Προβληματική χρήση Διαδικτύου (PIU): Συλλογές με το παλμικό-ψυχαναγκαστικό φάσμα. Μια εφαρμογή μηχανικής μάθησης στην ψυχιατρική (2016)

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

Ιωαννίδης Κ1, Chamberlain SR1, Treder MS2, Kiraly F3, Leppink EW4, Redden SA4, Stein DJ5, Lochner C5, Grant JE6.

πληροφορίες Συγγραφέας

  • 1Τμήμα Ψυχιατρικής, Πανεπιστήμιο του Cambridge, Ηνωμένο Βασίλειο. Cambridge και Peterborough NHS Foundation Trust, Cambridge, Ηνωμένο Βασίλειο.
  • 2Ινστιτούτο Συμπεριφοράς και Κλινικής Νευροεπιστήμης, Πανεπιστήμιο του Cambridge, Ηνωμένο Βασίλειο.
  • 3University College London, Τμήμα Στατιστικής Επιστήμης, Λονδίνο, Ηνωμένο Βασίλειο.
  • 4Τμήμα Ψυχιατρικής και Συμπεριφορικής Νευροεπιστήμης, Πανεπιστήμιο του Σικάγου, Σικάγο, IL, ΗΠΑ.
  • 5US / UCT MRC Unit on Anxiety & Stress Disorders, Τμήμα Ψυχιατρικής, Πανεπιστήμιο Stellenbosch, Νότια Αφρική.
  • 6Τμήμα Ψυχιατρικής και Συμπεριφορικής Νευροεπιστήμης, Πανεπιστήμιο του Σικάγου, Σικάγο, IL, ΗΠΑ. Ηλεκτρονική διεύθυνση: [προστασία μέσω email].

Περίληψη

Η προβληματική χρήση του Διαδικτύου είναι συχνή, λειτουργικά εξασθενημένη και χρειάζεται περαιτέρω μελέτη. Η σχέση του με τις ιδεοψυχαναγκαστικές και παρορμητικές διαταραχές είναι ασαφής. Στόχος μας ήταν να αξιολογήσουμε εάν η προβληματική χρήση του Διαδικτύου μπορεί να προβλεφθεί από αναγνωρισμένες μορφές παρορμητικών και καταναγκαστικών χαρακτηριστικών και συμπτωματολογίας. Στρατολογήσαμε εθελοντές ηλικίας 18 ετών και άνω χρησιμοποιώντας διαφημίσεις μέσων σε δύο ιστότοπους (Chicago USA και Stellenbosch, Νότια Αφρική) για να ολοκληρώσουμε μια εκτενή διαδικτυακή έρευνα. Χρησιμοποιήθηκε μια υπερσύγχρονη εκτίμηση δειγμάτων μοντέλων πρόβλεψης μηχανικής μάθησης, η οποία περιελάμβανε Logistic Regression, Random Forests και Naïve Bayes. Η προβληματική χρήση του Διαδικτύου εντοπίστηκε χρησιμοποιώντας το Internet Addiction Test (IAT). Αναλύθηκαν πλήρεις περιπτώσεις 2006, εκ των οποίων οι 181 (9.0%) είχαν μέτρια / σοβαρή προβληματική χρήση Διαδικτύου. Χρησιμοποιώντας το Logistic Regression και το Naïve Bayes, δημιουργήσαμε μια πρόβλεψη ταξινόμησης με χαρακτηριστική περιοχή λειτουργίας δέκτη κάτω από την καμπύλη (ROC-AUC) 0.83 (SD 0.03) ενώ χρησιμοποιώντας έναν αλγόριθμο Random-Forests η πρόβλεψη ROC-AUC ήταν 0.84 (SD 0.03) [όλα τρία μοντέλα ανώτερα από τα βασικά μοντέλα p <0.0001]. Τα μοντέλα έδειξαν ισχυρή μεταφορά μεταξύ των τόπων μελέτης σε όλα τα σύνολα επικύρωσης [p <0.0001]. Η πρόβλεψη προβληματικής χρήσης του Διαδικτύου ήταν δυνατή χρησιμοποιώντας συγκεκριμένα μέτρα παρορμητικότητας και καταναγκαστικότητας σε έναν πληθυσμό εθελοντών. Επιπλέον, αυτή η μελέτη προσφέρει απόδειξη της έννοιας για την υποστήριξη της χρήσης μηχανικής μάθησης στην ψυχιατρική για να καταδειχθεί η δυνατότητα αναπαραγωγής των αποτελεσμάτων σε γεωγραφικά και πολιτισμικά ξεχωριστά περιβάλλοντα.

Λέξεις-κλειδιά:

ADHD; Συμφορητικότητα. Πνευμονοπάθεια. Χρήση Διαδικτύου. Μηχανική μάθηση. OCD

PMID: 27580487

DOI: 10.1016/j.jpsychires.2016.08.010