Voorkomen en klinische kenmerken van compulsieve seksuele gedragsstoornis (CSBD): een clusteranalyse in twee onafhankelijke gemeenschapsmonsters (2020)

CSBD diagnostisch kader en criteria

Zelfs wanneer CSBD is opgenomen in de ICD-11, worden het geschikte diagnostische kader en de criteria voor deze klinische aandoening nog steeds besproken (Kraus et al., 2018; Walton, Cantor, Bhullar en Lykins, 2017). Met betrekking tot de huidige nosologische status is een groot aantal theoretische standpunten over hoe CSBD moet worden geclassificeerd voorgesteld en deze klinische aandoening is geconceptualiseerd als een verslavende aandoening (Potenza, Gola, Voon, Kor en Kraus, 2017), een seksuele stoornis (Kafka, 2010; Walton et al., 2017), een stoornis in de impulsbeheersing (Reid, Berlijn en Kingston, 2015), of helemaal niet als een aandoening beschouwd (Moser, 2013). Elke theoretische benadering stelt verschillende criteria voor de diagnose van deze aandoening, waarbij de conceptuele chaos verder wordt benadrukt en de identificatie van een uniek profiel van patiënten met symptomen van deze klinische aandoening wordt belemmerd (Karila et al., 2014; Wéry & Billieux, 2017).

Huidig ​​bewijs afgeleid van onderzoeken in klinische populaties suggereert dat CSBD voldoet aan de meeste van de voorgestelde kerncriteria voor de operationele definitie van gedragsverslavingen (Billieux et al., 2017; Kardefelt-Winther et al., 2017): (a) buitensporige tijd / moeite besteed aan seksueel gedrag; (b) verminderde zelfbeheersing; (c) het systematisch niet nakomen van gezins-, sociale of werkverantwoordelijkheden; en (d) volharding in het seksuele gedrag ondanks de gevolgen ervan. Deze criteria vallen samen met de criteria die zijn voorgesteld voor de opname van CSBD in de ICD-11 (Wereldgezondheidsorganisatie, 2018) en met enkele van de criteria voorgesteld door Kafka (2010) voor de herkenning van hyperseksuele stoornis (HD) in de DSM-5. Bovendien bevatte het voorstel van Kafka een belangrijk criterium dat niet door de ICD-11 in aanmerking wordt genomen: dat wil zeggen, herhaaldelijk seksuele fantasieën, aandrang of gedrag vertonen als reactie op dysfore gemoedstoestanden (bijv. Angst of depressie) of als reactie op stressvolle gebeurtenissen in het leven (werk). problemen, rouw, enz.). Verschillende onderzoeken ondersteunen de relevantie van het gebruik van seks als een onaangepast coping-mechanisme dat bedoeld is om onaangename affectieve toestanden of stressvolle levensgebeurtenissen bij mensen met CSBD te compenseren (Reid, Carpenter, Spackman, & Willes, 2008; Schultz, Hook, Davis, Penberthy en Reid, 2014).

Bovendien zijn er andere symptomen die niet direct in de DSM-5 of de ICD-11 zijn opgenomen, maar relevant zijn voor de manifestatie van CSBD: dat wil zeggen preoccupatie met seks, opvallendheid en zelf ervaren seksuele problemen. Deze symptomen vormen veel voorkomende cognitieve manifestaties van CSBD. Baanbrekende modellen zoals het "componentmodel van verslaving" (Griffiths, 2005) of recente netwerkanalyse hebben de belangrijke rol van cognitieve symptomen bij cyberseksverslaving (Baggio et al., 2018) of HD (Werner, Štulhofer, Waldorp en Jurin, 2018). Zoals gedefinieerd door Griffiths (2005, p. 193), verwijst saillantie naar "wanneer de specifieke activiteit [geslacht] de belangrijkste activiteit in het leven van de persoon wordt en zijn denken (preoccupaties en cognitieve vervormingen), gevoelens (hunkering) en gedrag (verslechtering van gesocialiseerd gedrag) domineert". Evenzo benadrukken verschillende onderzoeken de cruciale rol van zelf ervaren seksuele problemen bij de identificatie van patiënten met CSBD (Grubbs, Perry, Wilt, & Reid, 2019c).

