل قابل قبول است [22]. مقادیر ریشه میانگین مربعات خطای تخمین  0/06 یا کمتر به‌عنوان برازش مدل نزدیک درنظر گرفته می‌شوند [22]. برای تجزیه‌وتحلیل داده‌ها از نسخه 22 نرم‌افزار ایموس استفاده شد.
یافته‌ها
آمار توصیفی و همبستگی بین متغیرهای اصلی
 آمار چولگی و کشیدگی نشان‌دهنده مشکل غیرعادی بودن در بین متغیرهای اصلی نیست. همان‌طور که فرض شد، اضطراب عمومی با اضطراب بیشتر ناشی از کوویدـ19 (r=0/44) و شدت بالای استفاده مشکل‌زا از گوشی هوشمند (r=0/36) مرتبط بود. اضطراب ناشی از کوویدـ19 با شدت استفاده مشکل‌زا از گوشی هوشمند ارتباط مثبت داشت (r=0/30). نتایج در جدول شماره 2 خلاصه شده است.


در این مطالعه ارتباط بین متغیرهای جمعیت‌شناختی پس‌زمینه و متغیرهای اصلی مورد مطالعه (اضطراب عمومی، اضطراب ناشی از کوویدـ19 و شدت استفاده مشکل‌زا از گوشی هوشمند) مورد بررسی قرار گرفت. مطابق این پژوهش، همه متغیرهای پس‌زمینه با متغیرهای اصلی مورد مطالعه همبستگی معنی‌داری ندارند.
نمرات برش معتبر برای هر ابزار برای شناسایی موارد احتمالی سلامت روان اتخاذ شد. همچنین، 242 شرکت‌کننده (22/41 درصد) با اضطراب متوسط با نمره اضطراب DASS-21>5 و 69 شرکت‌کننده (6/38 درصد) با اضطراب شدید با نمره بیش از 7<  شناسایی شدند. علاوه بر این، 78 شرکت‌کننده (7/22 درصد) با اضطراب متوسط ناشی از کوویدـ19 با استفاده از نمره مقیاس اختلال اضطراب فراگیر-7 >9و 25 مورد (2/31 درصد) اضطراب شدید ناشی از کوویدـ19 با استفاده از نمره بالاتر از 14< شناسایی شدند. درنهایت، 516 شرکت‌کننده (47/78 درصد) دارای استفاده مشکل‌زا از گوشی هوشمند با استفاده از نمره SAS-SV>31 شناسایی شدند.
 مدل‌های اندازه‌گیری متغیر پنهان
سه مدل اندازه‌گیری برای متغیرهای پنهان به‌صورت جداگانه ساخته و توسط  شاخص برازش مقایسه‌ای مورد ارزیابی قرار گرفت. نتایج در تصویر شماره 1 خلاصه شده است.

متغیرهای پنهان برای علائم اضطراب عمومی، اضطراب ناشی از کوویدـ19، و شدت استفاده مشکل‌زا از تلفن هوشمند به ترتیب با هفت آیتم، هفت آیتم و ده آیتم از مقیاس‌های اندازه‌گیری ساخته شدند. برای متغیرهای مستقل، مدل اندازه‌گیری برای خرده‌مقیاس اضطراب DASS-21 برازش رضایت‌بخشی داشت (χ2 (14)=34/05 ،P<0/001، CFI=0/98، TLI=0/97، RMSEA=0/05). علاوه بر این، مدل اندازه‌گیری برای GAD-7  نیز برازش رضایت‌بخشی داشت (χ2(14)=24/90، P<0/001، CFI=0/99، TLI=‌0/98 ،RMSEA=‌0/06). برای متغیرهای وابسته، مدل اندازه‌گیری برای SAS-SV برازش رضایت‌بخشی داشت (χ2(33)‌=‌92/89، P<0/0‌01، CFI=‌0/95، TLI‌=‌0/93 RMSEA=‌0/08). نتایج CFA نشان داد مدل‌های اندازه‌گیری برای آزمایش بیشتر مدل ساختاری مناسب هستند.
