Меры по очистке для оценки проблемных / привыкание использования цифровых игр в клинических и исследовательских настройках (2015)

2.1. Использование DSM-IV-TR в качестве основного инструмента

В большинстве первоначальных попыток разработать инструменты измерения ПДГ использовались критерии, которые в значительной степени соответствовали или адаптировались критериям DSM-IV-TR для патологической азартной игры или общей зависимости от психоактивных веществ [7]. Примеры включают шкалу проблемной игры в видеоиграх (PVP) [8], Шкала зависимости от игры (GAS) [9] и Шкала проблемного использования онлайн-игр (POGU) [10]. Ниже мы рассмотрим эти критерии более подробно. Кинг, Хаагсма, Дельфаббро, Градисар и Гриффитс [7] представили научный обзор таких мер, и было бы поучительно описать их выводы более подробно.

Кинг и др. охватывалось 18 инструментов, в каждом из которых использовались критерии, очень похожие на те, которые содержатся в категориях DSM-IV-TR для патологической азартной игры или общей зависимости от психоактивных веществ.11]. Кинг и др. пришли к выводу, что большинство показателей обладают множеством положительных качеств, таких как краткость, простота оценки, сильная внутренняя последовательность и сильная конвергентная валидность. Кроме того, различные меры кажутся подходящими для сбора важной информации для различных целей, например, для разработки нормативных баз данных.

Кинг и др. выявленные проблемные области, включая непоследовательный охват диагностических критериев, разные пороговые баллы (тем самым усугубляя проблемы с распознаванием истинного патологического использования или сравнением показателей в исследованиях с использованием контрастирующих показателей), отсутствие временного измерения и непоследовательную размерность. Например, факторный анализ выявил одно общее измерение для ряда показателей, которое, по-видимому, представляет собой ПДГ, но два или более измерения для других показателей, таких как компульсивное употребление, абстиненция и толерантность. Авторы также представили предложения по улучшению измерения, такие как добавление временных шкал и проверок достоверности (например, изучение того, считает ли игрок или его семья, что его игра проблематична), получение данных из расширенных или более репрезентативных выборок, а также изучение чувствительности и Специфика различных инструментов. В этой статье мы надеемся добавить к полезным предложениям Кинга и др.

2.2. Публикация DSM-5 и изменения в диагностических категориях и критериях

Обзор Кинга и др. [7] появился незадолго до DSM-5 [12] был опубликован и, следовательно, не охватывал изменения в руководстве, в частности создание и введение категории «Расстройство, связанное с интернет-играми» (IGD), в раздел «Условия для дальнейшего изучения». В ответ на этот пересмотр некоторые исследователи напрямую приняли критерии IGD DSM-5 для оценки проблемных цифровых игр. Можно было бы предположить, что IGD применим только к онлайн-играм, но в разделе «Подтипы» DSM-5 указано, что IGD «может также включать в себя компьютеризированные игры, не относящиеся к Интернету, хотя они и менее исследованы» [12].

Диагностические критерии IGD очень похожи как на старые критерии DSM-IV-TR для патологической азартной игры, так и на модифицированную версию этих критериев DSM-5 в переименованной категории «игровое расстройство» (GD). Согласно DSM-5, единственное существенное различие между ИГД и ГД сводится к одному диагностическому критерию: ИГД не включает ни один из диагностических критериев БГ («Полагается на других, чтобы предоставить деньги или облегчить отчаянные финансовые ситуации, вызванные азартными играми»). , а скорее использует: «Потеря интереса к прежним хобби и развлечениям в результате и за исключением интернет-игр».

Недавно Понтес и Гриффитс [13] опубликовал краткую оценку под названием «Шкала расстройства, связанного с интернет-играми». В этом опроснике используются девять критериев DSM-5 IGD в формате 5-балльной шкалы Лайкерта. Понтес и Гриффитс [13] изучил выборку из 1060 геймеров и указал, что этот показатель, наряду с IGD, может обеспечить единый метод оценки зависимости от видеоигр.

Те, кто использует DSM-5, могут предположить, что IGD потенциально охватывает целый ряд интернет-деятельности, например расстройство, связанное с азартными играми в Интернете (поскольку онлайн-покер можно поспорить как цифровую игру). Следовательно, необходимо сделать ключевое пояснение: в DSM-5 говорится, что IGD не включает использование Интернета для целей, отличных от игр, таких как использование Интернета для развлечения или социальных целей [12]. Далее в нем говорится, что азартные игры в Интернете не включены в IGD [12].

