propensity အပေါ်အခြေခံပြီးစီးပွားပျက်ကပ်နှင့်တော့ပူပန်အပေါ်အင်တာနက်နှင့်စမတ်ဖုန်းစွဲ၏ဆိုးကျိုးများအားသုံးသပ်ခြင်း (2018) ကိုက်ညီမှုရှိသည့်ရမှတ်

int J ကိုပတ်ဝန်းကျင် Res ပြည်သူ့ကျန်းမာရေး။ 2018 ဧပြီ 25; 15 (5) ။ pii: E859 ။ Doi: 10.3390 / ijerph15050859 ။

ကင်မ် YJ¹, ဂျန် HM², Lee က Y ကို³, Lee က: D⁴, Kim က DJ သမား⁵.

ြဒပ်မဲ့သော

စိတ်ကျန်းမာရေးပြဿနာများနှင့်အတူအင်တာနက်ကိုစွဲလမ်း (အိုဝါ) နှင့်စမတ်ဖုန်းစွဲ (SA) ၏အသင်းအဖွဲ့များကျယ်ပြန့်လေ့လာခဲ့ပါပြီ။ sociodemographic variable တွေကိုများအတွက်ချိန်ညှိနေချိန်မှာကျနော်တို့စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်အိုဝါနှင့်လုပ် SA ၏သက်ရောက်မှုစုံစမ်းစစ်ဆေး။ ဤလေ့လာမှု၌, 4854 သင်တန်းသားများ, အင်တာနက်စွဲလမ်းမှု, အစမတ်ဖုန်းစွဲကျရောက်နေတဲ့စကေးနှင့်လက္ခဏာများစာရင်း 90 ပစ္စည်းများ-Revised ၏ subscales များအတွက်ကိုရီးယားစကေးလူမှုလူဦးရေဆိုင်ရာပစ္စည်းများအပါအဝင် cross-section web-based စစ်တမ်းပြီးစီးခဲ့သည်။ သင်တန်းသားများကို IA, SA နှင့်ပုံမှန်အသုံးပြုမှု (NU) အုပ်စုများသို့ခွဲခြားခဲ့ကြသည်။ နမူနာဘက်လိုက်မှုလျှော့ချရန်, ငါတို့မျိုးရိုးဗီဇကိုက်ညီခြင်းအပေါ်အခြေခံပြီး propensity ရမှတ်တူညီသည့်နည်းလမ်းလျှောက်လွှာတင်ခဲ့တယ်။ အဆိုပါအိုဝါအုပ်စုသည်စိတ်ကျရောဂါ (ဆွေမျိုးအန္တရာယ် 1.207 တစ်ခုတိုးလာအန္တရာယ်ပြသ; p <0.001) နှင့်စိုးရိမ်ပူပန်မှု (ဆွေမျိုးအန္တရာယ် 1.264; p <0.001) NUs နှင့်နှိုင်းယှဉ်ပါ။ SA အဖွဲ့သည်စိတ်ကျရောဂါဖြစ်နိုင်ချေပိုမိုမြင့်မားကြောင်းပြသခဲ့သည်။ p <0.001) နှင့်စိုးရိမ်ပူပန်မှု (ဆွေမျိုးအန္တရာယ် 1.402; p <0.001) NCs နှင့်နှိုင်းယှဉ်ပါ။ ဤတွေ့ရှိချက်များအရ IA နှင့် SA သည်စိတ်ကျဝေဒနာနှင့်စိုးရိမ်ပူပန်မှုများကိုသိသာစွာသက်ရောက်မှုရှိသည်ဟုပြသသည်။ ထို့အပြင်ကျွန်ုပ်တို့၏တွေ့ရှိချက်များအရ SA သည်စိတ်ကျရောဂါနှင့်စိုးရိမ်စိတ်များနှင့်ပိုမိုခိုင်မာသောဆက်ဆံရေးရှိကြောင်း၊ IA ထက်ပိုမိုအားကောင်းကြောင်းနှင့်စမတ်ဖုန်းအသုံးပြုမှုအလွန်အကျွံကာကွယ်ခြင်းနှင့်စီမံခန့်ခွဲခြင်းမူဝါဒလိုအပ်ကြောင်းအလေးပေးပြောကြားခဲ့သည်။

KEYWORDS: အင်တာနက်စွဲ; စိုးရိမ်စိတ်; စိတ်ကျရောဂါ; propensity ရမှတ်; စမတ်ဖုန်းစွဲ

PMID: 29693641

Doi: 10.3390 / ijerph15050859

1 ။ နိဒါန်း

နေ့စဉ်အသက်တာ၌အင်တာနက်နှင့်စမတ်ဖုန်းများတိုးမြှင့်အသုံးပြုခြင်းနှင့်အဆင်ပြေစေရန်နှင့်တကွ, စုဆောင်းသုတေသနပြု [စိတ်ကျန်းမာရေး၏ဘုံထဲမှာအလွန်အကျွံအင်တာနက်နှင့်စမတ်ဖုန်းအသုံးပြုမှုများ၏ဆိုးကျိုးများကိုပြသထားပါတယ်1].

တောင်ကိုရီးယားလူဦးရေအတွက်စမတ်ဖုန်းအသုံးပြုသူနှုန်းကို [ကမ္ဘာတစ်ဝန်းအမြင့်ဆုံးခန့်မှန်းခြေအားဖြင့် 85% ဖြစ်ပါသည်2] ။ သို့သော်အလွန်အကျွံစမတ်ဖုန်းအသုံးပြုမှုကိုပြင်းပြင်းထန်ထန် [စိတ်ဖိစီးမှုနှင့်ပုံမှန်မဟုတ်သောစိုးရိမ်စိတ်တစ်ခုတိုးလာအန္တရာယ်အပါအဝင်စိတ်ကျန်းမာရေးပြဿနာများကို၏နံပါတ်နှင့်ဆက်စပ်နေသည်3,4] ။ [စမတ်ဖုန်းစွဲ (SA) ကိုအင်တာနက်စွဲလမ်း (အိုဝါ) နှင့်အတူစွဲ၏အသစ်တခုပုံစံအဖြစ်ပေါ်ထွက်လာခဲ့ပါသည်, ထိုလုပ် SA ၏လက်တွေ့ဝိသေသမကြာသေးမီနှစ်များတွင်အာရုံစိုက်မှုခံရကြပြီ5] ။ ဥပမာအားဖြင့်, ထိုကဲ့သို့သောစမတ်ဖုန်း၏လွယ်ကူသောသယ်ဆောင်ရလွယ်ကူ, Real-time အင်တာနက်နှင့်တိုက်ရိုက်ဆက်သွယ်ရေး features တွေအဖြစ်ထုတ်ကုန်၏သဘောသဘာဝနှင့် ပတ်သက်. အချို့သောကွဲပြားမှု [ရှိပါတယ်6] ။ တူညီခြင်းနှင့်အိုဝါနှင့်လုပ် SA အကြားကွဲပြားခြားနားမှု [လူဦးရေအချိုးအစား variable တွေကိုနှင့်မီဒီယာကိုအသုံးများ၏စိတ်ခွန်အားနိုးရှုထောင့်မှလေးစားမှုနှင့်အတူအစီရင်ခံခဲ့ကြ1,6].

ပတ်ဝန်းကျင်ရှုထောင့်ကနေအခြားရွေးချယ်စရာလှုပ်ရှားမှုများတစ်မရှိခြင်း [အိုဝါနှင့်ဆက်စပ်နေသည်7] ။ ထို့အပြင်တစ်ခုတည်းသော [ပြင်းပြင်းထန်ထန်တစ်လူမှုကွန်ယက်နှင့်အွန်လိုင်းဂိမ်းကစားနှစ်ဦးစလုံးနှင့်ဆက်စပ်ခံရဖို့အစီရင်ခံထားပါတယ်ခံရ8] ။ ပညာရေးအဆင့်နှင့်လစဉ်ဝင်ငွေအတိုင်းအတာအဖြစ်, SA နှင့်အတူလူတစ်ဦးမကြာသေးခင်ကလေ့လာမှု [တဲ့အနိမ့်ဝင်ငွေနှင့်ပညာရေး၏အနိမ့်ဒီဂရီခဲ့သောသူတို့၏အမျိုးအမျက်နှာသာအတွက်ကျန်းမာရေးရှုထောင်အတွက်သိသာထင်ရှားသောကွဲပြားခြားနားမှုကိုတွေ့9] ။ ဒီတွေ့ရှိချက်တွေနဲ့ကိုက်ညီတစ်စနစ်တကျပြန်လည်သုံးသပ်် IA ၏ပညာသင်နှစ်စွမ်းဆောင်ရည်နှင့်ပြင်းထန်မှုအကြားသိသိသာသာဆက်စပ်ဖော်ပြခဲ့သည် [10] ။ အသက်အရွယ်နှင့် ပတ်သက်. နှင့်အတူမကြာသေးမီကပြန်လည်သုံးသပ် [ပြဿနာကအင်တာနက်အသုံးပြုမှုကိုနှစ်ဦးစလုံးဆယ်ကျော်သက်များနှင့်ထွန်းသစ်စလူကြီးများ (19 နှစ်နှင့်အထက်) မှအများဆုံးသက်ဆိုင်ရာကြောင်းတွေ့ရှိရ10] စမတ်ဖုန်းစွဲထွန်းသစ်စလူကြီးများ (19 နှစ်နှင့်အထက်) နှင့်နှိုင်းယှဉ်ပါနုပျိုမြီးကောင်ပေါက်ပိုမိုပျံ့နှံ့နေစဉ် [11] ။ မကြာသေးမီကလေ့လာမှုယောက်ျားနှင့်နှိုင်းယှဉ်လျှင်, အမျိုးသမီးများစမတ်ဖုန်းများအတွက်နေ့စဉ်အသုံးပြုမှုကြိမ်နှင့်မှီခိုရမှတ်များ၏မြင့်မားပျှမ်းမျှရှိသည်ဖို့လေ့ကွောငျးဖျောပွခဲ့ [4] ။ Choi et al ။ (2015) [အထီးကျား် IA များအတွက်သက်ဆိုင်ရာအန္တရာယ်အချက်နှင့်လုပ် SA များအတွက်အမျိုးသမီးကျားရှိကြောင်းဖော်ပြခဲ့သည်1] ။ အသုံးပြုမှု၏ရည်ရွယ်ချက်နှင့် ပတ်သက်. လူမှုရေးကွန်ရက် [အခြားမိုဘိုင်းတယ်လီဖုန်း-related လုပ်ဆောင်ချက်များကိုနှိုင်းယှဉ်တစ်ဦးမြင့်မားသောစမတ်ဖုန်းမှီခိုဖို့ပိုပြီးပြင်းပြင်းထန်ထန်ဆက်စပ်ဖြစ်ပြသ11] ။ IA, Anderson က et al နှင့်အတူတစ်ဦးချင်းစီ၌တည်၏။ (2016) [အထီးကျားသိသိသာသာအွန်လိုင်း PC ဂိမ်းကစားခြင်းနှင့်ဆက်စပ်ခဲ့သည်ကြောင်းအစီရင်ခံ10].

