Seytalangan neyroanatomik xususiyatlardan foydalanib, kamsituvchi patologik va patologik bo'lmagan Internet-o'yinchilar (2018)

. 2018; 9: 291.

2018 X-29 da chop etildi. doi:  10.3389 / fpsyt.2018.00291

PMCID: PMC6033968

PMID: 30008681

mavhum

Internet o'yin buzilishi (IGD) odatda Diagnostik va Psixologik Buzilishlarning statistik qo'llanmasining (DSM-5) so'nggi versiyasidan to'qqizta asosiy mezon asosida aniqlanadi. Bu erda biz bunday simptomlarga asoslangan tasniflashni hisob-kitoblarga asoslangan tasnifga aylantiradimi-yo'qligini tekshirdik. Strukturaviy MRI (sMRI) va diffuzion og'irlikdagi MRI (dMRI) ma'lumotlar IGD, IGD bo'lmagan 38 oddiy o'yinchilar va 68 sog'lom bo'lmagan o'yinchilarga diagnostika qilingan 37 gameralarida olingan. Biz MRI ma'lumotlaridan kulrang modda (GM) va oq modda (WM) tuzilishi 108 xususiyatlarini ishlab chiqdik. 108 neyroanatomik xususiyatlariga muntazam ravishda logistika regressioni qo'llanilganda guruhlar orasidagi farqni tanlash uchun muhimlarni tanlash uchun tartibsiz o'yinchilar va normal o'yinchilar 43 va 21 funktsiyalari jihatidan sog'lom bo'lmagan o'yinchilarga nisbatan mos ravishda namoyon bo'ldilar. tartibsiz o'yinchilar oddiy o'yinchilarga nisbatan 11 funktsiyalari jihatidan namoyon bo'lishgan. Vektorli vektor mashinalarida (SVM) sintetik neyroanatomik xususiyatlarni yaqqol aks ettiruvchi vositalardan foydalanib, tartibsiz va oddiy o'yinchilar muvaffaqiyatli diskriminatsiyaga ega bo'lib, aniqligi 98% dan sog'lom bo'lmagan o'yinchilarga nisbatan ancha yuqori edi, lekin tartibsiz va oddiy o'yinchilar o'rtasidagi tasnif nisbatan qiyin edi. Bu topilmalar DSM-5dan olingan kriteriyalarga ko'ra patologik va patologik bo'lmagan o'yinchilarni neyroanatomik xususiyatlar bilan ifodalanishi mumkinligini, xususan, o'yin bo'lmagan sog'lom shaxslardan farqlash nuqtai nazaridan dalolat beradi.

Kalit so'zlar: internet o'yin buzilishi, diagnostik tasniflash, strüktif MRI, difüzyon og'irligi bo'lgan MRG, tartibli regresyon

Kirish

O'nlab yillar davomida patologik bepushtlik), yaqinda yaqinda Internet o'yin bozukluğu (IGD), ruhiy bozuklukların tashxis va statistik qo'llanmasida (DSM) berilgan. DSM (DSM-5) ning beshinchi nashri () IGDni kelgusida o'rganish uchun shart deb aniqladi va uni aniqlash uchun to'qqizta mezonni taqdim etdi. DSM-5da tavsiya etilgan to'qqizinchi maqola qo'yilgan IGD skalasi (IGDS) yordamida simptomatik tasniflash bo'yicha tasniflashda IGD diagnostikasi uchun besh yoki undan ortiq mezonni qo'llash uchun sarf qilingan. Ushbu kesish nuqtasi sezilarli darajada klinik buzuqlikka duch kelgan o'yinchilarni), IGDS mahsulotlarining ikkilamchi tabiati muqarrar ravishda tashxisiy ko'lamini oshirib yuborish yoki noaniqlikni o'z ichiga oladi.

Alomatlardan tashqari, IGD bilan bog'liq turli xil funktsiyalar ko'pincha neyroanatomik o'zgarishlar bilan bog'liq. Haqiqatan ham, ishning jiddiy bir qismi IGD ning miyada tuzilishga oid o'zgarishlar bilan bog'liqligini ko'rsatdi: kulrang modda (GM) hajmining qisqarishi (-), kortikal qalinlikda () va oq modda (WM) butunligini yo'qotish (, ) odatda ko'rsatildi. IGD bilan bog'liq bu neyroanatomik o'zgarishlar, bunday miya ko'rish parametrlarini IGD ni boshqa shaxslardan ajratib olish uchun biomarkerlar sifatida xizmat qilishi mumkinligini ko'rsatadi. Ya'ni IGD tashxisini DSM-5 asosida belgilanadigan belgilarga asoslangan tasniflash orqali emas, balki neyroanatomik biomarkerlarni hisoblash ishlarini bajarish yo'li bilan amalga oshirilishi mumkin. Ushbu urinishlar psixiatriyaga hisoblash yondoshuvlarini qo'llash orqali tavsifli tashxisdan tashqariga chiqishga qaratilgan sa'y-harakatlarga muvofiq bo'lishi mumkin (), xususan, aqliy kasallik tashxisi bilan kurashish uchun kompyuterni o'rganishga asoslangan (ML) ma'lumotlarga asoslangan yondashuvlar ().

