တစ်ဦးနှစ်ဦး-site ကိုစစ်တမ်း (2018) မှအထောက်အထား: တစ်ဦးသည်အသက်-related မျက်နှာစာပြဿနာအဖြစ်ပြဿနာအင်တာနက်အသုံးပြုမှု

စှဲလမျးသူပြုမူနေ။ 2018 ဖေဖော်ဝါရီ 12; 81: 157-166 ။ Doi: 10.1016 / j.addbeh.2018.02.017 ။

Ioannidis K သည်1, Treder က MS2, ချိန်ဘာလိန် SR1, Kiraly က F3, လာခြင်းလုပ် SA4, Stein DJ သမား5, Lochner ကို C6, Grant က je7.

ြဒပ်မဲ့သော

နောက်ခံနှင့်ရည်ရွယ်ပါသည်:

ပြဿနာအင်တာနက်အသုံးပြုမှုကို (PIU; မဟုတ်ရင်အင်တာနက်ကစွဲလမ်းအဖြစ်လူသိများ) ခေတ်သစ်လူ့အဖွဲ့အစည်းအတွက်ကြီးထွားလာပြဿနာဖြစ်ပါတယ်။ လူဦးရေ variable တွေကိုနှင့် PIU နှင့် PIU conceptualized ရပါမည်မည်သို့ကန့်သတ်ဥာဏ်နှင့်တကွဆက်စပ်တိကျတဲ့အင်တာနက်လှုပ်ရှားမှုများရှားပါးအသိပညာရှိပါသည်။ ကျွန်တော်တို့ရဲ့ရည်ရွယ်ချက်က PIU နှင့်ဆက်စပ်တိကျတဲ့အင်တာနက်လှုပ်ရှားမှုများဖော်ထုတ်ရန်နှင့်ထိုအသင်းအဖွဲ့များအတွက်အသက်အရွယ်နှင့်ကျား, မများ၏စိစစ်အခန်းကဏ္ဍစူးစမ်းဖို့ဖြစ်တယ်။

နည်းနာ:

ကျနော်တို့နှစ်ဦးကိုက်ဘ်ဆိုက်များ, US မှာတဦးတည်းနှင့်တောင်အာဖရိကတွင်တဦးတည်းမှာအင်တာနက်-based စစ်တမ်းများတွင် 1749 အသက်နှင့်အထက်မီဒီယာကြော်ငြာများမှတဆင့် 18 သင်တန်းသားများကိုစုဆောင်း, ကျနော်တို့ကဆန်းစစ်ဘို့ Lasso မှာဆုတ်ယုတ်အသုံးပြုသွားမည်။

ရလဒ်:

ယေဘူယျအင်တာနက်အသုံးပြုခြင်း (Lasso β: 2.1)၊ အင်တာနက်ဂိမ်းကစားခြင်း (β: 0.6)၊ အွန်လိုင်းစျေး ၀ ယ်ခြင်း (β: ၁.၄)၊ အွန်လိုင်းလေလံ ၀ က်ဘ်ဆိုက်များအသုံးပြုခြင်း၊ ကွန်ယက်ချိတ်ဆက်မှု (β: 1.4) နှင့်အွန်လိုင်းညစ်ညမ်းရုပ်ပုံစာပေများအသုံးပြုခြင်း (β: 0.027) ။ PIU နှင့်အခန်းကဏ္ playing - ကစားခြင်းဂိမ်းများ (β: 0.46)၊ အွန်လိုင်းလောင်းကစားခြင်း (β: 1.0)၊ လေလံတင်ခြင်းဝက်ဘ်ဆိုက်များအသုံးပြုခြင်း (β: 0.33) နှင့် streaming media (β: 0.15) အကြားဆက်ဆံရေးသည်ခေတ်အလယ်အလတ်အဆင့်ရောက်သည်။ PIU ၏အဆင့်ဆင့်။ ကျား၊ မနှင့်ကျား၊ မရေးရာအင်တာနက်လှုပ်ရှားမှုများသည်ပြaticနာရှိသောအင်တာနက်အသုံးပြုမှုရမှတ်များနှင့်ဆက်နွယ်နေကြောင်းအပြီးသတ်သက်သေသာဓကရှိသည်။ အာရုံစူးစိုက်မှု - လိုငွေပြမှု hyperactivity ရောဂါ (ADHD) နှင့်လူမှုရေးစိုးရိမ်စိတ်ရောဂါငယ်ရွယ်သင်တန်းသားများကို (အသက်≤ 0.35, β: 0.35 နှင့် 25 အသီးသီး) တွင်မြင့်မားသော PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့သည်, ယေဘုယျစိုးရိမ်စိတ်ရောဂါ (GAD) နှင့် obsessive-compulsive ရောဂါ (OCD) ခဲ့ကြသည် အဟောင်းပါဝင်သူ (အသီးသီးအသက်> 0.35, β: 0.65 နှင့် 55) တွင်မြင့်မားသော PIU ရမှတ်များနှင့်ဆက်စပ်။

နိဂုံးချုပ်:

အွန်လိုင်းအပြုအမူထဲကအတော်များများအမျိုးအစားများ (ဥပမာစျေးဝယ်, ညစ်ညမ်း, ယေဘုယျ surfing) တစ်ဦးမျက်နှာစာရောဂါအဖြစ်ပြဿနာအင်တာနက်အသုံးပြုမှုများ၏ရောဂါရှာဖွေခွဲခြားထောက်ပံ့ကစားထက်အင်တာနက် maladaptive အသုံးပြုမှုနှင့်အတူအားကောင်းဆက်ဆံရေးဟာသည်းခံကြ၏။ ထို့အပြင်ပြဿနာအင်တာနက်အသုံးပြုမှုနှင့်ဆက်စပ်အင်တာနက်လှုပ်ရှားမှုများနှင့်စိတ်ရောဂါ diagnoses ပြည်သူ့ကျန်းမာရေးသက်ရောက်မှုနှင့်အတူ, အသက်တွေနဲ့ခြားနားသည်။

KEYWORDS: အမူအကျင့်စွဲ, အင်တာနက်စွဲ; အင်တာနက်ကဂိမ်းရောဂါ; Lasso; စက်သင်ယူမှု; ပြဿနာအင်တာနက်အသုံးပြုမှု

PMID: 29459201

Doi: 10.1016 / j.addbeh.2018.02.017

                            1

နိဒါန္း

ပြဿနာအင်တာနက်အသုံးပြုမှုကို (PIU; မဟုတ်ရင်အင်တာနက်ကစွဲလမ်းအဖြစ်လူသိများ), ကမ္ဘာတစ်ဝှမ်းခေတ်သစ်လူ့အဖွဲ့အစည်းအတွက်ပြည်သူ့ကျန်းမာရေးစိုးရိမ်ပူပန်မှုဖြစ်ပါတယ်။ PIU ၏ရောဂါ (ရှင်းရှင်းလင်းလင်းမသိရသေးပါဘူးဖြစ်ပါသည်

; လူ ဦး ရေကွဲပြားမှုသာမက PIU အပြုအမူ၏ကွဲပြားခြားနားသောလုပ်ငန်းလည်ပတ်မှုဆိုင်ရာအဓိပ္ပါယ်ဖွင့်ဆိုချက်များကိုပါထင်ဟပ်နိုင်ဖွယ်ရှိသည်။ DSM-1 သည်အင်တာနက်ဂိမ်းကစားခြင်းဆိုင်ရာပြdisနာကိုထပ်မံလေ့လာရန်အတွက်အခြေအနေတစ်ရပ်အဖြစ်မီးမောင်းထိုးပြခဲ့သည်။ အထူးသဖြင့်လောင်းကစားခြင်းနှင့်ဆိုရှယ်မီဒီယာကိုအသုံးပြုခြင်းကဲ့သို့သောအခြားအင်တာနက်အခြေပြုလှုပ်ရှားမှုများကိုဖယ်ထုတ်ခြင်း၊ ပြuseနာရှိသောအင်တာနက်အသုံးပြုမှုသည်အွန်လိုင်းဂိမ်းထက် ကျော်လွန်၍ ကျယ်ပြန့်သောပြproblemနာဖြစ်သည် (; ;) ။ များစွာသောကွဲပြားခြားနားသောအွန်လိုင်းအပြုအမူများကိုအွန်လိုင်းမှကစားခြင်းနှင့်အစုလိုက်အပြုံလိုက်မြှင့်တင်ခြင်းဆိုင်ရာအွန်လိုင်းအခန်းကဏ္-- ကစားခြင်းများအပါအ ၀ င်အလွန်အကျွံလုပ်ဆောင်သည့်အခါပုံမှန်လည်ပတ်မှုကိုအနှောက်အယှက်ဖြစ်စေနိုင်ကြောင်းဖော်ပြခဲ့သည် (;;;;;), online gambling (;), online shopping (; ;)၊ ညစ်ညမ်းရုပ်ပုံစာပေကြည့်ရှုခြင်း (;;)၊ မကြာခဏအီးမေးလ်စစ်ဆေးခြင်း၊ လက်ငင်းစာတိုပေးပို့ခြင်း (;;) နှင့်လူမှုမီဒီယာများအလွန်အကျွံသုံးစွဲခြင်း (;) ။ အွန်လိုင်းအပြုအမူများသည်လူတစ် ဦး တစ်ယောက်၏ကျန်းမာရေးအတွက်စိုးရိမ်စရာဖြစ်စေနိုင်သည်။ တိကျသောအင်တာနက်လှုပ်ရှားမှုများသည်စိတ်ရောဂါဆိုင်ရာပြordersနာများနှင့်ဆက်နွယ်နေစဉ်ပြနာရှိသည့်အင်တာနက်အပြုအမူများ (;;;)) ကို အခြေခံ၍ ရလွယ်သော၊ ဥပမာအားဖြင့်၊ အွန်လိုင်းစျေးဝယ်ခြင်းသည်စိတ်ဓာတ်ကျခြင်းနှင့်သိုလှောင်ခြင်းတို့နှင့်ဆက်စပ်နေသည် (

).

လူငယ်များနှင့်ကျောင်းသားများ (PIU များအတွက်အန္တရာယ်အရှိဆုံးဖြစ်စဉ်းစားနေကြတယ်

; ; ; ; ), ဒါပေမဲ့အသက်-အလယ်တန်းနှင့်အထက်လူဦးရေပြည့်ပြည့်စုံစုံစုံစမ်းကြပြီမဟုတ်။ ငယ်ရွယ်စဉ်ပြဿနာအွန်လိုင်းစျေးဝယ်နဲ့ဆက်စပ်လျက်ရှိသည် (;) ။ သို့သျောလညျး, (အရွယ်ရောက်ပြီးသူလူဦးရေအတွက်အလွန်အကျွံအင်တာနက်ကိုအခြေခံပြီးစျေးဝယ်အပါအဝင်ပြဿနာအင်တာနက်လှုပ်ရှားမှုများဖော်ထုတ်လေ့လာမှုများ, တစ်အရေအတွက်ကိုတှေရှိခဲ့တယျ

) ။ ယေဘုယျအားပြဿနာအင်တာနက်အသုံးပြုမှု၏သဘာဝသမိုင်းမသိရသေးပေနှင့်ယေဘုယျ PIU အတွက်, ဒါမှမဟုတ်ကွဲပြားခြားနားသောပြဿနာအွန်လိုင်းအပြုအမူတွေအတွက်အသက်နှင့်ဆက်စပ်သောကွဲပြားခြားနားမှုရှိပါတယ်ဖြစ်နိုင်သည်။

PIU (အထီးသဘောအရဆိုလျှင်ရှိသည်ဖို့စဉ်းစားထားသည်

; ) နှင့်ဖွယ်ရှိပိုပြီးပျံ့နှံ့နေတဲ့အာရှအထီးလူငယ်များအကြားဖြစ်တယ်, ဒါပေမဲ့အမျိုးသမီးကိုလည်း (အားနည်းချက်နိုင်ပါတယ်;) ။ တစ်ဦးလက်တွေ့အဆင့်ကိုတွင်, PIU လေ့လာမှုအများစု (သာအထီးသင်တန်းသားများကိုထည့်သွင်း) နှင့်ကအမျိုးသမီးလက်တွေ့လူဦးရေ understudied ခဲ့ကြပေမည်ရှိမရှိမသိရသေးဖြစ်ပါတယ်။ (;) ယောက်ျားနှင့်မိန်းမဦးသူတို့ရှေးခယျြလှုပ်ရှားမှုများနှင့်၎င်းတို့၏အနုတ်လက္ခဏာအကျိုးဆက်များ၏စည်းကမ်းချက်များ၌အွန်လိုင်းပတ်ဝန်းကျင်တွင်လည်ပတ်လမျး၌ကွာခြားကြောင်းစူးစမ်းလေ့လာမှုများကနေတချို့သက်သေအထောက်အထားများရှိပါသည်။ (; S ကို;;;) chatting နှင့်လူမှုရေးမီဒီယာများ၏အလွန်အကျွံအသုံးပြုမှုငယ်ရွယ်ကျောင်းသားများကိုအတွက်အမျိုးသမီးကျားနှင့်ဆက်စပ်လျက်ရှိသည်။ အမျိုးသမီးကျားမလည်း) (ပြဿနာအွန်လိုင်းစျေးဝယ်တစ်ဦးခန့်မှန်းအဖြစ်ဖော်ထုတ်ခဲ့ပြီး, ဒါပေမယ့်ဆန့်ကျင်ဘက်လည်းအစီရင်ခံထားသည် (;) ။ ) (အွန်လိုင်းဂိမ်း) (အထီးကျားနှင့်ဆက်စပ်လျက်ရှိသည်, ဒါပေမယ့်လွန်ကဲကဲ multiplayer အွန်လိုင်းအခန်းကဏ္ဍ-ကစားဂိမ်းနှစ်ခုလုံးကိုလိင်အစီရင်ခံခဲ့သည်။ အွန်လိုင်းညစ်ညမ်းအဖြစ်အွန်လိုင်းလောင်းကစားအရွယ်ရောက်အမျိုးသားများအကြားတွင်ပိုပြီးမကြာခဏဖြစ်အစီရင်ခံခဲ့ကြ (), သို့သော်, က) ဆုလာဘ်အားဖြည့်, cue reactivity ကိုနှင့်အွန်လိုင်းလိင်၏တဏှာ၏အခန်းကဏ္ဍကို (နှစ်ဦးစလုံးလိင်အဘို့အလားတူဖြစ်ကြောင်းစောဒကတက်ခဲ့သည်။ ) ထိုသို့သော Facebook ကဲ့သို့က်ဘ်ဆိုက်များ networking အဖြစ်စွဲလမ်းအလားအလာနှင့်အတူလူမှုရေးမီဒီယာများ၏အထူးသဖြင့်ပလက်ဖောင်း, နှစ်ဦးစလုံးလိင်ကအသုံးပြုနေကြသည်ကအမျိုးသမီးအထူးသဖြင့် (အန္တရာယ်မှာဖြစ်အံ့သောငှါစောဒကတက်ခဲ့သည်။ ယေဘုယျအား PIU ၏ရှုထောင့်အဘို့အကျား, မ-တိကျတဲ့ကွဲပြားမှုရှိနိုင်ပါသည်; တနည်း, က (လက်တွေ့နှင့်အပြုအမူဆိုင်ရာသွင်ပြင်လက္ခဏာများ / ရှက်ကြောက်အကောင့်သို့ခေါ်ဆောင်သွားကြသည်ကိုတစ်ကြိမ်, နှစ်ဦးစလုံးလိင်အလားတူထိခိုက်ဖြစ်ကြောင်းဖြစ်နိုင်သည်;;

  

).