စိတ်ပိုင်းဆိုင်ရာရှုထောင့်နှင့် ပတ်သက်. နှင့်အတူ, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုနှင့်အတူအိုဝါနှင့်လုပ် SA ၏အပြုသဘောဆောင်သည့်အသင်းအဖွဲ့များကျယ်ပြန့် [အစီရင်ခံခဲ့ကြ12,13] ။ မကြာမီကလေ့လာမှုများ [အင်တာနက်ပေါ်တွင်နှင့်စမတ်ဖုန်းများမှစွဲလမ်းအသုံးပြုသူရဲ့တစ်ဦးချင်းစီသိမြင်-စိတ်ခံစားမှုများနှင့်အမူအကျင့်ပရိုဖိုင်းကိုထက်အလတ်စားသူ့ဟာသူပေါ်ထွန်းစေမည်အကြောင်းအကြံပြုခဲ့ကြ14,15,16] ။ မကြာသေးမီကလေ့လာမှုအိုဝါနှင့်လုပ် SA နှစ်ဦးစလုံးအတွက်စာနာမှုနှင့်ဘဝကျေနပ်မှု၏အခန်းကဏ္ဍကိုလေ့လာတွေ့ရှိ [17] ။ psychopathology နှငျ့ ပတျသကျ. အများအပြားလေ့လာမှုများ [IA, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုများအကြားတစ်ဦးအပြုသဘောဆက်စပ်မှုသတင်းထုတ်ပြန်ခဲ့သည်18,19,20] လတ်တလောလေ့လာမှုစမတ်ဖုန်းအသုံးပြုမှုနှင့်ပြင်းထန်မှု, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုများအကြားဆက်ဆံရေးကဖော်ပြခဲ့သည်စဉ် [13] ။ ထို့ကြောင့်, IA, SA နှင့်စိတ်ကျန်းမာရေးပြဿနာများအကြား interrelationship တိကျစွာ delineated ရန်လိုအပ်ပါသည်။ ထို့အပြင် [ထပ်နှင့်အိုဝါနှင့်လုပ် SA အကြားကွဲပြားခြားနားမှုနှစ်ဦးစလုံးအားပေး16], ထို့နောက်ပေါ်ပေါက်သောမေးခွန်းတစ်ခုကိုအဘယျသို့အတိုင်းအတာအထိအိုဝါနှင့်လုပ် SA ပုသဖွငျ့လူဦးရေအချိုးအစားနှင့်လူမှုစီးပွားရေးအချက်များညှိပြီးနောက်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုများအဆင့်သို့တိုးမြှင်ဆက်စပ်နေကြသည်သလဲ?

ဒါဟာစိတ်ကျန်းမာရေးပြဿနာများကိုအကြောင်းတရားများသို့မဟုတ်အလွန်အကျွံအင်တာနက်ပေါ်ရှိအားကိုးနဲ့စမတ်ဖုန်းများ၏အကျိုးဆက်များရှိမရှိမသိရသေးနေဆဲဖြစ်သည်။ cross-section လေ့လာမှုများ IA, နှင့်လုပ် SA [လူတွေအတွက်မျိုးစုံဆုတ်ယုတ်စိတ်ကျန်းမာရေးပြဿနာများအကြားဆက်ဆံရေးကိုစုံစမ်းစစ်ဆေးရန်လေ့လာဆန်းစစ်အလုပ်ပါပြီ21] ။ သို့သျောလညျး, ကျပန်းကင်းမဲ့သည့်စူးစမ်းလေ့လာမှုများ, အတွက်, မျိုးစုံဆုတ်ယုတ်ခွဲခြမ်းစိတ်ဖြာ [ရွေးချယ်ရေးဘက်လိုက်မှုအပြင်, ထိုကဲ့သို့သောပိုမိုမှန်းဆနှင့်မြောက်မြားစွာ covariates ပစ္စုပ္ပန်အခါဆင်းရဲသားစံအမှားများ၏ဖြစ်နိုင်ခြေအဖြစ်န့်အသတ်ရှိပါတယ်22] ။ ထို့ကြောင့်ထိုကဲ့သို့သောစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအဖြစ်အထူးသဖြင့်ရလဒ်၏ရိုးရှင်းစွာစာမေးပွဲအားဖြင့်စွဲလမ်း၏အကျိုးသက်ရောက်မှုများခန့်မှန်း, အိုဝါနှင့်လုပ် SA နှင့်ဆက်စပ်လူဦးရေနှင့်လူမှုစီးပွားအချက်များများ၏အချိုးမညီမျှမှုအားဖြင့် biased မည်ဖြစ်သည်။ ထို့အပြင်မရှိလေ့လာမှုများသေးစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်အိုဝါနှင့်လုပ် SA ၏သဘာဝပတ်ဝန်းကျင်အခင်းအကျင်းနှင့်သုံးစွဲသူများ '' စိတ်ပိုင်းဆိုင်ရာ profile များကိုအပါအဝင်အင်တာနက်နှင့်စမတ်ဖုန်းအသုံးပြုသူများကို၏ဝိသေသလက္ခဏာများအညီ differential ကိုအကျိုးသက်ရောက်မှုများ, စုံစမ်းစစ်ဆေးပါပြီ။ propensity ရမှတ်တူညီသည့် (PSM) [စူးစမ်းလေ့လာမှုများအတွက်ရွေးချယ်ရေးဘက်လိုက်မှုလျှော့ချရန်ရေပန်းစားချဉ်းကပ်မှုဖြစ်လာသည်23,24] ။ ဤစာတမ်းမှာတော့ကျွန်တော်တို့ရဲ့ဒေတာအတွက်ရွေးချယ်ရေးဘက်လိုက်မှုလျော့ချနိုင်ရန်အတွက်, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်အိုဝါနှင့်လုပ် SA ၏ဆိုးကျိုးများအားစုံစမ်းစစ်ဆေးရန် PSM ခွဲခြမ်းစိတ်ဖြာလျှောက်လွှာတင်ခဲ့တယ်။ ကျနော်တို့ [ကျွန်တော်တို့ရဲ့လေ့လာမှုမှာအိုဝါနှင့်လုပ် SA နှင့်အတူဤအ sociodemographic variable တွေကိုများ၏အသင်းအဖွဲ့စဉ်းစား, variable ကို confounding အဖြစ်လိင်, အသက်အရွယ်, ပညာရေး, အိမ်ထောင်ရေးအခြေအနေ, နှင့်ဝင်ငွေကို ရွေးချယ်.9,25].

ဤလေ့လာမှု၏အဓိကရည်ရွယ်ချက်မှာကြောင်း propensity ရမှတ်တူညီသည့်ခွဲခြမ်းစိတ်ဖြာသုံးပြီးစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုဖြစ်ပါတယ်, IA, SA နှင့်ခံစားချက် status ကိုအကြား interrelationships ဆနျးစစျဖို့ဖြစ်ပါတယ်။ ဒုတိယအချက်မှာကျွန်တော်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှု၏သက်ရောက်မှုအိုဝါနှင့်လုပ် SA အကြားကွဲပြားခြားနားပုံကိုရှာဖွေတွေ့ရှိရန်ရှာကြာလော့။

2 ။ ကုန်ကြမ်းနှင့်နည်းစနစ်များ

2.1 ။ လေ့လာမှုပါဝင်

အဆိုပါဒေတာကိုကိုရီးယား, ဆိုးလ်၏ကက်သလစ်တက္ကသိုလ်ကကောက်ယူ 5003 ကိုရီးယားလူကြီးများ (အသက် 19-49 နှစ်) ၏အွန်လိုင်းအမည်မသိ Self-ရောဂါစစ်တမ်းတုံ့ပြန်မှု, ပါဝင်သည်; ဒီဇင်ဘာလ 2014 အတွက်စိန့်မာရိရဲ့ဆေးရုံ [26] ။ အဆိုပါလေ့လာမှုဟယ်လ်စင်ကီ၏ကြေညာစာတမ်းနှင့်အညီကောက်ယူခဲ့သည်။ ကိုရီးယား, ဆိုးလ်၏ကက်သလစ်တက္ကသိုလ်များ၏အဖွဲ့အစည်းဆိုင်ရာသုံးသပ်ချက်ကိုပျဉ်ပြား; နှင့် St. မာရိရဲ့ဆေးရုံကဒီလေ့လာမှုအတည်ပြုခဲ့သည်။ အားလုံးသင်တန်းသားများကိုလေ့လာမှုအကြောင်းကိုအသိပေးရေးသားအသိပေးသဘောတူညီခကျြပေးခဲ့ကြသည်။ အဆိုပါစစ်တမ်းပါဝင်သူတစ်ဦးသုတေသနကုမ္ပဏီတစ်ခု panel ကနေဖြင့်စုဆောင်းခဲ့ကြခြင်းနှင့် Self-အစီရင်ခံစာမေးခွန်းမဆိုလျော်ကြေးငွေမရှိဘဲအင်တာနက်ကိုတဆင့်အုပ်ချုပ်ခဲ့ကြသည်။ စမတ်ဖုန်းများမသုံးခဲ့ဘူးတဲ့သူမှသာလျှင် 149 ဖြေဆိုသူ, ဖယ်ထုတ်ထားခဲ့သည်။ နောက်ဆုံးအနေနဲ့ကျနော်တို့ 4854 ပါဝင်သူများ၏ဒေတာကိုခွဲခြမ်းစိတ်ဖြာ။ 30 (33.19%), 30-39 (43.94%), နဲ့ 40-49 (22.87%) အောက်တွင်: နောက်ဆုံးနမူနာမှာအသက်အရွယ်မရွေးသုံးအမျိုးအစားသို့ခွဲခြားခဲ့ကြသည်။ 2573 အထီး (53.01%) နှင့် 2281 အမျိုးသမီး (46.99%) ရှိခဲ့သည်။ ထည့်သွင်းစဉ်းစားသင်တန်းသားများ၏နောက်ထပ်လူဦးရေအချိုးအစား variable တွေကိုပညာရေး, အိမ်ထောင်ရေးအခြေအနေ, နှင့်ဝင်ငွေရှိကြ၏။