Belangrijkste benaderingen bij de identificatie en classificatie van mensen met CSBD

Clinici en onderzoekers moeten zeer voorzichtig zijn bij het diagnosticeren van CSBD (Humphreys, 2018). Een van de problemen die de betrouwbaarheid van veel onderzoeken in het veld belemmeren, is de manier waarop deze onderzoeken deelnemers met CSBD identificeren en classificeren. Er zijn verschillende criteria gehanteerd om dit doel te bereiken. Sommige onderzoeken hebben individuen met CSBD geïdentificeerd op basis van hun scores op verschillende zelfrapportagemetingen (Parsons, Grov en Golub, 2012). Helaas bieden de meeste CSBD-beoordelingsschalen geen betrouwbare cutoff-scores die zijn afgeleid van klinische monsters (Miner, Raymond, Coleman en Swinburne Romine, 2017), dus voorgestelde drempels zijn vaak willekeurig en / of gebaseerd op statistische (geen klinische) criteria. De studie uitgevoerd door Bothe et al. (2019) vormt een illustratief voorbeeld: na analyse van psychometrische eigenschappen van de hyperseksuele gedragsinventaris in een grote niet-klinische steekproef, konden deze auteurs geen gevoelige en specifieke afkappunten vinden voor de diagnose van CSBD. Bovendien was de positief voorspellende waarde voor de afkapwaarde die doorgaans wordt gebruikt voor de diagnose van hyperseksualiteit (ruwe score> 53) 14% (wat betekent dat onder deelnemers die boven de 53 scoorden in de HBI, slechts 14% echt in aanmerking kwam voor deze diagnose). Daarom adviseerden ze het gebruik van alternatieve indicatoren en maatregelen voor de diagnose van deze aandoening.

Als alternatief hebben andere onderzoekers zelfidentificatie beschouwd als problemen met het beheersen van seksueel gedrag (Smith et al., 2014) of behandeling zoeken voor CSBD (Scanavino et al., 2013) als betrouwbare indicatoren van CSBD. Als voorbeeld, onlangs Grubbs et al. (Grubbs, Grant en Engelman, 2019a; Grubbs, Kraus en Perry, 2019b) voerden twee onderzoeken uit waarin problematisch pornografiegebruik werd gemeten aan de hand van afzonderlijke items zoals 'Ik ben verslaafd aan pornografie"Of"Ik zou mezelf een internetporno-verslaafde noemen”. Sommige individuen die zichzelf erkennen als CSBD-problemen vertonen misschien niet echt de klinische kenmerken of de ernst van deze aandoening, maar alleen morele afkeuring van hun eigen seksuele gedrag (Grubbs, Perry, et al., 2019c; Grubbs, Wilt, Exline, Pargament, & Kraus, 2018; Kraus & Sweeney, 2019).

Ten slotte identificeerden andere onderzoeken CSBD-deelnemers door middel van gestructureerde of semi-gestructureerde klinische interviews (Reid et al., 2012). Zelfs wanneer deze benadering wordt beschouwd als een "gouden regel" bij het beoordelen van de aanwezigheid en ernst van CSBD (Hook, Hook, Davis, Worthington en Penberthy, 2010; Womack, Hook, Ramos, Davis en Penberthy, 2013), is de kwaliteit van deze beoordeling vaak afhankelijk van de specifieke diagnostische criteria die dit semi-gestructureerde interview sturen. Bovendien is beoordeling door middel van een gestructureerd klinisch interview tijdrovend, dus de toepasbaarheid van deze procedure in onderzoek (dwz onderzoeken met grote monsters) is vaak beperkt.

Bij gebrek aan een nauwkeurig diagnostisch kader voor CSBD (Kraus & Sweeney, 2019), is een alternatieve benadering het identificeren van personen met CSBD door middel van datagestuurde benaderingen (bijvoorbeeld clusteranalyses). Deze procedure wordt met name geadviseerd in onderzoekscontexten, waar een groot aantal deelnemers in een beperkt tijdsbestek moet worden beoordeeld en classificatie als seksueel compulsief of niet post-hoc plaatsvindt. Een recente studie van Efrati & Gola (2018b) naar tevredenheid geïdentificeerde adolescenten met CSBD (12 en 14% van twee onafhankelijke steekproeven) via een datagestuurde benadering (Latent Profile Analyses, LPA). Interne en externe validiteit van deze clusterbenadering werd aangetoond door het psychoseksuele profiel van adolescenten in het CSBD-cluster te analyseren (gekenmerkt door een externe locus of control, angstige gehechtheid, grotere eenzaamheid, hogere frequentie van pornografisch gebruik en meer online seksuele activiteiten). Evenzo Bothe et al. (2019) geïdentificeerde volwassenen met een hoog risico op ernstige hyperseksualiteit (ongeveer 1% van de steekproef) met behulp van LPA. Daarom, bij gebrek aan een geschikt diagnostisch kader en korte en degelijke screeninginstrumenten (Montgomery-Graham, 2017) vormen datagestuurde benaderingen een betrouwbare methode om CSBD te onderzoeken in onderzoekscontexten die grote steekproeven omvatten.

