PLoS One 2013 Nov 13;8(11):e79539.
doi: 10.1371 / journal.pone.0079539 eCollection 2013
Kornhuber J1, Zenses EM, พรบ, Stoessel C., Bouna-Pyrrou P, Rehbein F, กลีม, Mößle T.
นามธรรม
การส่งสัญญาณ Androgen ขึ้นอยู่กับการควบคุมการเจริญเติบโตของนิ้วมือในมือของมนุษย์ในช่วงตัวอ่อน โหลดแอนโดรเจนที่สูงกว่าจะส่งผลให้ค่าอัตราส่วน 2D ที่ต่ำกว่า: 4D (ตัวเลขตัวที่สองถึงหลักที่สี่) การเปิดรับแอนโดรเจนก่อนคลอดยังส่งผลต่อการพัฒนาของสมอง 2D: ค่า 4D มักจะลดลงในเพศชายและถูกมองว่าเป็นตัวแทนขององค์กรสมองชาย ที่นี่เราวัดปริมาณพฤติกรรมการเล่นเกมวิดีโอในชายหนุ่ม เราพบค่าเฉลี่ย 2D ที่ต่ำกว่า: ค่า 4D ในอาสาสมัครที่ได้รับการจัดประเภทตาม CSAS-II ว่ามีความเสี่ยง / ติดพฤติกรรม (n = 27) เมื่อเปรียบเทียบกับบุคคลที่มีพฤติกรรมการเล่นเกมวิดีโอที่ไม่มีปัญหา (n = 27) ดังนั้นการเปิดรับแอนโดรเจนก่อนคลอดและการจัดระเบียบของสมองที่มีชายมากเกินไปซึ่งแสดงโดยค่า 2D ต่ำ: ค่า 4D เกี่ยวข้องกับพฤติกรรมการเล่นวิดีโอเกมที่มีปัญหา ผลลัพธ์เหล่านี้อาจถูกใช้เพื่อปรับปรุงการวินิจฉัยการทำนายและการป้องกันการติดวิดีโอเกม
บทนำ
โหลดแอนโดรเจนก่อนคลอดสูงซึ่งเกิดจากการเพิ่มระดับฮอร์โมนหรือแอนโดรเจนที่มีความไวมากขึ้นส่งผลให้ตัวเลขสี่หลักที่ยาวขึ้น (4D) เทียบกับตัวเลขที่สอง (2D) ในมือมนุษย์ผู้ใหญ่ [1]. ดังนั้น 2D: ค่า 4D ถูกพิจารณาว่าเป็นเพศสัมพันธ์โดยมีค่าต่ำกว่าเพศชาย [2]-[4]. นอกจากนี้การโหลดแอนโดรเจนก่อนคลอดมีผลต่อการจัดระเบียบโครงสร้างสมองและการทำงาน [5]. ดังนั้นค่า 2D: 4D จะเชื่อมโยงกับฟีโนไทป์พฤติกรรมชาย / หญิงหลากหลาย 2D ต่ำ: ค่า 4D เกี่ยวข้องเช่นกับคุณสมบัติออทิสติก [6], [7]; สมาธิสั้น (ADHD) [8], [9]; ประสิทธิภาพการกีฬา [10], [11]; ความสามารถเชิงพื้นที่ [12]-[15]; การให้เหตุผลเชิงนามธรรม [16]; ความสามารถเชิงตัวเลข [17]-[19]; ความร่วมมือพฤติกรรมทางสังคมและความยุติธรรม [20], [21]; จำนวนคู่นอนที่มีเพศสัมพันธ์ตลอดชีวิต [22]; และความสำเร็จในการสืบพันธุ์ [23]. หลักฐานที่เชื่อมโยงโหลดแอนโดรเจนก่อนคลอดกับค่า 2D ต่ำ: 4D และลักษณะพฤติกรรมได้รับการตรวจสอบล่าสุด [24], [25].