ယေဘုယျအားပြဿနာအင်တာနက်အပြုအမူတွေ၏ကျယ်ပြန့်အမျိုးမျိုးအပါအဝင်ပြဿနာအင်တာနက်အသုံးပြုမှုကိုတိကျတဲ့လှုပ်ရှားမှုများပြဿနာသို့မဟုတ်အလုပ်မဖြစ်အဖြစ်သို့မဟုတ် PIU အဖြစ်ဖော်ပြထားတဲ့ဖြစ်ရပ်ဆန်းမှယေဘုယျအားပံ့ပိုးမှုများအတွက်မှတ်ရပါမည်သည့်ပေါ်ကိုအလင်းကိုသွန်းမယ်လို့ပိုပြီးတိကျခိုင်မာစွာစုံစမ်းစစ်ဆေးမှုတွေလိုအပ်သည်။ အသက်အရွယ်နှင့်ကျား, မအထူးသဖြင့်အင်တာနက်လှုပ်ရှားမှုများနှင့် PIU အကြားဆက်ဆံရေးပုံမှန်ဖြစ်သွားရသောလမ်းကိုပိုပြီးအာရုံစူးစိုက်မှုကို warranting, understudied ခဲ့တာဖြစ်ပါတယ်။

ကျွန်ုပ်တို့၏ရည်မှန်းချက်ကစာရင်းအင်း PIU နှင့်အတူထိုဆက်ဆံရေးကိုပုံမှန်ဖြစ်သွားကြောင်းအသက်အရွယ်သို့မဟုတ်ကျားမနှင့်အတူအပြန်အလှန်ရှိပါတယ်ရှိမရှိဆက်စပ်တိကျတဲ့အင်တာနက်-related လှုပ်ရှားမှုများခွဲခြားသတ်မှတ်ဖို့ဖြစ်တယ်။

 

 

  

2

ပစ္စည်းနှင့်နည်းစနစ်များ

 

 

  

2.1

setting များနှင့်အစီအမံများ

ဤလေ့လာမှု၏ setting ကိုများနှင့်အစီအမံများနှင့်ပတ်သက်ပြီးအသေးစိတ်ကိုလည်း (PIU ပေါ်မှာငါတို့ယခင်ထုတ်ဝေတှငျဖျောပွထားပြီ

 

 

) ။ ဒီလေ့လာမှုအဘို့နည်းလမ်းအစီရင်ခံပါ (strobing လမ်းညွှန်အောက်ပါအတိုင်း

) ။ လက်ရှိလေ့လာမှုဇန်နဝါရီလ 2014-ဖေဖော်ဝါရီလ 2015 ထံမှကောက်ယူခဲ့သည်။ (; 18 အထီး [29%]; 18 ကော့ကေးဆပ် [77%] [1119-64] အသက်အရွယ် 1285 ဆိုလို) အင်တာနက်ကြော်ငြာများကို အသုံးပြု. ချီကာဂို (USA) နှင့် Stellenbosch (တောင်အာဖရိက): အထက်တွင် 73 နှစ်ပေါင်းအသက်နှင့်တစ်ဦးချင်းစီနှစ်ခုက်ဘ်ဆိုက်များမှာစုဆောင်းခဲ့ကြသည်။ အဆိုပါကြော်ငြာများအင်တာနက်အသုံးပြုမှုနှင့် ပတ်သက်. အွန်လိုင်းစစ်တမ်းအတွက်တစ်စိတ်တစ်ပိုင်းယူတစ်ဦးချင်းစီကိုမေးခဲ့တယ်။ သင်တန်းသားများကိုအမည်ဝှက်စစ်တမ်းမျောက် software ကိုသုံးပြီးစစ်တမ်းပြီးစီးခဲ့သည်။ အဆိုပါစစ်တမ်းကိုသီးခြားဒေသမူများအနေဖြင့်ဤမျှသာသင်တန်းသားများကိုပစ်မှတ်ထားခဲ့ကြ Craigslist မှတဆင့်လှေတျတျောမူခဲ့သညျ။ အဆိုပါလေ့လာမှုတစ်ခုစီကိုသုတေသနပြု site ကိုမှာအဖွဲ့အစည်းဆိုင်ရာသုံးသပ်ချက်ကိုပျဉ်ပြားကအတည်ပြုခဲ့ပါတယ်။ သင်တန်းသားများကိုတစ်စိတ်တစ်ပိုင်းယူဘို့အဘယ်သူမျှမလျော်ကြေးငွေလက်ခံရရှိပေမယ့်ငါးဆုတစ်ခုချင်းစီကို USA တွင် $ 50 နှင့် $ 200 အကြားတန်ဖိုးထားဆုနှင့်တောင်အာဖရိက ZAR250 နှင့် ZAR750 အကြားသုံးဆုနှင့်အတူရရှိနိုင်ခဲ့ကြသည်မထွက်ရတဲ့ကျပန်းထီစာရင်းသွင်းခဲ့သည်။

အွန်လိုင်းစစ်တမ်းတွင်လူတစ် ဦး ချင်းစီ၏အသက်၊ လိင်၊ လူမျိုး၊ ဆက်ဆံရေးအခြေအနေ၊ လိင်မှုဆိုင်ရာနှင့်ပညာရေးနောက်ခံနှင့်ပတ်သက်သောမေးခွန်းများ၊ ၁) ယေဘုယျဝင်ခြင်း၊ ၂) အင်တာနက်ကစားခြင်းစုစုပေါင်း ၃) အွန်လိုင်းအခန်းကဏ္ playing မှကစားခြင်းများ (RPG) အပါအ ၀ င်အမျိုးမျိုးသောအင်တာနက်လှုပ်ရှားမှုများကိုတိုင်းတာခဲ့သည်။ ၄) အချိန်ဖြုန်းတီး / ကျွမ်းကျင်မှုဂိမ်းများ (ဆိုလိုသည်မှာ iPod / iPad / ဆဲလ်ဖုန်းမှအက်ပလီကေးရှင်းများ၊ Tetris, Jewels) 1 (၆) အွန်လိုင်းစျေး ၀ ယ်ခြင်း ၇) လေလံ ၀ က်ဘ်ဆိုက်များ (ဥပမာ - Ebay) ၈) အွန်လိုင်းလောင်းကစား ၉) လူမှုဆက်သွယ်ရေးကွန်ယက် ၁၀) အွန်လိုင်းအားကစားများ (ဥပမာ - Fantasy အားကစား၊ ESPN) ၁၁) ညစ်ညမ်းရုပ်ပုံစာပေ / လိင် အင်တာနက်ပေါ်တွင် 2) စာတိုပေးပို့ရေး / Blogging (ဥပမာ AIM, Skype) နှင့် ၁၃) ဗီဒီယို / မီဒီယာလွှင့်ထုတ်ခြင်း (ဥပမာ YouTube, Hulu) ။ စစ်တမ်းတွင်ဆေးစွဲခြင်းဆိုင်ရာအင်တာနက်အစီအမံများပါ ၀ င်သည်။

) maladaptive အင်တာနက်အသုံးပြုမှုကိုတစ်တိုင်းတာပေး, ဖြစ်နိုင်ခြေလူမှုရေးစိုးရိမ်ပူပန်မှုရောဂါ (ဝမ်းနည်းဖွယ်), ယေဘူယျစိုးရိမ်စိတ်ရောဂါ (ထွေအုပ်) နှင့်စိတ်ကိုလွှမ်းမိုး-compulsive ရောဂါ (OCD) ကိုသိရှိနိုင်ဖို့ Mini ကိုအပြည်ပြည်ဆိုင်ရာအာရုံကြောဆိုင်ရာစိတ်ရောဂါအင်တာဗျူး (MINI) module တွေ () ကို select; အဆိုပါလူကြီး ADHD ကိုယ်ပိုင်အစီရင်ခံစာစကေးလက္ခဏာတွေစာရင်း (ASRS-v1.1) () အာရုံစူးစိုက်မှု-လိုငွေပြမှု hyperactivity ရောဂါ (ADHD) ရောဂါလက္ခဏာကိုသိရှိနိုင်ဖို့, obsessive-compulsive သဘောထားတွေကိုသိရှိနိုင်ဖို့ Padua Inventory (PI) (); နှင့် Barratt Impulse စကေး (bis-11) (ထကြွလွယ်သောကိုယ်ရည်ကိုယ်သွေးများကိုတွက်ချက်ရန်

) ။ အားလုံး variable တွေကိုအဘို့အဖော်ပြရန်စာရင်းဇယားနောက်ဆက်တွဲဇယား S1a အတွက်အသက်အရွယ်အားဖြင့်အကျဉ်းချုံးနှင့် stratified နေကြသည်။

အဆိုပါ IAT PIU ၏ရှုထောငျ့ဆန်းစစ် 20 မေးခွန်းများကိုပါဝင်သည်။ ပြင်းထန်သည်အင်တာနက်အသုံးပြုမှုကိုထင်ဟပ် 20-100 ပျော့ကိုအင်တာနက်အသုံးပြုမှုကိုထင်ဟပ်နှင့်အတူ 20 ထံမှ 49 ဖို့ IAT အကွာအဝေးအပေါ်ရမှတ်များ, 50-79 အလယ်အလတ်ကအင်တာနက်အသုံးပြုမှုနှင့် 80-100 ။ အဆိုပါ PI ဘုံ obsessional နှင့်အတင်းအကျပ်ပြုတတ်သောအပြုအမူအကဲဖြတ် 39 ပစ္စည်းများပါဝင်သည်။ အဆိုပါ bis-11 Impulse ၏အဆင့်ဆင့်ကိုဆုံးဖြတ်ရန်ဖို့အသုံးပြုတဲ့ Self-အစီရင်ခံစာမေးခွန်းလွှာဖြစ်ပါတယ်။

ကျွန်ုပ်တို့သည်အင်တာနက်လုပ်ဆောင်မှု၏အစိတ်အပိုင်းအနည်းငယ်သည်ကွဲလွဲမှု၏အစိတ်အပိုင်းကိုတွက်ချက်နိုင်ခြင်းရှိ / မရှိကိုကျောင်းအုပ်အစိတ်အပိုင်းခွဲခြမ်းစိတ်ဖြာခြင်း (PCA) ကိုပြုလုပ်ခဲ့သည်။ သို့သော်ဤခွဲခြမ်းစိတ်ဖြာမှုအရကျွန်ုပ်တို့သည်လုပ်ငန်းအမျိုးအစား ၁၃ ခုအနက် ၁၁ ခုတွင်> ၁၁ ခုလိုအပ်ကြောင်းပြသခဲ့သည်။ > ၉၀% သောကွဲလွဲမှုသည်အင်တာနက်လှုပ်ရှားမှုများ၏သိသာထင်ရှားသောသောအရာသည်ကွဲပြားမှုကိုထူးခြားစွာအထောက်အကူပြုသည်။ ထို့ကြောင့်ကျွန်ုပ်တို့သည်ကျွန်ုပ်တို့၏ခွဲခြမ်းစိတ်ဖြာခြင်းတွင် variable တစ်ခုစီကိုသီးခြားစီအသုံးပြုရန်ဆုံးဖြတ်ခဲ့သည်။

ဆန်းစစ်ခြင်းတွင်အင်တာနက်လုပ်ဆောင်မှုတိုင်းတာမှုများအပါအ ၀ င်အွန်လိုင်းစစ်တမ်းတစ်ခုလုံးပြီးဆုံးသွားသောပါ ၀ င်သူများ၏အချက်အလက်များသာပါဝင်သည်။ မူရင်းနမူနာ 2551 တစ် ဦး ချင်းစီပါဝင်သည်။ ၆၃ ဦး ကို IAT ရမှတ်များမရှိခြင်းအတွက်ဖယ်ထုတ်ခဲ့သည်။ တစ် ဦး ချင်း ၁၈ ဦး ကိုလိင်ကွဲပြားမှုအားကျား၊ မလိင်ဆက်ဆံမှုအားအစီရင်ခံခြင်းမှဖယ်ထုတ်ထားပြီးအရေးကြီးသောခန့်မှန်းတွက်ချက်နိုင်သော variable များဥပမာ PI သို့မဟုတ် BIS မေးခွန်းလွှာများအတွက် ၄၅၉ ခုကိုဖယ်ထုတ်ခဲ့သည်။ အသက် ၁၈ နှစ်မပြည့်သေးသူကိုလူ ၅ ဦး ထုတ်ပယ်ခြင်း နောက်ထပ် ၂၅၅ ဦး မှာအင်တာနက်လှုပ်ရှားမှုအားနည်းသောကြောင့်ဖယ်ထုတ်ခံခဲ့ရသည်။ နောက်ဆုံးအပြည့်အဝထားအားလုံး variable တွေကိုအပေါ်ပြီးပြည့်စုံရမှတ်များနှင့်အတူ 63 တစ် ဦး ချင်းစီပါဝင်သည်။ ဖယ်ထုတ်ခြင်းလုပ်ငန်းစဉ်၏ဤနောက်ဆုံးအဆင့်သည်လက်ရှိလေ့လာမှုနှင့်နမူနာကွာခြားမှုကိုဖော်ပြသည်

။ ဤသည်နောက်ဆုံးအပြည့်အဝအစုံ Stellenbosch site ကိုမှ 1063 တစ် ဦး ချင်းစီနှင့်ချီကာဂို site ကိုမှ 686 တစ် ဦး ချင်းစီပါဝင်သည်။ PIU ခန့်မှန်းခြေအချက်ပျံ့နှံ့မှုမှာ ~ ၈.၅% ဖြစ်ပြီး IAT ၏ ၅၀ နှင့်အထက်ကိုအသုံးပြုသည်။ လေ့လာမှုပြုလုပ်သောလူ ဦး ရေနှင့်နှိုင်းယှဉ်ပါက Stellenbosch site တွင်ငယ်ရွယ်သောသင်တန်းသားများရှိကြသည်။ (ဆိုလိုသည် (အကွာအဝေး) ၂၄.၃ (၁၈-၇၆) နှင့် ၃၆.၃ (၁၈-၇၇)၊ ANOVA F <8.5၊ η 2 : 0.20] အထီးကျား, မတစ်ဦးအနိမ့်အချိုးအစား [58% vs 73%, χ 2 <0.05, φ : 0.15] လိင်ကွဲလိင်စိတ်ခံယူမှုနဲ့မြင့်မားအချိုးအစား [91% vs 84%, χ 2 <0.05, φ : 0.10 vs 50] ADHD ၏မြင့်မားသောနှုန်းထား [41%% χ 2 <0.05, φ : 0.9], အွန်လိုင်းစျေးဝယ်ခြင်း၏နိမ့်နှုန်းထားများ [ဆိုလို (အကွာအဝေး) 0.48 (0-5) နှင့် 1.27 (0-5), ANOVA က F <0.05, η 2 : 0.18] နှင့် IAT ရမှတ်များအနည်းငယ်နိမ့်ကျ [mean (range) 30.3 (20-94) နှင့် 35.9 (20-85), ANOVA F <0.05, η 2 : 0.06] ။ တစ်ဦးကအသေးစိတ်နှိုင်းယှဉ်သည့်နောက်ဆက်တွဲဇယား S1b အတွက်ပေးအပ်သည်။ ်ထမ်းခေါ်ယူမှုနှင့်ဖယ်ဖြစ်စဉ်ကိုအသေးစိတ်အတွက်တင်ပြကြသည် သဖန်းသီး။ 1 ။ အားလုံးစဉ်ဆက်မပြတ် variable တွေကို (ဆိုလိုသည်မှာ bis ရမှတ်) ကိုမော်ဒယ်ကိန်း၏စကားပြန်တိုးမြှင့်ဖို့စံခဲ့ကြသည်။ အဆိုပါခန့်မှန်းနည်းလမ်းများတစ်ဂဏန်း variable ကို (Range 20-94 ဆိုလို 32.48) အဖြစ် IAT ရမှတ်ကိုအသုံးပြုခဲ့သည်။ အားလုံးဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်း R ကိုစတူဒီယိုဗားရှင်း 3.1.2 အတွက်ဆောင်ရွက်ခဲ့ကြသည်။ Lasso မှာ Generalized Linear & Models က "glmnet" အထုပ် (Package ကို glmnet ဗားရှင်း 2.0-5 (သုံးပြီးဖျော်ဖြေခဲ့ကြ

)) ။ ခွဲခြမ်းစိတ်ဖြာခြင်းလုပ်ငန်းစဉ်နှင့် ပတ်သက်. အသေးစိတ်အတွက်ဖြည့်စွက် (နည်းစနစ်နောက်ဆက်တွဲ) တွင်တွေ့ရှိနိုင်ပါသည်။

  

 

 

 

 

 

  

သဖန်းသီး။ 1
  

စုဆောင်းမှုစီးဆင်းမှုပုံ။ အဓိကနှင့်အဖွဲ့ခွဲခွဲခြမ်းစိတ်ဖြာမှုများမှစုဆောင်းခြင်းနှင့်ထုတ်ပယ်ခြင်းကိုဖော်ပြသည့် Flow diagram; IAT - အင်တာနက်စွဲခြင်းစစ်ဆေးခြင်း၊ PI: Padua Inventory-Revised; BIS - Barratt Impulsive Scale 11၊ Chi - ချီကာဂို; SA - တောင်အာဖရိက (Stellenbosch) (ဤပုံပါဒဏ္inာရီတွင်အရောင်များကိုကိုးကားရန်အနက်အတွက်စာဖတ်သူကိုဤဆောင်းပါး၏ဝဘ်ဆိုက်သို့ရည်ညွှန်းသည်။ )

 

 

 

 

 

  

2.2

ဆက်စပ်မှု၏တူးဖော်ရေး

ကျနော်တို့ (ကိုတွေ့မြင်ကျွန်တော်တို့ရဲ့ဒေတာအတွက် variable တွေကိုအကြားဆက်စပ်မှုစူးစမ်း သဖန်းသီး။ 2 ) ။ မတူညီသောအင်တာနက်လှုပ်ရှားမှုအားလုံးသည် IAT ရမှတ် (Pearson ဆက်စပ်မှုကိန်း ၀.၂၃ မှ ၀.၄၈) နှင့်အားနည်းသောအပြုသဘောဆက်နွယ်မှုများရှိသည်။ အင်တာနက်လှုပ်ရှားမှုကိန်းဂဏန်းများအကြားအလယ်အလတ်အပြုသဘောဆက်နွယ်မှုအချို့ကိုဖော်ထုတ်သည်။ ဆိုလိုသည်မှာစုစုပေါင်းအင်တာနက်ဂိမ်းကစားခြင်းနှင့် RPG (r = 0.23)၊ စုစုပေါင်းအင်တာနက်ဂိမ်းကစားခြင်းနှင့်လှုပ်ရှားမှုမျိုးစုံကစားခြင်းဂိမ်းများ (r = 0.48), အွန်လိုင်းစျေးဝယ်ခြင်းနှင့်လေလံဝက်ဘ်ဆိုက်များကိုအသုံးပြုခြင်း (r = 0.57), ယေဘုယျ surfing နှင့်စျေးဝယ်ခြင်း (r = 0.55)၊ ယေဘုယျ surfing နှင့် social network (r = 0.55), အထွေထွေ surfing နှင့် streaming media (r = 0.44) ။ အားကစားနှင့်အပြာစာပေရုပ်ပုံများ (r = 0.44)၊ အထီးလိင်နှင့်အားကစား (r = 0.44) သို့မဟုတ်ညစ်ညမ်းရုပ်ပုံစာပေ (r = 0.38) သို့မဟုတ် action multiplayer gaming (r = 0.30) တို့အကြားအားနည်းသောအပြုသဘောဆက်နွယ်မှုများရှိသည်။ အွန်လိုင်းလောင်းကစားခြင်းနှင့်အက်ပလီကေးရှင်းကစားခြင်း (r = 0.39), RGP (r = 0.27), လေလံဝက်ဘ်ဆိုက် (r = 0.41), အားကစား (r = 0.32) သို့မဟုတ် pornography (r = 0.38) အကြားအားနည်းသောဆက်နွယ်မှုများရှိသည်။ impulsivity သည်ယေဘုယျအားဖြင့်အင်တာနက်အသုံးပြုခြင်း၊ အွန်လိုင်းစျေးဝယ်ခြင်း၊ လေလံတင်သည့်ဝက်ဘ်ဆိုက်များအသုံးပြုခြင်း၊ လူမှုဆက်သွယ်ရေးကွန်ယက်များ၊ မီဒီယာထုတ်လွှင့်ခြင်းနှင့်ညစ်ညမ်းစာပေရုပ်ပုံများနှင့်အပြုသဘောဆက်နွယ်မှုရှိသည်။ (0.38 ≤ r ≤ 0.39) ။ သက်ကြီးရွယ်အိုနှင့်စျေးဝယ်ခြင်းလှုပ်ရှားမှုများ (r = 0.2) သို့မဟုတ်လေလံတင်သည့်ဝက်ဘ်ဆိုက်များကိုအသုံးပြုခြင်း (r = 0.3) နှင့်လိင်ကွဲမဟုတ်သောလိင်ဆိုင်ရာတိမ်းညွတ်မှုနှင့်ညစ်ညမ်းရုပ်ပုံများအကြားဆက်စပ်မှုအားနည်းနေသေးသည် (r = 0.33) ။ အင်တာနက်၊ အသက်၊ ကျား၊ မ၊ ဆက်နွယ်မှုအခြေအနေ၊ လိင်ပိုင်းဆိုင်ရာတိမ်းညွတ်မှု၊ ပညာရေးအဆင့်၊ ပြိုင်ပွဲနှင့်ထိုးထွင်းသိမြင်မှုနှင့်အနိုင်ကျင့်မှုတို့အကြားအခြားဆက်စပ်မှုများမှာအလွန်အားနည်းနေသည် (-0.22 <r <0.22) ။