De huidige studie

Het doel van de huidige studie was om het voorkomen en de sociodemografische, seksuele en klinische kenmerken van CSBD te onderzoeken in twee onafhankelijke gemeenschapsmonsters. We hebben echter twee beperkingen van eerder onderzoek aangepakt voordat we dit doel aanpakken: (1) het gebrek aan gestandaardiseerde screeningstools voor het beoordelen van het hele scala aan cognitieve, gedrags- en emotionele symptomen van CSBD en (2) de lage nauwkeurigheid van verschillende benaderingen die gewoonlijk worden toegepast in onderzoekscontexten om CSBD-patiënten te identificeren. Daarom hebben we een proces in drie stappen gevolgd om het onderzoeksdoel te bereiken.

Ten eerste hebben we een nieuwe samengestelde index ontwikkeld om het hele scala aan CSBD-symptomen te beoordelen. Deze index was gebaseerd op drie eerder gevalideerde schalen voor de beoordeling van CSBD: de Hypersexual Behavior Inventory (HBI, Reid, Garos en Carpenter, 2011b), de seksuele compulsiviteitsschaal (SCS, Kalichman & Rompa, 1995), en de Seksuele Verslaving Screeningtest (SAST, Carnes, 1983). Onafhankelijk daarvan zijn deze maatregelen vaak buitensporig smal bij de beoordeling van CSBD, en dekken ze niet het brede scala aan symptomen dat moet worden onderzocht om deze klinische toestand nauwkeurig te beoordelen (Womack et al., 2013); Al met al bieden deze schalen echter een zeer uitgebreide beoordeling van CSBD-symptomen en ernst. Om het probleem van het onafhankelijk gebruik van deze schalen het hoofd te bieden, hebben we een uitgebreide beoordeling van hun inhoud uitgevoerd, hun items met verschillende CSBD-symptomen in verband gebracht en een samengestelde index gemaakt die de volgende criteria beoordeelt: (a) verlies van controle, (b) verwaarlozing, ( c) niet kunnen stoppen, (d) voortdurende betrokkenheid ondanks inmenging, (e) coping, en (f) Preoccupatie, opvallendheid en zelf ervaren seksuele problemen (voor een uitgebreide beschrijving van elk symptoom, zie Tabel A1 in de bijlage). De theoretische kaders voor het koppelen van schaalitems aan elk specifiek symptoom waren de ICD-11 CSBD-criteria (Wereldgezondheidsorganisatie, 2018), het DSM-5-voorstel voor de diagnose van hyperseksualiteit (Kafka, 2010), en het componentmodel van verslaving (Griffiths, 2005). De procedure was gelijk aan die gevolgd door Womack et al. (2013) in hun beoordeling van hyperseksualiteitsmetingen: twee onafhankelijke codeurs koppelden elk item aan een diagnostisch criterium, en een derde onafhankelijke codeur loste eventuele discrepanties op. Voor de duidelijkheid werden items die meer dan één CSBD-symptoom beoordeelden of niet duidelijk een symptoom beoordeelden, uitgesloten van de nieuwe samengestelde index.