ก่อนหน้านี้เราได้แสดงค่าเฉลี่ย 2D ที่ต่ำกว่า: ค่า 4D ในผู้ป่วยที่ติดเหล้า [26]เป็นโรคที่เกี่ยวกับสารเสพติดซึ่งมีความชุกในเพศชายสูงกว่าเพศหญิง [27], [28]. ในการศึกษานี้เรามีวัตถุประสงค์เพื่อวิเคราะห์ว่าค่า 2D: 4D ที่ต่ำนั้นเกี่ยวข้องกับพฤติกรรมการเล่นวิดีโอเกมเสพติดหรือไม่ซึ่งเป็นพฤติกรรมที่ติดสารเสพติด พฤติกรรมการเล่นเกมที่รุนแรงเกิดขึ้นบ่อยมากในเพศชายเมื่อเทียบกับเพศหญิง [29]-[32] และมีความเกี่ยวข้องกับการแสวงหาความรู้สึก [33] และสมาธิสั้น [34]. การเล่นวิดีโอเกมทางพยาธิวิทยาอาจถูกมองว่าเป็นพฤติกรรมที่รุนแรงเกินไป ดังนั้นเราตั้งสมมติฐานว่าผู้ชายที่มีพฤติกรรมการเล่นวิดีโอเกมทางพยาธิวิทยาอาจได้รับ prenatally ในการรับแอนโดรเจนที่สูงกว่าตามที่ระบุโดยค่า 2D: 4D ที่ต่ำกว่า
วิธีการ
การศึกษาครั้งนี้เป็นส่วนหนึ่งของโครงการ Finger-Length in Psychiatry (FLIP) ของแผนกจิตเวชศาสตร์และจิตเวชศาสตร์ Erlangen ตลอดจนโมดูลการศึกษาสัมภาษณ์ยาวตามแนวยาวของโครงการเรื่อง“ การติดอินเทอร์เน็ตและวิดีโอเกม - การวินิจฉัยโรคระบาดวิทยาสาเหตุและการรักษา การป้องกัน” ของสถาบันวิจัยอาชญวิทยาแห่งโลว์เออร์แซกโซนี โครงการ FLIP ได้รับการยอมรับว่าเป็นส่วนเสริมในการวัดครั้งที่สอง (t2) จากการศึกษาสัมภาษณ์ระยะยาว การสอบสวนนี้ดำเนินการตามหลักการที่ระบุไว้ในปฏิญญาเฮลซิงกิ การศึกษาได้รับการอนุมัติโดยคณะกรรมการจริยธรรมในท้องถิ่น (คณะกรรมการจริยธรรมของสมาคมจิตวิทยาเยอรมัน [Deutsche Gesellschaft für Psychologie]) ได้รับความยินยอมเป็นลายลักษณ์อักษรหลังจากได้รับคำอธิบายที่สมบูรณ์เกี่ยวกับการศึกษาแก่อาสาสมัครทุกคน
ระหว่างเดือนกุมภาพันธ์ถึงธันวาคม 2011 มีผู้เข้าร่วม 70 คนในการวัดผลครั้งแรก (t1) ของการศึกษาสัมภาษณ์ระยะยาว (เดิมได้รับการคัดเลือกจากผู้ที่คาดว่าจะเป็นผู้เข้าร่วมทั้งหมด 1,092 คนซึ่งได้รับคัดเลือกจากโรงเรียนมหาวิทยาลัยฟอรัมอินเทอร์เน็ตหนังสือพิมพ์และศูนย์ให้คำปรึกษา) . ข้อกำหนดเบื้องต้นสำหรับการเข้าร่วมการศึกษาในระดับ t1: ชายอายุ 18-21 ปีนักเล่นวิดีโอที่เป็นนิสัยที่มีการเล่นเกมมากกว่า 2.5 ชั่วโมงต่อวันหรือคะแนน Video Game Addition Scale (CSAS-II)> 41 [29]ดูด้านล่าง) ตั้งแต่เดือนมีนาคม 2012 ถึงมกราคม 2013 ผู้เข้าร่วม 64 สามารถสัมภาษณ์อีกครั้งได้ที่ t2 การติดตามการศึกษาสัมภาษณ์ระยะยาว ในโอกาสนี้การวัดจำนวนอาสาสมัคร 54 ทั้งหมดตกลงที่จะเข้าร่วมในโครงการ FLIP เพิ่มเติม วิชา 54 เหล่านี้สามารถจำแนกได้ดังนี้: 53 ผิวขาว, 1 เอเชีย อายุเฉลี่ยที่ t1 คือ 18.9 ปี (SD = 1.1) ผู้เข้าร่วม 24 คนมีระดับการศึกษาที่สูงขึ้น (Abitur หรือสูงกว่า) อีก 24 คนเรียนระดับมัธยมศึกษา (Realschule) 5 คนรายงานว่าเรียนในระดับมัธยมศึกษาตอนต้น (Hauptschule) และไม่มีใครสำเร็จการศึกษา