2.2 ။ ဆောင်ရွက်ချက်များ

2.2.1 ။ အင်တာနက်ကိုစွဲလမ်းမှု၏အတိုင်းအတာ

အင်တာနက်ကိုစွဲလမ်းမှု (K-စကေး) အတွက်ကိုရီးယားစကေး [အိုဝါအကဲဖြတ်ရန်ကိုရီးယားတီထွင်ခဲ့ပါတယ်နှင့်ပြည်တွင်းရှေ့နောက်ညီညွတ်မှု၏အမြင့်မားတဲ့ယုံကြည်စိတ်ချရနှင့်အတူကိုရီးယားလူဦးရေအတွက်အတည်ပြုထားပြီး27] ။ K-Scale ကိုများအတွက် Cronbach ရဲ့ alpha ကိန်း [0.91 ခဲ့သည်28] ။ ဒါဟာနေ့စဉ်ဘဝနှောင့်အယှက်, အဖြစ်မှန်စမ်းသပ်ခြင်း၏နှောင့်အယှက်, အလိုအလျှောက်စွဲလမ်းအကြံအစည်ကို virtual လူ့ဆက်ဆံရေးကို, deviant အပြုအမူ, ရုပ်သိမ်းရေးနှင့်သည်းခံစိတ်တိုင်းတာခြင်း, ခုနစျပါး subscales နှင့် 40 ပစ္စည်းများရှိပါတယ်။ ဤသည် Likert အမျိုးအစားစကေး 1 (အမြဲ) မှ (မမှာအားလုံး) 4 ကနေသတ်မှတ်ထားခဲ့တာဖြစ်ပါတယ်။ [ပုံမှန်, အလားအလာအန္တရာယ်နှင့်မြင့်မားသောစွန့်စားမှု: ဤစကေးကို အသုံးပြု. ယခင်အစီရင်ခံစာအရသင်တန်းသားများကိုသုံးအုပ်စုများသို့ခွဲထားခဲ့သည်ခဲ့ကြသည်29] ။ high-အန္တရာယ်အုပ်စုတစ်စုတစ် 70 ၏စံချိန်စံညွှန်းမီရမှတ်သို့မဟုတ်မြင့်မားသော, နေ့စဉ်အသက်တာကိုနှောင့်အယှက်, အလိုအလျှောက်စွဲလမ်းအတွေး, သည်းခံစိတ်အချက်များ, ဒါမှမဟုတ်စုစုပေါင်းအနည်းဆုံး 70 ရှိခြင်းအဖြစ်သတ်မှတ်ခံခဲ့ရသည်။ အလားအလာအန္တရာယ်အုပ်စုတစ်စု 62 သို့မဟုတ်နေ့စဉ်ဘဝနှောင့်အယှက်အတွက်ပိုမိုမြင့်မား, အလိုအလျှောက်စွဲလမ်းအတွေး, သည်းခံစိတ်အချက်များ, ဒါမှမဟုတ်စုစုပေါင်းအနည်းဆုံး 63 တစ်ရမှတ်အဖြစ်သတ်မှတ်ခံခဲ့ရသည်။ ပုံမှန်အသုံးပြုမှုအုပ်စုတစ်စုကဤကိန်းဂဏန်းများကိုအောက်တွင်သူတို့အားရမှတ်များပါရှိသည်။ ဤလေ့လာမှု၌, အိုဝါအုပ်စုများအလားအလာအန္တရာယ်နှင့်မြင့်မားသောအန္တရာယ်အုပ်စုများတက်ကြ၏။

2.2.2 ။ စမတ်ဖုန်းစွဲ၏အတိုင်းအတာ

အဆိုပါစမတ်ဖုန်းစွဲကျရောက်နေတဲ့စကေး (K-SAS) [အတည်ပြုခြင်းနှင့်ကျယ်ပြန့်လုပ် SA များအတွက်မျက်နှာပြင်ကိုအသုံးပြုထားပါတယ်30] ။ ဒါဟာ 15 (အမြဲ) မှ 1 (မမှာအားလုံး) မှရောက်သောလေးအမှတ် Likert အမျိုးအစားစကေးအတွက် rated 4 ပစ္စည်းများပါဝင်သည်။ နေ့စဉ်အသက်တာကိုနှောင့်အယှက်, အလိုအလျှောက်စွဲလမ်းအကြံအစည်နှင့်သည်းခံစိတ်: အဆိုပါမေးခွန်းများကိုသုံးအချက်များဆန်းစစ်ခဲ့သည်။ K-SAS များအတွက် Cronbach ရဲ့ alpha ကိန်း [0.880 ခဲ့သည်5].

ဒီစကေးသုံးပြီးယခင်အစီရင်ခံစာအပေါ်အခြေခံပြီးကျနော်တို့သုံးအုပ်စုများသို့တက်ရောက်လာသူများကိုခွဲခြားရန်အရမှတ်များအသုံးပြုသော: Normal, အလားအလာအန္တရာယ်နှင့်မြင့်မားသောစွန့်စားမှု [30] ။ high-အန္တရာယ်အုပ်စုတစ်စု 44 တစ်ရမှတ်ရှိခြင်းသို့မဟုတ်ထိုထက်ပိုစုစုပေါင်း, ဒါမှမဟုတ်အော်တိုစွဲလမ်းအတွေးများနှင့်သည်းခံစိတ်နှစ်ဦးစလုံးအတွက် 15 ၏ subscores သို့မဟုတ်ထိုထက်ပိုအတူနေ့စဉ်ဘဝနှောင့်အယှက်တစ်ခု 13 ၏ subscore သို့မဟုတ်ထိုထက်ပိုရှိခြင်းအဖြစ်သတ်မှတ်ခံခဲ့ရသည်။ အလားအလာအန္တရာယ်အုပ်စုကိုနေ့စဉ်အသက်တာကိုနှောင့်အယှက်အချက်ထဲမှာ 41 သို့မဟုတ်စုစုပေါင်းရမှတ်မှာပို, ဒါမှမဟုတ် 15 သို့မဟုတ်ထိုထက်ပိုရှိခြင်းအဖြစ်သတ်မှတ်ခံခဲ့ရသည်။ ပုံမှန်အသုံးပြုမှုအုပ်စုတစ်စု [ဤသူတို့သည်ဂဏန်းအောက်တွင်ဖော်ပြထားသောသူတို့အားရမှတ်များပါရှိသော30] ။ ဒီလေ့လာမှုမှာစမတ်ဖုန်း-စွဲအုပ်စုတစ်စုက high-အန္တရာယ်နှင့်အလားအလာရှိသောအန္တရာယ်အုပ်စုများတက်ကြ၏။

2.2.3 ။ စိတ်ကျန်းမာရေးပြဿနာများ၏အတိုင်းအတာ: ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့တော့ပူပန်

အဆိုပါ SCL-90-R ကို 9 ၏စိတ်ပိုင်းဆိုင်ရာနှင့် psychopathological features တွေတစ်အကွာအဝေးမျက်နှာပြင်မှဖွံ့ဖြိုးပြီးတစ် multidimensional မေးခွန်းလွှာ subscales ဖြစ်ပါတယ်: Somatization, obsessive-compulsive, လူ့ sensitivity ကို, စိတ်ကျရောဂါ, စိုးရိမ်စိတ်, ရန်လိုမုန်းတီးမှု, phobic စိုးရိမ်စိတ်, အကြောက်လွန်ရောဂါ ideation နှင့် psychoticism [31] ။ အဆိုပါ SCL-90 90 5 မှ (ဘယ်သူမျှမ) (အစွန်းရောက်) မှဒုက္ခဆင်းရဲတစ်ဦး 0-အမှတ်စကေးအတွက် rated 4 ပစ္စည်းများပါဝင်သည်။ ကိုရီးယားဘာသာစကားမှာ SCL-90-R ၏စမ်းသပ်မှု-retest ယုံကြည်စိတ်ချရစိုးရိမ်သောကများအတွက်စိတ်ကျရောဂါနှင့် 0.76 များအတွက် 0.77 ဖြစ်ခဲ့သည်။ အဆိုပါပြည်တွင်းရေးကိုက်ညီမှု [စိုးရိမ်စိတ်များအတွက်စိတ်ကျရောဂါနှင့် 0.89 များအတွက် 0.86 ခဲ့သည်31] ။ ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့စိုးရိမ်ပူပန်မှုအများဆုံးပြင်းပြင်းထန်ထန်အိုဝါနှင့်လုပ် SA နှင့်အတူဆက်စပ်စိတ်ရောဂါလက္ခဏာတွေဖြစ်သတင်းပို့ခဲ့ [12,13] ။ ဒီလေ့လာမှုမှာ screen ကိုစိတ်ဝင်စား၏တိကျသောအတိုင်းအတာဟာ SCL-90-R ကိုစီးပွားပျက်ကပ်နဲ့တော့ပူပန်များအတွက် subscales ပါဝင်သည်။

2.3 ။ ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်း

2.3.1 ။ စာရင်းအင်းအဓိပ္ပာယ်

စို့

Z_{i}

အဆိုပါ ith ဘာသာရပ်တစ်ခု binary စွဲညွှန်ပြချက်ဖြစ်; ကြောင်းဖြစ်ပါသည်, $Z_{i} = 1$ အဆိုပါ ith ဘာသာရပ် (အိုဝါသို့မဟုတ် SA) စွဲလျှင်, နှင့် $Z_{i} = 0$ မဟုတ်ရင်။ စိတ်ပိုင်းဆိုင်ရာပြဿနာ (စိတ်ကျရောဂါသို့မဟုတ်စိုးရိမ်စိတ်) ၏အလားအလာရလဒ်ကိုအဖြစ်သတ်မှတ်တာဖြစ်ပါတယ် $Y_{i} (Z_{i})$ ။ တစ်ဦးတည်းသာအလားအလာရလဒ်များအသီးအသီးဘာသာရပ်များအတွက်တစ်ချိန်တည်းမှာလေ့လာတွေ့ရှိကြောင်းမှတ်ချက်ဒါကြောင့်တိုက်ရိုက်ကွန်ပျူတာ $Y_{i} (1) - Y_{i} (0)$ မဖြစ်နိုင်ဘူး။ အစားတစ်ဦးချင်းအကျိုးသက်ရောက်၏, အကျိုးစီးပွားအဓိက parameter သည်အဆိုပါစွဲသောလူဦးရေအပေါ်မျှော်မှန်းစွဲအကျိုးသက်ရောက်မှုဖြစ်ပါသည်

τ = E (Y_{i} (1) - Y_{i} (0) | Z_{i} = 1) = E (Y_{i} (1) | Z_{i} = 1) - E (Y_{i} (0) | Z_{i} = 1)

(1)

သို့သျောလညျး၏, ထိုခန့်မှန်းချက်

τ

နေဆဲဖြစ်သောကြောင့်ပြဿနာတစ်ခုရှိပါတယ် $E (Y_{i} (0) | Z_{i} = 1)$ တိုက်ရိုက်ခန့်မှန်းရနိုင်မှာမဟုတ်ဘူး။ ဟုတ်ပါတယ်, ကျပန်းစမ်းသပ်ချက်အတွက်, $E (Y_{i} (0) | Z_{i} = 1) = E (Y_{i} (0) | Z_{i} = 0)$ စိတ်ကျေနပ်မှုဖြစ်တယ်, ဒါ $τ$ အလွယ်တကူခန့်မှန်းနိုင်ပါသည်။ ၏သို့သော်တစ်ခုလေ့လာရေးလေ့လာမှုထဲမှာ, ရင်တော့မှားမယ်ခန့်မှန်းချက် $τ$ ဘာဖြစ်လို့လဲဆိုတော့ biased နိုင်ပါသည် $E (Y_{i} (0) | Z_{i} = 1) \neq E (Y_{i} (0) | Z_{i} = 0)$ ။ ဤရွေးချယ်မှုဘက်လိုက်မှုကိုထိန်းညှိဖို့, ငါတို့သည် covariates စောငျ့ရှောကျနိုငျကွောငျးယူဆ $X_{i}$ မဆိုစွဲအသုံးပြုပုံနှင့်ပေးထားသော covariates များအတွက်အကျိုးသက်ရောက်စေကြသည်မဟုတ်ကြောင်း $X_{i},$ အလားအလာရလဒ်များ $Y_{i} (1), Y_{i} (0)$ စွဲလမ်းညွှန်ပြချက်၏တွေနဲ့လွတ်လပ်သောများမှာ $Z_{i} .$ ထို့အပွငျအလားအလာရလဒ်များ covariates အပေါ်ခြွင်းချက်ဟာစွဲလမ်း၏လွတ်လပ်သောလျှင် $X_{i}$ သူတို့လည်း propensity ရမှတ်အတွက်ခြွင်းချက်ဟာစွဲလမ်း၏လွတ်လပ်သောများမှာ $P (X_{i}) = P (Z_{i} = 1 | X_{i})$ [19] ။ များအတွက် PSM ခနျ့မှနျး $τ$ ဖြစ်လာ