Ushbu tadqiqotda IGD diagnostikasida neyroanatomik biomarkerlarni qo'llash orqali IGDS va hisobga asoslangan tasniflash asosida semptomlar asosida tasniflashning o'zaro bog'liqligi aniqlandi. Miyaning ba'zi GM va WM komponentlari diagnostik tasniflash uchun ortiqcha yoki noaniq ma'lumotni kiritishi ehtimoli borligi sababli, tartibli regressiya yordamida noloyiq neyroanatomik xususiyatlarni tanlashga harakat qildik. Biz simptomlarga asoslangan tasniflash IGD diagnostikasi uchun tasniflash modellarini yaratadigan kam siyrak neyroanatomik xususiyatlar bilan ifodalangan bo'lishi mumkinligini taxmin qildik. IGD tashxisi qo'yilgan patologik o'yinchilar, IGDga ega bo'lmagan gamerlarga qaraganda, ya'ni patologik bo'lmagan o'yinchilarga qaraganda o'yin bo'lmagan sog'lom shaxslardan farq qilmaydi; Shunday qilib, patologik o'yinchilar patologik bo'lmagan o'yinchilar bilan solishtirganda, o'yin o'ynaydigan sog'lom shaxslarga nisbatan ko'proq xususiyatlarga ega bo'lishi mumkin. Bundan tashqari, biz patologik bo'lmagan o'yinchilarning patologik o'yinchilar yoki o'yin o'ynaydigan sog'lom shaxslardan kamroq farqlanishi mumkinligini hal qilmoqchi edik. Patologik bo'lmagan o'yinchilar betaraf alomatlar nuqtai nazaridan o'yin bo'lmagan sog'lom shaxslarga yaqin bo'lishi ehtimoldan yiroq emas, ammo biz bunday tushunchani hisoblash asosida tasniflash orqali tasdiqlash kerak deb o'ylashimiz mumkin.

Materiallar va uslublar

ishtirokchilar

237 ishtirokchilari orasida Internet o'yinlar bilan shug'ullanuvchi 106 shaxslar IGDS diagnostikasida klinik psixolog bilan tuzilgan intervyular yoki miya razvedka ma'lumotlarini o'tkazib yuborgan yoki jiddiy ravishda buzgan holda IGDS bilan o'zboshimchalik bilan ko'rsatgan intervyularni namoyish qilganlar tashqari 38 shaxslar tanlangan. IGDS asosida kamida 5 IGDS mahsulotini qondiradigan 27.66 (5.61 ± 13 yil; 68 urg'ochi) shaxslar tartibsiz o'yinchilar deb topildi va 27.96 (6.41 ± 21 yil; XNUMX ayollar) eng ko'p IGDS elementlaridan oddiy o'yinchilar. IGDS mahsulotlarini ikki va to'rt orasida ma'qullaydigan shaxslar ham chiqarib tashlangan, chunki ular tartibsiz va oddiy o'yinchilar orasida (masalan,). Bundan tashqari, Internet-ga asoslangan o'yinlarni o'ynamaydigan 37 kishi (25.86 ± 4.10 yosh; 13 ayol) alohida-alohida jalb qilingan va ular sog'lom bo'lmagan o'yinchilar deb nomlangan. Barcha ishtirokchilarda komorbidiyalar yo'qligi tasdiqlandi. Xelsinki Deklaratsiyasi va unga kiritilgan o'zgartishlarga muvofiq barcha ishtirokchilardan yozma ravishda xabardor qilingan rozilik olingan va tadqiqot Seul, Koreyaning Seul avliyo Maryam kasalxonasida tashkiliy ko'rib chiqish kengashi tomonidan ma'qullangan.

MRI ma'lumotlarini olish

Strukturaviy MRI (sMRI) va diffuzion og'irlikdagi MRI (dMRI) ma'lumotlari 3 T MAGNETOM Datao tizimi yordamida to'plangan (Siemens AG, Erlangen, Germaniya). SMRI ma'lumotlarini sotib olish mıknatısmaya tayyorlangan tez gradient echo navbati yordamida amalga oshirildi: sagittal tekislikda = 176, dilim qalinligi = 1 mm, matritsaning kattaligi = 256 × 256 va tekislik o'lchamlari = 1 × 1 mm . DMRI ma'lumotlarini olish uchun diferensial gradyanli kodlash 30 yo'nalishida amalga oshirildi b = 1,000 s / mm2 va bir martalik eko-planar tasvirlash tartibi ishlatilgan: eksenel tekislikda = 75, dilim qalinligi = 2 mm, matritsaning hajmi = 114 × 114 va tekislikda o'lcham = 2 × 2 mm.