มีการประเมินการเสพติดวิดีโอเกมโดยใช้ CSAS II [29] ที่ t1 CSAS II นั้นยึดตามมาตราส่วนการติดอินเทอร์เน็ต (Internet Addiction Scale) ISS-20 [35], [36]ซึ่งได้รับการขยายและปรับเพื่อประเมินการติดเกมวิดีโอ CSAS-II ประกอบด้วยรายการ 14 (ระดับ 4 จุด: 1 = ไม่ถูกต้อง เพื่อ 4 = เป็นความจริงอย่างแน่นอน) และครอบคลุมมิติ ลุ่มหลง / นูน (รายการ 4) ขัดกัน (รายการ 4) สูญเสียการควบคุม (รายการ 2) อาการถอน (รายการ 2) และ ความอดทน (รายการ 2) รายการของ CSAS-II แสดงใบหน้าที่มีความถูกต้องสูงและเครื่องมือแสดงให้เห็นถึงความถูกต้องของคอนเวอร์เจนซ์ที่ดีสำหรับมาตรการการประเมินตนเองของการเสพติดวิดีโอเกมแบบอัตนัย [29], [30]. นอกจากนี้การจัดหมวดหมู่ CSAS-II ของการเสพติดวิดีโอเกมไม่เพียง แต่เกี่ยวข้องกับพฤติกรรมการเล่นเกมที่มากเกินไป แต่ยังระบุมาตรการที่แตกต่างของระดับการทำงานและความเป็นอยู่ที่ดี [29], [30], [37]. ใช้การตัดการวินิจฉัยต่อไปนี้: 14 – 34 = ไม่มีปัญหา, 35 – 41 = ที่เสี่ยงต่อการติดและ 42 – 56 = ติด
จากการจัดหมวดหมู่ CSAS-II ซึ่งเกินเวลาเล่นเกมเพียงอย่างเดียวผู้เข้าร่วม 27 ถูกจัดให้เป็นผู้เล่นวิดีโอเกมที่ไม่มีปัญหา 17 ซึ่งเสี่ยงต่อการติดและ 10 ติด เนื่องจากมีการตรวจสอบอาสาสมัครจำนวนน้อยทั้งสองกลุ่มจึงมี“ ความเสี่ยงต่อการติดยาเสพติด” และ“ ติดยา” เพื่อเข้าร่วมในการวิเคราะห์ ดังนั้นสองประเภท CSAS-II (ไม่มีปัญหากับความเสี่ยง / ติดยาเสพติด) กับแต่ละวิชา 27 ถูกตรวจสอบในการศึกษานี้
ประเมินปัญหาและอาการทางจิตวิทยาของพยาธิวิทยาที่ t1 โดยใช้คลังอาการสั้น ๆ (BSI) [38]. ระดับความไวระหว่างบุคคลย่อย (T = 52.26, SD = 11.81), โรคซึมเศร้า (T = 53.98, SD = 11.64), ความวิตกกังวล (T = 54.30, SD = 10.23) และความเป็นปรปักษ์ (T = 52.20, SD = 11.56) ถูกใช้เป็นตัวแปรควบคุมในการวิเคราะห์หลายตัวแปร นอกจากนี้อาการ ADHD ซึ่งใช้เป็นตัวแปรควบคุมได้รับการประเมินโดยใช้ ADHD-Screening สำหรับผู้ใหญ่ (ADHS-E; T = 54.02, SD = 8.79) [39].
เครื่องสแกนแบบแท่น Avision IS1000 (Hsinchu, Taiwan) ถูกใช้เพื่อสแกนมือของผู้เข้าร่วมที่ t2 เพื่อเพิ่มความแม่นยำเครื่องหมายขนาดเล็กถูกวาดลงบนรอยพับที่ฐานของแต่ละดัชนีของผู้เข้าร่วมและนิ้วมือก่อนที่จะทำการสแกน สแกนมือทั้งสองในเวลาเดียวกันโดยฝ่ามือลงในโหมดขาวดำ เราใช้โปรแกรมจัดการรูปภาพของ GNU (GIMP เวอร์ชัน 2.8.4; www.gimp.org) เพื่อวัดความยาวของดัชนี (2D) และนิ้วมือแหวน (4D) จากการสแกนด้วยมือ เทคนิคนี้ให้ความน่าเชื่อถือที่ดี [40]. ความยาวรวมของตัวเลขที่สองและสี่ของมือซ้ายและขวาถูกนับจากจุดกึ่งกลางของรอยพับที่ฐานจนถึงปลายนิ้วและถูกกำหนดเป็นหน่วยพิกเซลโดยใช้เครื่องมือ“ GIMP” วัด การวัดดำเนินการโดยบุคคลอิสระสามคนที่ตาบอดต่อสมมติฐานและตาบอดต่อหมวดการวินิจฉัย ค่าเฉลี่ยของการวัดทั้งสามถูกคำนวณสำหรับหลักที่สองและสี่
การวิเคราะห์ทางสถิติคำนวณโดยใช้ IBM SPSS 19 (Armonk, New York, USA) และซอฟต์แวร์ R
ผลสอบ
วิเคราะห์ความแตกต่างของอายุระหว่างกลุ่มที่ไม่มีปัญหาและกลุ่มเสี่ยง / ติดด้วยการทดสอบ t ความแตกต่างในระดับการศึกษาโดยการทดสอบที่แน่นอนของ Fishe สำหรับตารางฉุกเฉินที่ใหญ่กว่า 2 × 2 [41], [42]. ทั้งสองกลุ่ม CSAS II (ไม่มีปัญหากับความเสี่ยง / ติดยาเสพติด) ได้รับการจับคู่ที่ดีกับอายุ (t = 1.544, p = 0.129) และระดับการศึกษา (p = 0.381; ดู 1 ตาราง).