Op basis van deze samengestelde index hebben we vervolgens individuen met CSBD geïdentificeerd door middel van een clusteranalyse. Clusteranalyse laat toe om homogene groepen individuen bloot te leggen op basis van de omvang en het patroon van scores in verschillende indicatoren, en wordt in toenemende mate gebruikt voor de identificatie van mensen met verschillende psychische problemen (zoals problematisch gebruik van mobiele datingapps [Rochat, Bianchi-Demicheli, Aboujaoude en Khazaal, 2019] of buitensporige betrokkenheid bij videogames [Musetti et al., 2019]). Via deze methode hebben we 2,899 deelnemers die zijn afgeleid van twee onafhankelijke steekproeven, ingedeeld in twee clusters (niet-CSBD- en CSBD-deelnemers). Gezien de voorlopige aard van de voorgestelde CSBD-criteria en de precaire ontwikkeling van cutoff-scores, biedt deze datagestuurde benadering voordelen bij de identificatie van deze klinische populatie, zoals het vermijden van het gebruik van willekeurige cutoff-scores of vertrouwen op zelfperceptie van seksuele problemen. Bovendien is clusteranalyse nuttig om de intra-individuele dynamiek te begrijpen, in plaats van interindividuele verschillen (zoals in het geval van variabelegerichte benaderingen) (Bergman & Magnusson, 1997). Ten slotte kan clusteranalyse, vergeleken met complexere datagestuurde benaderingen die het gebruik van geavanceerde statistische software voor hun berekening vereisen (bijv. LPA), eenvoudig worden geïmplementeerd via populaire software (bijv. SPSS), met een hoge mate van overlap tussen de resultaten van beide statistische procedures (DiStefano en Kamphaus, 2006; Eshghi, Haughton, Legrand, Skaletsky en Woolford, 2011).

Ten slotte hebben we clusters gebruikt die zijn afgeleid van de vorige analyses om het voorkomen en de kenmerken van deelnemers die kwalificeren als seksueel compulsieve personen te onderzoeken. Verschillende a priori hypothesen werden getest. Omdat de huidige gegevens erop wijzen dat de prevalentie van CSBD varieert tussen 1 en 6% (Bőthe et al., 2019; Walton et al., 2017), werd verondersteld dat het voorkomen van CSBD in onze steekproeven binnen dit bereik zal vallen, waarbij mannen een groot deel (∼80%) van de deelnemers in deze groep uitmaken. Wat betreft offline en online seksueel gedrag, verwachten we een grotere frequentie, variëteit en ernst van seksueel gedrag onder CSBD-deelnemers (Klein et al., 2014; Odlaug et al., 2013; Winters, Christoff en Gorzalka, 2010). In verband met deze verhoogde seksuele activiteit verwachten we dat CSBD-deelnemers hoger zullen scoren op seksuele geaardheidseigenschappen zoals het zoeken naar seksuele sensatie (Kalichman & Rompa, 1995; Klein et al., 2014) of erotofilie (Rettenberger, Klein en Briken, 2015). Ten slotte, voor zover CSBD-patiënten de neiging hebben om seks te gebruiken als een coping-mechanisme, stelden we ook de hypothese op dat scores op schalen die depressie beoordelen (Schultz et al., 2014), angst (Carvalho, Guerra, Neves en Nobre, 2014; Reid, Bramen, Anderson en Cohen, 2014; Voon et al., 2014), en eigenwaarde (Chaney en Burns, 2015; Reid, Carpenter, Gilliland en Karim, 2011a) zou worden verhoogd in CSBD-deelnemers.

Deelnemers en procedure

Deelnemers aan dit onderzoek werden gerekruteerd uit twee onafhankelijke onderzoeken naar CSBD. De gegevensverzameling voor de eerste steekproef werd uitgevoerd tussen 2012 en 2015. Tijdens deze periode hebben we een cross-sectionele enquête-methode gebruikt om op straat te onderscheppen om gegevens te verzamelen over een grote steekproef van Spaanse studenten. In het bijzonder zette het onderzoeksteam een ​​informatietafel neer bij de hoofdingang van verschillende centra voor hoger onderwijs en een lid van het team benaderde actief potentiële deelnemers. Studenten werd gevraagd om vrijwillig mee te werken aan een onderzoek naar seksueel gedrag. Degenen die accepteerden, voltooiden een individuele in-office assessment waarbij een ervaren klinisch psycholoog verschillende zelfrapporten afnam. De gemiddelde tijd om het onderzoek te voltooien was ongeveer 1 uur en 45 minuten en de deelnemers ontvingen 10 € als compensatie voor hun deelname.