MRI ma'lumotlarini qayta ishlash

CAT12-da joylashgan asboblar (http://www.neuro.uni-jena.de/cat/) sMRI ma'lumotlarini qayta ishlash uchun ishlatilgan. Miya miqyosi tasvirlari turli xil to'qimalarga, jumladan, GM, WM va kortikospinal suyuqliklarga ajratilgan, shuningdek, standart maydonda mos yozuvlar miya uchun joylarda ro'yxatdan o'tgan. Voksel-bazli morfometriyada (VBM) voxel-GM GM miqdori voxel hajmi bilan GM bo'lish ehtimolini ko'paytirib, so'ngra bu qiymatlar umumiy bosh ichak hajmiga bo'linib, umumiy hajmdagi individual farqlarga moslashtirildi. Sirt-morfometriyada (SBM) kortikal qalinligi proektsion asosli qalinliq usuli ().

DMRI ma'lumotlarini qayta ishlash

FSL 5.0-da joylashgan asboblar (http://fsl.fmrib.ox.ac.uk/fsl/) dMRI ma'lumotlarini qayta ishlash uchun foydalanilgan. Barcha tasvirlar olingan null tasviri bilan aniqlandi b = 0 s / mm2 Eddy oqimining buzilishi va bosh harakatini to'g'irlash. Miqdor ichidagi har bir voxelda diffuziya tensori modellashtirildi va fraksiyonik anizotropiya (F), o'rtacha diffuziya (MD), aksiyal diffuziya (AD) va radiatsion diffuziya (RD), shu jumladan diffuziya tensoridan olingan parametrlar hisoblandi; bir difüzyon tensörünün turli eksenlerindeki uch difüzivite berilgan ekan, FA, uch eksa orasida o'rtacha difüzivite sifatida MD, asosiy eksa bo'ylab eng katta yayılma deb, uch eksa o'rtasidagi diffüzivite farklılıklarının kvadratchalar kvadrat jami kvadrat ildizi sifatida hisoblab chiqilgan , va RD ikkita kichik eksa bo'yicha tarqalishlarning o'rtacha qiymati sifatida baholanadi. Trat-bazaga asoslangan masofaviy statistik ma'lumotlardan foydalanish (TBSS) () FSL 5.0 da amalga oshirilgan, diffuziya tensoridan olingan parametrlar xaritalari spetsifik tarzda standart maydonda mos yozuvlar miyasiga qayd etilgan va ular keyin WM trakt skeletlari ustida prognostik qilindi.

Xususiyat yaratish

Tasniflash modelini ishlab chiqish uchun ikkita asosiy qadam - bu avlod yaratish va tanlashdir. Neyroanatomiyadan xususiyatlar, xususan, GM hududlarining miqdori va qalinligi va WM traktlarining bir butunligining butunligi va diffuzivligi. GM hajmini va kortikal qalinligini VBM va SBM dan olingan vokselli xaritalar sifatida baholaganda, 60 GM hududlarining har biri uchun parametrlar baholandi (jadval S1), Hammers atlasidagi (masalan,), undagi barcha voxellarning o'rtacha qiymati. TBS, MD, AD va RB kabi diffuzion tensordan olingan parametrlarni TBSS dan olingan WM trakt skeletlari ichida voxel-kartali xaritalar deb hisoblagan holda, 48 WM traktlarining har biri uchun parametrlar hisoblab chiqildi (Jadval S2), ICBM DTI-81 atlasidagi (), undagi barcha voxellarning o'rtacha qiymati. Xulosa qilib, biz GM va GMning to'rt parametrlarini ko'rib chiqdik. Bu parametrlar sakkizta GM va WM parametrlarini keltirdi. GM va WM parametrlarining har bir kombinatsiyasi uchun 60 GM hududlari va 48 WM traktlarining parametr qiymatlari jami 108 neyroanatomik xususiyatlarini o'z ichiga oladi.

Muntazam regressiya bilan tanlovni tanlash

Funktsiyalar sonini kamaytirish, ayniqsa, ko'plab xususiyatlar va cheklangan miqdordagi kuzatuvlarga ega bo'lgan ma'lumotlar uchun muhimdir. Funktsiyalar soniga nisbatan cheklangan miqdordagi kuzatishlar shovqinga tobora ko'proq mos kelishi mumkin va tartibga solish modeldagi qo'shimcha ma'lumot yoki cheklashlarni joriy qilish orqali kamayib ketishni kamaytirish yoki oldini olishga imkon beradigan usuldir. 108 barcha funktsiyalar tasnifi uchun foydali va zarur ma'lumotlarni kiritmasligi sababli tartibli regressiyani qo'llash orqali noyob xususiyatlar to'plamini tanladik. Ayniqsa, lasso () va elastik tarmoq () logistika regressiya uchun foydalanilgan. Lasso penalti muddatini yoki logistika regressiya modelida koeffitsient o'lchamini o'lchaydigan l parametrini o'z ichiga oladi. L ning ortishi nol qiymatli koeffitsientlarga olib kelishi sababli, lasso kamroq ma'lumotlarga ega bo'lgan logistika regressiya modelini kamaytiradi. Elastik tarmoq, koeffitsientlarni nolga tenglashtirib, ayniqsa lasso va tizma regressiyasining gibrid tartibga solish parametrlarini kiritish orqali past darajadagi logistika regressiya modelini ishlab chiqaradi, bu esa juda mos keladigan proektorlarni davolashda kassaning cheklanishini engillashtiradi ().