 آزمایش مدل میانجی‌گری
نتایج مدل سازی معادلات ساختاری برازندگی مدل فرضی را در پیش‌بینی استفاده مشکل‌زا از تلفن هوشمند، (χ2(100)=‌246/44، CFI=‌0/97، ‌TLI=‌0/96، ‌RMSEA=‌0/05) با شاخص‌های برازش مدل رضایت‌بخش تأیید کرد. ضرایب مسیر استاندارد‌شده بین علائم اضطراب عمومی و اضطراب ناشی از کوویدـ19 (β=0/43, P<0/001) و بین اضطراب ناشی از کوویدـ19 و شدت استفاده مشکل‌زا از تلفن هوشمند، (β=0/29, P<0/001) معنا‌دار بود. درعین حال، تأثیر مستقیم اضطراب عمومی و شدت استفاده مشکل‌زا از تلفن هوشمند نیز معنا‌دار بود (β=0.23, P<0.001). نتایج نشان داد افرادی که علائم اضطراب عمومی بالاتری داشتند، تمایل بیشتری به گزارش اضطراب کوویدـ19 داشتند و شدت استفاده مشکل‌زا از تلفن هوشمند بالاتری داشتند. کسانی که سطوح بالاتری از اضطراب ناشی از کوویدـ19 داشتند، بیشتر احتمال داشت که شدت استفاده مشکل‌زا از تلفن هوشمند بالاتری را گزارش کنند. نتایج بوت استرپینگ حضور یک اثر واسطه‌ای قابل توجه را نشان می‌دهد. هم اثرات غیرمستقیم از اضطراب به استفاده مشکل‌زا از تلفن هوشمند از طریق اضطراب ناشی از کوویدـ19 (β=0/12; 95% CI=0/03, 0/21) و هم اثرات مستقیم از اضطراب به استفاده مشکل‌زا از تلفن هوشمند معنا‌دار بودند (β=0/36; 95% CI=0/24, 0/47). این نتایج حاکی از یک اثر میانجی جزئی اضطراب ناشی از کوویدـ19 بین اضطراب و استفاده مشکل‌زا از تلفن هوشمند بود (تصویر شماره 2).

بحث
یافته‌های اولیه این مطالعه نشان داد هم علائم اضطراب عمومی و هم اضطراب ناشی از کوویدـ19 با شدت استفاده مشکل‌زا از تلفن هوشمند مرتبط بودندو اضطراب ناشی از کوویدـ19 میانجی بین اضطراب عمومی زمینه‌ساز با شدت استفاده مشکل‌زا از تلفن هوشمند بود. در این بررسی، شیوع احتمالی حداقل اضطراب متوسط در حدود 22 درصد از شرکت‌کنندگان مشاهده شد. این یافته‌ها تقریباً با سایر تخمین‌های جامعه کوویدـ19 مطابقت دارد که برای اضطراب متوسط حدود20  درصد است [4, 5]. مطابق با مطالعات پیشین [12]، مطالعه فعلی نشان داد اضطراب ناشی از کوویدـ19 با شدت استفاده مشکل‌زا از تلفن هوشمند در تحلیل‌های دو‌متغیره و مدل مدل سازی معادلات ساختاری مرتبط است. رابطه بین اضطراب از کوویدـ19 با  استفاده مشکل‌زا از تلفن هوشمند شدت با مفهوم‌سازی I-PACE واکنش‌ها به استرس‌های محیطی که باعث استفاده بیش از حد از اینترنت برای کاهش احساسات منفی می‌شود مطابقت دارد [10]. مطالعات قبلی نشان داده‌اند انزوای اجتماعی به‌ویژه بر عواطف منفی تأثیر می‌گذارد [23]. بنابراین، برای مدیریت اضطراب ناشی از کوویدـ19 و انزوای اجتماعی مرتبط، به‌ویژه با درنظر گرفتن قرنطینه خانگی و عدم وجود فعالیت‌های متعدد دیگر، بسیاری از افراد ممکن است گرفتار استفاده مشکل‌زا از تلفن هوشمند شوند. 