  

 

 

 

 

 

  

သဖန်းသီး။ 2
  

variable တွေကို၏ရေနံဓါတ်ငွေ့ရှာဖွေရေးဆက်စပ်မှု matrix ကို။ အားလုံး variable တွေကိုအကြား Pearson ဆက်စပ်မှု။ အပြုသဘောဆက်နွယ်မှုများကိုအစိမ်းရောင် gradient အရောင်ဖြင့်ဖော်ပြသည်။ IAT ။ စုစုပေါင်း - အင်တာနက်စွဲရမှတ်၊ PADUA - PADUA Inventory ရမှတ်; BIS - Barratt Impulsive Scale ရမှတ်၊ RPG - အွန်လိုင်းဂိမ်းကစားနည်းများ။ (ဤပုံပါဒဏ္inာရီတွင်အရောင်များကိုကိုးကားရန်အနက်အတွက်စာဖတ်သူကိုဤဆောင်းပါး၏ဝဘ်ဆိုက်သို့ရည်ညွှန်းသည်။ )

 

 

 

 

 

  

2.3

Over-သငျ့နှငျ့ဆကျဆံရာတှငျ

ကျွန်တော်တို့ရဲ့စာရင်းအင်းနည်းလမ်းများငါတို့သည်လူဦးရေအချိုးအစား variable တွေကို (အသက်, လူမျိုး, ပညာရေးအဆငျ့, ကျား, မ, ကြားဆက်ဆံရေးအဆင့်အတန်း, လိင်), လက်တွေ့သွင်ပြင်လက္ခဏာများ (ADHD, ထွေအုပ်, လူမှုရေးတော့ပူပန်ခြင်းနှင့် OCD ၏ diagnoses), နှင့်ဆက်စပ်ခံရဖို့လူသိများအပြုအမူအတိုင်းအတာပါဝင်သည်ကြောင်းမော်ဒယ်များကိုအသုံးပြု ခေတ်သို့မဟုတ်ကျား×အင်တာနက်ပေါ်ကလုပ်ဆောင်မှုအကြား PIU (Impulse နှင့် compulsive), အင်တာနက်လုပ်ငန်းများနှင့်အပြန်အလှန်အသုံးအနှုန်းများ, အဆုံးစွန်သောအသက်အရွယ်သို့မဟုတ်ကျားမအင်တာနက်လှုပ်ရှားမှုများနှင့်ပြဿနာအင်တာနက်အသုံးပြုမှုကိုရမှတ်များအကြားဆက်ဆံရေးပုံမှန်ဖြစ်သွားသောအယူအဆစမ်းသပ်ဖို့ဆုံးဖြတ်ခဲ့ကြသည်။ ကျနော်တို့ 51 ခန့်မှန်း variable တွေကိုတစ်ဦးစုစုပေါင်းပါဝင်သည်။ ကျနော်တို့ကပိုတိကျသည်နှင့်တစ်ချိန်တည်းမှာလူဦးရေအချိုးအစားနှင့်အင်တာနက်လှုပ်ရှားမှု variable တွေကိုအကြားရှုပ်ထွေး interaction ကဖမ်းယူမယ့်မော်ဒယ်ရည်ရွယ် variable တွေကိုတစ်ကြီးထွားလာတယ်ဆိုတာသိနိုင်ပါတယ်အပါအဝင်အားဖွငျ့ဖွစျသညျ။ သို့သော်များစွာသောခန့်မှန်း variable တွေကိုရှိခြင်း၏အဆင်မပြေတာကဒီပုံမှန်အားဖြင့် Over-သငျ့ကြီးမားသောကိန်းဖြင့်လိုက်ပါသွားမှဦးဆောင်သောကွောငျ့ဖွစျသညျ။ ထို့အပွငျ In-နမူနာ linear ဆုတ်ယုတ်လည်းအထူးသဖြင့်ရှုပ်ထွေးမော်ဒယ်များအတွက် Over-မထိုက်မတန်လေ့နှင့်အချက်အလက်အသစ်ကိုအပေါ်ခန့်မှန်းချက်အောင်အတွက်အခြေခံကျကျချို့ယွင်းချက်ဖြစ်ပါတယ်။ Over-သငျ့မော်ဒယ်များ၏, အားနည်းချက်တွေ၏ကျယ်ပြန့်သက်သေအထောက်အထား (ရှိပါသည်

 

 

) ။ Over-သငျ့နှင့်အတူကိုင်တွယ်ရန်, ငါတို့ (မော်ဒယ်၏အထွေထွေနှင့်ခန့်မှန်းအမှားတစ်ခုခန့်မှန်းချက်အရ Out-of-နမူနာစာရင်းအင်းနည်းလမ်းများ (Cross-validation ကို) ကို အသုံးပြု. ဆွေးနွေး

 

 

) ။ မော်ဒယ်များသည် variable များစွာကိုထည့်ခြင်းအားဖြင့်တိုးတက်မှုရှိ၊ မရှိကိုစမ်းသပ်ရန် variable များနောက်ပြန်ရွေးချယ်ခြင်းနှင့် တွဲဖက်၍ အမြစ် - ယုတ် - နှစ်ထပ် - အမှား၏ Out-of- နမူနာ Cross-validated estimation ကိုအသုံးပြုသောအခါကျွန်ုပ်တို့၏လက်ရှိဒေတာတွင်ဤချဉ်းကပ်မှုကိုစူးစမ်းလေ့လာခဲ့သည်။ ဖြစ်နိုင်ချေရှိသောခန့်မှန်းသူများ၏ဖြစ်နိုင်ချေရှိသောပေါင်းစပ်မှုများ၏အစိတ်အပိုင်းများကိုကျွန်ုပ်တို့တွေ့ခဲ့ရပြီး (ဥပမာ - ၁၃ နှင့် ၁၆ အကြားခန့်မှန်းခြေအားဖြင့် variable များ) သည်ရှုပ်ထွေးသောမော်ဒယ်များနှင့်နှိုင်းယှဉ်ပါက Cross-validated RMSE (> 13 variable များအပါအဝင်) နှင့်နှိုင်းယှဉ်လျှင်ပိုမိုနိမ့်သည်။ ဤသည်ရေနံဓါတ်ငွေ့ရှာဖွေရေးမှာပြနေသည် သဖန်းသီး။ 3 (ထိပ် left) ။

  

 

 

 

 

 

  

သဖန်းသီး။ 3
  

Cross-အတည်ပြုအမှားအယွင်းများနှင့် Lasso မှာကိန်းများအတွက်ရှင်းလင်းချက်ကွက်။ ရှင်းလင်းချက် Cross-အတည်ပြုအမှားအယွင်းများနှင့် Lasso မှာကိန်းများအတွက်မြေကွက် (အားလုံးပါဝင်သူများဎ = 1749) ။ ပထမဦးဆုံးအကြံစည်မှု (လက်ဝဲထိပ်) လက်ဝါးကပ်တိုင်-အတည်ပြုအမြစ် linear ဆုတ်ယုတ်မော်ဒယ်တွင်ထည့်သွင်း variable တွေကိုအရေအတွက်၏တစ်ဦး function ကိုအဖြစ်နှစ်ထပ်အမှား (rmse.cv) ကိုဆိုလိုတာပေါ်ထွန်းရေးဖြစ်သည်။ အဆိုပါကြံစည်မှုမော်ဒယ်အတွက် ~ 16 variable တွေကိုထက်ပိုမိုထည့်သွင်းသေချာပေါက် RMSE လျှော့ချရေး၏စည်းကမ်းချက်များ၌စံပြတိုးတက်စေတော်မမူကြောင်းပြသသည်။ ဒုတိယကြံစည်မှု (ထိပ်ညာ) Cross-အတည်ပြုသည့် 10-ခြံပြယုတ်အပြန်အလှန်အသုံးအနှုန်းများနှင့်အတူအပြည့်အဝဒေတာကို အသုံးပြု. Lasso ပုံမှန်အစည်းအဝေးမော်ဒယ် (log) lambda (λ) ၏ function ကိုအဖြစ်အမှားနှစ်ထပ်။ လယ်ကွက်ထိပ်တွေကိုနံပါတ်ခန့်မှန်း (variable တွေကို) ၏အရေအတွက်ကညွှန်ပြသည့်မော်ဒယ်ပိုမိုကျဲမော်ဒယ်များ (ညာဘက်ထိပ်ထောင့်) အားလုံးခန့်မှန်း (ထိပ်ထောင့် left) မှသွားအသုံးပြုနေသည်။ ဒီ function ကိုအကောင်းဆုံးλရွေးချယ်ရာတွင်၏စည်းကမ်းချက်များ၌ Lasso ၏ optimization ကူညီပေးသည်။ တတိယကြံစည်မှု (လက်ဝဲအောက်ခြေ) မှတ်တမ်း (λ) ၏ပိုကြီးတဲ့ဂဏန်းအဘို့အမြှောက်ဖော်ကိန်း၏ကျုံ့ညွှန်ပြမှတ်တမ်း (λ) ၏ function ကိုအဖြစ်ခန့်မှန်းကိန်းရမှတ်များပြသထားတယ်။ လယ်ကွက်ထိပ်တွေကိုနံပါတ်ခန့်မှန်း (variable တွေကို) ၏အရေအတွက်ကညွှန်ပြသည့်မော်ဒယ်ပိုမိုကျဲမော်ဒယ်များ (ညာဘက်ထိပ်ထောင့်) အားလုံးခန့်မှန်း (ထိပ်ထောင့် left) မှသွားအသုံးပြုနေသည်။ နောက်ဆုံးကြံစည်မှု (ညာဘက်အောက်) ကိုအသုံးပြုခန့်မှန်းခြင်းနှင့်၎င်းတို့၏မြှောက်ဖော်ကိန်းများ၏အရေအတွက်နှင့်စပ်လျဉ်းအတွက်မော်ဒယ်အားဖြင့်ရှင်းပြခဲ့ deviance ၏အစိတ်အပိုင်းပြသထားတယ်။ တစ်ခုချင်းစီကိုအရောင်လိုင်းတစ်ခုတည်းခန့်မှန်းနှင့်၎င်း၏ကိန်းရမှတ်ဖော်ပြခဲ့သည်။ အဆိုပါကြံစည်မှု deviance အများဆုံးအစိတ်အပိုင်းနီးစပ်သူပိုကြီးတဲ့ကိန်း Over-လျောက်ပတ်သည့်မော်ဒယ်များ၏ဖွယ်ရှိညွှန်ပြပေါ်ပေါက်ကရှင်းပြသည်ကြောင်းပြသထားတယ်။ (ဒီပုံဒဏ္ဍာရီထဲမှာအရောင်ဖို့ရည်ညွှန်း၏အနက်ကိုအဘို့, စာဖတ်သူကဒီဆောင်းပါး၏ဝဘ်ဗားရှင်းရည်ညွှန်းသည်။ )

 

 

 

 

 

  

2.4

sparsity သတ်နှင့်အတူပုံမှန်ဆုတ်ယုတ်

ယခင်ပိုဒျတှငျဖျောပွထားသညျ့အကွောငျးမြားကွောငျ့, ငါတို့ PIU ရမှတ်ခန့်မှန်း၏စည်းကမ်းချက်များ၌စံစာရင်းအင်းနည်းလမ်းများမှနှိုင်းယှဉ်ဖြစ်ခြင်းနေစဉ်အများကြီးအဖြစ်မယ်လို့မဟုတ် Over-မထိုက်မတန်ခန့်မှန်းတဲ့ method ကိုအသုံးပြုချင်တယ်။ ကျွန်တော်တို့ရဲ့နည်းလမ်းကိုလည်း (Non-သုညကိန်းနှင့်အတူခန့်မှန်းများ၏အရေအတွက်ကိုလျှော့ချခြင်းဖြင့် IE) variable ကိုရှေးခယျြလုပျနိုငျပါလျှင်၎င်းသည်လည်းမော်ဒယ်၏စကားပြန်နှင့်အတူကူညီနိုင်ဖို့အတွက်အဖိုးတန်လိမ့်မည်။ အစပိုင်းတွင်အရေးပါသောညီမျှခြင်းဖြေရှင်းဖို့ Tikhonov ကဒီဇိုင်းပုံမှန်အစည်းအဝေး, (

 

 

) နှင့်နောက်ပိုင်းတွင်အားဖြင့်စာရင်းအင်းသိပ္ပံမိတ်ဆက်) (sparsity ဆီသို့ဦးတည်မော်ဒယ်ဆောက်လုပ်ရေးပြောင်းလဲနှင့် Over-သငျ့လျှော့ချ၏တပ်မက်လိုချင်သောအဖျောပွဂုဏ်သတ္တိများအချို့ရှိပါတယ်။ (;) (အနည်းဆုံး Absolute ကျုံ့နှင့်ရွေးချယ်ရေးအော်ပရေတာ (Lasso သို့မဟုတ် Lasso သုံးပြီးဆုတ်ယုတ်အဖြစ်လူသိများပြစ်မှုဆိုင်ရာအများဆုံးဖြစ်နိုင်ခြေနှင့်အတူယေဘူယျ linear မော်ဒယ် ())) ယခုမကြာခဏဆေးဘက်ဆိုင်ရာသိပ္ပံများတွင်အသုံးပြုပုံမှန်နှင့်ဆုတ်ယုတ်ခွဲခြမ်းစိတ်ဖြာနည်းလမ်းဖြစ်ပါတယ် Lasso နှင့်အသုံးပြုရန်အလားအလာရှိပါတယ် Psychiatry အတွက်လက်တွေ့ခန့်မှန်းမော်ဒယ် (RC) ။ Ridge ဆုတ်ယုတ်) (ကကိန်းပြစ်ဒဏ်မိတ်ဆက်ခြင်းဖြင့်ကိန်းကျုံ့ကြောင့်ပုံမှန် linear ဆုတ်ယုတ်၏အခြားပုံစံတစ်မျိုးဖြစ်ပါတယ်။ အဆိုပါ elastic-ပိုက်ကွန်ကိုခေါင်နှင့် Lasso နှင့်၎င်း၏ပင်နယ်တီအကြားတစ်ဦးအလယ်အလတ်မော်ဒယ် Lasso မှာ (α = 1) နှင့်ခေါင် (α = 0) အကြားကွာဟချက်ကိုတံတားရာαကထိန်းချုပ်ထားသည်။ အဆိုပါ tuning parameter သည်λအဆိုပါပင်နယ်တီ၏ခြုံငုံအစွမ်းသတ္တိကိုထိန်းချုပ်သည်။ Lasso မှာအဆိုပါ L1 ပြစ်ဒဏ်နှင့်ခေါင်ပု L2 ပင်နယ်တီကိုအသုံးပြုသည်ကိုအသုံးပြုသည်။ ခေါင်ဆုတ်ယုတ်မတူဘဲခုနှစ်, Lasso မှာ L1 ပြစ်ဒဏ်၏အကျိုးသက်ရောက်မှုအရှိဆုံးကိန်းတစ်ချိန်တည်းမှာကျဲသောပုံမှန်ဖြေရှင်းချက်မှဦးဆောင်သုညမှမောင်းနှင်နေကြသည်သောကွောငျ့ဖွစျသညျ။ ဒီယန္တရားကိုအသုံးပြုပုံကတော့ Lasso မှာအများအပြားခန့်မှန်းပုံစံတွင်ပါဝင်ပတ်သက်လျှင်အလွန်ကြီးအထူးသဖြင့်အနက်ကိုရိုးရှင်းနိုင်သည့် variable ကိုရွေးချယ်ရေးလုပ်ဆောင်တယ်။ လျောက်ပတ်ကျော်ကရှောင်ရှားရန်မြင့်မားသောတိကျမှန်ကန်မှုနှင့်စွမ်းရည်ကြောင့်လူသိများနောက်ထပ် Non-စံနည်းလမ်းကျပန်းသစ်တောများ (ဖြစ်ပါတယ်

 

 

  

) ။ ကျပန်းသစ်တောများသည် non-linear မှီခိုဆန့်ကျင်ကောင်းစွာလုပ်ဆောင်ထို့ကြောင့်, ဒီမော်ဒယ်များ၏စွမ်းဆောင်ရည်ရှာဖွေစူးစမ်းဖြစ်နိုင်သည် '' ဝှက်ထားသော 'သို့ကျွန်တော်တို့ကိုထိုးထွင်းသိမြင်မှုပေးနိုင်မယ့်စက်သင်ယူမှုနည်းလမ်း, ရှုပ်ထွေးသောအသင်းအဖွဲ့များဖြစ်ကြသည်။

 

 

  