2.3. Дальнейшее рассмотрение диагностических критериев и категорий

На данный момент может показаться, что эти различные критерии проблемных цифровых игр очень похожи. В конце концов, критерии IGD минимально отличаются от критериев DSM для патологической азартной игры или расстройства, связанного с азартными играми. Кроме того, большинство альтернатив, таких как известная модель зависимости, разработанная Брауном и модифицированная Гриффитсом [14], по-видимому, в значительной степени совпадают с этими другими диагностическими критериями. Следовательно, можно предположить, что, пока различные инструменты оценки охватывают такие критерии, все они, вероятно, будут измерять примерно одно и то же. Также может показаться, что критерии IGD должны стать новым, предпочтительным методом оценки проблем цифровых игр, особенно потому, что они были предложены в последней версии DSM. Действительно, некоторые исследователи [13,15] рекомендовали, чтобы будущие измерения включали элементы, которые лучше всего отражают девять критериев IGD.

К сожалению, ситуация, вероятно, не так проста, поскольку эти меры не свободны от некоторых ограничивающих или проблемных особенностей. Например, неясно, все ли соответствующие критерии или конструкции PDG на сегодняшний день должным образом зафиксированы, а некоторые критерии и конструкции, применимые к GD, могут иметь ограниченное или минимальное значение для идентификации PDG и наоборот. Таким образом, важно, чтобы мы оставались открытыми для изменения существующих критериев или принятия новых критериев для PDG и IGD, учитывая быстрое развитие цифровых технологий и новые результаты исследований.

3.1. Необходимость конкретного определения проблемной игры

Независимо от того, как называется проблема (ПДГ, ИГД или игровая зависимость), необходимо определить термин, который правильно включал бы все типы цифровых игр. Мы считаем, что цифровые игры достигают этой цели, но многие исследователи используют термин «видеоигры», когда подразумевают все типы цифровых игр, тогда как другие исследователи используют этот термин, когда имеют в виду исключительно игры для видеоконсолей (именно поэтому мы также использовал видеоигры при цитировании некоторых исследователей в этой статье).

Еще одним важным фактором при разработке конкретного определения PDG является решение того, что считать цифровой игрой. Для исследователя с меньшим опытом в этой области этот вопрос может показаться глупым, но многие цифровые геймеры проводят значительное количество времени за просмотром цифровых игр. Как и профессиональные зрители спортивных состязаний, некоторые игроки, вероятно, проводят больше времени за просмотром цифровых игр или разговорами о них, чем за игрой в них. Эти геймеры могут наблюдать за игрой своих друзей или смотреть видео игр онлайн, где они часто могут общаться с опытными игроками. Опытные геймеры также могут проводить время за просмотром записанных видео, чтобы проанализировать свой игровой процесс, или использовать программы чата для общения с другими игроками о различных играх. Остается неясным, являются ли исследования различных 18 инструментов оценки, проведенных King et al. [7] рассмотренный, учитывает этот тип использования цифровых игр. Если нет, то вполне вероятно, что некоторые респонденты учитывали, а некоторые нет, время, потраченное на просмотр цифровых игр, отвечая на вопросы, поскольку некоторые геймеры считают, что просмотр игр отличается от игры в них. Попытка оценить и уменьшить эту двусмысленность является стоящей целью.

Вопрос о том, какой вид игровой деятельности учитывать, вызывает дополнительные вопросы. Должны ли исследователи считать время, которое геймеры тратят на разговоры о цифровых играх со своими друзьями в социальной ситуации, как использование цифровых игр? Если нет, то будет ли считаться временем использования цифровой игры, если вместо этого геймер общается через Интернет? Почему и каким образом социальное взаимодействие в Интернете следует рассматривать иначе, чем социальное взаимодействие в реальной жизни? Последствия этих вопросов очень важны, особенно потому, что исследователи и врачи могут расходиться в ответах, а наличие научных данных для разрешения разногласий во взглядах может быть скудным. На данный момент, возможно, все эти различные способы участия в цифровых играх следует каким-то образом отразить. Остается неясным, насколько эффект от просмотра или анализа цифровых игр отличается от игры в них, но начать изучать эти различия и включать их в анкеты, вероятно, будет полезно.

3.2. Адекватное освещение контента: учет положительных эффектов

Фактор, который делает PDG особенно интересной проблемой, — это преимущества, которые могут дать цифровые игры [16,17]. Примеры включают улучшение времени реакции [18], пространственное разрешение и визуальная обработка [19], рабочая память [20], когнитивная гибкость [21], решение стратегических проблем [22,23] и просоциальное поведение [24]. Даже PDG, несмотря на неблагоприятное воздействие, может одновременно приносить те или иные преимущества.