τ^{P S M} = E_{P (X) | Z = 1} [E (Y_{i} (1) | Z_{i} = 1, P (X_{i})) - E (Y_{i} (0) | Z_{i} = 0, P (X_{i}))]

(2)

2.3.2 ။ အဆိုပါ propensity ရမှတ်ခန့်မှန်း

propensity ရမှတ်တစ်ခုစွဲဖြစ်ပေါ်ကြောင်းဖြစ်နိုင်ခြေကိုခန့်မှန်းရန်အသုံးပြုတဲ့မော်ဒယ် Logistic ဆုတ်ယုတ် အသုံးပြု. တွက်ချက်နေကြသည်

\log \frac{P (Z_{i} = 1 | X_{i})}{1 - P (Z_{i} = 1 | X_{i})} = α + β^{T} X_{i}

(3)

ဤစာတမ်း၌, များအတွက် covariates အဖြစ်

X_{i}

လိင် (1 = ယောက်ျားနှင့် 2 = အမျိုးသမီး), အသက် (1 = 20-29, 2 = 30-39 နှင့် 3 = 40-49), ပညာရေး (1 = အလယ်တန်းကျောင်း, 2 = မြင့်သော, ကျနော်တို့ငါးအမျိုးအစား covariates စဉ်းစားပါ ကျောင်းနှင့် 3 = တက္ကသိုလ်သို့မဟုတ်အထက်), အိမ်ထောင်ရေးအခြေအနေ (1 = တစ်ခုတည်း, 2 တွဲပြီး, လက်ထပ် 3 =, 4 = ကွာရှင်းနှင့် 5 = ကျန်ရစ်သူ) = နှင့်ဝင်ငွေ (1 = အနိမ့်, 2 = နှစ်လယ်ပိုင်းတွင်အနိမ့်, 3 = အလယ်တန်း, 4 = နှစ်လယ်ပိုင်းတွင်မြင့်မားသောနှင့် 5 = မြင့်မားသော) ။ တွင် ပုဒ်မ 1ဤ covariates တစ်ပြိုင်နက်ရလဒ်များ (စိတ်ကျရောဂါသို့မဟုတ်စိုးရိမ်ပူပန်မှု) နှင့်စွဲလမ်းမှုကိုသြဇာလွှမ်းမိုးလိမ့်မည်။ ထို့ကြောင့်တစ်ဦးချင်းစီဘာသာရပ်များအတွက်ကျနော်တို့ propensity ရမှတ်ခန့်မှန်း; ကြောင်း [က, လေ့လာ covariates ပေးထားစွဲခံနေရ၏ခြွင်းချက်ဖြစ်နိုင်ခြေဖြစ်ပါသည်32].

2.3.3 ။ အဆိုပါခန့်မှန်း propensity ရမှတ်အပေါ် အခြေခံ. ကိုက်ညီနည်းလမ်းများ

အဆိုပါ propensity ရမှတ်ခန့်မှန်းကြသည်နှင့်တပြိုင်နက်ကိုက်ညီခြင်း [နှစ်ခုအုပ်စုများအကြားခြားနားချက်များဖို့ညှိပြီးနောက်ကုသမှုအကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်သုံးနိုငျ33] ။ ကိုက်ညီခြင်း၏ရည်မှန်းချက်လေ့လာမှုတစ်ခုရဲ့လူနာများ၏ဖြန့်ဖြူးထိန်းညှိကစားများနှင့်လေ့လာတွေ့ရှိထိန်းချုပ်မှုအုပ်စုများ၏ covariates လိုက်ဖက်မယ့်ကိုက်ညီနမူနာထုတ်လုပ်ရန်ရန်ဖြစ်ပါသည်။ ဤသည်ကြောင့်ချေပနည်းလမ်းသဖွငျ့ variable တွေကိုထိန်းချုပ်ဖို့ကျွန်တော်တို့ကိုခွင့်ပြုပါတယ်။ ဒီလေ့လာမှုမှာကျနော်တို့ [နှစ်ခုအသုံးများတိုက်ဆိုင်သည့်နည်းလမ်းများသည်အကောင်းဆုံးနှင့်မျိုးဗီဇတူညီသည့်မွေးစား34].

2.3.4 ။ propensity ရမှတ်ကိုက်ညီမှုပြီးနောက်စိတ်ကျန်းမာရေးပြဿနာများအပေါ်စွဲလမ်းမှု၏ဆွေမျိုးအန္တရာယ်များ၏ခန့်မှန်းချက်

အဆိုပါလေ့လာ covariates (အသက်, လိင်, အိမ်ထောင်ရေး, ဝင်ငွေနှင့်ပညာရေး) ကို အသုံးပြု. propensity ရမှတ်တူညီသည့်ပြီးနောက်ကျွန်တော်တစ်ဦးထက်ပိုသောမျှတသော Datasets ရှိသည်။ အဆိုပါစိတ်ကျန်းမာရေးပြဿနာ (စိတ်ကျရောဂါသို့မဟုတ်စိုးရိမ်စိတ်) ပုံစံ, ကျနော်တို့လိုက်ဖက်နမူနာဖို့ generalized linear မော်ဒယ်များ (GLMs) လျှောက်လွှာတင်ခဲ့တယ်။ အဆိုပါစိတ်ကျန်းမာရေးရမှတ်အပြုသဘောနှင့်ဘက်လိုက်ကြသည်သောကြောင့်, မှတ်တမ်း link ကိုအတူ gamma ဖြန့်ဖြူးတပ်ဆင်ထားသည်။ စို့

Y_{i}

ယုတ်တွေနဲ့အကျိုးစီးပွားတခုရလဒ် (စိတ်ကျရောဂါသို့မဟုတ်စိုးရိမ်ပူပန်မှုတစ်ခုရမှတ်) ဖြစ် $μ_{i}$ ကျနော်တို့ covariates အတူ Gamma GLM မူဘောင်ကိုသုံးနိုင်သည် $X_{i}$ :

\log μ_{i} = γ^{T} X_{i}

မော်ဒယ်မှတဆင့်ကျနော်တို့ခန့်မှန်း

e^{γ}

တစ်ဦးချင်းစီ covariate များအတွက်အိုဝါနှင့်လုပ် SA ၏ (အဖွဲ့များအကြားတစ်ဦးမည်ဟုမျှော်လင့်ယုတ်ကွာခြားချက်အဖြစ်) ကိုဆွေမျိုးအန္တရာယ်များကြောင့်ဖြစ်သည်။

3 ။ ရလဒ်များ

အဆိုပါ 4854 သင်တန်းသားများအပြင်, 126 (2.60%) ကိုအိုဝါအုပ်စုတွင်ပါဝင်သည်ခဲ့ကြသည်နှင့်အ 652 (13.43%) က SA အုပ်စုတွင်ပါဝင်သည်ခဲ့ကြသည်။ စားပွဲတင် 1 အဆိုပါစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်ရမှတ်၏ဖော်ပြရန်စာရင်းဇယားပြသထားတယ်။ အိုဝါနှင့်လုပ် SA အုပ်စုများစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှု၏အဓိပ္ပါယ်ကိုရမှတ်များပုံမှန်အသုံးပြုမှု (NU) အဖွဲ့တွေထက်ပိုကြီးတဲ့ဖြစ်ကြသည်။

စားပွဲတင် 1 ။ ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့တော့ပူပန်ရမှတ်၏ဖော်ပြရန်စာရင်းဇယား။

3.1 ။ အဆိုပါ propensity ရမှတ်ကိုက်ညီမှု Method ကို၏ကိုက်ညီတဲ့အရည်အသွေး

ကြှနျုပျတို့သညျဤလေ့လာမှု၏မေးခွန်းအတွက် covariates သာအနည်းငယ်အခြေအနေသော်လည်း, propensity ရမှတ်ကနေတဆင့်ကျနော်တို့တိုက်ဆိုင်သည့်လုပ်ထုံးလုပ်နည်းအသီးအသီး covariate ၏ဖြန့်ဖြူးဟန်ချက်မျှအောင်ပြုလုပ်ပေးလုံလောက်သောခဲ့ကြောင်းတွေ့ စားပွဲတင် 2 နှင့် စားပွဲတင် 3။ ကျနော်တို့၏မဖြစ်စလောက်ဖြန့်ဝေအတွက်အကွာအဝေးအကဲဖြတ်

X_{i}

။ တစ်ဦးချင်းစီ covariate ဘို့ကျနော်တို့ဘက်လိုက်မှုတွက်ချက်; , အစွဲများနှင့်သာမန်နမူနာနမူနာပျမ်းမျှအတွက်ကွာခြားချက်ဖြစ်ပါတယ်။ အဆိုပါ propensity ရမှတ်တူညီသည့်လျှောက်ထားမီ, ဘက်လိုက်မှုလျစ်လျူရှုမခံခဲ့ရပါ။ သို့သော် propensity ရမှတ်တူညီသည့်နောက်, စွဲလမ်းနှင့်ပုံမှန် subsamples အားလုံး covariates များအတွက်အလွန်ဆင်တူမဖြစ်စလောက်ဖြန့်ဖြူးခဲ့သညျ။

စားပွဲတင် 2 ။ အိုဝါနှင့်ပုံမှန်အသုံးပြုမှုအုပ်စုများအကြားအခြေခံလက္ခဏာများ၏ယုတ်ရာခိုင်နှုန်း၏နှိုင်းယှဉ်, မူရင်းနမူနာနှင့် propensity အတွက်မျိုးဗီဇများနှင့်အကောင်းဆုံးကိုက်ညီခြင်းသုံးပြီးလိုက်ဖက်နမူနာဂိုးသွင်း။

စားပွဲတင် 3 ။ SA နှင့်ပုံမှန်အုပ်စုများအကြားအခြေခံလက္ခဏာများ၏ယုတ်ရာခိုင်နှုန်း၏နှိုင်းယှဉ်, မူရင်းနမူနာနှင့် propensity အတွက်မျိုးဗီဇများနှင့်အကောင်းဆုံးကိုက်ညီခြင်းသုံးပြီးလိုက်ဖက်နမူနာဂိုးသွင်း။