در مدل سازی معادلات ساختاری، هنگام اضافه کردن و کنترل اضطراب عمومی به‌عنوان پیش‌بینی‌کننده شدت مدل‌سازی معادلات ساختاری، اضطراب ناشی از کوویدـ19 همچنان به پیش‌بینی‌کننده شدت مدل‌سازی معادلات ساختاری مرتبط است. بنابراین در حالی که اضطراب ناشی از کوویدـ19 به‌خودی‌خود در مدل سازی معادلات ساختاری به‌طور قابل توجهی با شدت پیش‌بینی‌کننده شدت مدل‌سازی معادلات ساختاری مرتبط بود، کنترل اضطراب عمومی این رابطه معنادار را نشان داد. علی‌رغم نگرانی‌های قابل توجه در مورد کوویدـ19، مردم نگرانی‌ها و اضطراب‌های زندگی روزمره دیگری دارند (توسط ارزیابی اضطراب عمومی ما گرفته شده است) که متوقف نشده است، اما احتمالاً با اضطراب ناشی از کوویدـ19 افزایش یافته است. به‌عنوان مثال، اضطراب روزمره شامل ایجاد و حفظ روابط اجتماعی و صمیمی به‌طور طبیعی با قرنطینه خانگی تشدید می‌شود [3] و ترس از دست دادن تجربیات ارزشمند را افزایش می‌دهد [13].  اضطراب موجود در رابطه با امور مالی، اشتغال و ثبات اقتصادی به دلیل خسارت‌های اقتصادی همه‌گیری کوویدـ19 افزایش یافته است [2]. چنین اضطراب‌های روزمره‌ای که به دلیل شیوع تشدید شده است، ممکن است جای اضطراب ناشی از کوویدـ19 را بگیرد و منجر به پیامدهای نامطلوب مانند استفاده مشکل‌زا از تلفن هوشمند شود. اما، به‌ویژه ترس از مرگ ناشی از کوویدـ19 (به دلیل آسیب‌پذیری پزشکی یا نگرانی بیش از حد) ممکن است منجر به شدت پیش‌بینی‌کننده شدت مدل‌سازی معادلات ساختاری بیشتر برای کاهش احساسات منفی شود (مطابق با یافته‌های ما از مدل‌های دومتغیره و مدل سازی معادلات ساختاری).
این مطالعه نشان داد اضطراب ناشی از کوویدـ19 روابط بین اضطراب عمومی و شدت استفاده مشکل‌زا از تلفن هوشمند را در مدل میانجی‌گری ما واسطه می‌کند. این یافته با مفهوم‌سازی I-PACE واکنش‌های عاطفی / شناختی که شامل واکنش به عوامل استرس‌زای محیطی به‌عنوان مکانیسم بود و رابطه استفاده بیش از حد از گوشی هوشمند را بیان می‌کند، مطابقت دارد [10, 11].  اضطراب و نگرانی باعث ایجاد اضطراب بیشتر ناشی از کوویدـ19 از شیوع ویروسی شناخته شده‌اند، به‌ویژه در میان کسانی که اضطراب سلامتی دارند و احساسات فیزیکی را به‌عنوان علائم ویروسی تعبیر نمی‌کنند [24]. بنابراین، افراد دارای اضطراب قبلی ممکن است از کوویدـ19 بیش از حد نگران باشند و تقاضای زیادی برای خدمات پزشکی ایجاد کند [25]. به‌طور ضمنی می‌توان گفت دست‌یابی به تعادل مناسب بین ترویج فاصله‌گذاری اجتماعی و عدم نگرانی بیش از حد مهم است. در همین حال، قابل قبول است که یک حلقه بازخورد وجود داشته باشد که به وسیله آن افراد با استفاده بیش از حد از تلفن‌های هوشمند خود اضطراب ناشی از کوویدـ19 خود را مدیریت می‌کنند، اما با انجام این کار، آن‌ها به‌طور ناخواسته اطلاعات بیشتری در مورد کوویدـ19 از اخبار کسب می‌کنند و بیشتر به اضطراب آن‌ها دامن زده می‌شود و باعث افزایش استفاده آن‌ها از گوشی‌های هوشمند می‌شود. مطالعات نشان داده شده است قرار گرفتن مکرر در معرض رسانه‌های اجتماعی با کوویدـ19 به‌طور مثبت با علائم اضطراب مرتبط است [26].