ความน่าเชื่อถือของการวัดทั้งสามของนิ้วถูกคำนวณสำหรับแต่ละนิ้วแยกจากกันสำหรับมือขวาและมือซ้ายโดยใช้สัมประสิทธิ์สหสัมพันธ์แบบสุ่มสองทาง (ICC) [43]. ICC ถูกคำนวณด้วยอัตราส่วน 2D: 4D และ 2D ขวา: 4D – left 2D: ค่า 4D (Dr – l) ความน่าเชื่อถือของผู้ประเมินทั้งสามนั้นสูงสำหรับทั้งมือขวา (2D: ICC = 0.995; 4D: ICC = 0.995; 2D: 4D: ICC = 0.944), มือซ้าย (2D: ICC = 0.996C: ; 4D: 0.994D: ICC = 2) และค่าเฉลี่ยเลขคณิต (4D: 0.937D: ICN = 2) ความน่าเชื่อถือของค่า Dr – l ก็สูงเช่นกัน (ICC = 4)
การเบี่ยงเบนจากการแจกแจงปกติทดสอบโดยการทดสอบ Kolmogorov-Smirnov 2D: 4D (เลขคณิตหมายถึง: Z = 0.931, p = 0.351, ซ้ายมือ: Z = 0.550, p = 0.923, ขวามือ: Z = 0.913, p = 0.375) และ Dr – l (Z = 1.082, p = 0.193) ค่าไม่ได้เบี่ยงเบนไปจากการแจกแจงปกติ ค่าเฉลี่ย 2D: 4D และ Dr – l ถูกนำเสนอในรูปแบบ 1 ตาราง.
ความแตกต่างในค่า 2D: ค่า 4D และ Dr – 1 ขึ้นอยู่กับระดับการศึกษาถูกทดสอบสำหรับกลุ่มที่ไม่มีปัญหาและกลุ่มเสี่ยง / ติดยาเสพติดโดยการทดสอบ Kruskal Wallis คำนวณสัมประสิทธิ์สหสัมพันธ์เพียร์สัน ความสัมพันธ์ระหว่างค่า 2D: 4D ทางด้านขวาเทียบกับทางซ้ายคือ 0.788 (p <0.01) 2D: ค่า 4D และ Dr – l ไม่แตกต่างกันอย่างมีนัยสำคัญขึ้นอยู่กับระดับการศึกษาภายในค่าเฉลี่ยเลขคณิต: χ2(2, N = 54) = 1.831, p = 0.400, ซ้ายมือ: χ2(2, N = 54) = 2.247, p = 0.325, ขวามือ: χ 2(2, N = 54) = 2.005, p = 0.367, ดร - 1: χ2(2, N = 54) = 0.637, p = 0.747) และกลุ่มเสี่ยง / ติดยาเสพติด (ค่าเฉลี่ยเลขคณิต: χ2(3, N = 54) = 3.363, p = 0.339, ซ้ายมือ: χ2(3, N = 54) = 2.139, p = 0.544, ขวามือ: χ2(3, N = 54) = 3.348, p = 0.341, ดร - 1: χ2(3, N = 54) = 0.460, p = 0.928)
ความสัมพันธ์ระหว่างมาตรการของ 2D: 4D (มือซ้าย, ขวา, ค่าเฉลี่ยเลขคณิต, Dr – 1) และการติดวิดีโอเกม (ไม่มีปัญหากับกลุ่มเสี่ยง / ติดยาเสพติด) ถูกทดสอบโดยใช้วิธีการหลายตัวแปรแบบไม่ใช้ตัวแปร การแบ่งตัวอย่างเช่นต้นไม้อนุมานตามเงื่อนไข (C-Tree; [44], [45]) การควบคุมความไวระหว่างบุคคล, ซึมเศร้า, ความวิตกกังวล, การเป็นปรปักษ์และโรคสมาธิสั้นเปรียบเทียบได้กับการคาดคะเนแบบไม่ถดถอยอย่างมีนัยสำคัญแบบขั้นตอน การใช้อัลกอริธึม C-Tree สมมติฐานทั่วโลกของความเป็นอิสระระหว่างตัวแปรอินพุตและตัวแปรตอบสนองถูกทดสอบโดยใช้กรอบการทดสอบการเปลี่ยนแปลง [46]. สำหรับตัวแปรเมทริกซ์อัลกอริทึม C-Tree ใช้การแยกแบบไบนารีในตัวแปรอินพุตที่เลือก ในการพิจารณาการแยกไบนารีที่ดีที่สุดจะมีเกณฑ์การแยกหลายรายการ (เช่น "ความสำคัญของ Gini", "การปนเปื้อนของโหนด" หรือ "เอนโทรปี") อย่างไรก็ตามเกณฑ์การแยกส่วนใหญ่ไม่สามารถใช้กับตัวแปรตอบกลับที่สัมพันธ์กันหรือตัวแปรตอบกลับที่วัดด้วยรูปแบบสเกลอื่นที่แตกต่างกัน (เช่นตัวชี้วัดและชื่อ) ดังนั้นเราจึงใช้กรอบการทดสอบการเปลี่ยนแปลงที่อธิบายโดย Hothorn และคณะ [47] (p. 6, สมการ 3) เนื่องจากการทดสอบการเปลี่ยนรูปได้รับค่า p จากการแจกแจงการเปลี่ยนรูปตัวอย่างเฉพาะของสถิติการทดสอบจึงมีรายงานเฉพาะค่า p เท่านั้น แพ็คเกจ R“ ปาร์ตี้” (ห้องปฏิบัติการสำหรับการแบ่งพาร์ติชันแบบเรียกซ้ำ; [47], [48]) ใช้สำหรับการวิเคราะห์นี้