3.2 ။ ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့တော့ပူပန်အပေါ်ကိုအင်တာနက်စွဲလမ်းမှု၏ဆိုးကျိုးများ

propensity ရမှတ်တူညီသည့်သုံးပြီးရယူစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်အိုဝါ၏သက်ရောက်မှုအစီရင်ခံကြသည် စားပွဲတင် 4။ မျိုးရိုးဗီဇကိုက်ညီမှုမှတဆင့်, 3846 နမူနာကိုရွေးချယ်ခဲ့သည်။ အဆိုပါ IA စိတ်ကျရောဂါ (ဆွေမျိုးအန္တရာယ် 1.207, 95% ယုံကြည်မှုကြားကာလ 1.128-1.292 နှင့် p <0.001) နှင့်စိုးရိမ်စိတ် (ဆွေမျိုးအန္တရာယ် 1.264, 95% ယုံကြည်မှုကြားကာလ 1.173-1.362 နှင့် p <0.001) နှင့်ဆက်စပ်သောခဲ့သည်။ ယုံကြည်မှုကြားကာလအကောင်းဆုံးကိုက်ညီမှုမှတဆင့် 1 မဆံ့သောကွောငျ့ဤအရာအလုံးစုံဆွေမျိုးအန္တရာယ်အချိုးသိသိသာသာဖြစ်ကြသည် 252 နမူနာကိုရွေးချယ်ခဲ့သည်။ အဆိုပါ IA သာ။ ကြီးမြတ်စိတ်ကျရောဂါ (ဆွေမျိုးအန္တရာယ် 1.243, 95% ယုံကြည်မှုကြားကာလ 1.145-1.348 နှင့် p <0.001) နှင့်စိုးရိမ်ပူပန်မှု (ဆွေမျိုးအန္တရာယ် 1.308, 95% ယုံကြည်မှုကြားကာလ 1.192-1.435 နှင့် p <0.001) နှင့်ဆက်စပ်ခဲ့သည်။ မျိုးရိုးဗီဇကိုက်ညီမှုနှင့်ဆင်တူသည်မှာစိတ်ကျရောဂါနှင့်စိုးရိမ်စိတ်နှစ်ခုလုံးအတွက်နှိုင်းယှဉ်နိုင်သည့်အန္တရာယ်အချိုးသည် ၁ ထက်သိသိသာသာကြီးမားသည်။

စားပွဲတင် 4 ။ propensity ရမှတ်တူညီသည့်အပေါ်အခြေခံပြီးစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်အင်တာနက်နှင့်စမတ်ဖုန်းစွဲ၏ဆိုးကျိုးများ။

3.3 ။ ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့တော့ပူပန်ပေါ်စမတ်ဖုန်းစွဲ၏ဆိုးကျိုးများ

propensity ရမှတ်တူညီသည့်သုံးပြီးစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်လုပ် SA ၏သက်ရောက်မှုအစီရင်ခံကြသည် စားပွဲတင် 4။ မျိုးရိုးဗီဇကိုက်ညီမှုမှတဆင့်နမူနာ ၄၅၁၆ ကိုရွေးချယ်ခဲ့သည်။ အဆိုပါလုပ် SA စိတ်ကျရောဂါ (ဆွေမျိုးအန္တရာယ် 4516, 1.337% ယုံကြည်မှုကြားကာလ 95-1.296 နှင့် p <1.378) နှင့်စိုးရိမ်စိတ် (ဆွေမျိုးအန္တရာယ် 0.001, 1.402% ယုံကြည်မှုကြားကာလ 95-1.355 နှင့် p <1.450) နှင့်ဆက်စပ်သောခဲ့သည်။ အကောင်းဆုံးကိုက်ညီမှုမှတဆင့်, နမူနာ 0.001 ကိုရွေးချယ်ခဲ့သည်။ SA သည်စိတ်ကျရောဂါနှင့်ဆက်နွှယ်မှု (ဆွေမျိုးအန္တရာယ် ၁.၃၈၆၊ ၉၅% ယုံကြည်မှုကြားခံ 1304-1.386 နှင့် p <95) နှင့်စိုးရိမ်ခြင်း (ဆွေမျိုးအန္တရာယ် 1.334၊ 1.440% ယုံကြည်မှုကြားကာလ 0.001-1.440 နှင့် p <95) နှင့်ဆက်စပ်ခဲ့သည်။ ဤအရာအလုံးစုံဆွေမျိုးအန္တရာယ်အချိုးသိသိသာသာဖြစ်ကြသည်။

3.4 ။ ကမ္ဘာ့စီးပွားပျက်ကပ်နဲ့တော့ပူပန်ပေါ်တွင်အင်တာနက်အကျိုးသက်ရောက်မှုအတွက်ကွာခြားချက်များနှင့်စမတ်ဖုန်းစွဲ

မျိုးဗီဇများနှင့်အကောင်းဆုံးနှစ်ဦးစလုံးတူညီသည့်အနေဖြင့်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုများအတွက်ဆွေမျိုးအန္တရာယ်အချိုး, အိုဝါသည်ထက်လုပ် SA များအတွက် 10% ပိုမိုမြင့်မားခဲ့သညျ။ ဒါကလုပ် SA ် IA ထက်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုတစ်ခု သာ. ကြီးမြတ်အန္တရာယ်ရှိကြောင်းကိုဆိုလိုသည်။ သူများသည်ယုံကြည်စိတ်ချမှုကြားကာလဟာ 1 ဆံ့မခံကြဘူး, ဒါကြောင့်ကျနော်တို့လုပ် SA စိတ်ပိုင်းဆိုင်ရာရောဂါဖြစ်ပေါ်စေရန် 34-44% ပိုမိုဖြစ်နိုင်ဖွယ်ကြောင်းပြောနိုင်ပါသည်။

4 ။ ဆွေးနွေးချက်

ကျွန်ုပ်တို့၏တွေ့ရှိချက်အိုဝါနှင့်လုပ် SA နှစ်ဦးစလုံးပင် propensity ရမှတ်တူညီသည့်သုံးပြီးရှက်ကြောက်ထိန်းချုပ်ပြီးနောက်, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်သိသာထင်ရှားသောဆိုးကျိုးများကွိုးစားအားထုကြောင်းဖြစ်ကြသည်။ epidemiological လေ့လာမှုများ် IA အတွက်စိတ်ကျရောဂါတစ်ခုပိုမိုမြင့်မားပျံ့နှံ့ခန့်မှန်းခဲ့ကြ [35,36] ။ အိုဝါသို့မဟုတ် SA နှင့်အတူတစ်ဦးချင်းစီကပုံမှန်အသုံးပြုသူများအ [ထက်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုမြင့်မားအဆင့်ဆင့်ပြသကြောင်း Cross-Section လေ့လာမှုတစ်ဦးကအရေအတွက်အားအစီရင်ခံတင်ပြကြပါပြီ13,37] ။ ပစ္စုပ္ပန်လေ့လာမှုမှာကျွန်တော်တို့ရဲ့ရလဒ်တွေကိုစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုဖွံ့ဖြိုးဆဲထဲမှာအိုဝါနှင့်လုပ် SA ၏အခန်းကဏ္ဍပြသပါ။ လက်ရှိတွေ့ရှိချက်တချို့ဖြစ်နိုင်သောရှင်းလင်းချက်ရှိပါတယ်။ ပထမဦးစွာအင်တာနက်နှင့်စမတ်ဖုန်းများစွဲလမ်းအသုံးပြုခြင်းကိုထိုကဲ့သို့သောမိသားစုပဋိပက္ခများ, Off-line ကိုဆက်ဆံရေးမရှိခြင်းနှင့်ဆိုက်ဘာစပေ့အတွက်ခွင့်ပြုချက်များအတွက်မြင့်လိုအပ်ချက်အဖြစ်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုနှင့်ဆက်စပ်သည့်လူ့ပြဿနာများ, တိုးမြှင့်ပေးနိုင်သည်။ ဒုတိယအနေဆုတ်ခွာလက္ခဏာတွေ [ဥစ္စာအလွဲသုံးစားမှုမမှန်နှိုင်းယှဉ်အိုဝါနှင့်လုပ် SA အတွက် psychopathological ပုံစံများအဖြစ်အဆိုပြုထားပါသည်5] ။ သူတို့တစ်တွေကို PC သို့မဟုတ်စမတ်ဖုန်းအသုံးပြုခွင့်ရှိသည်မဟုတ်ကြဘူးသည့်အခါအိုဝါသို့မဟုတ် SA နှင့်အတူတစ်ဦးချင်းစီစိုးရိမျဖြစ်လာ, ပြီးတော့ထိုကဲ့သို့သောအနုတ်လက္ခဏာခံစားချက်တွေကို [မှလွတ်မြောက်ရန်အင်တာနက်ကိုတစ်ခုသို့မဟုတ်စမတ်ဖုန်းအတွက်သုံးစွဲဖို့အလိုရှိကြသည်တွင်စေခြင်းငှါ38] ။ နောက်ထပ်ဖြစ်နိုင်ခြေရှင်းပြချက်ထိုကဲ့သို့သောအရက်နှင့်နီကိုတင်းကဲ့သို့သောအခြားစွဲလမ်းတ္ထုများ, မတူဘဲ Over-အသုံးပြုသူများသည်အင်တာနက်နှင့်စမတ်ဖုန်းများကြောင့်ပစ္စည်းများမှအခမဲ့နှင့်ပြောင်းလွယ်ပြင်လွယ်လက်လှမ်း၏နေ့စဉ်ဘဝ၌မိမိတို့အလွန်အကျွံသုံးစွဲခြင်းနှင့် ပတ်သက်. အနည်းငယ်သာထိုးထွင်းသိမြင်မှုရှိစေခြင်းငှါဖြစ်ပါသည် [3] သူတို့ကိုတစ်ဦးမျက်ဒေါသအဖြစ်ထက်ပြဿနာအပြုအမူ၏နိမိတ်လက္ခဏာကိုအဖြစ်၎င်းတို့၏အလွန်အကျွံအသုံးပြုခြင်းကိုတွေ့ကြုံခံစားအောင် [39] ။ နောက်ထပ်စိတ်ဝင်စားဖို့တွေ့ရှိချက်လုပ် SA ် IA ထက်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအပေါ်ပိုမိုအားကောင်းသက်ရောက်မှုကြိုးပမ်းခဲ့တယ်ကြောင့်ဖြစ်ခဲ့သည်။ ဤသည်အိုဝါနှင့်လုပ် SA စိတ်ကျန်းမာရေးပြဿနာများအပေါ်ကွဲပြားခြားနားသောသြဇာလွှမ်းမိုးမှုရှိသည်မှနျးဖို့ကျွန်တော်တို့ကိုဦးဆောင်နေသည်။ ဒီတွေ့ရှိချက်အဘို့အများအပြားဖြစ်နိုင်သောရှင်းလင်းချက်ရှိတယ်ဖြစ်နိုင်ပါတယ်။ ပထမဦးစွာမီဒီယာဝိသေသလက္ခဏာများစဉ်းစားပါက [အတွက်အလွန်အကျွံစမတ်ဖုန်းအသုံးပြုမှုဘာလို့လဲဆိုတော့သူ့ရဲ့ပိုမိုမြင့်မားကြိုးမဲ့ကွန်ယက်ကိုအသုံးပြုနိုင်စွမ်းနှင့်မကြာခဏအကြောင်းကြားစာများ၏ 24 ဇ၏, ထိုကိရိယာ၏အလေ့အထ-ဖွဲ့စည်းသဘောသဘာဝမှတဆင့်ဖွံ့ဖြိုးများအတွက်ပိုမိုလွယ်ကူဖြစ်ပါသည်39] ။ ဒုတိယအချက်မှာသဘာဝပတ်ဝန်းကျင်အကြောင်းအချက်တွေနှငျ့ ပတျသကျ. , ဒီတွေ့ရှိချက်စမတ်ဖုန်း PC များအနေဖြင့်နေ့စဉ်အသက်တာကိုပျှမ်းမျှ၏လက်ရှိအစွန်းရောက်ပြောင်းလဲမှုကိုထင်ဟပ်စေနိုင်သည်။ ပြည်သူ့ရှုပ်ထွေးအလုပ်များအတွက် PC ကိုအင်တာနက်ကိုသုံးပါနှင့်စမတ်ဖုန်းများနှင့်အတူအခြားနေ့စဉ်တာဝန်များကိုထွက်သယ်ဆောင်, အလုပ်သမားထုတ်လုပ်မှုအတွက်ကျဆင်းခြင်းနှင့်စိတ်ဖိစီးမှုမြင့်မားအဆင့်အထိဦးဆောင်စေခြင်းငှါ [40] ။ နောက်ဆုံးအနေနဲ့လုပ် SA နှင့်အတူတစ်ဦးချင်းစီ [အွန်လိုင်းလူမှုကွန်ယက်နှင့်အတူဆက်ဆံရေးနှင့်ချိတ်ဆက်တဲ့အသိကိုဆက်လက်ထိန်းသိမ်းထားဖို့စမတ်ဖုန်းသုံးနိုင်ပါသည်41] မြင့်မားစမတ်ဖုန်းအသုံးပြုမှုကိုထွက်လာပါတယ်စဉ်ထုတ်ပျောက်ဆုံးကြောက်ရွံ့ခြင်းနှင့်ချိတ်ဆက်မှုဆုံးရှုံးမှုကိုကြောက်ရွံ့သောသဘောမှဦးဆောင် [42].

