J ကိုစိတ်ရောဂါ Res ။ 2016 Aug 15;83:94-102။ Doi: 10.1016 / j.jpsychires.2016.08.010 ။
Ioannidis K သည်1, ချိန်ဘာလိန် SR1, Treder က MS2, Kiraly က F3, Leppink EW4, လာခြင်းလုပ် SA4, Stein DJ သမား5, Lochner ကို C5, Grant က je6.
စာရေးသူသတင်းအချက်အလက်များ
- 1စိတ်ရောဂါကုသမှု, ကင်းဘရစ်, ဗြိတိန်တက္ကသိုလ်ဦးစီးဌာန, ကင်းဘရစ်နှင့် Peterborough NHS ဖောင်ဒေးရှင်းကကိုးစား cambridge, ဗြိတိန်။
- 2အမူအကျင့်များနှင့်လက်တွေ့အာရုံကြောသိပ္ပံအင်စတီကျု, ကင်းဘရစ်, ဗြိတိန်တက္ကသိုလ်။
- 3တက္ကသိုလ်ကောလိပ်လန်ဒန်, စာရင်းအင်းသိပ္ပံ, လန်ဒန်ဌာန, ဗြိတိန်။
- 4စိတ်ရောဂါကုသမှုနှင့်အပြုအမူဆိုင်ရာအာရုံကြောသိပ္ပံ, ချီကာဂိုတက္ကသိုလ်, ချီကာဂို, IL, အမေရိကန်နိုင်ငံစီးဌာန။
- 5US / UCT MRC Unit ၏စိုးရိမ်စိတ်နှင့်စိတ်ဖိစီးမှုရောဂါ၊ စိတ်ရောဂါကုသမှုဌာန၊ Stellenbosch တက္ကသိုလ်၊ တောင်အာဖရိက။
- 6စိတ်ရောဂါကုသမှုနှင့်အပြုအမူဆိုင်ရာအာရုံကြောသိပ္ပံ, ချီကာဂိုတက္ကသိုလ်, ချီကာဂို, IL, အမေရိကန်နိုင်ငံစီးဌာန။ အီလက်ထရောနစ်လိပ်စာ: [အီးမေးလ်ကိုကာကွယ်ထားသည်].
ြဒပ်မဲ့သော
ပြနာရှိသောအင်တာနက်အသုံးပြုမှုသည်ဘုံဖြစ်ပြီး၊ လုပ်ဆောင်မှုအားနည်းခြင်းနှင့်ထပ်မံလေ့လာရန်လိုအပ်သည်။ ၎င်း၏စိတ်ကိုလွှမ်းမိုးချုပ်ကိုင်နိုင်သောနှင့်ထကြွလွယ်သောရောဂါများနှင့်ဆက်နွယ်မှုမှာမရှင်းလင်းပေ။ ကျွန်ုပ်တို့၏ရည်မှန်းချက်မှာပြproblemနာရှိသောအင်တာနက်အသုံးပြုမှုကိုအသိအမှတ်ပြုသောထကြွလွယ်သော၊ ကျယ်ပြန့်သောအွန်လိုင်းစစ်တမ်းကိုပြီးမြောက်ရန်ဝက် (ဘ်) ဆိုဒ်နှစ်ခု (ချီကာဂိုယူအက်စ်နှင့်စတလင်းဘော့ရှ်၊ တောင်အာဖရိက) ရှိမီဒီယာကြော်ငြာများကို အသုံးပြု၍ အသက် ၁၈ နှစ်နှင့်အထက်အသက်ရှိသောစေတနာ့ဝန်ထမ်းများကိုကျွန်ုပ်တို့ခန့်အပ်ခဲ့သည်။ ကျပန်းသစ်တောများနှင့် Nasve Bayes များအပါအ ၀ င်စက်ပစ္စည်းသင်ယူမှု၏ကြိုတင်ခန့်မှန်းထားသောမော်ဒယ်များအားခေတ်မီဆန်းသစ်သောအကဲဖြတ်ခြင်းကိုအသုံးပြုခဲ့သည်။ အင်တာနက်စွဲလမ်းမှုစမ်းသပ်ခြင်း (IAT) ကို အသုံးပြု၍ ပြinternetနာရှိသောအင်တာနက်အသုံးပြုမှုကိုဖော်ထုတ်ခဲ့သည်။ ၂၀၀၆ ပြည့်စုံမှုများကိုခွဲခြမ်းစိတ်ဖြာခဲ့ပြီး ၁၈၁ ဦး (၉.၀%) သည်အလယ်အလတ် / ပြင်းထန်သောပြproblemနာများအင်တာနက်အသုံးပြုမှုရှိကြသည်။ Logistic Regression နှင့်Naïve Bayes ကို အသုံးပြု၍ 18 (SD 2006) ၏ curve (ROC-AUC) အရoperatingရိယာလည်ပတ်သည့် receiver တစ်ခုနှင့်အမျိုးအစားခွဲခြားသတ်မှတ်မှုကိုခန့်မှန်း။ ROC-AUC ခန့်မှန်းချက် 181 (SD 9.0) [အားလုံး] အခြေခံမော်ဒယ်များ p <0.83] ထက်သာလွန်သုံးမော်ဒယ်များ။ အဆိုပါမော်ဒယ်များအားလုံး validation ကိုအစုံ [p <0.03] အတွက်လေ့လာမှုက်ဘ်ဆိုက်များအကြားအားကောင်းတဲ့လွှဲပြောင်းပြသခဲ့သည်။ စေတနာ့ ၀ န်ထမ်းများအနေဖြင့်ပြinternetနာများအင်တာနက်အသုံးပြုခြင်းကိုကြိုတင်ခန့်မှန်းနိုင်မှုသည်တိကျသော impulsivity နှင့် compulsivity ကိုအသုံးပြုခြင်းဖြစ်သည်။ ထို့အပြင်ဤလေ့လာမှုသည်ပထ ၀ ီအနေအထားအရနှင့်ယဉ်ကျေးမှုဆိုင်ရာကွဲပြားခြားနားသောအခြေအနေများတွင်ရလဒ်များ၏ပုံတူပွားနိုင်မှုကိုပြသရန်စိတ်ရောဂါကုသမှုတွင်စက်သင်ကြားမှုကိုအသုံးပြုခြင်းကိုအထောက်အကူပြုသည့်အထောက်အထားကိုပေးသည်။
KEYWORDS:
ADHD; compulsive; Impulse; အင်တာနက်ကိုအသုံးပြုခြင်း, စက်သင်ယူမှု; OCD
PMID:27580487
Doi:10.1016 / j.jpsychires.2016.08.010
;