ในการวิเคราะห์ตัวแปรที่ไม่ใช่พารามิเตอร์ตัวแปรของ 2D: 4D (ค่าเฉลี่ยเลขคณิต, มือซ้าย, มือขวา) เกี่ยวข้องกับการติดเกมวิดีโอ (ไม่มีปัญหากับกลุ่มเสี่ยง / ติดยา) เมื่อควบคุมความไวระหว่างบุคคล, ความวิตกกังวล, ความเป็นศัตรู และสมาธิสั้น: 1 ผู้เข้าร่วมการศึกษาที่มีค่าเฉลี่ย 2D: อัตราส่วน 4D ต่ำกว่า 0.966 แสดงให้เห็นว่ามีความเสี่ยงสูงที่จะติดเกมวิดีโอ (p = 0.027, d = 0.71) 2. สำหรับมือซ้ายผู้เข้าร่วมการศึกษาที่มีอัตราส่วน 2D: 4D ต่ำกว่า 0.982 พบว่ามีความเสี่ยงสูงกว่าที่จะติดวิดีโอเกม (p = 0.013, d = 0.93) 3. สำหรับผู้เข้าร่วมการศึกษาด้านขวามือที่มีอัตราส่วน 2D: 4D ต่ำกว่า 0.979 พบว่ามีความเสี่ยงสูงกว่าที่จะติดวิดีโอเกมในระดับ p <0.10 (p = 0.095, d = 0.66) ยิ่งไปกว่านั้นผู้เข้าร่วมการศึกษาที่ได้คะแนนสูงกว่า 60 (T-score) ใน ADHS-E มีความเสี่ยงเป็นพิเศษ (p = 0.078, d = 0.69) ไม่พบการเชื่อมโยงที่สำคัญสำหรับ Dr – 1 (p = 0.127) ตัวเลข 1a ถึง 1c แสดงให้เห็นถึงความเสี่ยงของการติดวิดีโอเกมสำหรับค่าเฉลี่ย 2D: 4D รวมถึงค่า 2D: 4D ทางซ้ายและขวาใน C-Tree เป็นอิสระจาก 2D ที่รายงาน: 4D ตัดค่าหมายถึงความแตกต่างของกลุ่มในการวัด 2D: 4D ระหว่างไม่มีปัญหาและมีความเสี่ยง / ติดสามารถสังเกตได้ซึ่งเป็นแบบอย่างสำหรับค่าเฉลี่ย 2D: 4D ใน รูป 2 ใช้การวิเคราะห์เดียวกันกับตัวแปรตามและกลับรายการ ผลลัพธ์เหล่านี้บ่งชี้ว่าผู้เล่นวิดีโอเกมที่มีความเสี่ยง / ติดเกมมีอัตราส่วน 2D: 4D น้อยกว่า
ในการประเมินค่าอัตราส่วน 2D: 4D เป็นการทดสอบการวินิจฉัยสำหรับการเลือกปฏิบัติของผู้ติดเกมวิดีโอ / ที่บุคคลที่มีความเสี่ยงเทียบกับการควบคุมที่มีพฤติกรรมการเล่นเกมที่ไม่มีสัญลักษณ์เราใช้การวิเคราะห์ ROC เพื่อคำนวณค่า AUC เช่นเดียวกับความไวและความจำเพาะ ที่จุด Youden [49] (จุดบนเส้นโค้ง ROC ซึ่งผลรวมของความไวและความเฉพาะเจาะจงสูงสุด) การวิเคราะห์ ROC แสดงให้เห็นว่าความแม่นยำในการวินิจฉัยของอัตราส่วน 2D: 4D ของมือซ้ายนั้นสูงสุด (AUC 0.704, ความไว 0.852, ความจำเพาะ 0.556), ตามด้วยมือขวา (AUC 0.639, ความไว 0.815 เฉพาะ) อ้างอิงจาก Hanley และ McNeil [50] เราตรวจสอบความแตกต่างใน AUC ที่จับคู่แล้วโดยไม่มีผลลัพธ์ที่สำคัญ (Z = 1.147, p = 0.25)
การสนทนา