نتیجه‌گیری
تحقیقات گزارش‌شده در مقاله ما دارای محدودیت‌های متعددی است. ابتدا داده‌های این پژوهش به‌صورت مقطعی جمع‌آوری شده‌اند. از این‌رو، نمی‌توان تفسیرهای علّی انجام داد. این احتمال وجود دارد که یک حلقه بازخورد وجود داشته باشد که به وسیله آن افراد اضطراب ناشی از کوویدـ19 خود را با استفاده بیش ازحد از تلفن‌های هوشمند خود مدیریت می‌کنند، اما با انجام این کار، آن‌ها به‌طور ناخواسته اطلاعات بیشتری در مورد کوویدـ19 از اخبار کسب می‌کنند و بیشتر به اضطراب آن‌ها دامن زده می‌شود و باعث افزایش استفاده آن‌ها از گوشی‌های هوشمند می‌شود. از طریق استفاده از گوشی هوشمند با قرار گرفتن مکرر در معرض رسانه‌های اجتماعی با کوویدـ19 به‌طور مثبت با علائم اضطراب مرتبط است [27]. به دلیل شیوع کوویدـ19 و سیاست قرنطینه‌ای دولت، به جای مصاحبه حضوری از مقیاس‌های خودگزارش آنلاین استفاده شد. به‌طور نسبی، مصاحبه‌های حضوری ساختاریافته دقیق‌تر است. علاوه بر این، در این بررسی از استفاده مشکل‌زا از گوشی هوشمند خود‌گزارش‌شده استفاده شد، در حالی که مطالعات آینده می‌توانند اندازه‌گیری عینی را اتخاذ کنند، مانند نمونه‌گیری تجربه از وضعیت سلامت روان لحظه‌ای و استفاده از گوشی هوشمند که دقیق‌تر است [28]. مسیرهای بررسی آتی ممکن است شامل سایر پیامدهای روان‌شناختی مانند علائم افسردگی نیز باشد. بااین حال، نتایج این پژوهش داده‌های اولیه در مورد وضعیت سلامت روان افراد مبتلا به کوویدـ19 و روابط بین اضطراب ناشی از کوویدـ19 و شدت استفاده مشکل‌زا از تلفن هوشمند را به‌عنوان یک مکانیسم مقابله ارائه می‌دهد. این نتایج، پایه‌ای را ارائه می‌کند که ما و سایر محققان می‌توانیم تحقیقات بیشتری در مورد تأثیر همه‌گیری کوویدـ19 بر استفاده از تلفن‌های هوشمند به‌طور کلی و در چارچوب توسعه، استراتژی‌هایی برای کاهش استفاده مشکل‌زا از تلفن هوشمند مرتبط با کوویدـ19 دنبال کنیم.

ملاحظات اخلاقی
نویسنده استانداردهای اخلاقی انجمن روانشناسی آمریکا را در درمان نمونه خود، انسان یا حیوان، یا برای توصیف جزئیات درمان رعایت کرده است.

حامی مالی
این پژوهش هیچ‌گونه کمک مالی از سازمانی‌های دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.

تعارض منافع
بنابر اظهار نویسنده این مقاله تعارض منافع ندارد. 
