ການນໍາໃຊ້ອິນເຕີເນັດທີ່ມີບັນຫາ (PIU): ການພົວພັນກັບສະຕິ spectrum impulsive- compulsive. ການນໍາໃຊ້ເຄື່ອງຈັກໃນການຮຽນຮູ້ທາງຈິດໃຈ (2016)

J Psychiatr Res 2016 Aug 15;83:94-102ທີ່ຢູ່ doi: 10.1016 / jjpsychires2016.08.010

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

ຜູ້ຂຽນຂໍ້ມູນ

  • 1Department of Psychiatry, University of Cambridge, UK Cambridge ແລະ Peterborough NHS Foundation Trust, Cambridge, UK.
  • 2ສະຖາບັນວິທະຍາສາດກ່ຽວກັບພຶດຕິກໍາແລະດ້ານການປິ່ນປົວ, ມະຫາວິທະຍາໄລ Cambridge, ອັງກິດ.
  • 3ມະຫາວິທະຍາໄລວິທະຍາໄລລອນດອນ, ກົມວິທະຍາສາດສະຖິຕິ, ລອນດອນ, ອັງກິດ.
  • 4ຄະນະພະແທຍສາດແລະວິທະຍາສາດສາສະຫນາ, ວິທະຍາໄລ Chicago, Chicago, IL, USA.
  • 5ໜ່ວຍ ງານ MRC ຂອງສະຫະລັດ / UCT ກ່ຽວກັບຄວາມກັງວົນກັງວົນໃຈແລະຄວາມກັງວົນຕ່າງໆ, ພະແນກຈິດວິທະຍາ, ມະຫາວິທະຍາໄລ Stellenbosch, ອາຟຣິກາໃຕ້.
  • 6ຄະນະພະແທຍສາດແລະວິທະຍາສາດສາສະຫນາ, ວິທະຍາໄລ Chicago, Chicago, IL, USA. ທີ່ຢູ່ອີເມວ: [email protected].

ບົດຄັດຫຍໍ້

ການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ມີປັນຫາແມ່ນເລື່ອງ ທຳ ມະດາ, ຄວາມບົກຜ່ອງດ້ານການເຮັດວຽກ, ແລະຕ້ອງການການສຶກສາຕໍ່ໄປ. ຄວາມ ສຳ ພັນຂອງມັນກັບຄວາມຜິດປົກກະຕິທີ່ບໍ່ຢາກຄິດແລະກະຕຸ້ນໃຈແມ່ນບໍ່ຈະແຈ້ງ. ຈຸດປະສົງຂອງພວກເຮົາແມ່ນເພື່ອປະເມີນວ່າການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ມີປັນຫາສາມາດຖືກຄາດເດົາໄດ້ຈາກຮູບແບບທີ່ຖືກຮັບຮູ້ຂອງລັກສະນະທີ່ກະຕຸ້ນແລະການບິດເບືອນແລະອາການ. ພວກເຮົາໄດ້ຮັບເອົາອາສາສະ ໝັກ ທີ່ມີອາຍຸ 18 ປີຂຶ້ນໄປໂດຍ ນຳ ໃຊ້ການໂຄສະນາສື່ໃນສອງສະຖານທີ່ (Chicago USA, ແລະ Stellenbosch, ອາຟຣິກາໃຕ້) ເພື່ອ ສຳ ເລັດການ ສຳ ຫຼວດທາງອິນເຕີເນັດຢ່າງກວ້າງຂວາງ. ການປະເມີນຜົນແບບທັນສະ ໄໝ ຂອງຮູບແບບການຄາດເດົາການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ຖືກ ນຳ ໃຊ້, ເຊິ່ງລວມມີ Logistic Regression, Random Forests ແລະNaïve Bayes. ການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ມີບັນຫາໄດ້ຖືກ ກຳ ນົດໂດຍ ນຳ ໃຊ້ການທົດສອບສິ່ງເສບຕິດອິນເຕີເນັດ (IAT). ຄະດີຄົບຖ້ວນປີ 2006 ຖືກວິເຄາະ, ໃນນັ້ນມີ 181 ຄົນ (9.0%) ມີການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ມີບັນຫາປານກາງ / ຮ້າຍແຮງ. ການ ນຳ ໃຊ້ Logistic Regression ແລະNaïve Bayes ພວກເຮົາຜະລິດການຄາດຄະເນການຈັດແບ່ງປະເພດໂດຍມີພື້ນທີ່ລັກສະນະການຮັບພາຍໃຕ້ເສັ້ນໂຄ້ງ (ROC-AUC) ຂອງ 0.83 (SD 0.03) ໃນຂະນະທີ່ການ ນຳ ໃຊ້ວິທີການຄິດໄລ່ແບບ Random Forests ຄາດຄະເນການຄາດຄະເນ ROC-AUC ແມ່ນ 0.84 (SD 0.03) [ທັງ ໝົດ ສາມແບບທີ່ດີກວ່າຮູບແບບພື້ນຖານ p <0.0001]. ແບບຈໍາລອງໄດ້ສະແດງໃຫ້ເຫັນການໂອນຍ້າຍລະຫວ່າງສະຖານທີ່ສຶກສາໃນທຸກຊຸດທີ່ຖືກຕ້ອງ [p <0.0001]. ການຄາດເດົາຂອງການ ນຳ ໃຊ້ອິນເຕີເນັດທີ່ມີບັນຫາແມ່ນເປັນໄປໄດ້ໂດຍໃຊ້ມາດຕະການສະເພາະຂອງການກະຕຸ້ນແລະການບີບບັງຄັບໃນປະຊາກອນອາສາສະ ໝັກ. ຍິ່ງໄປກວ່ານັ້ນ, ການສຶກສານີ້ໄດ້ສະ ໜອງ ຫຼັກຖານສະແດງຫຼັກຖານໃນການສະ ໜັບ ສະ ໜູນ ການ ນຳ ໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກໃນດ້ານຈິດຕະວິທະຍາເພື່ອສະແດງໃຫ້ເຫັນເຖິງຄວາມສາມາດໃນການເຮັດ ໃໝ່ ຂອງຜົນໄດ້ຮັບໃນການຕັ້ງພູມສາດແລະວັດທະນາ ທຳ ທີ່ແຕກຕ່າງກັນ

KEYWORDS:

ADHD Compulsivity Impulsivity ການນໍາໃຊ້ອິນເຕີເນັດ; ການຮຽນຮູ້ເຄື່ອງຈັກ OCD

PMID:27580487

DOI:10.1016 / jjpsychires2016.08.010