pamakéan internét masalah (PIU): asosiasi jeung spéktrum nurut sedekan hate nu ngadadak-nu nyurung. Hiji aplikasi pembelajaran mesin di psychiatry (2016)

J Psychiatr res. 2016 Aug 15;83:94-102. doi: 10.1016 / j.jpsychires.2016.08.010.

Ioannidis K.1, Chamberlain SR1, Treder MS2, Kiraly F3, Leppink EW4, Redden SA4, Kacapi DJ5, Lochner C5, Grant Buyung6.

inpo panulis

  • 1Jurusan Psychiatry, Universitas Cambridge, Inggris; Cambridge and Peterborough NHS Foundation Trust, Cambridge, Inggris.
  • 2Institut Neuroscience Clinical and Clinical, University of Cambridge, UK.
  • 3Universitas College London, Departemen Élmu Statistik, London, Inggris.
  • 4Jurusan Psychiatry sareng Neuroscience Paripolah, Universitas Chicago, Chicago, IL, AS.
  • 5Unit MRC AS / UCT ngeunaan Karusuhan Kahariwang & Stress, Departemen Psychiatry, Universitas Stellenbosch, Afrika Kidul.
  • 6Jurusan Psychiatry sareng Neuroscience Paripolah, Universitas Chicago, Chicago, IL, AS. Alamat éléktronik: [email dijaga].

abstrak

Pamakéan internét anu bermasalah umum, sacara fungsional ngaruksak, sareng meryogikeun nalungtik salajengna. Hubunganana sareng gangguan obsesip-kompulsif sareng impulsif henteu jelas. Tujuanana kami pikeun ngaevaluasi naha panggunaan internét anu bermasalah tiasa diprediksi tina bentuk anu diakui tina sipat impulsif sareng kompulsif sareng gejala. Kami ngarekrut sukarelawan yuswa 18 sareng langkung lami nganggo iklan média di dua situs (Chicago USA, sareng Stellenbosch, Afrika Kidul) kanggo ngalengkepan survey online anu éksténsif. Evaluasi state-of-the-art out-of-sample pembelajaran mesin modél prediktip digunakeun, anu kalebet Regresi Logistik, Leuweung Acak sareng Naïve Bayes. Pamakéan internét anu bermasalah diidéntifikasi nganggo Internet Addiction Test (IAT). 2006 kasus lengkep dianalisis, diantarana 181 (9.0%) ngagaduhan internét masalah bermasalah sedeng / parah. Ngagunakeun Logistic Regression sareng Naïve Bayes kami ngahasilkeun prediksi klasifikasi kalayan area karakteristik panarima anu ngalaksanakeun handapeun kurva (ROC-AUC) 0.83 (SD 0.03) sedengkeun nganggo algoritma Random Forests prediksi ROC-AUC nyaéta 0.84 (SD 0.03) [sadayana tilu modél langkung saé tibatan modél awal p <0.0001]. Modélna nunjukkeun pangiriman anu mantap antara situs panilitian dina sadaya sét validasi [p <0.0001]. Ramalan panggunaan internét anu bermasalah dimungkinkeun nganggo ukuran spésipitas impulsivity sareng compulsivity dina populasi sukarelawan. Sumawona, panilitian ieu nawiskeun buktina-konsép pikeun ngadukung ngagunakeun pembelajaran mesin dina psikiatri pikeun nunjukkeun réplika hasil dina sasarengan anu béda sacara géografis sareng budaya.

Konci:

ADHD; Compulsivity; Impulsivity; Internét nganggo; Mesin diajar; OCD

PMID:27580487

Doi:10.1016 / j.jpsychires.2016.08.010