การใช้อินเทอร์เน็ตที่มีปัญหา (PIU): การเชื่อมโยงกับสเปกตรัมหุนหันพลันแล่น แอปพลิเคชันของการเรียนรู้ของเครื่องในจิตเวชศาสตร์ (2016)

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

Ioannidis K¹, Chamberlain SR¹, พ่อแม่พันธุ์ MS², Kiraly F³, Leppink EW⁴, Redden SA⁴, สไตน์ดีเจ⁵, ค. Lochner⁵, ให้สิทธิ์ JE⁶.

ข้อมูลที่ผู้เขียน

• ¹ภาควิชาจิตเวชศาสตร์มหาวิทยาลัยเคมบริดจ์สหราชอาณาจักร; Cambridge และ Peterborough NHS Foundation Trust เมืองเคมบริดจ์ประเทศอังกฤษ
• ²สถาบันพฤติกรรมศาสตร์และคลินิกมหาวิทยาลัยเคมบริดจ์สหราชอาณาจักร
• ³University College London, ภาควิชาสถิติศาสตร์, London, UK
• ⁴ภาควิชาจิตเวชศาสตร์และพฤติกรรมศาสตร์, มหาวิทยาลัยชิคาโก, ชิคาโก, อิลลินอยส์, สหรัฐอเมริกา
• ⁵US / UCT MRC Unit on Anxiety & Stress Disorders, Department of Psychiatry, University of Stellenbosch, South Africa
• ⁶ภาควิชาจิตเวชศาสตร์และพฤติกรรมศาสตร์, มหาวิทยาลัยชิคาโก, ชิคาโก, อิลลินอยส์, สหรัฐอเมริกา ที่อยู่อิเล็กทรอนิกส์: [ป้องกันอีเมล].

นามธรรม

การใช้อินเทอร์เน็ตที่มีปัญหาเป็นเรื่องปกติการทำงานที่บกพร่องและจำเป็นต้องมีการศึกษาเพิ่มเติม ความสัมพันธ์กับความผิดปกติที่ครอบงำและกระตุ้นไม่ชัดเจน วัตถุประสงค์ของเราคือการประเมินว่าการใช้อินเทอร์เน็ตที่มีปัญหาสามารถทำนายได้จากรูปแบบลักษณะและอาการที่เป็นที่ยอมรับและไม่ได้ตั้งใจ เราคัดเลือกอาสาสมัครที่มีอายุ 18 ปีขึ้นไปโดยใช้โฆษณาทางสื่อในสองไซต์ (ชิคาโกสหรัฐอเมริกาและสเตลเลนบอชแอฟริกาใต้) เพื่อทำแบบสำรวจออนไลน์อย่างละเอียด มีการใช้การประเมินผลนอกตัวอย่างที่ล้ำสมัยของแบบจำลองทำนายการเรียนรู้ของเครื่องซึ่งรวมถึง Logistic Regression, Random Forests และNaïve Bayes การใช้อินเทอร์เน็ตที่มีปัญหาถูกระบุโดยใช้ Internet Addiction Test (IAT) 2006 มีการวิเคราะห์กรณีที่สมบูรณ์ซึ่ง 181 (9.0%) มีการใช้อินเทอร์เน็ตที่มีปัญหาในระดับปานกลาง / รุนแรง การใช้ Logistic Regression และNaïve Bayes เราได้สร้างการทำนายการจำแนกประเภทโดยมีพื้นที่ลักษณะการทำงานของตัวรับภายใต้เส้นโค้ง (ROC-AUC) ที่ 0.83 (SD 0.03) ในขณะที่การใช้อัลกอริธึม Random Forests การทำนาย ROC-AUC เท่ากับ 0.84 (SD 0.03) สามรุ่นที่เหนือกว่ารุ่นพื้นฐาน p <0.0001] แบบจำลองแสดงให้เห็นการถ่ายโอนที่ดีระหว่างไซต์การศึกษาในชุดการตรวจสอบความถูกต้องทั้งหมด [p <0.0001] การคาดการณ์การใช้อินเทอร์เน็ตที่มีปัญหาสามารถทำได้โดยใช้มาตรการเฉพาะของแรงกระตุ้นและการบังคับในประชากรอาสาสมัคร ยิ่งไปกว่านั้นการศึกษานี้ยังนำเสนอการพิสูจน์แนวคิดในการสนับสนุนการใช้การเรียนรู้ของเครื่องในจิตเวชเพื่อแสดงให้เห็นถึงความสามารถในการทำซ้ำของผลลัพธ์ในสภาพแวดล้อมที่แตกต่างกันทางภูมิศาสตร์และวัฒนธรรม

ที่มา:

สมาธิสั้น; Compulsivity; impulsivity; การใช้อินเทอร์เน็ต การเรียนรู้ของเครื่อง OCD

PMID:27580487

ดอย:10.1016 / j.jpsychires.2016.08.010