Gegevensverzameling voor de tweede steekproef werd uitgevoerd tussen 2016 en 2018. Het doel van de steekproef was om CSBD te beoordelen in een grote steekproef van Spaanstalige gemeenschapsleden. Het onderzoek werd online uitgevoerd via een beveiligd online platform dat bedoeld was om informatie en beoordelingen te verstrekken over CSBD (https://adiccionalsexo.uji.es/). De deelnemers werden ingeschreven met behulp van een combinatie van actieve en passieve rekruteringsstrategieën. Actieve rekrutering omvatte: (1) e-mailontploffing via de listservs van verschillende instellingen (universiteiten, organisaties, enz.); (2) verspreiding van de studie op radio's en krantenwebsites; (3) het plaatsen van banners op Facebook via de marketingdienst «voorgestelde publicaties» en; (4) het plaatsen van scheurfolders op plaatsen met een hoge dichtheid (winkelcentra, supermarkten, enz.). De studie-enquête was ook toegankelijk via elke zoekmachine door termen te gebruiken als "seksuele verslavingen" en / of "beoordeling van seksverslaving" (in het Spaans) (passieve rekrutering). Gedurende de tijd dat het onderzoek toegankelijk was, hebben 3,025 deelnemers de enquête geopend. De eerste gegevens die van het onlineplatform waren afgeleid, werden gescreend om dubbelzinnige, inconsistente en / of valse reacties te voorkomen (bijv. Deelnemers die rapporteren> 100 jaar oud). Aangezien een van de CSBD-schalen die we hebben gebruikt voor het clusteren van deelnemers (de Hypersexual Behavior Inventory, HBI) aan het einde van de online enquête was geplaatst, werden alleen de deelnemers die 100% van de enquête voltooiden, in de studie opgenomen. Na verwijdering zijn in totaal 1,318 deelnemers opgenomen in de uiteindelijke dataset. De gemiddelde tijd om het onderzoek te voltooien was 27.82 minuten (SD = 13.83) en deelnemers kregen geen vergoeding voor deelname.

Bijgevolg namen in totaal 2,899 van twee onafhankelijke steekproeven deel aan het onderzoek. De eerste dataset omvatte een gemakssteekproef van 1,581 Spaanse universiteitsstudenten (56.9% vrouwen) variërend tussen 18 en 27 jaar oud (M = 20.58; SD = 2.17). De tweede dataset omvatte een meer heterogene steekproef van 1,318 leden van de gemeenschap (43.6% vrouwen) in de leeftijd van 18 tot 75 jaar oud (M = 32.37; SD = 13.42). Tabel 1 toont de kenmerken van de deelnemers in beide steekproeven.

Maatregelen

Data-analyse

We hebben analyses uitgevoerd in vier stappen. Ten eerste zijn beschrijvende analyses uitgevoerd om deelnemers te karakteriseren in termen van sociaal-demografische gegevens met behulp van het SPSS-statistisch pakket (versie 25.0). Om de kenmerken van deelnemers in steekproef 1 en 2 te vergelijken, hebben we uitgevoerd t tests (continue variabelen) en chikwadraattoetsen (categorische variabelen). Twee effectgrootte-indices (Cohen's d en Cramer's V) werden berekend met behulp van G * Power (versie 3.1). Voor Cohen's deffectgroottes van ongeveer 20 werden als klein beschouwd, bijna 50 matig en groter dan 80 groot (Cohen, 1988); voor Cramer's V, deze maten kwamen overeen met waarden van .10, .30 en .50 (Ellis, 2010).

Ten tweede werd een Confirmatory Factor Analysis (CFA) uitgevoerd om de psychometrische geschiktheid van onze theoretisch gestuurde classificatie van CSBD-symptomen te testen. EQS-software (versie 6.2) werd gebruikt om de CFA uit te voeren. Vanwege de niet-normale verdeling van de gegevens werden robuuste schattingsmethoden gebruikt. De fitheid van de CFA werd geanalyseerd met de volgende indices: Satorra-Bentler chi-square (χ²), relatief chikwadraat (χ²/df), algemene modelbetekenis (P), root mean square error of approximation (RMSEA), vergelijkende en incrementele fitindexen (CFI en IFI), en de Standardized Root Mean Square Residual (SRMR). Een geschikte pasvorm werd overwogen toen χ² was niet significant (P > .05), χ²/df lag tussen 1 en 2, CFI en IFI waren ≥ 95, en RMSEA en SRMR waren ≤ 05 (Bagozzi & Yi, 2011). Volgens minder beperkende criteria, waarden tussen 2 en 3 voor χ²/df, ≥ 90 voor CFI en IFI, ≤ 08 voor RMSEA en ≤ 10 voor de SRMR werden als acceptabel beschouwd (Hooper, Coughlan en Mullen, 2008). Twee betrouwbaarheidsindices werden berekend voor elke subschaal van CSBD-symptomen: Cronbach's alfa (α) en McDonald's Omega (ω). Het «gebruikersvriendelijke wetenschap» R-pakket (Peters, 2014) werd gebruikt om deze indices te schatten.