Uch guruhning har bir jufti orasidagi tasniflash uchun klassik regressiya modelida 108 neyroanatomik xususiyatlari o'rtasida muhim yordayıcılarni aniqlash uchun lasso va elastik tarmoqni qo'lladik. Uch guruhning har juftligidagi barcha shaxslarning 108 xususiyati ma'lumotlar matritsasini yaratish uchun standartlangan, A, unda har bir satr bitta kuzatuvni va har bir ustun bitta bashoratni ifodalaydi. Jismoniy shaxslarning yoshi va jinsining GM va WM parametrlariga ta'sirini tuzatish uchun qoldiq hosil qiluvchi matritsa, R, yaratildi: R = I-C(CTC)-1C qayerda I hisobga olish matritsasi va C yoshi va jinsi kovaryatlarini aralashtirib kodlovchi matris edi. Keyinchalik unga qo'llanildi A Shubhali kovaryatlardan so'ngra qolgan qoldiqlarni olish uchun: X = RA.

O'zgartirilgan ma'lumotlar matritsasini hisobga olgan holda, Xva javob, Y, kodlangan ikki toifadagi shaxslar, 10-kat o'zaro tekshiruv (CV) normalizatsiya parametrini izlash uchun ishlatilgan, lMinErr, tekshirilayotgan model uchun o'rtacha qiymatni aniqlash katakchalari bo'yicha salbiy log-lik ehtimoli sifatida tavsiflangan deb hisoblanadigan eng kichik xatolikni keltirib chiqaradi. Shu bilan bir qatorda, bir CV eğrisinde sinov qilingan har bir L'de xatolar bo'lgani uchun, tartibga solish parametresi, l1SE, L ga nisbatan muntazam ravishda tartibga solinish bo'yicha minimal CV xatosining bitta standart xatoligida topildiMinErr shuningdek, ko'rib chiqildi. Boshqacha aytganda, l-da sparser funktsiyalari tanlangan1SE, kam hollarda esa l da aniqlandiMinErr. 108 neyroanatomik xususiyatlarini o'z ichiga olgan GM va WM parametrlarining har bir kombinatsiyasi uchun takrorlanadigan logistik regressiya modelini izlash uchun ushbu protsedura takrorlangan.

Tanlangan funktsiyalarni bajarish

Noyob va ajralib turadigan xususiyatlarning foydaliligini baholash uchun ishlash ko'rsatkichi kam sonli xususiyatlar va modelni qabul qiluvchi operatsion xarakteristikasini (ROC) egaligini o'lchash yo'li bilan qo'llab-quvvatlash vektor mashinalarida (SVM) barcha 108 xususiyatlariga ega bo'lgan model bilan taqqoslangan. Besh marta CV bilan optimallashtirilgan yadro funktsiyasi va hiperparametrlar sifatida lineer yadro yordamida SVM uch guruhning har bir juftidagi barcha shaxslar uchun o'qitildi. ROC egri maydoni (AUC) har bir model uchun uning ishlashining miqdoriy o'lchovi sifatida hisoblangan. DeLong testlari () AUC'nin har bir model juftlik bilan solishtirish uchun ishlatilgan. AUC bir-biridan farq qilganda p-0.05 qiymatlari, ikki modeldagi ishlash ko'rsatkichlari bilan taqqoslanmaydi.

Tasniflashning aniqligi

Shaklda tasniflash modellarini ishlab chiqarishga xususiyatlarni yaratish va tanlash bo'yicha chizmacha protseduralar keltirilgan Figure 1.1. Uch guruhning har bir jufti uchun SVM tasniflash modellari tanlangan xususiyatlarni yaqqolliklar sifatida yaratildi. Biz tasniflash modellarining to'g'riligini bir-biridan ajratib ko'rsatadigan CV sxemasi yordamida baholaymiz, natijada har bir chap tomondan individual uchun hisobdan tashqaridagi tasnifning aniqligi hisoblab chiqilgan va keyin barcha odamlar uchun o'rtacha hisoblangan. To'g'rilikning statistik ahamiyati aniqlangan testlarni qo'llash orqali baholandi. Uch guruhning har bir jufti orasida tasniflash uchun empirik nol taqsimot bir necha marta odamlarning yorliqlarini joylashtirish va ruxsat etilgan teglar bilan bog'liq o'lchovlarning aniqligi bilan hosil qilingan. Nishonlanmagan teglar uchun aniqlik o'lchovi a ning null taqsimotidan yuqori yoki teng p- 0.05 qiymatlari, bu imkoniyat darajasidan sezilarli darajada farqlanadigan (aniqlik = 50%). Bundan tashqari, uch guruhning har bir jufti o'rtasidagi farqga nisbatan sezuvchanlik va o'ziga xoslikni tavsiflash uchun chalkashlik matritsasi tasvirlangan.