นี่คือการสอบสวนครั้งแรกที่เชื่อมโยงการเปิดรับแอนโดรเจนกับพฤติกรรมการเล่นวิดีโอเกมที่น่าติดตาม ในการศึกษานี้เราพบว่าค่า 2D: 4D ที่ต่ำในวิชาที่มีความเสี่ยงและพฤติกรรมการเล่นวิดีโอเกมติด ขนาดเอฟเฟกต์ที่ใหญ่กว่า d = 0.66 ชี้ไปที่เอฟเฟกต์ระดับปานกลางถึงระดับสูง [51]. ไม่มีตัวพยากรณ์อื่นที่ได้รับการพิจารณายกเว้นอาการของ ADHD สำหรับการคำนวณ 2D ที่ถูกต้อง: การคำนวณ 4D นั้นมีนัยสำคัญทางสถิติในการวิเคราะห์แบบหลายตัวแปรที่ไม่ใช่พารามิเตอร์ ความสัมพันธ์ที่สังเกตได้ระหว่างการเล่นวิดีโอเกมที่มีความเสี่ยง / ติดเกมและค่า 2D ต่ำ: 4D สามารถตีความได้หลายวิธี (1) ค่า 2D ขนาดเล็ก: 4D ทำให้เกิดพฤติกรรมการเล่นเกมที่น่าติดตามได้โดยตรง อย่างไรก็ตามไม่มีหลักฐานในวรรณคดีที่สนับสนุนความเป็นไปได้นี้ (2) พฤติกรรมการเล่นเกมเสพติดทำให้ค่า 2D: 4D ต่ำโดยตรง อย่างไรก็ตามความเป็นไปได้นี้ไม่น่าเป็นไปได้เนื่องจากการศึกษาก่อนหน้านี้ได้พิสูจน์แล้วว่าค่า 2D: ค่า 4D ยังคงที่ตลอดชีวิตหลังคลอด [52]. (3) กลไกทั่วไปรับผิดชอบทั้งค่า 2D ต่ำ: 4D และพฤติกรรมการเล่นเกมที่น่าติดตาม จากข้อมูลที่มีอยู่ปัจจัยดังกล่าวให้คำอธิบายที่เป็นไปได้มากที่สุด ผลลัพธ์ของการคำนวณต้นไม้ 2D: 4D พร้อมพลังการอธิบายเพิ่มเติมของอาการของโรคสมาธิสั้นยังสนับสนุนคำอธิบายนี้ เกมเสพติดพบได้บ่อยในผู้ชาย [29]-[32] และเกี่ยวข้องกับสมาธิสั้น [34] และการแสวงหาความรู้สึก [33]. คุณสมบัติทั้งหมดเหล่านี้เคยเชื่อมโยงกับค่า 2D: 4D ต่ำ เหตุผลหนึ่งที่พบบ่อยสำหรับการเชื่อมโยงเหล่านี้ดูเหมือนจะเป็นภาระที่สูง androgen ในระหว่างตั้งครรภ์
ทำความเข้าใจเกี่ยวกับเส้นทางที่นำไปสู่จากการเพิ่มฮอร์โมนเพศชายก่อนคลอดถึงการติดเกมจะเป็นสิ่งสำคัญสำหรับการกำหนดนโยบายที่มีศักยภาพที่กำหนดเป้าหมายการติดเกมวิดีโอ ฮอร์โมนเพศชายก่อนคลอดอาจชักนำให้เกิดพฤติกรรมเสพติดผ่านหลายช่องทาง ได้แก่ : (1) ความอุดมสมบูรณ์ของฮอร์โมนเพศชายก่อนคลอดปรับเปลี่ยนระบบการให้รางวัล mesolimbic [53] ดังนั้นอาจส่งผลกระทบต่อพฤติกรรมการเล่นเกมติดยาเสพติดในผู้ใหญ่ (2) กฎเฉพาะของโลกไซเบอร์เมื่อเทียบกับโลกแห่งความจริงอาจชดเชยข้อ จำกัด ในความสามารถในการปฏิสัมพันธ์ทางสังคมที่เกิดจากการโหลดฮอร์โมนเพศชายสูงก่อนคลอด ระดับเทสโทสเตอโรนของทารกในครรภ์ที่สูงขึ้นได้แสดงให้เห็นเพื่อลดการเอาใจใส่และความสามารถในการถอดรหัสการแสดงออกทางสีหน้าทางอารมณ์คือการเข้าใจสิ่งที่คนอื่นคิดและรู้สึก [54]. ตามนั้นค่า 2D ที่ต่ำกว่า: 4D ที่เกี่ยวข้องกับการเอาใจใส่ที่ลดลงในเพศชาย [55]. ยิ่งไปกว่านั้น 2D ที่เล็กกว่า: 4D ยังเชื่อมโยงกับความสงสัยทางสังคมที่ไม่เลือกปฏิบัติ [56]. ดังนั้นฮอร์โมนเทสโทสเตอโรนสูงอาจทำให้เกิดปัญหาระหว่างบุคคลและความโดดเดี่ยวทางสังคมและดังนั้นจึงนำมาซึ่งพฤติกรรมการเล่นวิดีโอเกมทางพยาธิวิทยาเป็นกลยุทธ์ในการเผชิญปัญหา (3) มีความเป็นไปได้ที่ความสามารถในการอำนวยความสะดวกหรือขัดขวางคอมพิวเตอร์ใช้ปรับความเสี่ยงของบุคคลในการพัฒนาติดวิดีโอเกม ดังนั้นผลลัพธ์ของเราจึงสอดคล้องกับสิ่งที่ค้นพบก่อนหน้าซึ่งเชื่อมโยง 2D ต่ำ: 4D พร้อมทักษะการเขียนโปรแกรมที่เกี่ยวข้องกับ Java และค่า 2D สูง: 4D กับความกังวลเกี่ยวกับคอมพิวเตอร์ [57].