Ten derde hebben we gegevensclusteringstechnieken gebruikt om subgroepen van deelnemers met vergelijkbare CSBD-profielen te identificeren. De zes subschalen van de CSBD-symptomen die tijdens de vorige analysefase werden bevestigd, werden gebruikt om de aanwezigheid van verschillende CSBD-profielen te schatten. Zoals aanbevolen (Haar, zwart en Babin, 2010; Henry, Tolan en Gorman-Smith, 2005), werd dit doel bereikt door hiërarchische en niet-hiërarchische clusteringstrategieën te combineren en de nauwkeurigheid van de resulterende clusters door verschillende strategieën te bevestigen. In een eerste stap werd een hiërarchische clusteranalyse uitgevoerd (Ward's methode, Euclidische afstandsmeting) om een ​​voorlopige schatting voor te stellen van het aantal homogene clusters in de dataset op basis van het agglomeratieschema en het dendogram. Vervolgens werd het optimale aantal CSBD-profielen en het clusterlidmaatschap bepaald met behulp van een tweestaps-clusterclassificatiemethode. Er werden twee indices gebruikt om de geschiktheid van de voorgestelde clusteroplossing te beoordelen in vergelijking met concurrerende modellen van 1 tot 10 clusters: het Akaike Information Criterion (AIC) en het Bayesian Information Criterion (BIC). Ondanks zijn eenvoud heeft deze "auto-cluster" -procedure zijn superioriteit bewezen ten opzichte van andere, meer complexe schattingsmethoden bij het bepalen van het optimale aantal te behouden clusters (Eshghi et al., 2011; Gelbard, Goldman en Spiegler, 2007). Om de nauwkeurigheid van deze clusteroplossing te bevestigen, hebben we de volgende strategieën toegepast: (a) we hebben de gegevens van dataset 1 tot en met k-middelen (specificeert het aantal clusters afgeleid uit eerdere analyses) en schatte de convergentie tussen beide methoden (Fisher & Ransom, 1995); (2) we hebben het monster van dataset 1 willekeurig in twee gelijke submonsters gesplitst, elke helft afzonderlijk geanalyseerd en de oplossing vergeleken (Michaud & Proulx, 2009); (3) we hebben dezelfde clusteroplossing toegepast in een volledig onafhankelijke database (voorbeeld 2); en (4) we hebben de criteriumgerelateerde validiteit van de clusteroplossing getest (dwz of de resulterende clusters verschillen in variabelen die van belang zijn op manieren die consistent zijn met de theorie). De criteriumvaliditeit van voorgestelde clusters werd beoordeeld door scores op de zes CSBD-subschalen te vergelijken (interne validiteit); Daarnaast werd externe validiteit onderzocht door clusters te vergelijken in relatie tot sociodemografische, seksuele en klinische indicatoren (SSS-scores, tijd online voor seksuele doeleinden, enz.).

Ethiek

De onderzoeksprocedures werden uitgevoerd in overeenstemming met de Verklaring van Helsinki. De Institutional Review Board van de Jaume I University keurde de studie goed. Vrijwillige deelnemers aan het onderzoek werden geïnformeerd over het onderzoeksdoel en gaven geïnformeerde toestemming.

Confirmatory Factor Analysis (CFA) van CSBD-symptomen

Om de psychometrische goedheid van fit te verifiëren van onze theoretisch gestuurde classificatie van CSBD-symptomen (Tabel 1), werd een CFA uitgevoerd in zowel monster 1 als 2. Goodness of fit van twee mogelijke modellen werd getest: een model waarin de zes factoren van de eerste orde (dwz CSBD-symptomen) gecorreleerd waren (M1) en een model waarin deze factoren gegroepeerd onder een tweede orde factor (M2). Deze tweede benadering was in overeenstemming met modellen die een eendimensionale uitdrukking van CSBD-symptomen voorstellen (Graham, Walters, Harris en Knight, 2016) en heeft steun gekregen van recente werken over de factoriale structuur van een CSBD-beoordelingsschaal (Castro-Calvo et al., 2018). ). As Als Tabel 2 laat zien dat M1 de beste modelpassing heeft behaald in zowel monster 1 als 2. Factorladingen afgeleid van de CFA zijn opgenomen als een aanvullende inhoud in bijlagen (Tabel A2 in de bijlage).

Met betrekking tot interne consistentie (Tabel 3), ordinale Cronbach's α en McDonald's ω voor het merendeel van de CSBD-subschalen wezen op een passende interne consistentie (α en ω tussen 67 - 89 in monster 1 en 68 - 91 in monster 2).