2.5

ခန့်မှန်းမှုနည်းလမ်းများ

ကျွန်ုပ်တို့၏ခွဲခြမ်းစိတ်ဖြာမှုတွင်သင့်လျော်သောပုံစံကိုရွေးချယ်ရန်ကျွန်ုပ်တို့သည် RMSE ၏ခိုင်လုံသောတွက်ချက်မှုကိုတွက်ချက်ခြင်းအားဖြင့် linear ဆုတ်ယုတ်ခြင်း၊ ခုတ်လှဲခြင်းဆုတ်ယုတ်ခြင်း၊ elastic-net၊ Lasso နှင့်ကျပန်းသစ်တောမော်ဒယ်များကိုအချင်းချင်းနှိုင်းယှဉ်ခြင်း၊ ကျွန်ုပ်တို့၏ Cross-validation တွင်ကျပန်းအချက်အလက်များကိုလေ့ကျင့်ခြင်းနှင့်စမ်းသပ်ခြင်းအစုတွင်ကျိုးပဲ့ခြင်း၊ လေ့ကျင့်ခန်းတွင်စံသတ်မှတ်ချက်များကိုညှိခြင်းနှင့်စမ်းသပ်ခြင်းတွင် IAT ရမှတ်များအတွက်ခန့်မှန်းခြင်းများပါဝင်သည်။ သတင်းအချက်အလက်များကိုခြံများထဲသို့ခွဲထုတ်ရန်ကျပန်းသဘောသဘာဝကြောင့်ကျွန်ုပ်တို့သည်တည်ငြိမ်။ ပုံတူကူးယူနိုင်သောခန့်မှန်းချက်ကိုရရန်ဤလုပ်ငန်းစဉ်ကိုအကြိမ် ၅၀ ထပ်ခါတလဲလဲပြုလုပ်ခဲ့သည်။ ကျနော်တို့ထို့နောက် Exact Wilcoxon-Pratt လက်မှတ်ရေးထိုးခဲ့ရာထူးစမ်းသပ်မှုသုံးပြီး RMSE ရမှတ်၏နောက်ဆုံး virus သယ်ဆောင်နှိုင်းယှဉ်။ အားလုံးမော်ဒယ်များ (ဖြည့်စွက်ဇယား S50 ကိုကြည့်ပါ) p သည်တညျ့ <0.001, Cohen ကိုရဲ့ = = -0.87) သည်သိပ္ပံနည်းကျအခြေခံမှသိသိသာသာသာလွန်ခဲ့ကြသည်။ RMSE ရမှတ်များ၏အကျဉ်းချုပ်စာရင်းဇယားများကိုနောက်ဆက်တွဲဇယား S2 တွင်တင်ပြထားပါသည်။ Lasso နှင့် elastic net များသည်ခေါင်မိုးဆုတ်ယုတ်ခြင်း (p-corrected <3, d = 0.01, = = 0.51) နှင့် linear ဆုတ်ယုတ် (p ဆုံးလဲချက် <0.49, = = 0.001) ထက်သာလွန်သည်။ တစ် ဦး နှင့်တစ် ဦး အကြားကိန်းဂဏန်းအရကွဲပြားခြားနားမှုမရှိပါ (p corrected> 0.76, = = -0.05) ။ ကျပန်းသစ်တောသည် Lasso (p = 0.08) သို့မဟုတ် elastic net (p>> 0.12) ထက်ပိုမိုသာလွန်သည်။ ထို့ကြောင့်, ငါတို့ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက်ကျနော်တို့ Lasso ကိုအသုံးပြုခဲ့သည်, အဘယ်ကြောင့်ဆိုသော်ကောင်းသော Out-of- နမူနာခန့်မှန်းချက်စွမ်းဆောင်ရည်မှ, Lasso ကိန်းသုညအထိလျှော့ချခြင်းနှင့်ထို့ကြောင့်အဓိပ္ပာယ်တိုးမြှင့်ခြင်းဖြင့် variable ကိုရွေးချယ်ခြင်းလုပ်ဆောင်နိုင်ခဲ့သည်။ elastic net သည် variable selection ကိုလည်းလုပ်ဆောင်နိူင်သော်လည်း၎င်းသည် variable များကိုပိုမိုရွေးချယ်လေ့ရှိပြီးပိုမိုရှုပ်ထွေးပြီးပိုမိုအားကောင်းသောမော်ဒယ်ဖြစ်သော်လည်း Lasso ထက်စွမ်းဆောင်ရည်သိသိသာသာကောင်းမွန်ခြင်းမရှိချေ။ ကျွန်ုပ်တို့၏နောက်ဆုံးခွဲခြမ်းစိတ်ဖြာမှုအပြည့်အ ၀ ဒေတာနှင့်အဖွဲ့ခွဲခွဲခြမ်းစိတ်ဖြာခြင်းတွင်ကျွန်ုပ်တို့သည် Lasso မော်ဒယ်များအတွက်အကောင်းဆုံး lambda များကိုထုတ်လုပ်ရန် ၁၀- ကြိမ် Cross-validation ကို အသုံးပြု၍ ထိုမော်ဒယ်များမှထုတ်လုပ်သောကိန်းများကိုအစီရင်ခံခဲ့သည်။ အပြည့်အဝဒေတာခွဲခြမ်းစိတ်ဖြာကနေဆင်းသက်လာရှင်းလင်းချက်ကွက်ထဲမှာတင်ပြနေကြသည် သဖန်းသီး။ 3 .

 

 

  

3

ရလဒ်များ

Lasso မှာဆုတ်ယုတ်ရလဒ်များတပြင်လုံးကိုနမူနာများတွင်အကျဉ်းချုပ်နှင့်အသက်အရွယ်အားဖြင့် stratified နေကြတယ် ဇယား 1 နှင့် 2 ။ အသက်အရွယ်အားဖြင့်၎င်း, လေ့လာမှု site မှ stratified အပါအဝင်အဖွဲ့ခွဲများအတွက်ရလဒ်များအပြည့်အဝစားပွဲလေ့လာဆန်းစစ်, အွန်လိုင်းနောက်ဆက်တွဲစားပွဲ (ဇယား S4-S10) တွင်ပေးအပ်လျက်ရှိသည်။ ယင်းအချက်အလက်များ၏ရှာဖွေတူးဖော်ခွင့်ကွက်နောက်ဆက်တွဲကိန်းဂဏန်းများ (သင်္ဘောသဖန်းသီး။ S1-S3) တွင်ပေးအပ်လျက်ရှိသည်။ linear ဆုတ်ယုတ်၏ပိုပြီးစံစာရင်းအင်းချဉ်းကပ်မှုကနေရလာဒ်ကိုလည်းနောက်ဆက်တွဲဇယား S4-S10 အတွက်တင်ပြခြင်းနှင့်အောက်တွင်ဖော်ပြထားသောတင်ပြအဓိကရလာဒ်များနှင့်နှိုင်းယှဉ်လျှင်ဖွဲ့စည်းပုံဆိုင်ရာအခြအတွက်မဆိုကွဲပြားခြားနားမှုအခြားမော်ဒယ်များ၏ရွေးချယ်မှုအပျေါမှာခြွင်းချက်ဖြစ်ကြ၏။

စားပွဲတင် 1
အသက်အရွယ်အားဖြင့် stratified အင်တာနက်လှုပ်ရှားမှုများများအတွက် Lasso မှာကိန်း။
အင်တာနက်ကလှုပ်ရှားမှုအားလုံး (ဎ = 1749)18 ≤ခေတ်≤ 25 (ဎ = 1042)26 ≤ခေတ်≤ 55 (ဎ = 592)အသက်> 55 (n = ၁၁၅)
အထွေထွေ surfing2.100 2.400 1.500 0.590
အင်တာနက်ကဂိမ်းကစားခြင်း0.600 0.450 0.110 0.000
RPG0.0000.0000.710 0.000
အချိန်ကိုဖျက်ဆီး0.0000.0000.0000.450
လှုပ်ရှားမှု multiplayer0.0000.0000.0000.000
စျေးဝယ်1.400 0.840 1.500 0.000
လေလံဝဘ်ဆိုဒ်များ0.027 0.0000.990 0.230
လောင်းကစား0.0000.0000.780 0.000
social networking0.460 0.0001.300 0.000
အားကစားဆိုင်ရာ0.0000.0000.0000.000
ဝတ်လစ်စလစ်ရုပ်ရေးခြွယ်ခြင်း1.000 1.400 0.210 0.000
messaging0.0000.0000.110 0.000
streaming မီဒီယာ0.0000.0000.0001.200
PADUA0.074 0.085 0.029 0.065
bis0.066 0.048 0.072 0.086
ADHD Diagnosis1.700 0.350 3.100 0.000
ထွေအုပ်ရောဂါ0.230 0.0000.0006.400
လူမှုစိုးရိမ်စိတ်ရောဂါ0.0000.560 0.0000.000
OCD ရောဂါ0.270 0.0000.0004.300
 

 

 

လာဆာ - အနည်းဆုံးပကတိကျုံ့ခြင်းနှင့်ရွေးချယ်ခြင်းအော်ပရေတာ၊ RPG - ဂိမ်းကစားခြင်းအခန်းကဏ္;၊ PADUA: Padua Inventory- ပြန်လည်ပြင်ဆင်ထားသောစစ်ဆေး; BIS - Barratt Impulsive Scale 11၊ ADHD - အာရုံစူးစိုက်မှုနည်းပါးသော Hyperactivity Disorder; ထွေအုပ် - အထွေထွေစိုးရိမ်ပူပန်မှုရောဂါ၊ OCD - obsessive-compulsive disturb ။ တင်ဆက်မှုရည်ရွယ်ချက်များအတွက်သိသာသော Lasso ကိန်းကိုစာလုံးဖြင့်ဖော်ပြသည်။
စားပွဲတင် 2
ဒေသစစ်တမ်းများနှင့်အပြန်အလှန်အသုံးအနှုန်းများများအတွက် Lasso မှာကိန်း။
အင်တာနက်ကလှုပ်ရှားမှုအားလုံး (ဎ = 1749)18 ≤ခေတ်≤ 25 (ဎ = 1042)26 ≤ခေတ်≤ 55 (ဎ = 592)အသက်> 55 (n = ၁၁၅)
လူဦးရေအချိုးအစား variable တွေကို0.0000.0000.0000.000
မဆိုအင်တာနက်ကလှုပ်ရှားမှု×ကျား0.0000.0000.0000.000
ယေဘုယျ surfing ×ခေတ်0.000---
အင်တာနက်ကဂိမ်းကစား×ခေတ်0.000---
RPG ×ခေတ်0.330 ---
အချိန်ကိုဖျက်ဆီး×ခေတ်0.000---
အရေးယူ multiplayer ×ခေတ်0.000---
စျေးဝယ်×ခေတ်0.000---
လောင်းကစားဝိုင်း×ခေတ်0.150 ---
လေလံဝဘ်ဆိုဒ်များ×ခေတ်0.350 ---
လူမှုရေးကွန်ရက်×ခေတ်0.000---
အားကစား×ခေတ်0.000---
ညစ်ညမ်း×ခေတ်0.000---
မက်ဆေ့ခ်ျပို့×ခေတ်0.000---
မီဒီယာစီးဆင်းမှု×ခေတ်0.350 ---
 
  

လာဆာ - အနည်းဆုံးပကတိကျုံ့ခြင်းနှင့်ရွေးချယ်ခြင်းအော်ပရေတာ၊ RPG - ဂိမ်းကစားခြင်းအခန်းကဏ္;၊ လူ ဦး ရေအချိုးအစားပြောင်းလဲနိုင်သည်မှာအသက်၊ ကျား၊ မ၊ လူမျိုး၊ ပညာရေး၊ တင်ဆက်မှုရည်ရွယ်ချက်များအတွက် Lasso ၏မြှောက်ဖော်ကိန်းများကိုရဲရင့်စွာဖော်ပြထားသည်။

 

 

  

3.1

အသက်အပိုင်းအခြား

Lasso ဆုတ်ယုတ်ခုနှစ်တွင်အသက်အရွယ်အပါအဝင်အဘယ်သူမျှမ variable ကို, ကျား, မ, လူမျိုး, ပညာရေးအဆင့်ဆက်ဆံရေးဟာအဆင့်အတန်းသို့မဟုတ်လိင်ပိုင်းဆိုင်ရာ orientation ကိုမဆိုအသက်အရွယ်အဖွဲ့ခွဲတွင်သို့မဟုတ်အပြည့်အဝဒေတာအတွက် PIU နှင့်ဆက်စပ်ခဲ့သည်။

 

 

  

3.2

အင်တာနက်ကလှုပ်ရှားမှုများ

ဒေတာအပြည့်အစုံ Lasso ၏ဆုတ်ယုတ်မှုတွင်ယေဘုယျ surfing (β: 2.1)၊ အင်တာနက်ဂိမ်း (β: ၀.၆)၊ အွန်လိုင်းစျေးဝယ်ခြင်း (β: ၁.၄)၊ လေလံတင်သည့်ဝက်ဘ်ဆိုက်များအသုံးပြုခြင်းအပါအ ၀ င်မြင့်မားသော PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့သည်။ ၀.၀၂၇)၊ လူမှုရေးကွန်ရက် (β: 0.6) နှင့်အွန်လိုင်းညစ်ညမ်းစာပေရုပ်ပုံများအသုံးပြုခြင်း (β: 1.4) ။ PIU နှင့်အခန်းကဏ္ playing - ကစားခြင်းဂိမ်းများ (RPGs)၊ အွန်လိုင်းလောင်းကစားခြင်း၊ လေလံတင်ခြင်းဝက်ဘ်ဆိုက်များအသုံးပြုခြင်းနှင့် streaming media အသုံးပြုခြင်းကြားရှိဆက်ဆံရေးသည်အသက်အရွယ် (β: 0.027, 0.46, 1.0 and 0.33 အသီးသီး) တို့နှင့်သက်ဆိုင်သည်။ ။ အသက်အရွယ်ခွဲများခွဲခြမ်းစိတ်ဖြာခြင်း (လူငယ်ပါဝင်သူများအသက် ၂၅ နှစ်၊ လူလတ်ပိုင်းအရွယ်ပါဝင်သူများ ၂၅ <အသက် ၅၅၊ သက်ကြီးသင်တန်း ၅ နှစ်> ၅၅ နှစ်)၊ ယေဘုယျအားဖြင့်အင်တာနက်အသုံးပြုခြင်းသည် PIU နှင့်သက်ဆိုင်သည်၊ သို့သော်လူငယ်တွင်ပိုမိုအားကောင်းသည် (β: ၂.၄) , လူလတ်ပိုင်း (β: 0.15) တွင်လျော့နည်းခြင်း, အဟောင်းပါဝင်သူ (ပင်: 0.35 β) တွင်လျော့နည်း။ အလားတူအလားအလာကိုအင်တာနက်ဂိမ်းကစားခြင်းတွင်တွေ့ရသည် (အသက်အရွယ်အုပ်စုသုံးစုအတွက်β: 0.35, 25 and 25) နှင့် online pornography (β: 55, 55 and 2.4) ။ အွန်လိုင်း RPG အသုံးပြုခြင်းကဲ့သို့သောအချို့သောအင်တာနက်လှုပ်ရှားမှုများသည်အခြားအသက်အရွယ်အုပ်စုများနှင့်နှိုင်းယှဉ်လျှင်အလယ်အလတ်သက်ကြီးရွယ်အိုများတွင် PIU နှင့်ပိုမိုခိုင်မာသောဆက်စပ်မှုရှိသည် (β: 1.5) ။ အွန်လိုင်းလောင်းကစားခြင်း (β: 0.59)၊ instant messaging (β: 0.45) နှင့်အွန်လိုင်းလူမှုရေးကွန်ရက်များ (β: 0.11) အတွက်လည်းအလားတူပင်။ လေလံဝက်ဘ်ဆိုက်များကိုအသုံးပြုခြင်းသည်အလယ်အလတ်သက်တမ်းအတွင်းပါဝင်သူများ (β: 0.0) တွင် PIU နှင့်ပိုမိုပြင်းထန်စွာဆက်စပ်မှုရှိသော်လည်းသက်ကြီးရွယ်အိုများအတွက်ကြိုတင်ခန့်မှန်းခြင်း (β: 1.4) ။ အွန်လိုင်းမီဒီယာလွှင့်ထုတ်ခြင်းနှင့်အချိန်ကုန်ခံခြင်းများအသုံးပြုခြင်းကို PIU နှင့်သက်ကြီးရွယ်အိုများပါ ၀ င်သူများ (β: ၁.၂၊ ၄.၄၅ အသီးသီး)၊ အခြားမည်သည့်အသက်အရွယ်အုပ်စုတွင်မဆိုဆက်စပ်ခဲ့သည်။

 

 

  

3.3

လက်တွေ့နှင့်အပြုအမူဆိုင်ရာသွင်ပြင်လက္ခဏာများ

အာရုံစူးစိုက်မှု-လိုငွေပြမှု hyperactivity ရောဂါ၏လက္ခဏာများ (ADHD) (β: 1.7), ယေဘုယျစိုးရိမ်သောကရောဂါ (ထွေအုပ်) (β: 0.23) နှင့်စိတ်ကိုလွှမ်းမိုး-compulsive ရောဂါ (OCD) (β: 0.27) မြင့်မားတဲ့ PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့သညျ။ ADHD ဟာလူလတ်ပိုင်းအဖွဲ့ခွဲ (0.35 β) တွင်သိသာထင်ရှားသောကျန်ရစ်စဉ်: အသက်အရွယ်-အဖွဲ့ခွဲခွဲခြမ်းစိတ်ဖြာခုနှစ်, ADHD နဲ့ဝမ်းနည်းငယ်ရွယ်သောပါဝင်သူ (အသီးသီး 0.56 နှင့် 3.1 β) တွင်ပိုမိုမြင့်မား PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့သညျ။ ဒါပေမယ့်မကအခြားအသက်အရွယ်အုပ်စုများအတွက်: ထွေအုပ်နဲ့ OCD အဟောင်းသင်တန်းသားများကိုအဖွဲ့ခွဲ (အသီးသီး 6.4 နှင့် 4.3 β) တွင်ပိုမိုမြင့်မား PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့သညျ။ bis ရမှတ် (ထကြွလွယ်သောကိုယ်ရည်ကိုယ်သွေး) နှင့် PADUA ရမှတ် (obsessive-compulsive သဘောထားတွေ) ကိုအပြည့်အဝဒေတာအတွက်ပိုမိုမြင့်မား PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့ကြ (β: 0.066 နှင့် 0.074 အသီးသီး) နှင့်လူအပေါင်းတို့သည်အသက်လူမျိုးခွဲများအတွက်လေ့လာဆန်းစစ်။