 

Rasm, rasm va hokazolarni tutadigan tashqi fayl. Ob'ekt nomini fpsyt-09-00291-g0001.jpg

Neyroanatomik xususiyatlarni yaratish va tanlashdan tartibsiz tartibli tartibsiz o'yinchilar (DG) va sog'lom o'yinchilar (HN), oddiy o'yinchilar (NG) va HN va DG va NG o'rtasida tasniflash uchun modellarni yaratish uchun. GM, kulrang modda; WM, oq modda.

natijalar

Tanlovni tanlash

shakl Figure 22 108 funktsiyalari orasidagi tanlangan xususiyatlarni koeffitsientlari va jadvallari bilan ko'rsatadi Table11 Registrlangan logistika regression modelining uchta guruhning har bir jufti o'rtasidagi tasniflash uchun tegishli fitting ma'lumotlarini tavsiflaydi. Bundan tashqari, shakl S1 qaysi lni eng kam CV xatosini va l da qancha funktsiyani tanlaganligini ko'rsatib beradi1SE shuningdek, lMinErr. Boshqa tasniflash uchun sog'lom o'yinchilar va oddiy o'yinchilar va elastik tarmoq (lasso og'irligi = 1) o'rtasida tasniflash uchun lasso (lasso weight = 0.5) tomonidan tanlangan xususiyatni tanlashda eng kam CV xatosi qo'lga kiritildi.

 

Rasm, rasm va hokazolarni tutadigan tashqi fayl. Ob'ekt nomini fpsyt-09-00291-g0002.jpg

Uch guruhning har bir jufti o'rtasida tasniflash uchun muntazam logistik regressiyada tanlangan neyroanatomik xususiyatlar. Tartibsiz geymerlar (DG) sog'lom bo'lmagan o'yinchilar (HN) va DG o'rtasidagi tasnifda 1, normal o'yinchilar (NG) HN va NG o'rtasidagi tasnifda 1, DG esa NG va DG o'rtasidagi tasnifda 1 sifatida kodlangan. Barning kattaligi tegishli xususiyat koeffitsientining hajmini bildiradi, chunki nolga teng bo'lmagan koeffitsientlarning xususiyatlari tanlanadi. Ko'rsatilgan miyalar tanlangan xususiyatlarga mos keladigan kulrang va oq materiya tarkibiy qismlarini ustunroq ko'rinishda tasvirlaydi. Qizil yoki ko'k rangdagi xususiyatlar λ darajasida aniqlangan kam quvvatli xususiyatlarga kiritilganligini bildiradi1SE shuningdek, L da aniqlangan nodir xususiyatlarMinErrsariq yoki qirmizi rangdagi narsalar esa faqat siyrak xususiyatlarga ega. Miya tarkibiy qismlarining yorliqlari jadvallarda keltirilgan S1 va S2. L, chap; R, o'ng.

1 stol

Uch guruhning har bir jufti o'rtasidagi tasniflash uchun muntazam logistik regressiya haqidagi ma'lumotlar.

 HN va boshqalar. DGHN va boshqalar. NGNG va boshqalar. DG
parametrGMqalinlikqalinlikovoz
 WMFARDMD
Lasso vazni0.510.5
L da tanlangan kamroq xususiyatlarMinErrCV xatosi37.368141.7876133.3857
 Funktsiyalar soni432111
Sparker xususiyatlari l da tanlangan1SECV xatosi46.568150.0435141.2622
 Funktsiyalar soni34121
 

Lasso vazni registrlangan logistika regressi lasso (lasso og'irligi = 1) yoki elastik tarmoq (lasso og'irligi = 0.5).

HN, sog'lom bo'lmagan geymerlar; DG, tartibsiz o'yinchilar; NG, oddiy o'yinchilar; GM, kulrang modda; WM, oq modda; FA, fraksiyonel anizotropiya; RD, radial diffuziya; MD, o'rtacha diffuziya; CV, o'zaro tekshiruv.

Sog'lom bo'lmagan o'yinchilarning tartibsiz o'yinchilarining diskriminatsiyasida 43 funksiyasi lMinErr 24 GM hududlari qalinligi va 19 WM traktining FA va 34 xususiyatlaridan l1SE 15 GM hududlarining qalinligi va 19 WM traktining FA ni tashkil etdi. Oddiy o'yinchilarning sog'lom bo'lmagan o'yinchilaridan farqli o'laroq, X ga tanlangan 21 xususiyatiMinErr 12 GM hududlari qalinligi va 9 WM traktining RD qismi va 12 funksiyasidan l1SE 6 GM hududlari qalinligi va 6 WM traktining RD qismi mavjud. Tartibsiz va normal o'yinchilar o'rtasidagi tasniflashda 11 funktsiyalari l da tanlanganMinErr 7 GM hududlari va 4 WM traktatlarining MD qismini va l1SE Bir GM hududining hajmiga to'g'ri keladi.