 

References
1.McBride O, Murphy J, Shevlin M, Gibson Miller J, Hartman TK, Hyland P, et al. Monitoring the psychological impact of the COVID-19 pandemic in the general population: An overview of the context, design and conduct of the COVID-19 Psychological Research Consortium (C19PRC) Study. International Journal of Methods in Psychiatric Research. 2021; 30(1):e1861. [DOI:10.1002/mpr.1861] [PMID] [PMCID]
2.Maital S, Barzani E. The global economic impact of COVID-19: A summary of research. Samuel Neaman Institute for National Policy Research. 2020. https://www.neaman.org.il/EN/The-Global-Economic-Impact-of-COVID-19-A-Summary-of-Research
3.Dawson DL, Golijani-Moghaddam N. COVID-19: Psychological flexibility, coping, mental health, and wellbeing in the UK during the pandemic. Journal of Contextual Behavioral Science. 2020; 17:126-34. [DOI:10.1016/j.jcbs.2020.07.010] [PMID] [PMCID]
4.Li J, Yang Z, Qiu H, Wang Y, Jian L, Ji J, et al. Anxiety and depression among general population in China at the peak of the COVID‐19 epidemic. World Psychiatry. 2020; 19:249-50. [DOI:10.1002/wps.20758] [PMID] [PMCID]
5.Romero CS, Delgado C, Catalá J, Ferrer C, Errando C, Iftimi A, et al. COVID-19 psychological impact in 3109 healthcare workers in Spain: The PSIMCOV group. Psychological Medicin. 2020; 52(1). [DOI:10.1017/S0033291720001671] [PMID] [PMCID]
6.Lades LK, Laffan K, Daly M, Delaney L. Daily emotional well‐being during the COVID‐19 pandemic. British Journal of Health Psychology. 2020; 25:902-11. [DOI:10.1111/bjhp.12450] [PMID] [PMCID]
7.Motta-Zanin G, Gentile E, Parisi A, Spasiano D. A preliminary evaluation of the public risk perception related to the COVID-19 health emergency in Italy. International Journal of Environmental Research and Public Health. 2020; 17:3024. [DOI:10.3390/ijerph17093024] [PMID] [PMCID]
8.Li L, Lin TT. Examining how dependence on smartphones at work relates to Chinese employees’ workplace social capital, job performance, and smartphone addiction. Information Development. 2018; 34(5):489-503. [DOI:10.1177/0266666917721735]
9.Cohen IG, Gostin LO, Weitzner DJ. Digital smartphone tracking for COVID-19: Public health and civil liberties in tension. JAMA. 2020; 323(23):2371-2. [DOI:10.1001/jama.2020.8570] [PMID]
10.Brand M, Wegmann E, Stark R, Müller A, Wölfling K, Robbins TW, et al. The Interaction of Person-Affect-Cognition-Execution (I-PACE) model for addictive behaviors: Update, generalization to addictive behaviors beyond internet-use disorders, and specification of the process character of addictive behaviors. Neuroscience and Biobehavioral Reviews. 2019; 104:1-10. [DOI:10.1016/j.neubiorev.2019.06.032] [PMID]
11.Pivetta E, Harkin L, Billieux J, Kanjo E, Kuss DJ. Problematic smartphone use: An empirically validated model. Computers in Human Behavior. 2019; 100:105-17. [DOI:10.1016/j.chb.2019.06.013]
12.Yang J, Fu X, Liao X, Li Y. Association of problematic smartphone use with poor sleep quality, depression, and anxiety: A systematic review and meta-analysis. Psychiatry Research. 2020; 284:112686. [DOI:10.1016/j.psychres.2019.112686] [PMID]
13.Coco GL, Salerno L, Franchina V, La Tona A, Di Blasi M, Giordano C. Examining bi-directionality between Fear of Missing Out and problematic smartphone use. A two-wave panel study among adolescents. Addictive Behaviors. 2020; 106:106360. [DOI:10.1016/j.addbeh.2020.106360] [PMID]
14.Horwood S, Anglim J. Problematic smartphone usage and subjective and psychological well-being. Computers in Human Behavior. 2019; 97:44-50. [DOI:10.1016/j.chb.2019.02.028]