 

 

  

4

ဆွေးနွေးမှု

ဤစာတမ်းသည်ပြည့်ပြည့်စုံစုံပြဿနာအင်တာနက်အသုံးပြုမှုနှင့်အတူ ie အင်တာနက် maladaptive အသုံးပြုမှု, နှင့်ဆက်စပ်အင်တာနက်လှုပ်ရှားမှုများ၏ကွဲပြားခြားနားသောအမျိုးအစားများကိုလေ့လာစူးစမ်းဖို့ပထမဦးဆုံးကြိုးပမ်းမှုဖြစ်ပါသည်။ ယခင်အလုပ်ယေဘုယျအားဖြင့် (အထီးကျန်အင်တာနက်လှုပ်ရှားမှုများအပေါ်အာရုံစူးစိုက်အားဖြင့်ပြဿနာကိုအသုံးပြုခြင်းမှဦးဆောင်တိကျတဲ့အင်တာနက်လှုပ်ရှားမှုများများ၏ပြဿနာကိုဖြေရှင်းထားပါတယ်

 

 

; ; ; ; ) ။ ကျနော်တို့ PIU ရှုပ်ထွေးပြီးကြောင်းသက်သေအထောက်အထားများကိုယေဘုယျ surfing, အင်တာနက်ဂိမ်းကစား, အွန်လိုင်းညစ်ညမ်း၏အွန်လိုင်းစျေးဝယ်, လေလံဝဘ်ဆိုဒ်များအသုံးပြုမှု, အွန်လိုင်းလောင်းကစားများ, social networking နှင့်အသုံးပြုမှုအပါအဝင်အင်တာနက်လှုပ်ရှားမှုများတစ်အကွာအဝေး, PIU မှသီးခြားစီနှင့်ထူးခြားအထောက်အကူပြုကြောင်းဤနေရာတွင်ပြသကြ ပြဿနာအပြုအမူတွေအမျိုးမျိုးပါဝင်သောဖြစ်ရပ်ဆန်း။ (;) ထပ်မံပြုလုပ်မှကျနော်တို့စိတ်ရောဂါလက္ခဏာတွေ PIU နှင့်ဆက်စပ်ခံရဖို့လူသိများလျှင်ပင်ထိုအပြုအမူ PIU နှင့်အတူ၎င်းတို့၏စာရင်းအင်းသိသိသာသာအသင်းအဖွဲ့များကိုဆက်လက်ထိန်းသိမ်းရန်ကြောင်း (ADHD, ထွေအုပ်နဲ့ OCD ၏ဆိုလိုသည်မှာရောဂါလက္ခဏာ) ကိုပြသခဲ့ကြပြီး၏ကြိုတင်ခန့်မှန်းချက်ဖြစ်လူသိများအပြုအမူ၏ရှုထောင့် PIU (Impulse နှင့် compulsive ၏ဆိုလိုသည်မှာကိုယ်ရည်ကိုယ်သွေးအစီအမံ) (;;;

) အကောင့်သို့ခေါ်ဆောင်သွားကြသည်။ ကျနော်တို့နောက်ထပ် RPG, အွန်လိုင်းလောင်းကစားကဲ့သို့သတ်သတ်မှတ်မှတ်အင်တာနက်လှုပ်ရှားမှုများသရုပ်ပြကြလေလံဝဘ်ဆိုဒ်များနှင့် streaming များမီဒီယာအသုံးပြုမှုကိုပိုမိုမြင့်မား PIU ရမှတ်များနှင့်အတူနှင့်ဤဆက်ဆံရေးဟာအသက်အရွယ်အားဖြင့်သြဇာလွှမ်းမိုးကြောင်းဆက်စပ်နေကြသည်။ နောက်ဆုံးအနေနဲ့ကျွန်တော်တို့ရဲ့ဒေတာအွန်လိုင်းအပြုအမူ၏အခြားအမျိုးအစားများ (ဥပမာစျေးဝယ်, ညစ်ညမ်း, ယေဘုယျ surfing) ဂိမ်းထက်အင်တာနက် maladaptive အသုံးပြုမှုနှင့်အတူအားကောင်းဆက်ဆံရေးမျိုးကိုဘွားကဒီယခင်လေ့လာမှုများထိုကဲ့သို့သောမပါဝင်ကြပါပြီဆိုတဲ့အချက်ကိုဆက်စပ်ကြောင်းတတ်နိုင်သမျှကြောင်းပြသ အင်တာနက်-related လှုပ်ရှားမှုများကျယ်ပြန့်ခင်းကျင်း။ သူတို့တစ်တွေ multidimensional ပြဿနာအင်တာနက်အသုံးပြုမှု entity သို့မဟုတ်မျိုးစုံရှုထောငျ့ပါဝင်သောအင်တာနက်စွဲလမ်းဆီသို့ဦးတည်သွား '' အင်တာနက်ကိုဂိမ်းရောဂါ '' ၏ unidimensional နှင့်အတော်လေးကျဉ်းမြောင်းတဲ့ဆောက်လုပ်ရေးကနေအာရုံကိုဆွဲအဖြစ်ဤရလဒ်သည်, တစ်ဦးဆေးခန်းအဓိပ္ပါယ်ရှိသောရောဂါအဖြစ် PIU ၏စိတ်ကူးများအတွက်သိသာထင်ရှားသောသက်ရောက်မှုရှိ လူ့အွန်လိုင်းအပြုအမူ၏။

ထိုမှတပါး, Out-of-နမူနာလက်ဝါးကပ်တိုင် validation ကိုသုံးပြီးကျနော်တို့ Lasso မှာဆုတ်ယုတ်သုံးပြီး၏ 'Non-စံ' 'ချဉ်းကပ်ကို' ကိုပိုပြီးစံ '' linear ဆုတ်ယုတ်ဖို့နှိုင်းယှဉ်ပါက PIU ရမှတ်ခန့်မှန်းပိုမိုတိကျကြောင်းပြသခဲ့ကြသည်။ တစ်မော်ဒယ်၏ကြိုတင်ခန့်မှန်းချက်တန်ဖိုး Out-of-နမူနာခန့်မှန်းချက်အသုံးပြုခြင်းကိုမကြာခဏပွားလေ့လာမှုများအတွက်ပျက်စီးယိုယွင်း significances သောဖြစ်ရပ်ဆန်းကိုဖြေရှင်းရန်နှင့်အတူကူညီပေးသည်။ သို့သော် Lasso မှာဆုတ်ယုတ်၏ရွေးချယ်မှု (သုညကိန်းနှင့်အတူ) ပုံစံအားဖြင့်မရွေးချယ်ထားတဲ့ variable တွေကိုနေဆဲမရွေးနှင့် Non-မရွေး variable တွေကိုအကြားမြင့်မားသောဆက်စပ်မှုရှိပါတယ်အထူးသဖြင့်အခါ, ကြိုတင်ခန့်မှန်းချက်ဖြစ်နိုငျသောအသိပေးချက်နှင့်တကွကြွလာ။ ကျွန်တော်တို့ရဲ့ဒေတာအစုတှငျကြှနျုပျတို့ဆိုအလွန်အမင်းဆက်စပ် variable တွေကိုရှိသည်မဟုတ်ခဲ့ပါ, သို့သော်လည်းဒီအန့်အသတ်ကျနော်တို့ရှေးရိုးစွဲမဆိုအနုတ်လက္ခဏာရလဒ်များမှာဆကျဆံသငျ့ဆိုလိုသည်။ ဥပမာအားဖြင့်, PIU နှင့်အတူအင်တာနက်ကိုလှုပ်ရှားမှုများကို×ကျားနှင့် PIU အကြားအသင်းအဖွဲ့မရှိခြင်းအဖြစ်ကျား, မအကြားအသင်းအဖွဲ့မရှိခြင်းပွဲတစ်ပွဲ PIU အပြုအမူတွေနဲ့အလားအလာရှက်ကြောက်၏ကျယ်ပြန့်အကွာအဝေးအကောင့်သို့ခေါ်ဆောင်သွားကြသည်မှန်လျှင်, နှစ်ဦးစလုံးလိင်အညီအမျှအားနည်းချက်ဖြစ်ကြောင်းအဆိုပါယူဆချက်ကို support PIU ၏ဖွံ့ဖြိုးဆဲရှုထောငျ့မှ (

; ) ။ သို့သော်ကျွန်ုပ်တို့၏ခွဲခြမ်းစိတ်ဖြာ၏ကန့်သတ်မှုကြောင့်ကျနော်တို့ PIU နှင့်ကျားမအကြားကအခြားအသင်းအဖွဲ့များတည်ရှိသောဖြစ်နိုင်ခြေဖယ်ထုတ်လို့မရပါဘူး။ ဥပမာ, အွန်လိုင်းစျေးဝယ်ခြင်းနှင့် PIU နှင့်အမျိုးသမီး) (အန္တရာယ်မှာပိုပြီးဖြစ်အံ့သောငှါအကြားကျား, မအလယ်အလတ်ဆက်ဆံရေးကြောင်းအကြံပြုခဲ့သည်။ ) (5 အချိုးအစားနှင့်ထိုကဲ့သို့သောတွေ့ရှိချက်ကားမောင်းစေခြင်းငှါ: ဆက်စပ်မှု၏ compulsive ဝယ်ရောဂါဖြစ်စေခြင်းငှါ, အသက်အလယ်အုပ်စုများအတွက်ထင်ရှားတဲ့သောရောဂါ 1 ကအမျိုးသမီးအများစုရှိပါတယ်။ ငါတို့သည်ဤယူဆချက်ကိုစမ်းသပ်ဖို့ဤရောဂါအပေါ်မည်သည့်ဒေတာများရှိသည်မဟုတ်ခဲ့ပေ။ ဒါဟာ (ဒီနေရာမှာအသုံးပြုတဲ့ IAT တူရိယာအချက်ဖွဲ့စည်းပုံကိုရည်မှတ်အားကောင်း၎င်း၏မရှိခြင်းအပေါ်ဝေဖန်မှုလက်ခံရရှိကြောင်း, မှတ်သားဖို့လည်းအရေးကြီးပါတယ်လက်ရှိ DSM-5 မည့်ထံမှကွဲပြားခြားနားမှု (ဂိမ်းရောဂါ) နှင့်အင်တာနက် applications များ၏နည်းပညာဆိုင်ရာတိုးတက်မှုတွေနောက်ကျကျန်ရစ်;

) ။ အနာဂတ် PIU သုတေသနကောင်းကောင်းလည်းနည်းပညာနှင့်အပြုအမူဆိုင်ရာရှုထောင့်ကနေ PIU ၏လျင်မြန်စွာဖြစ်ပေါ်နေသောသဘာဝကိုဖမ်းယူနိုင်ပါလိမ့်မယ်ထားတဲ့အတိုင်းအတာများကြံ့ခိုင်, အတည်ပြုတူရိယာဖြင့်တာဝန်ထမ်းဆောင်မည်ဖြစ်သည်။

ကျွန်ုပ်တို့၏အသက်-အဖွဲ့ခွဲခွဲခြမ်းစိတ်ဖြာ PIU နှင့်အမျိုးမျိုးသောအင်တာနက်လှုပ်ရှားမှုများအကြားအသက်အရွယ် related အသင်းအဖွဲ့များသို့ထိုးထွင်းသိမြင်မှုဖြစ်သည်။ PIU လူငယ်တစ်ဦးရောဂါသောဘုံကိုယ်ဝန်ဆောင်ခြင်းသေချာပေါက်မှန်ကန်မဟုတ်ပါဘူးအပေါင်းတို့နှင့်အသက်အရွယ်အုပ်စုများကိုဖြတ်ပြီးအွန်လိုင်းအပြုအမူတွေကိုဖမ်းယူကြောင်းသင့်လျော်စွာဒီဇိုင်းရေးဆွဲလေ့လာမှုမရှိခြင်းအပေါ်အခြေခံပြီးနိုင်ပါသည်။ ယင်းသက်တမ်းကိုဖြတ်ပြီး PIU ၏သဘာဝသမိုင်းအဘို့မလုံလောက်အသိပညာ PIU ဖွံ့ဖြိုးတိုးတက်ဖို့အန္တရာယ်၏စည်းကမ်းချက်များ၌အသက်ကြီးလူဦးရေအတွက်အားနည်းချက်များတစ်ဦးပြည့်စုံရှာဖွေရေးကိုခွင့်ပြုမထားဘူး။ သို့သော်ကျွန်ုပ်တို့၏ရလဒ်များကိုသူတို့အားအားနည်းချက်များမတည်ရှိပါဘူး, နောက်ထပ်သုတေသနအန္တရာယ်မှာလူဦးရေ၏ဝိသေသလက္ခဏာများကိုထုတ် map မှမျက်ခြေမပြတ်ကြောင်းဖော်ပြသည်။ OCD သို့မဟုတ်ထွေအုပ်လက္ခဏာတွေရှိခြင်းအဟောင်းတွေလူဦးရေအတွက် PIU များအတွက်ခန့်မှန်းဖြစ်နိုင်သည်သော်လည်းဥပမာအားဖြင့်, ADHD သို့မဟုတ်လူမှုရေးစိုးရိမ်ပူပန်မှုရောဂါလက္ခဏာရှိခြင်း, ငယ်ရွယ်လူဦးရေအတွက် PIU များအတွက်ခန့်မှန်းဖြစ်နိုင်သည်။ OCD မကြာသေးခင်က Meta-analysis သည်အတွက် PIU နှင့်ဆက်စပ်ခံရဖို့မတွေ့ရှိခဲ့သည်ဟူသောအချက်ကို (

) အဟောင်းများလူဦးရေ understudied ခဲ့ကြသည့်ညွှန်ပြချက်ဖြစ်နိုင်သည်။ PIU လူဦးရေမှာအခြားလေ့လာမှုများ (100% အထိ) ADHD ၏အလွန်မြင့်ပျံ့နှံ့အစီရင်ခံတင်ပြကြပါပြီအဖြစ် ADHD ပြင်းပြင်းထန်ထန်မြင့်မားတဲ့ PIU ရမှတ်များနှင့်ဆက်စပ်ခဲ့အံ့သြစရာတော့မဟုတ်ပါဘူးဆိုတဲ့အချက်ကို () ။ သူတို့သည်လည်း compulsive ဝယ်ရောဂါသို့မဟုတ်လောင်းကစားရောဂါကနေဆင်းရဲခံရလျှင်တစ်ချိန်တည်းမှာပင်, (26 နှင့် 55 ကြား) တိကျသောအသက်အလယ်တန်းလူဦးရေ (ရာအထွတ်အထိပ်အလယ်အသက်အရွယ်အတွက်ထိုရောဂါ၏သဘာဝသမိုင်းပေးထား, PIU ၏အန္တရာယ်မှာပိုပြီးဖြစ်နိုင်သည်

).

ထို့အပြင်တစ်ဦးအထူးသဖြင့်အွန်လိုင်းလှုပ်ရှားမှုသာသတ်သတ်မှတ်မှတ်အသက်အရွယ်အုပ်စုများအတွက် PIU နှင့်ဆက်နွယ်သောတွေ့ရှိချက်များ, အထူးသဖြင့်အသက်အရွယ်အုပ်စုများ PIU ၏ရှုထောင့်ဖွံ့ဖြိုးဆဲ၏အန္တရာယ်မှာဖြစ်မည်အကြောင်းဆိုလို။ လူငယ်များညစ်ညမ်းကြည့်ရှုများအတွက် propensity နှင့်အတူ PIU ဖွံ့ဖြိုးဆဲ၏အန္တရာယ်မှာပိုပြီးဖြစ်လိမ့်မယ်နေစဉ်, အလယ်တန်းအရွယ်အတွက်လျော့နည်းခိုင်ခံ့ခြင်းရှိနှင့်အသက်တာ၌နောက်ပိုင်းမှာမဆုတ်စေခြင်းငှါတစ်ဦးအားနည်းချက်, သက်ကြီးရွယ်အို PIU ဖွံ့ဖြိုးတိုးတက်ဖို့ပိုပြီးကျရောက်နေတဲ့ဖြစ်လိမ့်မယ်အချိန်ပြဿနာကိုအသုံးပြုခြင်းအားဖြင့်သွင်ပြင်လက္ခဏာ ကိုဖျက်ဆီးခြင်းနှင့်မီဒီယာစီးဆင်းမှု (ရေနံဓါတ်ငွေ့ရှာဖွေရေးတွေ့မြင် သဖန်းသီး။ 4 ) ။ နောက်ဆုံးအနေနဲ့ယေဘုယျ surfing ပိုပြီးပြင်းပြင်းထန်ထန်ပိုမိုမြင့်မား PIU လူငယ်များအတွက်ရမှတ်များ, ဒါပေမယ့်အားလုံးအသက်အရွယ်အုပ်စုများကိုဖြတ်ပြီးအရေးကြီးသောနဲ့ဆက်စပ်ခံရဖို့ပုံရသည်ဖြစ်သော PIU ၏တစ်ဦးလျှော့တွက်အကောင်အထည်ဖော်မည်ဟုဆိုသည်ဖြစ်စေခြင်းငှါ, ဒီတွေ့ရှိချက်အစောပိုင်းအရွယ်ရောက်ပြီးသူဘဝကိုညွှန်ကြားလျော့နည်းရည်မှန်းချက်နိုင်ပါတယ်နှင့်လူငယ်များသည်အခြားအဟောင်းတွေအသက်အရွယ်အုပ်စုများနှင့်နှိုင်းယှဉ်လျှင်အွန်လိုင်း enviroments မှာပျက်ပြင်ဆင်ထားသညလှုပ်ရှားမှုများစဉ်အတွင်းပိုပြီးအချိန်ဖြုန်းနေကြတယ်ဆိုတဲ့အချက်ကိုနှင့်ဆက်စပ်သောနိုင်ပါသည်။