ก่อนหน้านี้เราพบค่า 2D: ค่า 4D ต่ำในผู้ที่ติดแอลกอฮอล์ [26], สารเสพติดที่เกี่ยวข้องกับความผิดปกติ เป็นที่น่าสังเกตว่าค่า 2D ที่ต่ำ: 4D นั้นเกิดขึ้นในผู้ที่ติดวิดีโอเกมซึ่งเป็นโรคที่ไม่เกี่ยวข้องกับสารเสพติดซึ่งเป็นที่แพร่หลายในเพศชายมากกว่าเพศหญิง ผลลัพธ์นี้เน้นความคล้ายคลึงกันระหว่างการติดสารเสพติดและการติดเกมบนอินเทอร์เน็ต [58]. ตาม DSM-5 ความผิดปกติของการเล่นเกมอินเทอร์เน็ตรวมอยู่ในภาคผนวกเป็นหัวข้อสำหรับการวิจัยเพิ่มเติม วรรณกรรมแนะนำพื้นฐานทางชีวภาพของการติดเกมคอมพิวเตอร์และอินเทอร์เน็ต [59]-[61]. ผลลัพธ์ที่นำเสนอที่นี่ให้หลักฐานเพิ่มเติมสำหรับพื้นฐานทางชีวภาพของการติดการพนันทางอินเทอร์เน็ตและดังนั้นจึงมีข้อโต้แย้งสำหรับการจัดหมวดหมู่ของมันเป็นโรคติดยาเสพติด
ปรากฎการณ์หลายอย่างเชื่อมโยงกับค่า 2D: 4D ต่ำซึ่งส่วนใหญ่เข้ากันได้กับสมมติฐานสมองส่วนเกินของผู้ชาย ดังนั้นค่า 2D ต่ำ: ค่า 4D อาจถูกพิจารณาว่าเป็นพร็อกซีของเอนโดฟีโนไทป์ อย่างไรก็ตามผลที่แม่นยำของการโหลดแอนโดรเจนก่อนคลอดสูงต่อชีวิตของบุคคลและพฤติกรรมผู้ใหญ่ในอนาคตของแต่ละบุคคลนั้นต้องขึ้นอยู่กับตัวแปรและอิทธิพลเพิ่มเติม ฟีโนไทป์ของพฤติกรรมที่เฉพาะเจาะจงมีการพัฒนาอันเป็นผลมาจากการจัดระเบียบของสมองส่วนเกินชายส่วนใหญ่ขึ้นอยู่กับปัจจัยทางพันธุกรรมและสิ่งแวดล้อมจำนวนมากที่มีประสบการณ์ตลอดชีวิตของแต่ละบุคคล ดังนั้นการมีค่า 2D ต่ำ: ค่า 4D ไม่แนะนำการวินิจฉัยหรือการพยากรณ์โรคที่เฉพาะเจาะจงสำหรับบุคคลใดบุคคลหนึ่ง อย่างไรก็ตามความรู้เกี่ยวกับค่า 2D: ค่า 4D อาจช่วยในการปรับปรุงการวินิจฉัยและการพยากรณ์โรคของแต่ละบุคคลที่เกี่ยวข้องกับพฤติกรรมที่มีปัญหาและความผิดปกติที่แตกต่างกันเมื่อใช้ร่วมกับเครื่องหมายอื่น ๆ
ผลลัพธ์เหล่านี้อาจมีความหมายที่สำคัญสำหรับการวินิจฉัยการป้องกันและผลที่ตามมาของการเล่นเกมที่ติดค้าง ค่า 2D ที่ต่ำ: ค่า 4D เพียงอย่างเดียวไม่ได้เป็นการวินิจฉัยว่าเป็นเกมที่น่าติดตาม แต่ปัจจัยนี้อาจช่วยให้การวินิจฉัยง่ายขึ้นเมื่อใช้ร่วมกับเครื่องหมายอื่น ๆ ค่า 2D ที่ต่ำ: ค่า 4D อาจช่วยระบุบุคคลที่มีความเสี่ยงสำหรับการพัฒนาเกมที่เล่นแล้วติดได้ในอนาคตและอาจช่วยป้องกันได้ มีความพยายามหลายครั้งในการทำนายการพัฒนาของการติดเกมออนไลน์ในบุคคล [62]-[67]. ค่า 2D ต่ำ: 4D เป็นเครื่องหมายคุณลักษณะใหม่; รวมกับเครื่องหมายอื่น ๆ การใช้งานอาจปรับปรุงการคาดการณ์ของการพัฒนาในอนาคตหรือการวินิจฉัยในปัจจุบันของการติดเกมอินเทอร์เน็ต แบบจำลองการทำนายที่ได้รับการปรับปรุงดังกล่าวอาจช่วยให้สามารถพัฒนากลยุทธ์การป้องกันที่มีประสิทธิภาพ
เราทำการตรวจสอบบุคคลในช่วงอายุที่แคบ นอกจากนี้อายุเฉลี่ยไม่แตกต่างกันระหว่างสองกลุ่ม ในการศึกษาก่อนหน้านี้อายุเท่ากับถ้าทั้งหมดเกี่ยวข้องเพียงเล็กน้อยกับค่า 2D: 4D [68]. ดังนั้นอายุจึงไม่ถูกนำมาพิจารณาในการวิเคราะห์ที่ไม่ใช่พารามิเตอร์ ยวดระดับการศึกษาไม่แตกต่างกันระหว่างสองกลุ่มที่ตรวจสอบในการศึกษานี้