Хотя основной причиной оценки PDG является определение того, оказывают ли цифровые игры негативное влияние на жизнь человека, было бы ошибкой игнорировать преимущества, которые также могут иметь место. Это не значит, что нынешние меры направлены на устранение негативных последствий, которые часто вызывают центральный интерес и озабоченность. Тем не менее, должна быть возможность создавать анкеты, которые оценивают как потенциальные плюсы, так и минусы цифровых игр. Такая анкета, вероятно, будет воспринята геймерами гораздо более позитивно, поскольку многие геймеры (независимо от того, является ли их использование цифровых игр проблематичным) часто беспокоятся, отвечая на анкеты, которые, по их мнению, имеют сильную негативную предвзятость в отношении игр. Исследователи иногда описывали проблемы с привлечением геймеров для участия в исследованиях, а наличие положительных пунктов в анкетах и ​​интерес к потенциальному положительному влиянию могут существенно повлиять на повышение вовлеченности и улучшение репрезентативности выборок. Кроме того, измерение положительных и отрицательных характеристик может оказаться очень полезным в продольных исследованиях, изучающих переход от доброкачественных или относительно безопасных моделей употребления к более проблематичным или последующее движение от проблемного к менее проблемному использованию.

Конкретный пример: оценка лечебных программ могла бы выиграть от измерения, учитывающего не только отрицательные воздействия, но также более благоприятные и даже положительные воздействия. Взвешивание плюсов и минусов игр также может быть особенно полезно при разработке плана лечения. Если геймер испытывает как положительные, так и отрицательные последствия игровой деятельности, лечение может сначала включать сокращение использования игр до более умеренного уровня, особенно если геймер не желает немедленно полностью прекращать играть. В идеале сокращение игрового времени могло бы уменьшить или устранить некоторые из наиболее негативных последствий игр, в то время как положительные последствия могли бы продолжаться. Если геймер является чрезвычайно проблемным пользователем и не может модерировать свое использование таким образом, может потребоваться установка более жестких ограничений.

В настоящее время стандартного метода измерения положительного влияния цифровых игр, похоже, не существует. При оценке положительного влияния игр исследователи обычно используют показатели, не связанные с цифровыми играми. Например, в исследовании, оценивающем потенциальное влияние как просоциальных, так и жестоких видеоигр, Салим, Андерсон и Джентиле [25] использовал показатель просоциальных тенденций из 25 пунктов, чтобы проверить, появилось ли у участников больше просоциальных тенденций после игр. Другие исследователи, такие как Гласс, Мэддокс и Лав [20], использовали различные нейропсихологические измерения до и после участия участников в цифровых играх, чтобы определить, привели ли игры к когнитивным улучшениям.

На основе этих предыдущих подходов можно дать некоторые предложения по разработке содержания и тем элементов положительного воздействия. К ним относятся вопросы к игрокам или респондентам: (а) как часто они участвуют в играх, требующих большой физической активности, таких как Dance Dance Revolution; (б) если они зарабатывают на жизнь играми, например, будучи профессиональными игроками или профессиональными игровыми комментаторами; (в) как часто они участвуют в социальной деятельности во время игры; (г) различные типы игр, в которые они вовлечены (поскольку некоторые игры имеют больше плюсов или больше минусов, чем другие игры); и (f) некоторые из предполагаемых геймером преимуществ игр (которые могут оказаться полезными для разработки планов лечения геймеров, нуждающихся во вмешательстве). Вероятно, также окажется информативным использование краткого измерения просоциальных тенденций (например, показателя просоциальных тенденций).25]), а также одно или несколько кратких когнитивных измерений, охватывающих области, в которых исследования продемонстрировали улучшения.

3.3. Учет небрежных и случайных ответов

Ценность самоотчета может быть серьезно подорвана, если респонденты не в состоянии достаточно сотрудничать с процедурами и дают небрежные или случайные ответы. Некоторые респонденты, например, желают заполнить анкеты как можно быстрее, и во многих ситуациях анонимность исследования почти не создает препятствий для небрежного или случайного ответа. Исследования показывают, что небрежные и случайные ответы на анкеты встречаются чаще, чем можно предположить, причем их уровень иногда достигает 20%.26,27]. Более того, даже относительно небольшая часть небрежных или случайных респондентов может оказать удивительно сильное влияние на исследовательские данные и вызвать парадоксальные эффекты (например, не только препятствовать обнаружению истинных взаимосвязей, но даже создавать искусственные ассоциации между переменными, которые на самом деле не связаны между собой).28]).