  

 

 

 

သဖန်းသီး။ 4
  

အသက်အရွယ်အုပ်စုအလိုက်ပြmနာများအင်တာနက်အသုံးပြုခြင်းနှင့်ထုတ်လွှင့်မီဒီယာများအကြားဆက်နွယ်မှု၏ဥပမာကိုလေ့လာခြင်း။ ဤသည်မှာပြbyနာရှိသောအင်တာနက်အသုံးပြုခြင်း (PIU) နှင့်အသက်အရွယ်အလိုက်အုပ်စုလိုက်လွှင့်သည့်မီဒီယာတို့အကြားဆက်နွယ်မှုကိုပြသသည့်ဥပမာတစ်ခုဖြစ်သည်။ အဆိုပါဆုတ်ယုတ်လိုင်းများယုံကြည်မှုကြားကာလ (မီးခိုးရောင်ဒေသများ) နှင့်အတူ linear မော်ဒယ်များဖြစ်ကြသည်။ စိတ်ဝင်စားစရာမှာ streaming media သည် PIU နှင့် less အသက် ၂၅ နှစ်အရွယ်တွင်သက်ကြီးရွယ်အိုများအသက် ၅၅ နှစ်နှင့်နှိုင်းယှဉ်လျှင်နည်းနေပုံရသည် (အဓိကစာတမ်းတွင် Lasso ခွဲခြမ်းစိတ်ဖြာခြင်းတွင်ဖော်ပြထားသည်။ Lasso coef Streaming media β: 25 for young and β: 55 for old for မီဒီယာအပြန်အလှန်ဆက်သွယ်မှု Lasso coef β: 0.0) ။ (ဤပုံပါဒဏ္inာရီတွင်အရောင်များကိုကိုးကားရန်အနက်အတွက်စာဖတ်သူကိုဤဆောင်းပါး၏ဝဘ်ဆိုက်သို့ရည်ညွှန်းသည်။ )

 

 

 

ကျွန်ုပ်တို့၏ရလဒ်သည်ပြည်သူ့ကျန်းမာရေးသက်ရောက်မှုများကိုအွန်လိုင်းအကြောင်းအရာများနှင့်ပတ်သက်သောစည်းမျဉ်းစည်းကမ်းများနှင့်ကြားဝင်ဆောင်ရွက်မှုများကိုရည်ရွယ်သည်။ အထူးသဖြင့်လုပ်ဆောင်မှုများသည်အခြားသူများထက်ပြuseနာများအသုံးပြုမှုဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပိုမိုခိုင်မာသောဆက်နွယ်မှုရှိပါကပြည်သူ့ကျန်းမာရေးပေါ်လစီသည် PIU ၏အန္တရာယ်ကို ဦး တည်။ ခံနိုင်ရည်ရှိစေရန်သို့မဟုတ်တိကျသောရှုထောင့်များကိုပစ်မှတ်ထားသည့်တစ်ကမ္ဘာလုံးဆိုင်ရာ ၀ င်ရောက်စွက်ဖက်မှုများရှိမရှိနှင့် ပတ်သက်၍ မေးခွန်းပေါ်ပေါက်လာသည်။ အင်တာနက်အပြုအမူတွေကိုအွန်လိုင်းပတ်ဝန်းကျင်ကိုစွဲလမ်းအောင်လုပ်ဖို့စဉ်းစားသင့်တယ်။ ဥပမာအားဖြင့်၊ အွန်လိုင်းပလက်ဖောင်းများသည်အချို့သောကိစ္စရပ်များတွင်အသုံးပြုသူများ၏အားနည်းချက်များ (ဆိုလိုသည်မှာထကြွလွယ်သောသို့မဟုတ်အတင်းအဓမ္မစရိုက်များ) ကို အသုံးချ၍ တိကျသောဗိသုကာများကို အသုံးပြု၍ အွန်လိုင်းပတ်ဝန်းကျင်အတွင်းရှိသုံးစွဲသူများ၏သက်တမ်းကိုအမြင့်ဆုံးမြှင့်တင်ရန်ရည်ရွယ်သည်။ ၎င်းသည်စျေးကွက်ရှာဖွေရေးရှုထောင့်မှကြည့်လျှင်ဤပတ်ဝန်းကျင်တွင်အသုံးပြုသူအားကျန်းမာရေးသတိပေးချက်ထုတ်ပြန်သင့်၊

 

 

  

4.1

ကန့်သတ်

၎င်းသည်ကဏ္aအလိုက်အွန်လိုင်းစစ်တမ်းတစ်ခုဖြစ်သည်၊ ထို့ကြောင့်ကျိုးကြောင်းဆက်နွှယ်သောဆက်နွယ်မှုများကိုမဖော်ထုတ်နိုင်ပါ။ ထို့အပြင်၊ စုဆောင်းရေးနည်းစနစ်နှင့် PIU ရှိသူများအနေဖြင့်အွန်လိုင်းစစ်တမ်းကောက်ယူရန်ပိုမိုဖြစ်နိုင်ခြေရှိသောဖြစ်နိုင်ချေရှိသောကြောင့်လက်ရှိတွေ့ရှိချက်များသည် PIU နှင့်ယေဘူယျအားဖြင့်နောက်ခံလူ ဦး ရေအတွက်ယေဘူယျကျမည်မဟုတ်ပါ။ ကျွန်ုပ်တို့၏လေ့လာမှု၏နောက်ထပ်အကန့်အသတ်တစ်ခုမှာ PIU နှင့်ဆက်စပ်သည့်အချို့သောရောဂါရှာဖွေသည့်အဖွဲ့အစည်းများအတွက်လက်တွေ့အချက်အလက်များ၏မရှိခြင်း၊ ထို့ကြောင့်စိတ်ဓာတ်ကျခြင်း (သို့) ပစ္စည်းဥစ္စာအလွဲသုံးစားမှုသည်ကျွန်ုပ်တို့၏လေ့လာမှုတွင်တွေ့ရှိရသောအသင်းအဖွဲ့များကိုမှတ်မိစေနိုင်သည်။ အနာဂတ်လေ့လာမှုများတွင် PIU နှင့်အင်တာနက်လှုပ်ရှားမှုများအကြားလေ့လာတွေ့ရှိသောအသင်းအဖွဲ့များအတွက်၎င်းတို့အကောင့်ရှိမရှိစူးစမ်းရန်လက်တွေ့အချက်များကျယ်ပြန့်စွာပါဝင်သင့်သည်။ MINI ကိုအသုံးပြုခြင်းမှရရှိသောကျွန်ုပ်တို့၏လက်တွေ့အချက်အလက်နှင့်စပ်လျဉ်း။ နောက်ထပ်ကန့်သတ်ချက်များရှိသည်။ ၎င်းသည်လေ့ကျင့်သင်ကြားထားသူတစ် ဦး ထံမှမျက်နှာချင်းဆိုင်တွေ့ဆုံမေးမြန်းခြင်းမှလွတ်မြောက်ရန်ခွင့်ပြုထားပြီးကျွန်ုပ်တို့၏လေ့လာမှုတွင်အွန်လိုင်းကိရိယာမှတစ်ဆင့်ပေးပို့ခြင်းဖြစ်သည်။ သို့သော်ကျွန်ုပ်တို့၏လက်တွေ့အချက်အလက်များသည် PIU ရှိယခင်လေ့လာမှုများနှင့်သဘောတူညီမှုရရှိသည်။ ထို့အပြင်ကျွန်ုပ်တို့၏ဒေတာစုဆောင်းခြင်း၏အခြားအားနည်းချက်တစ်ခုမှာကျွန်ုပ်တို့သည်အင်တာနက်လှုပ်ရှားမှုအားထိုလှုပ်ရှားမှု၏ PIU အတွက် proxy အတိုင်းအတာအဖြစ်အသုံးပြုခြင်းအားအသုံးပြုခြင်းကိုအင်တာနက်အကဲဖြတ်ခြင်းဖြစ်သည်။ ၎င်းသည်အလွန်အကျွံအသုံးပြုခြင်း၊ ထို့ကြောင့်ပြproblemနာများရှိသောအသုံးပြုမှုကိုဖမ်းယူနိုင်သော်လည်း၎င်းသည်မရှိမဖြစ်အသုံးပြုမှုကိုဖမ်းယူနိုင်သည်။ ဤလေ့လာမှုတွင်အကဲဖြတ်ထားသောလုပ်ဆောင်မှုများသည်၎င်းတို့၏သဘောသဘာဝ (ဥပမာအချိန်ဖြုန်းတီးခြင်း) ကြောင့်ပုံမှန်အားဖြင့်ပုံမှန်အားဖြင့်မရှိမဖြစ်ဖြစ်လေ့ဖြစ်ထရှိသော်လည်း (ဥပမာ၊ စျေး ၀ ယ်ခြင်း၊ လောင်းကစားခြင်းသို့မဟုတ်ညစ်ညမ်းရုပ်ပုံစာပေ၏ ၈ နာရီ / တစ်ရက်လျှင်) အနာဂတ်လေ့လာမှုများသည် အင်တာနက်လှုပ်ရှားမှုတစ်ခုစီအတွက်မရှိမဖြစ်လိုအပ်သောအင်တာနက်သုံးစွဲမှုနှင့်ခွဲခြားနိုင်သည့်အစီအမံများပါဝင်သည်။ ကျွန်ုပ်တို့၏လေ့လာမှု၏နောက်ထပ်အကန့်အသတ်တစ်ခုမှာကလေးများနှင့်ဆယ်ကျော်သက်လူ ဦး ရေအတွက်အချက်အလက်များမရှိခြင်းဖြစ်သည်။ ကလေးများနှင့်ဆယ်ကျော်သက်လူ ဦး ရေသည်အင်တာနက်နှင့်ကွဲပြားသောနည်းဖြင့်အပြန်အလှန်ဆက်သွယ်နိုင်သော်လည်း၊ အခြား neurodevelopmental ၀ င်းဒိုးတစ်ခုအတွင်းအွန်လိုင်းအသုံးပြုမှုနှင့်ထိတွေ့နိုင်သည်။ ထို့ကြောင့်ဤကွဲပြားခြားနားမှုများသည် PIU ကိုဖွံ့ဖြိုးရန်စွန့်စားရမှုနှင့်ကွဲပြားသောအားနည်းချက်များသို့မဟုတ်ခံနိုင်ရည်ရှိမှုများကိုဆိုလိုနိုင်သည်။ ဥပမာအားဖြင့်၊ အွန်လိုင်းပတ်ဝန်းကျင်နှင့်အစောပိုင်းအဆင့်နိမ့်ထိတွေ့မှုသည် 'စိတ်ဖိစီးမှုကာကွယ်ခြင်း' အကျိုးသက်ရောက်မှုရှိနိုင်သည်။

 

 

 

 

  

) ကြောင်း PIU ၏အနာဂတ်ဖွံ့ဖြိုးတိုးတက်မှုကနေတစ် ဦး ချင်းစီ steels ။ ထိုကဲ့သို့သောအခြေအနေမျိုးရှိခဲ့လျှင်လူကြီးဘဝတွင်အွန်လိုင်းပတ်ဝန်းကျင်ကိုပထမဆုံးအကြိမ်တွေ့ရှိခဲ့သောသက်ကြီးရွယ်အိုများသည်အဘယ်ကြောင့် ပို၍ အားနည်းချက်များဖြစ်နိုင်ကြောင်းထပ်မံရှင်းပြနိုင်သည်။ အနာဂတ်လေ့လာမှုများတွင်၎င်းကလေးများနှင့်ဆယ်ကျော်သက်အရွယ်အသက်အရွယ်အုပ်စုများပါ ၀ င်ပြီးအင်တာနက်လုပ်ဆောင်မှုများသည် PIU ကိုကြိုတင်ခန့်မှန်းခြင်းရှိ၊ မရှိဆန်းစစ်နိုင်သည်။ ကျား၊ မမလိင်ကွဲပြားမှုနှင့်ပတ်သက်သောကျား၊ မလိင်ကွဲပြားမှုကိုတင်ပြသည့်အရေအတွက်မှာ (n = 18) သည်အနည်းငယ်သာရှိသည်။ ကျွန်ုပ်တို့၏လေ့လာမှု၏နောက်ဆုံးအကန့်အသတ်တစ်ခုမှာကျွန်ုပ်တို့၏လေ့လာမှုလူ ဦး ရေတွင် ၁% သာသိသိသာသာ PIU အပြုအမူများ (IAT> 1) ခံစားနေရသောကျန်းမာသောလူကြီးများဖြစ်သည်။ အနာဂတ်လေ့လာမှုများသည် PIU ရောင်စဉ်၏မြင့်မားသောအဆုံးအပေါ်အထူးအာရုံစိုက်ထားခြင်းဖြင့်ထိုပြင်းထန်သော PIU လူ ဦး ရေကိုအနိမ့်မှအလယ်အလတ်သို့မဟုတ် PIU တစ် ဦး ချင်းစီနှင့်နှိုင်းယှဉ်နိုင်ခြင်းမှအကျိုးရရှိလိမ့်မည်။ ကျွန်ုပ်တို့၏နမူနာတွင် PIU ၏ခန့်မှန်းအမှတ်ပျံ့နှံ့မှုမှာ (၈.၅%) (IAT ≥ 80 cut-off ကိုအသုံးပြုခြင်း) ဖြစ်သော်လည်း PIU အတွက်လက်တွေ့ကျမှုအတွက်တံခါးခုံများသည်အငြင်းပွားဖွယ်ရှိနေပြီးအနာဂတ်သုတေသနသည်တစ်ကမ္ဘာလုံးအတိုင်းအတာဖြင့်လက်ခံသည့်အတိုင်းအတာနှင့် PIU ၏အဓိပ္ပာယ်ဖွင့်ဆိုချက်မှအကျိုးဖြစ်ထွန်းလိမ့်မည်။

 

 

  

4.2

ကောက်ချက်

အနှစ်ချုပ်, DSM-5 တစ်ကိုယ်စားလှယ်လောင်းရောဂါအဖြစ်အင်တာနက်ဂိမ်းကစားရောဂါမီးမောင်းထိုးပြပေမယ့်အွန်လိုင်းအပြုအမူ၏အခြားအမျိုးအစားများ (ဥပမာစျေးဝယ်, ညစ်ညမ်း, ယေဘုယျ surfing) မှဂိမ်းထက်အင်တာနက် maladaptive အသုံးပြုမှုနှင့်အတူအားကောင်းဆက်ဆံရေးဟာသည်းခံကြ၏။ ပြဿနာအင်တာနက်အသုံးပြုမှုနှင့်ဆက်စပ်စိတ်ရောဂါ diagnoses နှင့်အင်တာနက်လှုပ်ရှားမှုများ, အသက်နှင့်အတူပြည်သူ့ကျန်းမာရေးသက်ရောက်မှုရှိပါတယ်တဲ့တွေ့ရှိချက်ခြားနားသည်။ ဤရလဒ်သည်ပြဿနာအင်တာနက်အသုံးပြုမှုနှင့်ဆက်စပ်အင်တာနက်လှုပ်ရှားမှုများနှင့် ပတ်သက်. ကန့်သတ်အသိပညာအထောက်အကူပြုနှင့်တစ်ဦးမျက်နှာစာရောဂါအဖြစ်ပြဿနာအင်တာနက်အသုံးပြုမှုများ၏ရောဂါရှာဖွေခွဲခြားဖို့အတွက်အထောက်အကူဖြစ်နိုင်တယ်။

 

 

  

ရန်ပုံငွေအရင်းအမြစ်များအခန်းက္ပ

ဒါဟာသုတေသနချီကာဂိုတက္ကသိုလ်မှစိတ်ရောဂါကုသမှုဌာန၏ပြည်တွင်းရေးဌာနဆိုင်ရာရန်ပုံငွေများကိုလက်ခံရရှိခဲ့သည်။ ဒေါက်တာ Ioannidis သုတေသနလုပ်ဆောင်မှုများအင်္ဂလန်အဆင့်မြင့်လေ့ကျင့်ရေးအထူးအကျိုးစီးပွားအစည်းအဝေးများကျန်းမာရေးဆိုင်ရာပညာရေးဟာအရှေ့ကထောက်ခံကြသည်။ စာရေးဆရာများသည်ဤစာမူကို၏ပြင်ဆင်မှုအဘို့အဘယ်သူမျှမရန်ပုံငွေရရှိခဲ့သည်။ အဆိုပါရန်ပုံငွေအရင်းအမြစ်ဒီဇိုင်း, ဒေတာခွဲခြမ်းစိတ်ဖြာဒါမှမဟုတ်လေ့လာမှု၏အရေးအသားမအခန်းကဏ္ဍမှပါဝင်ခဲ့သည်။

 

 

  

မျှဝေသူများ

KI သည်လက်ရေးမူများမှာတွေ့နိုင်ရန်အတွက်စိတ်ကူးကိုရေးဆွဲခဲ့သည်၊ အချက်အလက်များကိုခွဲခြမ်းစိတ်ဖြာသည်၊ စာမူအများစုနှင့်နောက်ဆက်တွဲပစ္စည်းများရေးသားခဲ့သည်နှင့်စာရေးဆရာများ၏ထည့်ဝင်မှုများကိုညှိနှိုင်းခဲ့သည်။ MT နှင့် FK တို့သည်စာရင်းအင်းခွဲခြမ်းစိတ်ဖြာခြင်း၏ကိုယ်ဝန်ဆောင်ခြင်းနှင့်ပြန်လည်သုံးသပ်ခြင်းများတွင်ပါ ၀ င်သည်။ SRC, SR, DJS, CL နှင့် JEG သည်လေ့လာမှုကိုဒီဇိုင်းဆွဲ။ ညှိနှိုင်းပြီးအချက်အလက်များကိုစုဆောင်းပြီးစီမံခန့်ခွဲသည်။ စာရေးသူအားလုံးသည်နောက်ဆုံးလက်ရေးမူများအကြောင်းကိုဖတ်ရှုအတည်ပြုပြီးစာတမ်းမူကြမ်းရေးဆွဲခြင်းနှင့်ပြန်လည်ပြင်ဆင်ခြင်းအပြင်ရလဒ်များကိုအဓိပ္ပါယ်ဖွင့်ဆိုခြင်းများအတွက်ပါ ၀ င်ခဲ့ကြသည်။