Tanlangan funktsiyalarni bajarish

108 xususiyatiga ega bo'lgan barcha xususiyatlar va modellar bilan modellashtirilganda, ishlash har bir turdagi o'yinchilar va SVMlarning sog'lom bo'lmagan o'yinchilar o'rtasidagi diskriminatsiyadagi AUC jihatidan o'xshash bo'ldi (Fig. (Rasm 3) .3). Tartibsiz va oddiy o'yinchilar orasidagi tasniflashda, l da tanlangan xususiyatlarga ega modelMinErr (AUC = 0.83, p = 0.006) yoki L ga teng1SE (AUC = 0.72, p <0.001) barcha 108 xususiyatlarga ega bo'lgan modelga qaraganda yomonroq ish faoliyatini ko'rsatdi (AUC = 0.90).

 

Rasm, rasm va hokazolarni tutadigan tashqi fayl. Ob'ekt nomini fpsyt-09-00291-g0003.jpg

Qo'llab-quvvatlaydigan vektorli mashinalar yordamida uchta guruhning har bir jufti o'rtasida tasniflash uchun xususiyat tanlovi bo'lmagan va modellar o'rtasida qabul qiluvchi operatsion xarakterli egri (AUC) bo'yicha maydonni ishlash ko'rsatkichini solishtirish. 108 funktsiyalarining modeli (aniq chiziq bilan ko'rsatilgan) bu xususiyat tanlovisiz mos keladi, shunga qaramasdan, kam sonli modellar modellari L ga tanlangan kam va sparer xususiyatlariga mos keladiMinErr (kesma chiziq bilan ko'rsatilgan) va l1SE (dash-nuqtali chiziq bilan ko'rsatilgan). HN, sog'lom bo'lmagan geymerlar; DG, tartibsiz o'yinchilar; NG, oddiy o'yinchilar.

Tasniflashning aniqligi

SV tomonidan tanlangan funktsiyalardan foydalanib SVMlar tomonidan tasniflashdaMinErr, aniqligi 98% dan kattaroq edi, bu imkoniyat darajasidan sezilarli darajada yuqori (p <0.001), geymerlarning har bir turini sog'lom geymerlardan ajratishda (Shakl (Rasm 4A) .4A). Haqiqat shoshilinch darajasidan ancha yuqori edi (p = 0.002), ammo tartibsiz o'yinchilar orasida klassifikatsiyalashda 69.8% dan kam, ayniqsa kam sezuvchanlik (47.4%), bozordagi o'yinchilarni to'g'ri aniqlashda. Sputter xususiyatlari l da aniqlanadi1SE shunga o'xshash ishlarni namoyish qildi (rasm (Rasm 4B) 4B), lekin odatdagi o'yinchilardan tartibsiz o'yinchilarni to'g'ri ajratishda juda kam sezuvchanlik (2.6%) ko'rsatdi.

 

Rasm, rasm va hokazolarni tutadigan tashqi fayl. Ob'ekt nomini fpsyt-09-00291-g0004.jpg

Foydalanilayotganda uchta guruhning har bir jufti o'rtasidagi tasniflashda chalkashlik matritsalari (A) kam va (B) spesifikatorlarning funktsiyalari l da aniqlanadiMinErr va l1SEmos ravishda, qo'llab-quvvatlovchi vektorli mashinalarda. Pastki o'ng hujayra tasnifi aniqligi (ACC), pastki chap hujayrali haqiqiy salbiy kurs (TNR) yoki o'ziga xoslik, past-o'rta hujayrali haqiqiy musbat tezligi (TNR) yoki sezuvchanlik, yuqori o'ng hujayra salbiy prognoz qiymati (NPV ) va o'rta o'ng hujayra ijobiy prognoz qiymati (PPV). TP, haqiqiy musbat; TN, haqiqiy salbiy; FP, noto'g'ri musbat; FN, noto'g'ri salbiy.

muhokama

Biz ushbu tadqiqotda DSM-5da tavsiya etilgan IGDS bilan tasniflangan patologik va patologik bo'lmagan o'yinchilarning siyrak neyroanatomik xususiyatlar bilan namoyon bo'ladimi-yo'qligini tekshirishga harakat qildik. Buzuq va normal o'yinchilar 43 va 21 xususiyatlariga mos ravishda, sog'lom bo'lmagan o'yinchilarga nisbatan namoyon bo'ldilar. Bundan tashqari, bozordagi o'yinchilar oddiy o'yinchilarga nisbatan 11 funktsiyalari bilan ifodalangan. Og'ir neyroanatomik xususiyatlardan foydalanib, tartibsiz va normal o'yinchilar sog'lom o'yinchilardan ajralib turishi mumkin edi, lekin tartibsiz va oddiy o'yinchilar o'rtasidagi tasnif nisbatan qiyinroq edi.