ဒီလေ့လာမှုကထိုကဲ့သို့သောဒေတာကန့်သတ်များ၏ Cross-Section သဘာဝနှင့်ကြောင်းကျိုးဆက်စပ်သည့်အင်တာနက်နှင့်စမတ်ဖုန်းစွဲအကြားအခြ, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုများအနက်အဖြစ်တစ်ခုလုံးကိုလူဦးရေမှတွေ့ရှိချက်များကိုယဘေုယအကြိမ်ကြိမ်န့်အသတ်ရှိပါတယ်။ propensity ကိုက်ညီခြင်းကိုလည်းကန့်သတ်ခြင်းနှင့်လိုအပ်ချက်များကိုရှိပါတယ်။ အဓိကန့်အသတ် [ကြောင်း propensity ရမှတ်များသာလေ့လာရှက်ကြောက်ခြင်းဖြင့်ထိန်းချုပ်နိုင်ပါတယ်ဖြစ်ပါသည်43] ။ unobserved ရှက်ကြောက်၏ဖြစ်နိုင်ခြေ General များအတွက်ရှာဖွေတာလေ့လာမှုကန့်သတ်, ကျန်ကြွင်းစေနိုင်သည်။ ထို့အပွငျဘာဖြစ်လို့လဲဆိုတော့ဒီလေ့လာမှုအတွက်အားလုံးသတိပြုမိရှက်ကြောက်၏အမျိုးအစား variable တွေကိုအဖြစ်စုဆောင်းခံခဲ့ရ PSM မော်ဒယ်တည်ဆောက်ခြင်းအခါ, သတင်းအချက်အလက်ဆုံးရှုံးမှုရှိပေမည်။ ထို့ကြောင့်, ကျွန်တော်တို့ရဲ့တွေ့ရှိချက်သတိနဲ့အနက်ရပါမည်။ သို့သော်ကိုက်ညီခြင်း၏ကြံ့ခိုင်ရလဒ်များကိုရရှိရန်, ငါတို့နှစ်ဦးကိုတိုက်ဆိုင်သည့်နည်းလမ်းများ, မျိုးဗီဇကိုက်ညီခြင်းနှင့်အကောင်းဆုံးကိုက်ညီခြင်းဆင်ခြင်၏။ အထူးသဖြင့်, မျိုးဗီဇတူညီသည့်တစ်ဦးမျိုးရိုးဗီဇရှာဖွေရေး algorithm ကိုအသုံးပြုသည်, ဒါကြောင့်သူ့ရဲ့ဖြစ်စဉ်ကို [အချက်အလက်များ၏လျော့နည်းဆုံးရှုံးမှုနှင့်အတူကောင်းတစ်ဦးကိုက်ညီခြင်းဖြေရှင်းနည်းကိုရှာတွေ့နိုင်ပါသည်44] ။ နောက်ဆုံးအနေနဲ့, ထိုစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုလက္ခဏာ၏အကဲဖြတ် SCL-90-R ကို အသုံးပြု. Self-အစီရင်ခံစာစိတ်ပိုင်းဆိုင်ရာလက္ခဏာအတိုင်းအတာအားဖြင့်ကောက်ယူခဲ့သည်။ ပိုပြီးတိတိကျကျနှင့်တစ်သမတ်တည်းစိတ်ကျန်းမာရေးပြဿနာများအကဲဖြတ်ရန်။ ဆရာကစနစ်တကျအင်တာဗျူးနောက်ထပ်လေ့လာမှုများလုပ်ဆောင်ရပါမည်။

5 ။ နိဂုံး

ဒီလေ့လာမှုမှာကျနော်တို့အိုဝါနှင့်လုပ် SA စိတ်ကျန်းမာရေးပြဿနာများ, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုကိုသြဇာလွှမ်းမိုးပုံကိုစုံစမ်းစစ်ဆေး။ ကျွန်တော်တို့ရဲ့အသိပညာရဲ့အကောင်းဆုံး, ဒီ Cross-Section ဒေတာကနေ propensity တိုက်ဆိုင်သည့်ရမှတ်နည်းလမ်းကိုသုံးပြီး IA, SA နှင့် psychopathology အကြားအသင်းအဖွဲ့ကိုခန့်မှန်းရန်နှင့်အိုဝါနှင့်လုပ် SA အကြား psychopathology အတွက် differential ကိုအကျိုးသက်ရောက်မှုစုံစမ်းစစ်ဆေးရန်ပထမဦးဆုံးလေ့လာမှုဖြစ်ပါတယ်။ နိဂုံးချုပ်မှာတော့ကျွန်တော်တို့ရဲ့တွေ့ရှိချက်အိုဝါနှင့်လုပ် SA နှစ်ဦးစလုံးစိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုအန္တရာယ်ကိုတိုးပွားစေသည်ဟုထုတ်ဖေါ်။ ထို့အပြင်ခုနှစ်, SA အိုဝါနှင့်နှိုင်းယှဉ်လျှင်စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုနှင့်အတူပိုမိုအားကောင်းကြားဆက်ဆံရေးပြသခဲ့သည်။

ဤအတွေ့ရှိချက်တစ်ခုဆိုလိုတဲ့ပြဿနာစမတ်ဖုန်းအသုံးပြုမှုနှင့်အတူတစ်ဦးချင်းစီကိုအနီးကပ်လုပ် SA ၏ Pre-လက်တွေ့အဆင့်ကိုရည်ရွယ်ကြိုတင်ကာကွယ်ရေးနှင့်စီမံခန့်ခွဲမှုမူဝါဒများတည်ထောင်ရန်လိုအပ်ကြောင်းမီးမောင်းထိုးပြ, စိတ်ကျန်းမာရေးပြဿနာများအတွက်စောင့်ကြည့်သင့်ကြောင်းဖြစ်ပါသည်။ နောက်ထပ်အလားအလာလေ့လာမှုများ IA, SA နှင့်စိတ်ကျန်းမာရေးပြဿနာများကိုတို့တွင်ဆက်ဆံရေး၏ကြောင်းကျိုးဆက်စပ်လမ်းညွန်စုံစမ်းစစ်ဆေးရန်သငျ့သညျမြားနှငျ့အိုဝါနှင့်လုပ် SA ၏ခွဲခြားဆက်ဆံမှုအချက်များခွဲခြားသတ်မှတ်သင့်ပါတယ်။

စာရေးသူထောက်ပံ့

ဃ-JK နှင့် DL ပဋိသန္ဓေနှင့်စမ်းသပ်ချက်ဒီဇိုင်း; HMJ ဒေတာခွဲခြမ်းစိတ်ဖြာ; Y. -JK စက္ကူရေးသားခဲ့သည်။ YL ဒေတာစုဆောင်းခြင်းကြီးကြပ်။ အားလုံးစာရေးဆရာများ, လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်များ၏ဖွံ့ဖြိုးတိုးတက်ရေးကိုလှူဒါန်းခဲ့သည်ပြင်းထန်စွာကပြန်လည်ပြင်ဆင်ထားသောနှင့်နောက်ဆုံးလက်ရေးမူများမှာတွေ့နိုင်ပါတယ်အတည်ပြုခဲ့သည်။

ကျေးဇူးတင်လွှာ

ဤလုပ်ငန်းကိုကိုရီးယားအမျိုးသားသုတေသနဖောင်ဒေးရှင်း (Grant ကအမှတ် 2014M3C7A1062894, 2014M3C7A1062896) မှတစ်ဦးထောက်ပံ့ကြေးကထောက်ခံခဲ့သည်။