К счастью, зачастую всего несколько пунктов могут обеспечить высокий уровень точности при выявлении случайных ответов и от умеренной до высокой точности при обнаружении небрежных ответов. На составление такого небольшого набора вопросов большинству респондентов уйдет меньше минуты. Кроме того, случайные и небрежные элементы ответов вполне могут сохранять эффективность при их применении или адаптации к различным показателям или могут быть легко изменены, чтобы вписаться в содержание вопросников. Таким образом, эффективный и простой метод улучшения существующих инструментов оценки PDG состоит в том, чтобы включить несколько небрежных или случайных вопросов с ответами, которые позволили бы исследователям выявить и устранить большинство этих несотрудничающих людей и, следовательно, значительно ослабить их потенциально разрушительное воздействие.

3.4. Улучшенные нормы и референтные группы

Часто бывает трудно интерпретировать результат меры, если отсутствуют соответствующие нормативные или референтные группы. В этом контексте под нормативными группами мы подразумеваем членов населения в целом, которые предположительно не являются наркозависимыми или проблемными потребителями. В качестве альтернативы можно было бы предпочесть более строго определенную нормативную группу, состоящую из членов населения в целом, не страдающих психическими расстройствами. Термин «референтная группа» шире, чем «нормативная группа», и может использоваться для обозначения любой группы сравнения, которая может быть информативной по отношению к интересующей группе (которой в этой области, скорее всего, будут проблемные цифровые геймеры).

Нормативные группы и референтные группы часто предоставляют важную информацию, например, о частоте, с которой характеристики, используемые для идентификации людей в пределах одной диагностической категории, встречаются в других группах. Например, некоторые предлагаемые критерии проблемных цифровых игр относятся к типам дисфункций, которые не являются специфичными для этой деятельности (например, академическая или профессиональная дисфункция), но наблюдаются у определенного процента населения в целом и, возможно, у многих людей с определенными клиническими расстройствами. Относительная частота встречаемости в этих различных группах дает ценные указания относительно полезности предлагаемых диагностических критериев, например, насколько успешно они отличают больных от членов общей популяции или помогают в дифференциальной диагностике. Например, характеристика, которая распространена среди проблемных видеогеймеров, но редка среди населения в целом, вероятно, имеет некоторую полезность, но если эти же характеристики встречаются так же часто или чаще среди различных клинических групп, они могут иметь мало или вообще не иметь никакой пользы для дифференциальной диагностики. Очевидно, что определение того, отличают ли потенциальные признаки и индикаторы людей с ПДГ от людей без ПДГ, и насколько точно они это делают, а также помогают ли они в дифференциальной диагностике и в какой степени, может оказать неоценимую помощь клиническим и исследовательским усилиям. Например, такая информация необходима для получения эффективных или оптимальных пороговых показателей.

Как отмечалось в предыдущем обсуждении предметной области и потенциальных преимуществ добавления положительных элементов, привлечение геймеров для участия в исследованиях создавало проблемы. Например, проблемные или частые пользователи могут не доверять исследователям и подозревать негативную направленность. Учитывая значительную ценность разработки качественных нормативных данных и данных референтных групп, кажется, что усилия того стоят. Можно многого добиться, расширяя базы нормативных данных, делая это явным приоритетом при проектировании, разработке и выборе измерений.

3.5. Исследования чувствительности, специфичности, положительного и отрицательного прогнозирования

Чувствительность относится к частоте, с которой выявляется наличие нарушения, а специфичность — к точности, с которой выявляется отсутствие расстройства. Оба качества необходимо изучать, поскольку между ними неизбежен компромисс (если только диагностический метод не идеален). Неправильно полученные пороговые значения могут дать очень впечатляющие результаты по чувствительности, но ужасные результаты по специфичности, и наоборот. Мера имеет ограниченную ценность или не имеет никакой ценности (и заметную возможность причинения вреда), если она почти всегда выявляет расстройство, но почти всегда ошибочно идентифицирует нормальных людей как ненормальных, или если происходит обратное. Такие результаты функционально аналогичны отказу от измерения и определению большинства всех как ненормальных или большинства всех как нормальных.

Чувствительность и специфичность также обеспечивают основу для определения положительной прогностической силы и отрицательной прогностической силы, которые корректируют показатели чувствительности и специфичности в соответствии с базовым уровнем расстройств в интересующей популяции. В этом контексте корректировка чувствительности и специфичности по отношению к базовым показателям позволяет определить, как часто положительный или отрицательный результат диагностического показателя будет правильно идентифицировать ПДГ или отсутствие ПДГ. Клиницисты и исследователи используют меры оценки в условиях и условиях, в которых базовые показатели могут значительно различаться, и, следовательно, сообщение не только о чувствительности и специфичности, но также о положительной и отрицательной прогностической силе может стать важным практическим руководством для разработки, оценки и применения показателей PDG.