DSM-5da taklif qilingan IGDS bilan IGD ning belgilari bo'yicha tavsiflovchi tasnifi keng tarqalgan. Ko'pgina mamlakatlarda IGDSning ampirik asosliligi tasdiqlangan bo'lsa ham (, , ), besh yoki undan ortiq IGDS ni boshdan kechirishning ostonasi aniq tanlov bo'lishi mumkin emas va Internetga asoslangan o'yinlar o'ynagan shaxslarni tasniflashning boshqa usullari taklif qilinishi mumkin (). Miya ko'rish ma'lumotlari, demografik, xulq-atvorli va simptomatik ma'lumotlar kabi ko'plab klinik ma'lumotlarning mavjudligi tobora kengayib borayotganligi sababli, qo'shimcha ma'lumotni aql kasalliklari diagnostikasi uchun qo'llash mumkin. Xususan, miqdoriy axborotning ko'pligi sababli miya ko'rish ma'lumotlari hisoblash yondashuvlariga mos keladi va bashorat qilish uchun foydali bo'ladi. Darhaqiqat, miya ko'rish ma'lumotlarining klinik jihatdan tegishli bo'lgan muammolarni bashorat qilishda prognozdagi boshqa klinik ma'lumotlarga qaraganda ustun prognoz ko'rsatkichlari borligi ko'rsatilgan ().

ML-ga asoslangan diagnostika tasnifi yaqinda boshqa o'ziga xosliklarga va xatti-harakatlarga (-), IGD ning simptomlarga asoslangan tasnifi ham hisob-kitoblarga asoslangan tasnifga duch kelmoqda. IGD ni kuzatib boradigan miyaning anatomik anormalliklari avvalgi tadkikotlar-, ), biz IGD tashxisi uchun miya ma'lumotlarni ko'rish uchun potentsial biomarkerlardan bunday neyroanatomik ma'lumotlarni ko'rib chiqdik. Bizning maqsadimiz, jismoniy shaxslarning sinflar o'rtasidagi neyroanatomik farqlarni ta'riflash tashqari, yuqori darajada tasniflash samaradorligini ta'minlaydigan muhim neyroanatomik xususiyatlarni aniqlash edi.

Biz 108 neuroanatomik xususiyatlari, aniq tartibli regressiya orasida muhimlarni tanladik. GM va WM parametrlarining sakkizta kombinatsiyasini ko'rib chiqsak, uchta guruhning har juftini ajratish uchun turli xil parametr kombinatsiyasi tanlandi. GM hududlarining qalinligi va WM traktlarining yaxlitligi patologik o'yinchilarni sog'lom bo'lmagan o'yinchilardan farqlash uchun yaxshiroq edi, biroq GM hududlari miqdori va WM traktlarining tarqalishi patologik o'yinchilarni ajratish uchun yaxshiroq edi patologik bo'lmagan o'yinchilardan. Bundan tashqari, ko'p miya tarkibiy qismlari ko'pincha patologoanatomik va patologik bo'lmagan o'yinchilarni sog'lom o'yinchilardan ajratib olish uchun muhim bo'lgan neyroanatomik xususiyatlarga ega bo'lishiga qaramasdan, ayrim GM hududlari va WM traktlarida patologik bo'lmagan o'yinchilar tasvirlangan, ammo patologik geymerlar emas . Bu topilmalar GM va WM parametrlarining neyroanatomik biomarkerlar sifatida universal tarzda ishlaydigan kombinatsiyasining mavjud emasligini ko'rsatmoqda, shuning uchun GM va WM parametrlarining ma'lum kombinatsiyasi tasniflanadigan guruhlarga ko'ra tanlanishi kerak.

Patologik bo'lmagan o'yinchilarning patologik o'yinchilarni sog'lom bo'lmagan o'yinchilaridan ajratib olish bilan solishtirganda patologik bo'lmagan o'yinchilarning farqlanishlari uchun kamroq xususiyatlar kamroq patologik o'yinchilarning patologik o'yinchilar va sog'lom geymerlar emas. Bundan tashqari, o'yinchilarning har turini va sog'lom o'yinchilar orasida kamsitishlarga qaraganda o'yinchilarning ikkita turini tasniflash uchun kamroq xususiyatlar patologik va patologik bo'lmagan o'yinchilarning bir-biriga nisbatan bir-biridan kamroq farqlashini bildiradi. neyroanatomiyaning sog'lom bo'lmagan o'yinchilaridan farqli o'laroq, bularning barchasi Shunga ko'ra, kam ko'rinish bilan yaratilgan tasniflash modellari o'yinchilarning har turini va sog'lom bo'lmagan o'yinchilar o'rtasidagi diskriminatsiya darajasida aniqligini, lekin o'yinchilarning ikkita turida 98% gacha aniqligi aniqligini ta'minladi. Ya'ni patologik bo'lmagan o'yinchilar sog'lom bo'lmagan o'yinchilar bilan bir qatorda patologik o'yinchilarning farqlari bilan ajralib turardi, ammo patologik va patologik bo'lmagan o'yinchilar o'rtasida farqlar mavjud edi.