အကျိုးစီးပွား၏ပဋိပက္ခ

အဆိုပါစာရေးဆရာအကျိုးစီးပွားမျှပဋိပက္ခကြေညာ။

ကိုးကား

Choi, အက်စ်-W .; Kim က, ဃ-J ကို .; Choi, ဂျေ-S က .; Ahn, H ကို .; Choi, အီး-J ကို .; သီချင်း, ဒဗလျူ-Y ကို .; Kim က, S ကို .; Youn, အန္တရာယ်နှင့်စမတ်ဖုန်းစွဲနှင့်အင်တာနက်စွဲလမ်းနှင့်ဆက်စပ်အကာအကွယ်အချက်များ၏အိပ်ချ်နှိုင်းယှဉ်။ ဂျေပြုမူနေ။ စှဲလမျးသူ။ 2015, 4, 308-314 ။ [Google Scholar] [CrossRef] [PubMed]
အင်တာနက်ကို Overdependence အပေါ်စစ်တမ်း 2016; သိပ္ပံဝန်ကြီးဌာန, အိုင်စီတီနှင့်အနာဂတ်စီမံကိန်း: ဆိုးလ်, ကိုရီးယား, 2017 ။
Lee က, Y. -K သည် .; Chang, C. -T က .; လင်း Y ကို .; Cheng, Z.-H. စမတ်ဖုန်းအသုံးပြုမှု၏အမှောင်ဘက်ခြမ်း: စိတ်ဓာတ်စရိုက်များ, compulsive အပြုအမူနှင့် technostress ။ ကွန်ပျူတာတစ်လုံး။ Hum ။ ပြုမူနေ။ 2014, 31, 373-383 ။ [Google Scholar] [CrossRef]
Lee က, Ke; Kim က, အက်စ်-H ကို .; ha, T. -Y ကို .; Yoo, Y. -M .; ဟန်, ဂျေ-J ကို .; Jung, ဂျေ-H ကို .; ဂျန်, J.-Y. စမတ်ဖုန်းအသုံးပြုမှုနှင့်ကိုရီးယားအတွက်စိုးရိမ်ပူပန်မှုနှင့်အတူ၎င်း၏အသင်းအဖွဲ့အပေါ်မှီခို။ ပြည်သူ့ကျန်းမာရေးကိုယ်စားလှယ်။ 2016, 131, 411-419 ။ [Google Scholar] [CrossRef] [PubMed]
Kim က, D ကို .; Chung, Y ကို .; Lee က, ဂျေ .; Kim က, M က .; Lee က, Y ကို .; Kang, E ကို .; Keum, C ကို .; နမ်, လူကြီးများအတွက်စမတ်ဖုန်းစွဲကျရောက်နေတဲ့စကေး၏ဂျေဖွံ့ဖြိုးရေးကောင်စီ: Self-အစီရင်ခံစာ။ ကိုရီးယားဂျေ Couns ။ 2012, 13, 629-644 ။ [Google Scholar]
Kwon, M က .; Lee က, ဂျေ-Y ကို .; ဝမ်, ဒဗလျူ-Y ကို .; ပန်းခြံ, ဂျေ-W .; မင်းကဂျေ-တစ်ဦးက .; Hahn, C ကို .; Gu, X ကို .; Choi, ဂျေ-H ကို .; ကင် D.-J. စမတ်ဖုန်းစွဲစကေး (SAS) ၏ဖွံ့ဖြိုးရေးနှင့် validation ကို။ PLoS ONE 2013, 8, e56936 ။ [Google Scholar] [CrossRef] [PubMed]
Kuss, DJ သမား; Griffiths က, MD, Karila, L ကို .; Billieux, ဂျေအင်တာနက်စွဲ: ပြီးခဲ့သည့်ဆယ်စုနှစ် epidemiological သုတေသနတစ်ဦးကစနစ်တကျပြန်လည်သုံးသပ်မှု။ Curr ။ Pharm ။ des ။ 2014, 20, 4026-4052 ။ [Google Scholar] [CrossRef] [PubMed]
Andreassen, CS; Billieux, ဂျေ .; Griffiths က, MD, Kuss, DJ သမား; Demetrovics, Z ကို .; Mazzoni, E ကို .; Pallesen, အက်စ်စွဲလမ်းဆိုရှယ်မီဒီယာနှင့်ဗီဒီယိုဂိမ်းအသုံးပြုခြင်းနှင့်စိတ်ရောဂါမမှန်လက္ခဏာတွေအကြားဆက်ဆံရေး: တစ်ဦးကအကြီးစား Cross-Section လေ့လာမှု။ Psychol ။ စှဲလမျးသူ။ ပြုမူနေ။ 2016, 30, 252 ။ [Google Scholar] [CrossRef] [PubMed]
Aljomaa, အက်စ်အက်စ်, Qudah, လှစ်ထား; Albursan ဖြစ်၏ Bakhiet, SF; အချို့သော variable တွေကို၏အလင်း၌တက္ကသိုလ်ကျောင်းသားများအကြားစမတ်ဖုန်းစွဲ AS Abduljabbar ။ ကွန်ပျူတာတစ်လုံး။ Hum ။ ပြုမူနေ။ 2016, 61, 155-164 ။ [Google Scholar] [CrossRef]
အန်ဒါဆင်, EL; Steen, E ကို .; Stavropoulos, V. အင်တာနက်ကိုအသုံးပြုခြင်းနှင့်ပြဿနာကအင်တာနက်အသုံးပြုမှု: မြီးကောင်ပေါက်အရွယ်နှင့်အရေးပေါ်လူကြီးအတွက် longitudinal သုတေသနခေတ်ရေစီးကြောင်း၏တစ်ဦးကစနစ်တကျပြန်လည်သုံးသပ်မှု။ int ။ ဂျေမြီးကောင်ပေါက်။ လူငယ် 2017, 22, 430-454 ။ [Google Scholar] [CrossRef]
Haug, S ကို .; ကက်စထရို, RP; Kwon, M က .; Filler, တစ်ဦးက .; Kowatsch, T က .; Schaub, ဆွစ်ဇာလန်မှာနေတဲ့လူငယ်လူတို့တွင်အမတ်စမတ်ဖုန်းအသုံးပြုမှုနှင့်စမတ်ဖုန်းစွဲ။ ဂျေပြုမူနေ။ စှဲလမျးသူ။ 2015, 4, 299-307 ။ [Google Scholar] [CrossRef] [PubMed]
ko, C. -H ကို .; ယန်း, ဂျေ-Y ကို .; ယန်း, C. -F .; Chen က C. -S က .; Chen က C.-C. အင်တာနက်စွဲခြင်းနှင့်စိတ်ရောဂါရောဂါအကြားအသင်းအဖွဲ့: စာပေ၏တစ်ဦးကသုံးသပ်မှု။ အီးယူအာရ်။ စိတ်ရောဂါကုသမှု 2012, 27, 1-8 ။ [Google Scholar] [CrossRef] [PubMed]
Demirci K ကို .; Akgönül, M က .; Akpinar, အိပ်ပျော်ခြင်းအရည်အသွေး, စိတ်ကျရောဂါနှင့်တက္ကသိုလ်ကျောင်းသားများအတွက်စိုးရိမ်ပူပန်မှုနှင့်အတူစမတ်ဖုန်းအသုံးပြုမှုပြင်းထန်မှု၏အေဆက်ဆံရေး။ ဂျေပြုမူနေ။ စှဲလမျးသူ။ 2015, 4, 85-92 ။ [Google Scholar] [CrossRef] [PubMed]
ကုန်အမှတ်တံဆိပ်, M က .; လူငယ်တို့, KS; Laier, C ကို .; Wölfling K ကို .; Potenza, MN တိကျတဲ့အင်တာနက်အသုံးပြုမှုကိုမမှန်များ၏ဖွံ့ဖြိုးတိုးတက်ရေးနှင့်ပြုပြင်ထိန်းသိမ်းမှုနှင့် ပတ်သက်. စိတ်ပိုင်းဆိုင်ရာနှင့် neurobiological ထည့်သွင်းစဉ်းစားပေါင်းစပ်ခြင်း: ပုဂ္ဂိုလ်-အပေါ်ဘယ်လိုသက်ရောက်မှု-သိမှတ်ခံစားမှု-Executive (I-PACE) မော်ဒယ်တစ်ခု Interaction ။ neuroscience ။ Biobehav ။ ဗျာ 2016, 71, 252-266 ။ [Google Scholar] [CrossRef] [PubMed]
ကင် Y. -J ကို .; Kim က, ဃ-J ကို .; Choi, ဂျေအင်တာနက်စွဲနှင့်၎င်း၏ neurobiological ဆက်စပ်မှု၏သိမြင်မှု dysregulation ။ တပ်ဦး။ Biosci (Elite ed ။ ) 2017, 9, 307-320 ။ [Google Scholar]
Lachmann, B, .; Duke, E .; Sariyska, R ကို .; Montage သည်စမတ်ဖုန်းနှင့် / သို့မဟုတ်အင်တာနက်စွဲရဲ့အဘယ်သူသည် C. ? Psychol ။ ပေါ့ပ်။ မီဒီယာသတ်ဖို့။ 2017။ [Google Scholar] [CrossRef]
Lachmann, B, .; Sindermann, C ကို .; Sariyska, RY; Luo အဘိဓါန်, R ကို .; Melchers, MC; Becker က, B, .; Cooper က, AJ; Montage, C တို့အင်တာနက်ထဲမှာ Empathy တို့ဖြစ်ပါတယ်နှင့်ဘဝကျေနပ်မှု၏အခန်းက္ပနှင့်စမတ်ဖုန်းအသုံးပြုမှု Disorder ။ တပ်ဦး။ Psychol ။ 2018, 9, 398 ။ [Google Scholar] [CrossRef] [PubMed]
Banjanin, N ကို .; Banjanin, N ကို .; Dimitrijevic ငါ .; Pantic, အင်တာနက်အသုံးပြုခြင်းနှင့်စိတ်ကျရောဂါများအကြားဗြဲဆက်ဆံရေး: ဇီဝကမ္မစိတ်ဓါတ်များလှိုအပေါ်အာရုံစိုက်, လူမှုရေးကွန်ရက်နှင့်အွန်လိုင်းစွဲလမ်းအပြုအမူ။ ကွန်ပျူတာတစ်လုံး။ Hum ။ ပြုမူနေ။ 2015, 43, 308-312 ။ [Google Scholar] [CrossRef]
ကဲ့သို့ပင်နိုင်ငံရေးပါတီများကင်းမဲ့, တစ်ဦးက .; Iskender, အမ်အင်တာနက်စွဲခြင်းနှင့်စိတ်ကျရောဂါ, စိုးရိမ်ပူပန်ခြင်းနှင့်စိတ်ဖိစီးမှု။ int ။ အွန်လိုင်းဂျေ Education ။ သိပ္ပံ။ 2011, 3, 138-148 ။ [Google Scholar]
Ostovar, S ကို .; Allahyar, N ကို .; Aminpoor, H ကို .; Moafian, F ကို .; မဟုတ်သလို, MBM; Griffiths ကအီရန်မြီးကောင်ပေါက်နှင့်လူငယ်လူကြီးများအကြားတွင် MD အင်တာနက်စွဲနှင့်၎င်း၏စိတ်ပိုင်းဆိုင်ရာအန္တရာယ်များ (စိတ်ကျရောဂါ, စိုးရိမ်စိတ်, စိတ်ဖိစီးမှုနှင့်အထီးကျန်ဆန်): cross-section လေ့လာမှုမှာတစ်ဦးကဖွဲ့စည်းပုံဆိုင်ရာညီမျှခြင်းမော်ဒယ်။ int ။ ဂျေ Ment ။ ကနျြးမာရေးစွဲ။ 2016, 14, 257-267 ။ [Google Scholar] [CrossRef]