Clustervorming

Om subgroepen van deelnemers met vergelijkbare CSBD-profielen te identificeren, hebben we een hiërarchische clusteranalyse uitgevoerd in steekproef 1. De zes CSBD-subschalen die tijdens de vorige stap werden bevestigd, werden gebruikt als clustervariabelen in deze analyse. Om ervoor te zorgen dat deze variabelen een gemeenschappelijke statistiek delen, werden hun scores z-getransformeerd. De hiërarchische clusteranalyse werd uitgevoerd met behulp van de methode van Ward met Squared Euclidian-afstandsmeting, waaruit bleek dat het juiste aantal te overwegen clusters twee was. De daaropvolgende tweestaps-methode en de analyse van de BIC- en AIC-waarden bevestigden dezelfde clusteroplossing. Cluster 1 (gelabeld "niet-CSBD") bestond uit 1,421 deelnemers (89.88%) met een laag CSBD-risicoprofiel; cluster 2 (“CSBD”) omvatte 160 deelnemers (10.12%) met een hoog CSBD-risicoprofiel.

Om de nauwkeurigheid van deze oplossing met twee clusters te bevestigen, hebben we drie bevestigingsanalyses uitgevoerd. Ten eerste werden de gegevens van monster 1 opnieuw geanalyseerd met behulp van een alternatieve, niet-hiërarchische clusterbenadering: k-middelen. Eenmaal uitgevoerd, vergeleken we de convergentie van clustellidmaatschap tussen beide oplossingen, waarbij we ontdekten dat 100% van de deelnemers die oorspronkelijk waren opgenomen in het niet-CSBD-cluster en 86.3% van degenen die waren toegewezen aan de CSBD, via deze alternatieve benadering in hetzelfde cluster waren ingedeeld. De tweede bevestigingsbenadering bestond uit het willekeurig splitsen van de steekproef van dataset 1 in twee gelijke submonsters, elke helft afzonderlijk analyseren via de tweestapsmethode en de nauwkeurigheid van de toewijzing van clustellidmaatschap vergelijken. De convergentie via deze methode was zelfs nog groter, met 98.4 en 100% van de deelnemers toegewezen aan niet-CSBD- en CSBD-clusters, gecategoriseerd in de oorspronkelijke profielen. Ten slotte hebben we de initiële clustermethode gerepliceerd in een volledig onafhankelijke steekproef (steekproef 2), waarbij we opnieuw dezelfde aanbevolen oplossing met twee clusters hebben verkregen. In dit geval omvatte niet-CSBD-cluster 92.19% van de steekproef (n = 1,215) terwijl het CSBD-cluster de andere 7.81% (n = 103).

Analyses van de resulterende clusters

De criteriumgerelateerde validiteit van de twee-clusteroplossing werd getest door deelnemers te vergelijken op directe CSBD-indicatoren (interne validiteit) en door het sociodemografische, seksuele en klinische profiel van CSBD-deelnemers te analyseren (externe validiteit). Zoals weergegeven in Tabel 4, verschillen deelnemers in het CSBD-cluster significant van niet-CSBD-deelnemers in hun scores op de zes CSBD-subschalen, zowel in steekproef 1 als 2 (alle verschillen significant op P <0.001 en grote effectgroottes). CSBD-symptomen die beter onderscheid maakten tussen beide clusters, waren verlies van controle (d = 2.46 [monster 1]; d = 2.75 [sample 2]), verwaarlozing (d = 2.42; d = 2.07), en preoccupatie (d = 2.32; d = 2.65). Het percentage deelnemers dat boven de HBI-, SCS- en SAST-cut-offs scoorde, varieerde tussen 30.1 en 63.1% in het CSBD-cluster, vergeleken met 0.1-2.6% in de niet-CSBD-groep.