 

 

  

အကျိုးစီးပွားပဋိပက္ခ

ဒေါက်တာ Grant က NIDA (RC1DA028279-01), တာဝန်ရှိဂိမ်းများအတွက်အမျိုးသားစင်တာနှင့် Roche နှင့်သစ်တောဆေးဝါးကနေသုတေသနထောက်ပံ့ငွေလက်ခံရရှိခဲ့သည်။ ဒေါက်တာ Grant ကအယ်ဒီတာ-In-အကြီးအကဲလောင်းကစားလေ့လာရေးဂျာနယ်အဖြစ် Springer ကနေလျော်ကြေးငွေလက်ခံရရှိခြင်းနှင့် McGraw ဟေးလ်, အောက်စ်ဖို့တက္ကသိုလ်ကစာနယ်ဇင်း, က Norton, နှင့် APPI ကနေအိုင်ယာလန်သမ္မတဟောင်း Mary Robinson လက်ခံရရှိခဲ့သည်။ ဒေါက်တာ Chamberlain ကင်းဘရစ်သိမှတ်ခံစားမှုအဘို့အဆှေးနှေးနှင့်ဤသုတေသန၌သူ၏ပါဝင်ပတ်သက်မှုဟာ Wellcome Trust မှ (ဗြိတိန်, 110049 / Z ကို / 15 / Z ကို) မှတစ်ဦးအလယ်အလတ်လက်တွေ့ Fellowship ကထောက်ခံခဲ့သည်။ ဒန် Stein နှင့်ခရစ္စ Lochner တောင်အာဖရိက၏ဆေးဘက်ဆိုင်ရာသုတေသနကောင်စီကရန်ပုံငွေနေကြသည်။ အခြားစာရေးဆရာများစီးပွားဖြစ်စိတ်ဝင်စားမှုနှင့်အတူအဘယ်သူမျှမဘဏ္ဍာရေးဆက်ဆံရေးသတင်းပို့ပါ။ အဆိုပါဖျောပွသတင်းရင်းမြစ်များ၏အဘယ်သူမျှမလက်ရေးမူများမှာတွေ့နိုင်ပါတယ်, ဒါမှမဟုတ်ထုတ်ဝေများအတွက်စက္ကူတင်သွင်းဖို့ဆုံးဖြတ်ချက်ရေးသားခြင်း, ထိုအချက်အလက်များ၏လေ့လာမှုဒီဇိုင်း, စုဆောင်းခြင်း, ခွဲခြမ်းစိတ်ဖြာသို့မဟုတ်အနက်အတွက်မဆိုအခန်းကဏ္ဍရှိခဲ့ပါတယ်။

 

 

ဝန်ခံချက်

ကျနော်တို့လေ့လာမှုမှာပါဝင်ခဲ့တဲ့သူနှစ်ဦးစလုံးဆိုဒ်များ၏စေတနာ့ဝန်ထမ်းမှအကြွေးရှိပါတယ်။

 

 

နောကျဆကျတှဲတစ်ဦးက

နောက်ဆက်တွဲဒေတာ

နောက်ဆက်တွဲပစ္စည်း

နောက်ဆက်တွဲပစ္စည်း

 

 

 