ချောင်, LM; Wong, WS ဟောင်ကောင်တရုတ်ဆယ်ကျော်သက်များတွင်စိတ်ကျရောဂါအပေါ်အိပ်မပျော်နှင့်အင်တာနက်စွဲလမ်းမှု၏အကျိုးသက်ရောက်မှုများ: တစ်ခုကရေနံဓါတ်ငွေ့ရှာဖွေရေး Cross-Section ခွဲခြမ်းစိတ်ဖြာ။ ဂျေအိပ်စက်ခြင်း Res ။ 2011, 20, 311-317 ။ [Google Scholar] [CrossRef] [PubMed]
Cepeda, က MS; ဘော်စတွန်, R ကို .; Farrar, JT; Strom, propensity ရမှတ်နှိုင်းယှဉ် Logistic ဆုတ်ယုတ်၏ BL နှိုင်းယှဉ်ဖြစ်ရပ်များ၏နံပါတ်အနိမ့်သည်နှင့်မျိုးစုံရှက်ကြောက်ရှိပါတယ်အခါ။ နံနက်။ ဂျေ Epidemiol ။ 2003, 158, 280-287 ။ [Google Scholar] [CrossRef] [PubMed]
Austin, 1996 နှင့် 2003 အကြားဆေးဘက်ဆိုင်ရာစာပေအတွက် propensity-ရမှတ်တူညီသည့်၏ PC ကိုတစ်ဦးကဝေဖန်အကဲဖြတ်။ Stat ။ Med ။ 2008, 27, 2037-2049 ။ [Google Scholar] [CrossRef] [PubMed]
Austin, PC ကို; Grootendorst, P ကို .; အန်ဒါဆင်, GM ကကုသတည်းကကုသမှုမရှိဘူးဘာသာရပ်များအကြားတိုင်းတာ variable တွေကိုဟန်ချက်မျှအောင်ပြုလုပ်ပေးကွဲပြားခြားနားသော propensity ရမှတ်မော်ဒယ်များများ၏စွမ်းရည်ကိုတစ်နှိုင်းယှဉ်: တစ်ဦးက Monte Carlo လေ့လာမှု။ Stat ။ Med ။ 2007, 26, 734-753 ။ [Google Scholar] [CrossRef] [PubMed]
Muller, KW; Glaesmer, H ကို .; Brähler, E ကို .; Woelfling K ကို .; Beutel, အထွေထွေသောလူဦးရေအတွက်အင်တာနက်စွဲလမ်း၏ ME ပျံ့နှံ့နေတဲ့: ဂျာမန်လူဦးရေ-based စစ်တမ်းကနေရလာဒ်။ ပြုမူနေ။ အပေါ်က။ Technol ။ 2014, 33, 757-766 ။ [Google Scholar] [CrossRef]
Rho, MJ; Lee က, H ကို .; Lee က T. -H ကို .; cho, H ကို .; Jung, D ကို .; Kim က, ဃ-J ကို .; အင်တာနက်ကဂိမ်း Disorder များအတွက် Choi, IY အန္တရာယ်အချက်များ: စိတ်ဓာတ်အချက်များနှင့်အင်တာနက်ဂိမ်းလက်ခဏာ။ int ။ ဂျေပတ်ဝန်းကျင်။ res ။ ပြည်သူ့ကျန်းမာရေး 2018, 15, 40 ။ [Google Scholar] [CrossRef] [PubMed]
အမျိုးသားသတင်းအချက်အလက်ဝန်ဆောင်မှုအေဂျင်စီ။ အရွယ်ရောက်ပြီးသူအဘို့အင်တာနက်ကိုစွဲလမ်းကျရောက်နေတဲ့စကေး၏လေ့လာမှု; အမျိုးသားသတင်းအချက်အလက်ဝန်ဆောင်မှုအေဂျင်စီ: ဆိုးလ်, ကိုရီးယား, 2005 ။ [Google Scholar]
Kim က, ဃအင်တာနက်စွဲလမ်းကျရောက်နေတဲ့စကေး၏လေ့လာမှုတက် Follow; ဒစ်ဂျစ်တယ်အခွင့်အလမ်းများနှင့်မြှင့်တင်ရေးတို့အတွက်ကိုရီးယားအေဂျင်စီက: ဆိုးလ်, ကိုရီးယား, 2008; အွန်လိုင်းရရှိနိုင်ပါ: http://www.nia.or.kr/site/nia_kor/ex/bbs/View.do?cbIdx=39485&bcIdx=277&parentSeq=277 (8 မေလ 2008 အပေါ်ဝင်ရောက်) ။
Kim က, ဃ-ငါ .; Chung, Y. -J ကို .; Lee က, အီး-တစ်ဦးက .; Kim က, ဃ-M .; cho, Y.-M. အင်တာနက်စွဲလမ်းကျရောက်နေတဲ့စကေး-အတိုပုံစံ (KS စကေး) ၏ဖွံ့ဖြိုးရေးကောင်စီ။ ကိုရီးယားဂျေ Couns ။ 2008, 9, 1703-1722 ။ [Google Scholar]
အမျိုးသားသတင်းအချက်အလက်ဝန်ဆောင်မှုအေဂျင်စီ။ လူငယ်နှင့်လူကြီးများအဘို့အကိုရီးယားစမတ်ဖုန်းစွဲ Proness စကေး၏ဖွံ့ဖြိုးရေး; အမျိုးသားသတင်းအချက်အလက်ဝန်ဆောင်မှုအေဂျင်စီ: ဆိုးလ်, ကိုရီးယား, 2011; စစ။ 85-86 ။ [Google Scholar]
ကင် KI .; ကင် JW ။ ကိုရီးယား III ကိုအတွက်လက္ခဏာစစ်ဆေးရမည့်စာရင်း-90-R ၏ standardizaion လေ့လာမှု။ Ment ။ ကနျြးမာရေး Res ။ 1984, 2, 278-311 ။ [Google Scholar]
Heckman, ဂျေ .; လူမှုရေးစမ်းသပ်မှုများအတွက်ဖြစ်ရပ်မှန်အကဲဖြတ် Smith ကဂျေ။ ဂျေ Econ ။ ရှုထောင့်။ 1995, 9, 85-110 ။ [Google Scholar] [CrossRef]
Caliendo, M က .; Kopeinig, အက်စ် propensity ရမှတ်တူညီသည့်များ၏အကောင်အထည်ဖော်မှုအဘို့တချို့ကလက်တွေ့ကျတဲ့လမ်းညွှန်မှု။ ဂျေ Econ ။ Surv ။ 2008, 22, 31-72 ။ [Google Scholar] [CrossRef]
Sekhon, JS; စိန်, ခန့်မှန်းကြောင်းကျိုးဆက်စပ်အကျိုးသက်ရောက်မှု, အတည်မပြုရသေးသောစာမူများအတွက်အေမျိုးဗီဇကိုက်ညီမှုမရှိပါ။ နှစ်ပတ်လည်နိုင်ငံရေးပါတီများနည်းလမ်း၏အစည်းအဝေး, Tallahassee, FL, အမေရိကန်, ဇူလိုင်လ 2005 မှာပေးအပ်သည်။ [Google Scholar]
Ghassemzadeh, L ကို .; Shahraray, M က .; Moradi, အင်တာနက်စွဲလမ်းနှင့်အင်တာနက်စွဲခြင်းနှင့်အီရန်အထက်တန်းကျောင်းများတွင် Non-စွဲ၏နှိုင်းယှဉ်၏အေပျံ့နှံ့နေတဲ့။ Cyberpsychol ။ ပြုမူနေ။ 2008, 11, 731-733 ။ [Google Scholar] [CrossRef] [PubMed]
ယန်း, ဂျေ-Y ကို .; ko, C. -H ကို .; ယန်း, C. -F .; ဝူ, အိပ်ချ်-Y ကို .; ယန်, M.-J. အင်တာနက်စွဲခြင်း၏ comorbid စိတ်ရောဂါလက္ခဏာတွေ: အာရုံစူးစိုက်မှုလိုငွေပြမှုနှင့် hyperactivity ရောဂါ (ADHD), စိတ်ကျရောဂါ, လူမှုရေး phobia နှင့်ရန်လိုမုန်းတီးမှု။ ဂျေမြီးကောင်ပေါက်။ ကျန်းမာရေး 2007, 41, 93-98 ။ [Google Scholar] [CrossRef] [PubMed]
Tonioni, F ကို .; Mazza, M က .; Autullo, G .; Cappelluti, R ကို .; Catalano, V ကို .; Marano, G .; Fiumana, V ကို .; Moschetti, C ကို .; Alimonti, F ကို .; Luciani, အမ်ရောဂါဗေဒလောင်းကစားဝိုင်းကနေကွဲပြားတဲ့ psychopathological အခွအေနေအင်တာနက်စွဲလား? ဂျေစွဲ။ ပြုမူနေ။ 2014, 39, 1052-1056 ။ [Google Scholar] [CrossRef] [PubMed]
Kuss, DJ သမား; Griffiths က, MD အွန်လိုင်းလူမှုရေးကွန်ရက်များနှင့်စိတ်ပိုင်းဆိုင်ရာစာပေ၏စွဲ-တစ်ဦးကသုံးသပ်မှု။ int ။ ဂျေပတ်ဝန်းကျင်။ res ။ ပြည်သူ့ကျန်းမာရေး 2011, 8, 3528-3552 ။ [Google Scholar] [CrossRef] [PubMed]
Oulasvirta, တစ်ဦးက .; Rattenbury, T က .; ma, L ကို .; Raita, အီးအလေ့အထများစမတ်ဖုန်းအသုံးပြုမှုကိုပိုမိုပြံ့နှံ့စေ။ Pers ။ နေရာအနှံ့ computing ။ 2012, 16, 105-114 ။ [Google Scholar] [CrossRef]
Duke, E .; Montage, C. စမတ်ဖုန်းစွဲနေ့စဉ်ကြားဖြတ်နှင့် Self-အစီရင်ခံကုန်ထုတ်။ စှဲလမျးသူ။ ပြုမူနေ။ rep ။ 2017, 6, 90-95 ။ [Google Scholar] [CrossRef] [PubMed]
Kuss, DJ သမား; Griffiths က, MD လူမှုရေးဆိုဒ်များနှင့်စွဲ networking: ဆယ်ပါးသင်ခန်းစာများကိုသင်ယူခဲ့တယ်။ int ။ ဂျေပတ်ဝန်းကျင်။ res ။ ပြည်သူ့ကျန်းမာရေး 2017, 14, 311 ။ [Google Scholar] [CrossRef] [PubMed]
Oberst, ဦး .; Wegmann, E ကို .; Stodt, B, .; ကုန်အမှတ်တံဆိပ်, M က .; မြီးကောင်ပေါက်များတွင်မိုးသည်းထန်စွာလူမှုကွန်ရက်ကနေ Chamarro, အေအပျက်သဘောဆောင်သောအကျိုးဆက်များ: ထွက်ပျောက်ဆုံးကိုကြောက်ရွံ့၏ဖြန်ဖြေအခန်းကဏ္ဍ။ ဂျေမြီးကောင်ပေါက်။ 2017, 55, 51-60 ။ [Google Scholar] [CrossRef] [PubMed]
Joffe, MM; Rosenbaum, PR စနစ်ဝေဖန်သုံးသပ်ချက်ဖိတ်ကြား: propensity ရမှတ်များ။ နံနက်။ ဂျေ Epidemiol ။ 1999, 150, 327-333 ။ [Google Scholar] [CrossRef] [PubMed]
စိန်, တစ်ဦးက .; Sekon, ကြောင်းကျိုးဆက်စပ်ဆိုးကျိုးများခန့်မှန်းဘို့ဂျေမျိုးဗီဇတူညီသည့်: စူးစမ်းလေ့လာမှုများအတွက်လက်ကျန်ငွေရရှိ၏အသစ်နည်းလမ်း။ ဗျာ Econ ။ Stat ။ 2013, 95, 932-945 ။ [Google Scholar] [CrossRef]