Met betrekking tot externe correlaten (Tabel 5), CSBD-deelnemers waren meestal mannen (69.4 en 72.8% in steekproef 1 en 2) en omvatten een hogere prevalentie van heteroseksuele deelnemers (82.5 en 66%). In steekproef 2 waren CSBD-deelnemers jonger dan niet-CSBD-deelnemers (d = 0.22), terwijl in steekproef 1 de prevalentie van een vaste partner lager was (V = 0.10). CSBD-deelnemers waren meer zoekers naar seksuele sensatie (d = 1.02 [monster 1]; d = 0.90 [monster 2]), vertoonde licht verhoogde erotofiele neigingen (d = 0.26 in monster 1), en vertoonde een verhoogde online seksuele activiteit. In het bijzonder brachten CSBD-deelnemers twee keer zo lang op internet door voor seksuele doeleinden (d = 0.59; d = 0.45), scoorde significant hoger op een schaal die buitensporige en problematische betrokkenheid bij dit gedrag beoordeelt (ISST, d = 0.98; d = 1.32), en een belangrijk deel antwoordde bevestigend op vragen met betrekking tot de ernstperceptie (50% van de respondenten in steekproef 2 vond dat ze te veel tijd online doorbrachten voor seksuele doeleinden en 60% maakte zich zorgen over dit gedrag). Offline seksueel gedrag van CSBD-deelnemers in steekproef 1 werd gekenmerkt door een groter aantal seksuele partners (d = 0.37), een hogere frequentie van geslachtsgemeenschap (V = 0.11), en een verhoogde prevalentie van verschillende seksuele gedragingen. Offline seksueel gedrag van CSBD-deelnemers in steekproef 2 verschilde alleen van niet-CSBD-deelnemers in de frequentie van geslachtsgemeenschap (V = 0.10) en de prevalentie van geslachtsgemeenschap van hetzelfde geslacht (V = 0.07). Ten slotte vertoonden CSBD-deelnemers in beide steekproeven grotere niveaus van depressie en angst dan niet-CSBD-deelnemers, zoals uitgedrukt door hun verhoogde scores in de BDI-II- en STAI-toestand (d van respectievelijk 0.68 en 0.33) en de HADS-Depressie en HADS-Angst (d van respectievelijk 0.78 en 0.85). Integendeel, CSBD-deelnemers vertoonden een lager niveau van zelfrespect (d van 0.35 in monster 1 en 0.55 in monster 2).

Beperkingen en toekomstige aanwijzingen

Ondanks een aantal interessante en nieuwe bevindingen, was deze studie op verschillende manieren beperkt. Ten eerste is dit onderzoek correlationeel en gaat het daarom niet in op de vraag of CSBD de opkomst bepaalt van het seksuele en klinische profiel dat doorgaans wordt waargenomen bij deze aandoening of, integendeel, de aanwezigheid van bepaalde eerdere psychologische configuraties (bijv. Hoge erotofilie, zoeken naar seksuele sensatie). of emotionele problemen) vergroot de kwetsbaarheid om CSBD te ontwikkelen. Ten tweede kan het voorkomen van CSBD dat in het onderzoek wordt gerapporteerd, vertekend (opgeblazen) zijn vanwege onze steekproefbenadering. De eerste studie werd aangeprezen als een seksualiteitsenquête; daarom kunnen mensen met een speciale interesse in seks (die meer vatbaar zijn voor CSBD) oververtegenwoordigd zijn. Evenzo werden deelnemers aan het tweede onderzoek via internet gerekruteerd, waarbij het onderzoek werd geadverteerd als een seksualiteitsenquête. Bovendien was de enquête toegankelijk met zoektermen als "seksuele verslaving", waardoor de kans groter werd dat mensen met CSBD-symptomen toegang kregen tot de enquête.

Bovendien werd het CSBD-profiel bepaald aan de hand van een nieuwe samengestelde index afgeleid van gevestigde zelfrapportage-metingen. Deze index is ontworpen volgens de meest relevante en betrouwbare criteria om CSBD (Kafka, 2010; Kraus et al., 2018; Wéry & Billieux, 2017). Maar zelfs wanneer zelfrapportages worden beschouwd als een goedbedoelde eerste benadering voor de screening van CSBD, vereist de diagnose ervan eigenlijk een meer diepgaande beoordeling van de aard en context van de seksuele problemen van het individu. Om die reden, in plaats van (of in combinatie met) zelfrapportage maatregelen, is het gebruik van gestructureerde of semi-gestructureerde klinische interviews gericht op buitensporig en ongecontroleerd seksueel gedrag (bijv. Het HD Diagnostic Clinical Interview [HD-DCI]) meestal geadviseerd voor de juiste diagnose van CSBD (Womack et al., 2013). Toekomstig onderzoek zou dus de opname van een meer diepgaande verkenning van de aanwezigheid en ernst van CSBD moeten overwegen door middel van betrouwbaardere beoordelingsprocedures (bijv. Die volgde in de DSM-5 veldproef voor hyperseksuele stoornis) (Reid et al., 2012).