समस्याप्रधान इंटरनेट वापर (पीआययू): आवेग-आक्षेपार्ह स्पेक्ट्रम सह संघटना. मनोचिकित्सा (2016) मधील मशीन लर्निंगचा अनुप्रयोग

जे मनोचिकित्सा रेझ 2016 Aug 15;83:94-102. doi: 10.1016 / j.jpsychires.2016.08.010.

इओनिडिस के1, चेम्बरलेन एसआर1, ट्रेडर एमएस2, किराली एफ3, Leppink EW4, रेडन एसए4, स्टेन डीजे5, लोचनर सी5, अनुदान जेई6.

लेखक माहिती

  • 1मानसोपचार विभाग, केंब्रिज विद्यापीठ, यूके; केंब्रिज आणि पीटरबरो एनएचएस फाउंडेशन ट्रस्ट, केंब्रिज, यूके.
  • 2वर्तणूक आणि क्लिनिकल न्यूरोसाइन्स संस्था, केंब्रिज विद्यापीठ, यूके.
  • 3युनिव्हर्सिटी कॉलेज लंडन, सांख्यिकी विज्ञान विभाग, लंडन, यूके.
  • 4मानसोपचार विभाग आणि वर्तणूक न्यूरोसाइन्स विभाग, शिकागो विद्यापीठ, शिकागो, आयएल, यूएसए.
  • 5चिंता / तणाव विकारांवर यूएस / यूसीटी एमआरसी युनिट, मानसोपचार विभाग, दक्षिण आफ्रिका स्टेलिनबॉश विद्यापीठ.
  • 6मानसोपचार विभाग आणि वर्तणूक न्यूरोसाइन्स विभाग, शिकागो विद्यापीठ, शिकागो, आयएल, यूएसए. इलेक्ट्रॉनिक पत्ता: [ईमेल संरक्षित].

सार

समस्याग्रस्त इंटरनेट वापर सामान्य आहे, कार्यशीलतेने दुर्बल आहे आणि पुढील अभ्यास करण्याची आवश्यकता आहे. जुन्या-अनिवार्य आणि आवेगजन्य विकारांशी त्याचे संबंध अस्पष्ट आहे. आमचे उद्दीष्ट होते की समस्याग्रस्त इंटरनेट वापराचे आक्षेपार्ह आणि आक्षेपार्ह अद्वितीय वैशिष्ट्य आणि लक्षणविज्ञान या मान्यताप्राप्त स्वरूपावरून अंदाज येऊ शकते का. विस्तृत ऑनलाइन सर्वेक्षण पूर्ण करण्यासाठी आम्ही दोन साइट्स (शिकागो यूएसए, आणि स्टेलेनबोशक, दक्षिण आफ्रिका) येथे दोनदा माध्यमांच्या जाहिरातींचा वापर करून १ using किंवा त्यापेक्षा जास्त वयाच्या स्वयंसेवकांची नेमणूक केली. मशीन लर्निंग प्रेडिक्टिव्ह मॉडेल्सचे अत्याधुनिक नमुना मूल्यांकन वापरण्यात आले, ज्यामध्ये लॉजिस्टिक रीग्रेशन, यादृच्छिक वने आणि नावे बायस यांचा समावेश आहे. इंटरनेट व्यसन चाचणी (आयएटी) वापरून समस्याग्रस्त इंटरनेट वापर ओळखले गेले. 18 च्या संपूर्ण प्रकरणांचे विश्लेषण केले गेले, त्यापैकी 2006 (181%) मध्यम / गंभीर समस्याग्रस्त इंटरनेट वापरत आहेत. लॉजिस्टिक रीग्रेशन आणि नॅव्वे बायसचा वापर करून आम्ही 9.0 (एसडी 0.83) च्या वक्र (आरओसी-एयूसी) अंतर्गत रिसीव्हर ऑपरेटिंग वैशिष्ट्यीकृत क्षेत्रासह एक वर्गीकरण भविष्यवाणी तयार केली तर यादृच्छिक वने अल्गोरिदम वापरुन भविष्यवाणी आरओसी-एयूसी 0.03 (एसडी 0.84) होती [सर्व बेसलाइन मॉडेल्स पी <0.03] पेक्षा तीन मॉडेल उत्कृष्ट आहेत. मॉडेलनी सर्व वैधता संच [पी <0.0001] मध्ये अभ्यास साइट्स दरम्यान मजबूत हस्तांतरण दर्शविले. स्वयंसेवकांच्या लोकसंख्येमध्ये अनिवार्यता आणि अनिवार्यतेच्या विशिष्ट उपायांचा वापर करून समस्याग्रस्त इंटरनेट वापराची भविष्यवाणी करणे शक्य होते. शिवाय, हा अभ्यास भौगोलिक आणि सांस्कृतिकदृष्ट्या वेगळ्या सेटिंग्जमध्ये निकालांची प्रतिकृति दर्शविण्यासाठी मानसोपचारशास्त्रामध्ये मशीन शिक्षण वापरण्याच्या समर्थनार्थ प्रूफ ऑफ कॉन्सेप्ट ऑफर करतो.

शब्दलेखनः

एडीएचडी; सक्ती; आवेग; इंटरनेट वापर; मशीन लर्निंग; ओसीडी

पीएमआयडीः27580487

DOI:10.1016 / j.jpsychires.2016.08.010