15.Census and Statistics Department. Population Census-Summary Results [Internet]. 2011 [Updated  2021 May 24] Available from: https://www.statistics.gov.hk/pub/B11200552011XXXXB0100.pdf
16.Chan RC, Xu T, Huang J, Wang Y, Zhao Q, Shum DH, et al. Extending the utility of the depression anxiety stress scale by examining its psychometric properties in Chinese settings. Psychiatry Research. 2012; 200(2-3):879-83. [DOI:10.1016/j.psychres.2012.06.041] [PMID]
17.Spitzer RL, Kroenke K, Williams JB, Löwe B. A brief measure for assessing generalized anxiety disorder: The GAD-7. Archives of Internal Medicine. 2006; 166:1092-7. [DOI:10.1001/archinte.166.10.1092] [PMID]
18.Zeng QZ, He YL, Liu H, Miao JM, Chen JX, Xu HN, et al. Reliability and validity of Chinese version of the generalized anxiety disorder 7-item (GAD-7) scale in screening anxiety disorders in outpatients from traditional Chinese internal department. Chinese Mental Health Journal. 2013; 27(3):163-8. https://psycnet.apa.org/record/2013-12337-001
19.Kwon M, Kim DJ, Cho H, Yang S. The smartphone addiction scale: Development and validation of a short version for adolescents. PloS One. 2013; 8(12):e83558. [DOI:10.1371/journal.pone.0083558] [PMID] [PMCID]
20.Luk TT, Wang MP, Shen C, Wan A, Chau PH, Oliffe J, et al. Short version of the smartphone addiction scale in Chinese adults: Psychometric properties, sociodemographic, and health behavioral correlates. Journal of Behavioral Addictions. 2018; 7(4):1157-65. [DOI:10.1556/2006.7.2018.105] [PMID] [PMCID]
21.Anderson JC, Gerbing DW. Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin. 1988; 103(3):411-23. [DOI:10.1037/0033-2909.103.3.411]
22.Hu LT, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural equation modeling: A Multidisciplinary Journal. 1999;6(1):1-55. [DOI:10.1080/10705519909540118]
23.Butler TR, Karkhanis AN, Jones SR, Weiner JL. Adolescent social isolation as a model of heightened vulnerability to comorbid alcoholism and anxiety disorders. Alcoholism: Clinical and Experimental Research. 2016; 40(6):1202-14. [DOI:10.1111/acer.13075] [PMID] [PMCID]
24.Lee SA, Jobe MC, Mathis AA. Mental health characteristics associated with dysfunctional coronavirus anxiety. Psychological Medicine. 2020; 51(8):1403-4. [DOI:10.1017/S003329172000121X] [PMID] [PMCID]
25.Rogers JP, Chesney E, Oliver D, Pollak TA, McGuire P, Fusar-Poli P, et al. Psychiatric and neuropsychiatric presentations associated with severe coronavirus infections: A systematic review and meta-analysis with comparison to the COVID-19 pandemic. The Lancet Psychiatry. 2020; 7:611-27. [DOI:10.1016/S2215-0366(20)30203-0]
26.Gao J, Zheng P, Jia Y, Chen H, Mao Y, Chen S, et al. Mental health problems and social media exposure during COVID-19 outbreak. Plos One. 2020; 15:e0231924. [DOI:10.1371/journal.pone.0231924] [PMID] [PMCID]
27.Hossain MT, Ahammed B, Chanda SK, Jahan N, Ela MZ, Islam MN. Social and electronic media exposure and generalized anxiety disorder among people during COVID-19 outbreak in Bangladesh: A preliminary observation. Plos One 2020; 15:e0238974. [DOI:10.1371/journal.pone.0238974] [PMID] [PMCID]
28.Rozgonjuk D, Levine JC, Hall BJ, Elhai JD. The association between problematic smartphone use, depression and anxiety symptom severity, and objectively measured smartphone use over one week. Computers in Human Behavior. 2018; 87:10-17. [DOI:10.1016/j.chb.2018.05.019]