ในการวิเคราะห์เพิ่มเติมเราได้ตรวจสอบความสัมพันธ์ที่ไม่ได้เป็นแบบโมโนโทนิกระหว่างการวัด 2D: 4D และการติดเกมวิดีโอโดยใช้คะแนนผลรวม CSAS-II เนื่องจากได้มีการรายงานตัวอย่างสำหรับการวัด 2D: 4D และ altruism [69]. การวิเคราะห์การถดถอยเชิงเส้นพบว่าไม่มีแนวโน้มเชิงเส้น, กำลังสองหรือการรวมกันอย่างมีนัยสำคัญ - นอกจากนี้ยังมีการแปลงลอการิทึมของค่าเฉลี่ยเลขคณิต (ดู [69]) นอกจากนี้ผลลัพธ์เหล่านี้ได้รับการยืนยันโดยการวิเคราะห์การถดถอยแบบไม่อิงพารามิเตอร์ [70], [71]. การวิเคราะห์เหล่านี้ร่วมกันสนับสนุนข้อสันนิษฐานที่จะพิจารณาว่าการเสพติดวิดีโอเกมเป็นโครงสร้างที่มีหมวดหมู่ที่แตกต่างเชิงคุณภาพ (ไม่มีปัญหากับปัญหาเช่นความเสี่ยง / ติด) เช่นรายงานก่อนหน้านี้สำหรับการติดแอลกอฮอล์ [72].
เวลาที่ใช้กับการเล่นวิดีโอเกมเพียงอย่างเดียวไม่ได้กำหนดว่าจะเสพติด สำหรับการวินิจฉัย“ การติดเกมวิดีโอ” จะต้องเป็นไปตามเกณฑ์เพิ่มเติม: การลุ่มหลงการถอนความอดทนการสูญเสียการควบคุมและการใช้อย่างต่อเนื่องแม้จะมีผลกระทบด้านลบ จุดแข็งของการศึกษานี้คือองค์ประกอบของผู้เข้าร่วม ผู้เข้าร่วมทั้งหมดใช้เวลาในแต่ละวันกับการเล่นวิดีโอเกม แต่มีเพียงครึ่งหนึ่งของผู้เข้าร่วมที่มีเกณฑ์เพิ่มเติมที่กำหนดว่าพวกเขาอยู่ในความเสี่ยง / ติดยาเสพติด (ประเมินโดย CSAS-II) ผลลัพธ์ของเราจึงกำหนด 2D: 4D เป็นปัจจัยเสี่ยงที่เกี่ยวข้องกับการติดวิดีโอเกมโดยเฉพาะไม่ใช่เฉพาะกับการเล่นวิดีโอเกม
ข้อ จำกัด การศึกษาหลายควรสังเกต เราใช้การออกแบบเคสและตัวควบคุมแบบ mono-centric cross-sectional ซึ่งอนุญาตให้ตรวจจับความสัมพันธ์เท่านั้นโดยไม่มีความสัมพันธ์เชิงสาเหตุ นอกจากนี้เราตรวจสอบเฉพาะเพศชายและกลุ่มตัวอย่างมีขนาดค่อนข้างเล็ก ขนาดของเอฟเฟกต์ที่แข็งแกร่งของ 2D: 4D จากการติดการเล่นวิดีโอเกมอาจเปิดใช้งานการตรวจจับความแตกต่างของกลุ่มแม้จะมีจำนวนวัตถุค่อนข้างน้อย จากการศึกษาก่อนหน้านี้เราพบว่าขนาดของเอฟเฟกต์ที่แข็งแกร่งที่เกี่ยวข้องกับ 2D: 4D ต่อการติดแอลกอฮอล์ [26]. เนื่องจากความแตกต่างทางเพศที่รู้จักกันดีในพฤติกรรมเสพติด [5]การศึกษาในอนาคตควรรวมถึงเพศหญิงควรรวมถึงเชื้อชาติอื่น ๆ และควรรวมถึงกลุ่มตัวอย่างที่มีขนาดใหญ่ขึ้นด้วย
กิตติกรรมประกาศ
เราขอขอบคุณผู้เข้าร่วมทุกคนผู้ช่วยนักเรียนของเรา Julia Weberling และผู้ดูแลระบบไอทีของเราAndré Liedtke
คำแถลงเงิน
เงินทุนสำหรับการศึกษาครั้งนี้จัดทำโดยทุนสนับสนุนภายในจากโรงพยาบาลมหาวิทยาลัยของฟรีดริช - อเล็กซานเดอร์ - มหาวิทยาลัยเออลานเกน - นูเรมเบิร์กและกระทรวงวิทยาศาสตร์และวัฒนธรรมของโลว์เออร์แซกโซนี ผู้ให้ทุนไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและวิเคราะห์ข้อมูลการตัดสินใจเผยแพร่หรือการจัดทำต้นฉบับ
อ้างอิง