3.6. Исследования, изучающие факторы риска и течение

Для вопросов, касающихся начала, течения и прогноза, часто нет замены продольным исследованиям. Продольные исследования редко бывает легко провести, но эти проблемы часто с лихвой компенсируются ценностью таких исследований.29,30], включая генерацию информации, которую может быть трудно или почти невозможно получить с помощью перекрестных расчетов. Использование лонгитудинальных исследований для расширения знаний о начале и течении заболевания может оказать существенную помощь в понимании причинно-следственных связей, выявлении факторов, способствующих устойчивости или увеличению риска, определении того, оправданы ли и когда профилактические меры, а также оценке необходимости терапевтического вмешательства. Например, лучшее понимание факторов риска и защитных факторов может быть особенно полезным для предотвращения ПДГ до того, как такие трудности окажут действительно пагубное влияние на жизнь человека. Именно по этим причинам мы предлагаем, чтобы при выборе или разработке вопросников серьезное внимание уделялось включению пунктов, касающихся потенциального риска и защитных факторов для PDG, таких как факторы риска, о которых Rehbein et al. [31] и другие исследователи [32] обнаружили.

Недавно возникший и все более распространенный фактор риска включает в себя игры, которые позволяют игрокам тратить реальные деньги во время игры, чтобы улучшить игру или своих игровых персонажей [33]. Кажется вероятным, что участие в таких играх частично совпадает с игровым расстройством, но отличается от него, и что количество денег, потраченных на игры, станет хорошим предиктором PDG. Хотя эти покупки могут оказать положительное влияние на ощущение удовольствия или благополучия игрока, если их использовать в умеренных количествах [33], покупки могут быстро выйти из-под контроля геймера, который борется с импульсивным контролем. Разработчики инструментов оценки, возможно, захотят изучить реальные деньги, потраченные на «внутриигровые» покупки, как потенциальный предиктор (или критерий) проблемного использования. Однако этот прогноз потребует критического анализа, поскольку геймер со значительными финансовыми ресурсами может потратить значительно больше денег на внутриигровые покупки, не испытывая при этом каких-либо существенных неблагоприятных последствий по сравнению с игроком с меньшими денежными ресурсами.

3.7. Сравнительные исследования

Благодаря усилиям талантливых исследователей теперь доступны различные меры с разной степенью подтверждающих доказательств. Учитывая множество показателей, правильному выбору для клинического и исследовательского использования будет очень полезно знать больше о том, как они сравниваются друг с другом. Например, некоторые показатели PDG могут превосходить другие при выявлении проблемных пользователей, другие могут быть более эффективными при планировании лечения, а третьи могут лучше подходить для определенных возрастных групп. Чтобы определить меру или меры, наиболее эффективные для предполагаемого применения в исследовательских и клинических условиях, необходимы сравнительные исследования.

3.8. Показатели с поправкой на возраст, язык и культурные факторы

Показатели PDG, разработанные для взрослых, часто использовались с детьми и подростками без изучения необходимости их модификации. Кроме того, языковые факторы и культурные различия могут оказывать большое влияние на полезность измерений и степень обобщения между группами. Термины и фразы могут иметь неэквивалентную коннотацию в разных культурах, а перевод или интерпретация могут непреднамеренно изменить значение тестовых заданий. Например, нежное выражение в одной культуре может отражать неприязнь в другой культуре. Культурные и языковые аспекты особенно важны в сфере цифровых игр, учитывая их международный охват и применимость в широких социально-демографических слоях. Следовательно, межкультурные исследования мер могли бы иметь большую потенциальную ценность. Для тех, кому может быть интересно, Хэмблтон, Меренда и Спилбергер [34] представляют собой отличный источник информации об адаптации мер в разных культурах.

3.9. Измерение временных рамок, серьезности и результата

Меры PDG, включающие временные измерения, повысят их ценность. Даже один или два вопроса о том, когда кто-то впервые начал играть в цифровые игры, а также о том, снизился ли уровень игры, увеличился или остался стабильным за последний год, могут дать некоторое представление о продолжительности и траектории использования. Изучение моделей использования с течением времени не может заменить лонгитудинальные исследования, но оно, по крайней мере, расширяет картину использования в более долгосрочном периоде. Как отмечалось ранее, исследования, включающие временные закономерности, могут помочь в выявлении факторов риска и защитных факторов, потенциальных причинных факторов, прогнозировании течения во времени и различении патологии, которая частично или в значительной степени не зависит от участия в цифровых играх, и патологии, которая ускоряется или вызвана использовать.