ကိုးကား

  1. အာဟပ် et al ။ , 2011. အာဟပ်အက်စ်, Nicolier အမ်, Mauny အက်ဖ်, Monnin ဂျေ, Trojak ခ, Vandel P. နှင့် Haffen အီး .: အကြီးအကျယ် multiplayer အွန်လိုင်းအခန်းကဏ္ဍ-ကစားဂိမ်း: တစ်ထဲမှာ Non-စှဲလမျးသူအွန်လိုင်းစုဆောင်းဂိမ်းကစား vs စှဲလမျးသူ၏ဝိသေသလက္ခဏာများ Comparing ပြင်သစ်အရွယ်ရောက်ပြီးသူလူဦးရေ။ BMC စိတ်ရောဂါကုသမှု 2011; 11: စစ 144 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  2. American Psychiatric Association, 2013. American Psychiatric Association: စိတ်ရောဂါ Diagnostic နှင့်စာရင်းအင်းဆိုင်ရာလက်စွဲစာအုပ်: DSM-5 ။ ဝါရှင်တန်ဒီစီ: American Psychiatric Association, 2013 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  3. Andreassen et al ။ , 2012. Andreassen CS, Torsheim တီ, Brunborg GS နှင့် Facebook ကိုစွဲလမ်းစကေး၏ Pallesen S ကို .: ဖွံ့ဖြိုးရေးကောင်စီ။ စိတ်ပိုင်းဆိုင်ရာ 2012 အစီရင်ခံစာများ; 110: စစ 501-517 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  4. Bakken et al ။ , 2009. Bakken IJ, Wenzel HG, Götestamကီလိုဂရမ်, Johansson အေနှင့်နော်ဝေလူကြီးများအကြားတွင် Oren တစ်ဦးက .: အင်တာနက်စွဲမြား: A stratified ဖြစ်နိုင်ခြေနမူနာလေ့လာမှု။ စိတ်ပညာ 2009 ၏စကင်ဒီနေးဂျာနယ်; 50: စစ 121-127 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  5. အနက်ရောင်, 2007. Black က DW: compulsive ဝယ်ရောဂါ၏တစ်ဦးကသုံးသပ်မှု။ ကမ္ဘာ့ဖလားစိတ်ရောဂါကုသမှု: ကမ္ဘာ့ဖလားစိတ်ရောဂါအသင်းမှတရားဝင်ဂျာနယ် (WPA) 2007; 6: စစ 14-18 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  6. block, 2008. block JJ: DSM-V ကိုများအတွက်ကိစ္စများ: အင်တာနက်စွဲ။ စိတ်ရောဂါကုသမှု 2008 ၏အမေရိကန်ဂျာနယ်; 165: စစ 306-307 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  7. ကုန်အမှတ်တံဆိပ် et al ။ , 2011. ကုန်အမှတ်တံဆိပ်အမ်, Laier C. , Pawlikowski အမ်, Schächtle U. , Schölerတီနှင့်Altstötter-Gleich ကို C .: အင်တာနက်ပေါ်ရှိညစ်ညမ်းရုပ်ပုံများကိုအကဲခတ်: အလွန်အကျွံအင်တာနက်ကိုလိင်က်ဘ်ဆိုက်များကို အသုံးပြု. များအတွက်လိင်စိတ်နိုးထ ratings နှင့်စိတ်ပိုင်းဆိုင်ရာ-စိတ်ရောဂါလက္ခဏာတွေအခန်းက္ပ ။ Cyberpsychology, အပြုအမူနှင့်လူမှုကွန်ယက်အဖွဲ့ 2011; 14: စစ 371-377 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  8. Breiman, 2001. Breiman L ကို .: စာရင်းအင်းမော်ဒယ်: အဆိုပါနှစ်ခုယဉ်ကျေးမှု။ စာရင်းအင်းသိပ္ပံ 2001; 16: စစ 199-215 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  9. Bujak et al ။ , 2016. Bujak R. , Daghir-Wojtkowiak အီး, Kaliszan R. နှင့် Markuszewski MJ: PLS-based နဲ့ Non-ပစ်မှတ်ထား metabolomics ဒေတာအတွက်သက်ဆိုင်ရာ variable တွေကိုများ၏ရွေးချယ်ရေးများအတွက်ပုံမှန်-based နည်းလမ်းများ။ မော်လီကျူး Biosciences 2016 အတွက်နယ်စပ်ဒေသ; 3: စစ 1-10 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  10. ဘန်း et al ။ , 1996. ဘန်း GL, Keortge စင်ကာပူဒေါ်လာ, Formea ​​GM ကများနှင့် Sternberger LG က: obsessive compulsive ရောဂါလက္ခဏာတွေ၏ Padua Inventory ၏တည်းဖြတ်မူ: စိုးရိမ်, obsessive နှင့် compulsive အကြားကွဲပြား။ အပြုအမူသုတေသနနှင့်ကုထုံး 1996; 34: စစ 163-173 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  11. Cao et al ။ , 2007. Cao အက်ဖ်, စု L. , လျူတီနှင့် Gao X ကိုတရုတ်ဆယ်ကျော်သက်တစ်ဦးနမူနာအတွက် Impulse နှင့်အင်တာနက်စွဲလမ်းအကြားဆက်ဆံရေးဟာ .: ။ ဥရောပစိတ်ရောဂါကုသမှု 2007; 22: စစ 466-471 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  12. Carly et al ။ , 2013. Carly V. , Durkee တီ, Wasserman ဃ, Hadlaczky G. အ, Despalins R. , Kramarz အီးနှင့် Kaess M က .: ရောဂါဗေဒတွင်အင်တာနက်အသုံးပြုခြင်းနှင့် comorbid psychopathology အကြားအသင်းအဖွဲ့: တစ်ဦးကစနစ်တကျပြန်လည်သုံးသပ်မှု။ Psychopathology 2013; 46: စစ 1-13 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  13. Claes et al ။ , 2016. Claes L. , Muller အေနှင့် Luyckx K သည် .: ဝိသေသလက္ခဏာအစားထိုးအဖြစ် compulsive ဝယ်များနှင့်သိုလှောင်: ရုပ်ဝါဒတန်ဖိုးကိုထောက်ခံချက်များနှင့်စိတ်ကျဝေဒနာ၏အခန်းကဏ္ဍ။ ဘက်စုံစိတ်ရောဂါကုသမှု 2016; 68: စစ 65-71 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  14. ကိုးလ်နှင့် Hooley, 2013. ကိုးလ် SH နှင့် Hooley JM: MMO ဂိမ်း၏လက်တွေ့နှင့်ကိုယ်ရည်ကိုယ်သွေးဆက်စပ်မှု: ပြဿနာအင်တာနက်အသုံးပြုမှုအတွက်ပူပန်ခြင်းနှင့်စုပ်ယူ။ လူမှုရေးသိပ္ပံ Computer ကိုပြန်လည်ဆန်းစစ်ခြင်း 2013; 31: စစ 424-436 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  15. Cunningham-Williams က et al ။ , 2005. Cunningham-Williams က RM, Grucza RA, Cottler LB, Womack SB, စာအုပ်များ SJ, Przybeck TR နှင့်ပုံတူပွားခြင်း CR: ပျံ့နှံ့ခြင်းနှင့်ရောဂါဗေဒလောင်းကစားများ၏ခန့်မှန်း: အစိန့်လူးဝစ်ကိုယ်ရည်ကိုယ်သွေးထံမှရလဒ်များ, ကျန်းမာရေးနှင့်လူနေမှုပုံစံစတဲ့ (SLPHL) လေ့လာမှု။ စိတ်ရောဂါသုတေသန 2005 ၏ဂျာနယ်; 39: စစ 377-390 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  16. ဗွန် Elm et al ။ , 2008. ဗွန် Elm အီး, Altman DG, Egger အမ်, Pocock SJ, Gøtzscheကို PC, Vandenbroucke JP နှင့် Initiative S ကို .: အဆိုပါရောဂါအတွက်စူးစမ်းလေ့လာမှုများ၏အစီရင်ခံ (strobing) ထုတ်ပြန်ချက်ခိုင်ခံ့စေ: စူးစမ်းလေ့လာမှုများသတင်းပို့များအတွက်လမ်းညွှန်ချက်များ။ လက်တွေ့ကူးစက်ရောဂါ 2008 ၏ဂျာနယ်; 61: စစ 344-349 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  17. Fernandez-ဗီလာ et al ။ , 2015. Fernandez-ဗီလာတီ, Alguacil Ojeda ဂျေ, Almaraz Gomez အေ, Cancela Carral JM, Delgado-Rodriguez အမ်, Garcia-Martin အမ်နှင့် Martin V ကို .: တက္ကသိုလ်ကျောင်းသားများအတွက်ပြဿနာကအင်တာနက်အသုံးပြုမှု: Associated အချက်များနှင့်ကျား, မများ၏ခြားနားချက်များ ။ Adicciones 2015; 27: စစ 265-275 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  18. Friedman et al ။ , 2010. Friedman ဂျေ, အလျင်စလိုတီနှင့် Tibshirani R ကို .: coordinate နွယ်ဖွားကနေတဆင့် generalized linear မော်ဒယ်များများအတွက်ပုံမှန်လမ်းကြောင်း။ စာရင်းအင်းဆော့ဝဲ 2010 ၏ဂျာနယ်; 33: စစ 1-22 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  19. Griffiths က, 2003. ဂရစ်ဖစ် M: အင်တာနက်လောင်းကစားခြင်း။ ပြIssနာများ၊ စိုးရိမ်မှုများနှင့်အကြံပြုချက်များ။ ဆိုက်ဘာစိတ်ပညာနှင့်အပြုအမူ - အင်တာနက်၏အကျိုးသက်ရောက်မှု၊ မာလ်တီမီဒီယာနှင့် Virtual Reality တို့၏အပြုအမူနှင့်လူ့အဖွဲ့အစည်း ၂၀၀၃; 2003: စစ 6-557 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  20. ha နှင့် Hwang, 2014. ha Y.-M. နှင့်ဟွမ် WJ: တစ်အမျိုးသား Web-အခြေပြုစစ်တမ်းကို အသုံးပြု. မြီးကောင်ပေါက်အကြားစိတ်ပိုင်းဆိုင်ရာကျန်းမာရေးညွှန်းကိန်းနဲ့ဆက်စပ်အင်တာနက်စွဲလမ်းထဲမှာကျားမကွဲပြားခြားနားမှု။ စိတ်ပိုင်းဆိုင်ရာကျန်းမာရေးနှင့်စွဲ 2014 အပြည်ပြည်ဆိုင်ရာဂျာနယ်; 12: စစ 660-669 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  21. ဟို et al ။ , 2014. ဟို RC, Zhang က MWB, Tsang ty, Toh AH, ပန်အက်ဖ်, Lu Y. နှင့် Mak ကေ-K သည် .: အင်တာနက်စွဲခြင်းနှင့်စိတ်ရောဂါပူးတွဲရောဂါအကြားအသင်းအဖွဲ့: Meta-analysis သည်။ BMC စိတ်ရောဂါကုသမှု 2014; 14: စစ 183 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  22. Hoerl နှင့် Kennard, 1970. Hoerl AE နှင့် Kennard RW: Ridge ဆုတ်ယုတ်: nonorthogonal ပြဿနာများအတွက်ဘက်လိုက်မှုခန့်မှန်းချက်။ Technometrics 1970; 12: စစ 55-67 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  23. Huys et al ။ , 2016. Huys QJM, Maia တီဗီနှင့်ဖရန့် MJ: လက်တွေ့ applications များမှ neuroscience ကနေတံတားအဖြစ်တွက်ချက် Psychiatry ။ သဘာဝတရားအာရုံကြောသိပ္ပံ 2016; 19: စစ 404-413 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  24. Igarashi et al ။ , 2008. Igarashi တီ, Motoyoshi တီ, Takai ဂျေနှင့် Yoshida T က .: အဘယ်သူမျှမမိုဘိုင်း, အဘယ်သူမျှမဘဝကို: ဂျပန်အထက်တန်းကျောင်းသားများအကြားကိုယ်ပိုင်အမြင်နှင့်စာသား-မက်ဆေ့ခ်ျကိုမှီခို။
    အပိုဒ်မှာတော့ကြည့်ရန်
  25. Ioannidis et al ။ , 2016. Ioannidis K. , Chamberlain SR, Treder က MS, Kiraly အက်ဖ်, Leppink အီး, လာခြင်းအက်စ်နှင့် Grant က je: ပြဿနာအင်တာနက်အသုံးပြုမှုကို (PIU): အသင်းတို့သည်ထကြွလွယ်သော-compulsive ရောင်စဉ်အတူ။ psyche ၏ဂျာနယ်: Psychiatry, 2016 အတွက်စက်သင်ယူမှု၏လျှောက်လွှာ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  26. Janower, 2006. Janower CR: အင်တာနက်ပေါ်ရှိလောင်းကစား။ Computer ကို-ဖျန်ဖြေဆက်သွယ်ရေး 2006 ၏ဂျာနယ်; 2: စစ 0 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  27. Kessler et al ။ , 2005. Kessler RC, Adler L. , Ames အမ်, Demler O. , Faraone အက်စ်, Hiripi အီးနှင့် Walters က EE: အဆိုပါကမ္ဘာ့ကျန်းမာရေးအဖွဲ့အရွယ်ရောက်ပြီးသူ ADHD Self-အစီရင်ခံစာစကေး (ASRS): အထွေထွေအတွင်းအသုံးပြုရန်တစ်ဦးကရေတိုစိစစ်စကေး လူဦးရေ။ စိတ်ပိုင်းဆိုင်ရာဆေးပညာ 2005; 35: စစ 245-256 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  28. Kessler et al ။ , 2016. Kessler RC, ဗန် Loo HM, Wardenaar KJ, Bossarte RM, Brenner LA က, Cai တီနှင့် Zaslavsky လေး: အခြေခံ Self-အစီရင်ခံစာများကနေအဓိကစိတ်ကျရောဂါရောဂါများ၏ဇွဲနှင့်ပြင်းထန်မှုကြိုတင်ခန့်မှန်းဖို့စက်-သင်ယူမှု algorithm ကိုစမ်းသပ်စဉ်။ Molecular Psychiatry 2016; 21: စစ 1366-1371 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  29. Khazaal et al ။ , 2015. အွန်လိုင်းဂိမ်းကစားခြင်းနှင့်ဖဲချပ်ဝေကစားသမားအတွက်အင်တာနက်စွဲလမ်းစမ်းသပ်မှု၏ Khazaal Y. , အာဟပ်အက်စ်, Billieux ဂျေ, Thorens G. အ, Zullino ဃ, Dufour အမ်နှင့် Rothen S ကို .: Factor ဖွဲ့စည်းပုံမှာ။ JMIR စိတ်ကျန်းမာရေး 2015; 2:
    အပိုဒ်မှာတော့ကြည့်ရန်
  30. ကင်မ် et al ။ , 2016. ကင်မ်ဃ, Kang အမ်, Biswas အေ, လျူ C. နှင့် Gao J ကို .: စိတ်ရောဂါမမှန်ဖို့ featuring နှင့် application Lasso-based ကျပန်းသုံးပြီးဗီဇစည်းမျဉ်းကွန်ရက်အခြအဘို့အ Integrated ချဉ်းကပ်နည်း။ BMC ဆေးပညာ Genomics 2016; 9: စစ 50 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  31. ရှင်ဘုရင်က, 1999. King SA: အင်တာနက်လောင်းကစားခြင်းနှင့်ညစ်ညမ်းရုပ်ပုံစာပေများ - ဆက်သွယ်ရေးမင်းမဲ့စရိုက်၏စိတ်ပိုင်းဆိုင်ရာအကျိုးဆက်များကိုဥပမာပြ။ ဆိုက်ဘာစိတ်ပညာ & အပြုအမူ 1999; 2: စစ 175-193 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  32. ရှင်ဘုရင်နှင့်ဗာရက်, 1999. King SA နှင့် Barak A ။ : မသန်စွမ်းသောအင်တာနက်လောင်းကစားခြင်း။ ဆိုက်ဘာစိတ်ပညာ & အပြုအမူ 1999; 2: စစ 441-456 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  33. Király et al ။ , 2015. Király O. , Griffiths က MD နှင့် Demetrovics Z ကို .: အင်တာနက်ကိုဂိမ်းရောဂါနှင့် DSM-5: Conceptual, ငြင်းခုံမှုများနှင့်အငြင်းပွားစရာများ။ လက်ရှိစွဲ 2015 အစီရင်ခံစာများ; 2: စစ 254-262 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  34. Király et al ။ , 2014. Király O. , Griffiths က MD, မြို့ပြ R. , Farkas ဂျေ, Kökönyei G. အ, Elekes Z. နှင့် Demetrovics Z ကို .: ပြဿနာအင်တာနက်အသုံးပြုခြင်းနှင့်ပြဿနာအွန်လိုင်းဂိမ်းကစားတူညီနေကြသည်မဟုတ်: ကြီးမားတဲ့တစ်နိုင်ငံလုံးကိုယ်စားလှယ်ဆယ်ကျော်သက်ကလေးကိုနမူနာအနေဖြင့်တွေ့ရှိချက်။ Cyberpsychology, အပြုအမူနှင့်လူမှုကွန်ယက်အဖွဲ့ 2014; 17: စစ 749-754 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  35. Kittinger et al ။ , 2012. Kittinger R. , Correia CJ, သံ JG: ကောလိပ်ကျောင်းသားများအကြားက Facebook အသုံးပြုခြင်းနှင့်ပြဿနာအင်တာနက်အသုံးပြုမှုအကြားဆက်ဆံရေး။ Cyberpsychology, အပြုအမူနှင့်လူမှုကွန်ယက်အဖွဲ့ 2012; 15: စစ 324-327 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  36. ko et al ။ , 2012. ko C.-H. , ယန်း J.-Y. , ယန်း C.-F. , ချန် C.-S. နှင့် Chen က C. -C အ .: အင်တာနက်စွဲခြင်းနှင့်စိတ်ရောဂါရောဂါအကြားအသင်းအဖွဲ့: စာပေ၏တစ်ဦးကသုံးသပ်မှု ။ ဥရောပစိတ်ရောဂါကုသမှု 2012; 27: စစ 1-8 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  37. ko et al ။ , 2007. ငယ်ရွယ်သောမြီးကောင်ပေါက်များတွင်အင်တာနက်စွဲလမ်းမှုလျော့နည်းသွားခြင်းနှင့်ကြိုတင်ခန့်မှန်းနိုင်သောအချက်များကို C.-H. ၊ ယန်းဂျေ။ ယ၊ ယန်စီ၊ ဖင်၊ လင်း H.-C. နှင့်ယန်အမ်ဂျေ။ အလားအလာလေ့လာမှု။ ဆိုက်ဘာစိတ်ပညာနှင့်အပြုအမူ - အင်တာနက်၏အကျိုးသက်ရောက်မှု၊ မာလ်တီမီဒီယာနှင့် Virtual Reality တို့၏အပြုအမူနှင့်လူ့အဖွဲ့အစည်း ၂၀၀၇; 2007: စစ 10-545 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  38. Kuss နှင့် Griffiths က, 2011. Kuss DJ သမားနှင့် Griffiths က MD: အွန်လိုင်းလူမှုရေးကွန်ရက်များနှင့်စိတ်ပိုင်းဆိုင်ရာစာပေ၏စွဲ-တစ်ဦးကသုံးသပ်မှု။ ပတ်ဝန်းကျင်ထိန်းသိမ်းရေးသုတေသနနှင့်ပြည်သူ့ကျန်းမာရေး 2011 အပြည်ပြည်ဆိုင်ရာဂျာနယ်; 8: စစ 3528-3552 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  39. Kuss et al ။ , 2013. Kuss DJ သမား, Griffiths က MD နှင့် Binder JF: ကျောင်းသားများကိုအင်တာနက်စွဲလမ်း: ပျံ့နှံ့ခြင်းနှင့်အန္တရာယ်အချက်များ။ လူ့အပြုအမူ 2013 အတွက်ကွန်ပျူတာများ; 29: စစ 959-966 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  40. Kuss နှင့်လိုပက်ဇ်-ဖာနန်ဒက်ဇ 2016. Kuss DJ သမားနှင့်လိုပက်ဇ်-ဖာနန်ဒက်ဇအို .: အင်တာနက်စွဲခြင်းနှင့်ပြဿနာကအင်တာနက်အသုံးပြုမှု: လက်တွေ့သုတေသနတစ်ဦးကစနစ်တကျပြန်လည်သုံးသပ်မှု။ စိတ်ရောဂါကုသမှု 2016 ၏ကမ္ဘာ့ဖလားဂျာနယ်; 6: စစ 143-176 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  41. Laconi et al ။ , 2016. Laconi S. , Andréolettiအေ၊ Chauchard E. , Rodgers RF နှင့် Chabrol H .: ပြProbleနာများအင်တာနက်အသုံးပြုခြင်း၊ အွန်လိုင်းသုံးစွဲသောအချိန်နှင့်ကိုယ်ရည်ကိုယ်သွေးစရိုက်များ။ L'Encéphale 2016; 42: စစ 214-218 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  42. Laconi et al ။ , 2014. လက်ရှိအကြေးနှင့်သူတို့၏ psychometric ဂုဏ်သတ္တိများ၏တစ်ဦးကဝေဖန်သုံးသပ်မှု: Laconi အက်စ်, ရော့ဂျာ RF နှင့် Chabrol H ကိုအင်တာနက်စွဲခြင်း၏တိုင်းတာခြင်း .: ။ လူ့အပြုအမူ 2014 အတွက်ကွန်ပျူတာများ; 41: စစ 190-202 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  43. Laier et al ။ , 2013. Laier C. , Pawlikowski အမ်, Pekal ဂျေ, Schulte လက်ဗွေနှင့်အမှတ်တံဆိပ် M က .: ကျဘာစွဲ: အတွေ့အကြုံလိင်စိတ်နိုးထညစ်ညမ်းနှင့်မစစ်မှန်သောဘဝလိင်ပိုင်းဆိုင်ရာအဆက်အသွယ်စောင့်ကြည့်သည့်အခါခြားနားချက်ကိုမှန်ကန်စေသည်။ အပြုအမူစွဲ 2013 ၏ဂျာနယ်; 2: စစ 100-107 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  44. Lecardeur, 2013. Lecardeur L ကို .: Psychopathologie du jeu Multi-joueurs En Ligne ။ Médico-Psychologiques, Revue Psychiatrique 2013 Annales; 171: စစ 579-586 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  45. Liang et al ။ , 2016. Liang L. , Zhou ဃ, ယွမ် C. , နာမည်ကြီးဖုန်းကုမ္မဏီတခုဖြစ်တဲ့အေနှင့် Bian Y ကို .: အင်တာနက်စွဲခြင်းနှင့်စိတ်ကျရောဂါများအကြားဆက်ဆံရေးအတွက်ကျားမကွဲပြားခြားနားမှု: တရုတ်ဆယ်ကျော်သက်တစ်ဦး Cross-ကြံ့လေ့လာမှု။ လူ့အပြုအမူ 2016 အတွက်ကွန်ပျူတာများ; 63: စစ 463-470 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  46. လိုပက်ဇ်-ဖာနန်ဒက်ဇ 2015. လိုပက်ဇ်-ဖာနန်ဒက်ဇအိုအင်တာနက်စွဲလမ်းသုတေသနအင်တာနက်ဂိမ်းကစားရောဂါထွန်းကတည်းကပြောင်းလဲထားပြီးဘယ်လို .:? စိတ်ပိုင်းဆိုင်ရာရှုထောင့်ကနေ cyberaddictions ခြုံငုံသုံးသပ်။ လက်ရှိစွဲ 2015 အစီရင်ခံစာများ; 2: စစ 263-271 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  47. Masten နှင့် Tellegen, 2012. Masten AS နှင့်ဖွံ့ဖြိုးမှုဆိုင်ရာ psychopathology အတွက် Tellegen တစ်ဦးက .: ခံနိုင်ရည်: စီမံကိန်းအရည်အချင်းကို longitudinal လေ့လာမှုပံ့ပိုးမှုများကိုသာ။ ဖွံ့ဖြိုးရေးနှင့် Psychopathology 2012; 24: စစ 345-361 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  48. Mueller et al ။ , 2010. Mueller အေ, Mitchell က je, Crosby သည် RD, Gefeller O. , တေးဂီတဆိုင်ရာပံ့ပိုး RJ မာတင်အေနှင့်က de Zwaan M က .: compulsive ဂျာမနီမှာဝယ်နှင့် sociodemographic ဝိသေသလက္ခဏာများနှင့်စိတ်ကျရောဂါလက္ခဏာများနှင့်အတူ၎င်း၏အသင်းအဖွဲ့ခန့်မှန်းပျံ့နှံ့။ စိတ်ရောဂါကုသမှုသုတေသန 2010; 180: စစ 137-142 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  49. Patton et al ။ , 1995. Patton JH စတန်းဖို့ဒ်က MS နှင့် Barratt ES: အ Barratt Impulse စကေး၏ Factor ဖွဲ့စည်းပုံမှာ။ လက်တွေ့စိတ်ပညာ 1995 ၏ဂျာနယ်; 51: စစ 768-774 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | Recupero, 2008. Recupero PR စနစ်: ပြဿနာကအင်တာနက်အသုံးပြုမှု, ဥပဒေရေးရာအကဲဖြတ်။ စိတ်ရောဂါကုသမှု၏အမေရိကန်အကယ်ဒမီနှင့်ဥပဒေ 2008 ၏ဂျာနယ်; 36: စစ 505-514 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  50. နှင်းဆီနှင့် Dhandayudham, 2014. အဆိုပါအွန်လိုင်းစျေးဝယ်စွဲ၏အယူအဆနှင့်၎င်း၏အဆိုပြုခန့်မှန်း: အင်တာနက်ကို-based ပြဿနာစျေးဝယ်အပြုအမူတစ်ခုနားလည်မှုဆီသို့နှင်းဆီအက်စ်နှင့် Dhandayudham တစ်ဦးက .: ။ အပြုအမူစွဲ 2014 ၏ဂျာနယ်; 3: စစ 83-89 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  51. RUTLAND et al ။ , 2007. Rutland JB, Sheets T. နှင့် Young T .: သတင်းတိုတောင်းသော ၀ န်ဆောင်မှု၏ပြproblemနာအားအသုံးပြုခြင်းကိုတိုင်းတာရန်စကေးတစ်ခုတည်ဆောက်ခြင်း - SMS ပြproblemနာသည်ရောဂါရှာဖွေရေးမေးခွန်းလွှာကိုအသုံးပြုသည်။ ဆိုက်ဘာစိတ်ပညာနှင့်အပြုအမူ ၂၀၀၇; 2007: စစ 10-841 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  52. Rutter, 1993. Rutter M က .: ခံနိုင်ရည်: တချို့ကအယူအဆရေးရာထည့်သွင်းစဉ်းစား။ ဆယ်ကျော်သက်အရွယ်ကနျြးမာရေး၏ဂျာနယ်: ဆယ်ကျော်သက်အရွယ်ဆေးပညာ 1993 များအတွက် Society ၏တရားဝင်ထုတ်ဝေမှု, 14: စစ 626-631 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  53. Shaw နှင့်အမဲရောင်, 2008. Shaw ကအမ်နှင့် Black က DW: အင်တာနက်စွဲ: အဓိပ္ပာယ်, အကဲဖြတ်, ရောဂါနှင့်လက်တွေ့စီမံခန့်ခွဲမှု။ CNS မူးယစ်ဆေးဝါး 2008; 22: စစ 353-365 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  54. Sheehan et al ။ , 1998. Sheehan DV, Lecrubier Y. , Sheehan KH, Amorim P. , Janavs ဂျေ, Weiller အီးနှင့် Dunbar မှာ GC: အဆိုပါ Mini ကို-အပြည်ပြည်ဆိုင်ရာအာရုံကြောဆိုင်ရာစိတ်ရောဂါအင်တာဗျူး (MINI): DSM-IV များအတွက်ဖွဲ့စည်းပုံမှာအဖြေရှာတဲ့စိတ်ရောဂါအင်တာဗျူး၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်အတည်ပြု နှင့် ICD-10 ။ လက်တွေ့စိတ်ရောဂါကုသမှု 1998 ၏ဂျာနယ်; 59:
    အပိုဒ်မှာတော့ကြည့်ရန်
  55. တမ်နဲ့ Walter, 2013. တမ်ပီ, နဲ့ Walter, G .: ကလေးဘဝနှင့်လူငယ်များအတွက်ပြဿနာအင်တာနက်အသုံးပြုမှု: တစ် 21st ရာစုဒုက္ခ Evolution ။ သြစတြေးလျားစိတ်ရောဂါကုသမှု 2013; undefined:
    အပိုဒ်မှာတော့ကြည့်ရန်
  56. Tibshirani, 1996. Tibshirani R ကို .: အဆိုပါ Lasso မှတဆင့် Regression ကျုံ့နှင့်ရွေးချယ်ရေး။ တော်ဝင်စာရင်းအင်း Society ၏ဂျာနယ်, စီးရီး B ကို 1996; 58: စစ 267-288 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  57. Tikhonov, 1963. Tikhonov AN: မှားယွင်းစွာရေးဆွဲပြဿနာများ၏ဖြေရှင်းချက်များနှင့်ပုံမှန်နည်းလမ်း။ ဆိုဗီယက်သင်္ချာ Doklady 1963; 5: စစ 1035-1038 ။
    အပိုဒ်မှာတော့ကြည့်ရန်
  58. Trotzke et al ။ , 2015. Trotzke P. , Starcke K. , Muller အေနှင့်အမှတ်တံဆိပ် M က .: အင်တာနက်စွဲလမ်းတဲ့တိကျတဲ့ပုံစံအဖြစ်အွန်လိုင်းရောဂါဗေဒဝယ်: တစ်ဦးကမော်ဒယ်-based စမ်းသပ်စုံစမ်းစစ်ဆေး။ PLoS တစ်ခုမှာ 2015; 10:
    အပိုဒ်မှာတော့ကြည့်ရန်
  59. Tsai et al ။ , 2009. Tsai HF, Cheng SH, Yeh TL, Shih C.-C. , ချန် KC, ယန် YC နှင့်ယန် YK: အင်တာနက်စွဲခြင်း၏အန္တရာယ်အချက်များတက္ကသိုလ်ပထမနှစ်ကျောင်းသားတွေ၏စစ်တမ်း? ။ စိတ်ရောဂါကုသမှုသုတေသန 2009; 167: စစ 294-299 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  60. Wallace, 2014. Wallace P .: အင်တာနက်စွဲလမ်းမှုရောဂါနှင့်လူငယ် - အွန်လိုင်းစည်းရုံးလှုပ်ရှားမှုအပေါ်စိုးရိမ်မှုများတိုးပွားလာပြီး၎င်းသည်ကျောင်းသားများ၏စွမ်းဆောင်ရည်နှင့်လူမှုရေးဘ ၀ များကိုအဟန့်အတားဖြစ်စေနိုင်သည်။ EMBO အစီရင်ခံစာများ ၂၀၁၄; 2014: စစ 15-12 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  61. xin et al ။ , 2018. xin အမ်, Xing ဂျေ, Pengfei ဒဗလျူ, Houru L. , Mengcheng ဒဗလျူနှင့်ဟောင်ကောင် Z ကို .: အွန်လိုင်းလှုပ်ရှားမှုများ, တရုတ်အတွက်မြီးကောင်ပေါက်အကြားမိသားစုနှင့်ကျောင်းနှင့်ပတ်သက်သောအင်တာနက်စွဲလမ်းနှင့်အန္တရာယ်အချက်များ၏ပျံ့နှံ့။ စွဲလမ်းစေအပြုအမူ 2018 အစီရင်ခံစာများ; 7: စစ 14-18 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  62. Yuen et al ။ , 2004. Yuen CN, Lavin MJ, Weinman M. နှင့် Kozak K ။ : အင်တာနက်ပေါ်တွင်မှီခိုနေရသောလူ ဦး ရေ - ရှက်ကြောက်ခြင်း၏အခန်းကဏ္။ ။ ဆိုက်ဘာစိတ်ပညာနှင့်အပြုအမူ ၂၀၀၄; 2004: စစ 7-379 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref
  63. လူငယ်တို့, 1998. လူငယ် KS: အင်တာနက်စွဲခြင်း - လက်တွေ့ရောဂါအသစ်တစ်ခုပေါ်ပေါက်လာခြင်း။ CyberPsychology & Behavior 1998၊ 1: စစ 237-244 ။
    အပိုဒ်မှာတော့ကြည့်ရန် | လက်ဝါးကပ်တိုင် Ref