Problémové používání internetu (PIU): Sdružení s impulsně-kompulzivním spektrem. Aplikace strojního učení v psychiatrii (2016)

J Psychiatr Res. 2016 Aug 15;83:94-102. doi: 10.1016 / j.jpsychires.2016.08.010.

Ioannidis K1, Komorník SR1, Treder MS2, Kiraly F3, Leppink EW4, Redden SA4, Stein DJ5, Lochner C5, Grant JE6.

Informace o autorovi

  • 1Katedra psychiatrie, University of Cambridge, UK; Cambridge a Peterborough NHS nadace důvěry, Cambridge, UK.
  • 2Behavioral a klinický Neuroscience institut, univerzita Cambridgea, UK.
  • 3Univerzitní vysokoškolský Londýn, ministerstvo statistické vědy, Londýn, UK.
  • 4Katedra psychiatrie a behaviorálních neurověd, University of Chicago, Chicago, IL, USA.
  • 5US / UCT MRC Unit on Anxiety & Stress Disorders, Department of Psychiatry, University of Stellenbosch, South Africa.
  • 6Katedra psychiatrie a behaviorálních neurověd, University of Chicago, Chicago, IL, USA. Elektronická adresa: [chráněno e-mailem].

Abstraktní

Problematické používání internetu je běžné, funkčně narušující a vyžaduje další studium. Jeho vztah k obsedantně-kompulzivním a impulzivním poruchám je nejasný. Naším cílem bylo vyhodnotit, zda lze problematické používání internetu předvídat z uznávaných forem impulzivních a kompulzivních znaků a symptomatologie. Přijali jsme dobrovolníky ve věku 18 let a starší pomocí mediálních reklam na dvou webech (Chicago USA a Stellenbosch, Jižní Afrika), abychom dokončili rozsáhlý online průzkum. Bylo použito nejmodernější out-of-sample hodnocení prediktivních modelů strojového učení, které zahrnovalo logistickou regresi, náhodné lesy a naivní Bayes. Problematické používání internetu bylo zjištěno pomocí testu závislosti na internetu (IAT). Bylo analyzováno 2006 úplných případů, z nichž 181 (9.0%) mělo středně závažné / závažné problémové používání internetu. Pomocí Logistic Regression a Naïve Bayes jsme vytvořili predikci klasifikace s operační charakteristickou oblastí přijímače pod křivkou (ROC-AUC) 0.83 (SD 0.03), zatímco pomocí algoritmu Random Forests byla předpověď ROC-AUC 0.84 (SD 0.03) [vše tři modely lepší než základní modely p <0.0001]. Modely ukázaly robustní přenos mezi studijními místy ve všech sadách validace [p <0.0001]. Predikce problematického používání internetu byla možná pomocí konkrétních opatření impulzivity a kompulzivity v populaci dobrovolníků. Tato studie navíc nabízí důkaz konceptu na podporu používání strojového učení v psychiatrii k prokázání replikovatelnosti výsledků napříč geograficky a kulturně odlišnými prostředími.

KEYWORDS:

ADHD; Kompulzivita; Impulsivita; Používání internetu; Strojové učení; OCD

PMID:27580487

DOI:10.1016 / j.jpsychires.2016.08.010