Ushbu ikki turdagi o'yinchilar o'rtasidagi nisbatan kam farqlash qobiliyati bir necha tushunchalarni taklif qiladi. Birinchidan, alomatlarga asoslangan toifalarga ajratish va hisoblash asosidagi tasniflashning mos kelmasligi taklif qilinishi mumkin. IGDSning besh yoki undan ko'p mezonlarini taklif etadigan diagnostik chegara IGD ning tashxisini oldini olish uchun konservativ ravishda tanlandi), Neyroanatomiyada sezilarli patologik o'zgarishlarga duchor bo'lgan, ammo IGD chegarasini qoniqtirmagan o'yinchilarning mavjudligi e'tiborga olinmasligi mumkin. Ayniqsa, IGD mahsulotlarini IGD mahsulotlarini oddiy o'yinchilar sifatida kamroq qoniqtiradigan o'yinchilarni o'z ichiga olgandik, shuning uchun IGDga ega bo'lmagan deb topilgan o'yinchilar umuman olganda bu o'yinda sog'lom bo'lmagan shaxslardan uzoqroq bo'lishi mumkin. Ikkinchidan, faqat neyroanatomik biyomarkerlarga asoslangan holda tasniflashda qiyinchilik bo'lishi mumkin. Patologik va patologik bo'lmagan o'yinchilar orasida katta farq qila oladigan boshqa biomarkerlarni qo'shish orqali tasniflash ko'rsatkichini yaxshilash mumkin. Xususan, IGD da miyaning funktsional o'zgarishlari-), shuningdek, miyaning anatomiyasi, miyani biomarkerlar deb hisoblanishi mumkin. Bundan tashqari, miyadagi o'zgarishlar Internet o'yinlari giyohvandlikning ko'p qirrali tomonlarining bir qismini tashkil etadi, shuning uchun boshqa omillar, Internet o'yinlari uchun giyohvandlik uchun kamida turli xil ichki va tashqi xavf omillari (), patologik va patologik bo'lmagan o'yinchilar orasida tasniflashning yanada to'liq modellariga, shuningdek, o'yin o'ynaydigan sog'lom shaxslardan farqlash kerak.

Bu erda tasniflash modellari uchun muhim xususiyatlarni aniqlash uchun kichkinagina va elastik tarmoq kabi kamsituvchi vositalarni qo'llash orqali muntazam regressiya qo'llanildi. Xususiy tanlov yoki o'lchamlarni qisqartirish bo'yicha uslubiy jihatdan farqlar mavjud va modellashtirishda tanlangan xususiyatlardan foydalanish uchun turli xil yondashuvlar qo'llanilishi mumkin (). Muntazam regratsiyani qo'llagan holda yondashuvimiz neuroanatomik xususiyatlardagi uzilishlar bilan bog'liq aprori taxminni keltirib chiqaradi. Ushbu taxminni maqbul deb hisoblagan holda, biz ushbu tadqiqotga ishonganimizdek, muntazam regressiya aql bovar qiladigan yondoshuv bo'lishi mumkin va tanlangan noyob to'plamlar etarli darajada yuqori ishlashning tasniflash modellarini yaratishi kutilmoqda. Shunga qaramasdan, ko'proq vaqtga asoslangan oddiy tasniflash modellari har doim ham solishtirma yoki takomillashtirilgan ish faoliyatini namoyish etmasligi mumkin. Haqiqatan ham, muntazamlashtirish parametrlariga ko'ra, ozayib qolish darajasining turli xil variantlari orasida patologik va patologik bo'lmagan o'yinchilar orasida tasniflash kabi ko'proq qiyin tasniflash muammolari, xususan, ko'proq yaxshi ishlash modelini taqdim etishi mumkin emas edi.

Bundan tashqari, biz SVMlarni klassifikatsiya modellarini yaratish uchun ML texnikasi sifatida qo'lladik, chunki ular eng mashhurlari qatorida. Boshqa ilg'or usullar tasniflash ish faoliyatini yaxshilash uchun ishlatilishi mumkin, ammo har xil usullar o'rtasidagi qiyosiy ko'rsatkichlar ishlashning tajribaviy stsenariylarga bog'liqligiga). Boshqa tomondan, klassik statistika uslublari va ML texnikasi bilan taqqoslama ishlashi uchun biz logistika regressiya bo'yicha tasniflashni amalga oshirdik va ikkita usul, ya'ni logistika regressiya va SVMlarning tasniflash ko'rsatkichlari bilan solishtirish mumkinligini ko'rsatdik (shakl S2). Klassik statistik uslublar tasniflash ishlarida ML texnikasidan har doim ham past bo'lmasligi mumkin).

Ushbu tadqiqotda IGD ning simptomatik tasniflash tasniflash modellarini tuzadigan nodir neyroanatomik biomarkerlar ko'rinishida namoyon bo'lishi mumkinligini aniqladik. Bundan tashqari, patologik bo'lmagan o'yinchilarni neyroanatomiya jihatidan o'yin bo'lmagan sog'lom shaxslarga qaraganda patologik o'yinchilardan kamroq farqlanishi mumkinligini ko'rsatdik. Shunday qilib, hozirgi diagnostika tizimlari DSM-5 kabi oltin standartlar kabi tavsiflovchi tasniflarga tayanadi, ammo patologik bo'lmagan o'yinchilarga neyroanatomik o'zgarishlar bilan bog'liq bo'lgan ob'ektiv biyomarkerlarni qo'llash orqali ko'proq tashxis qo'yish kerak bo'lishi mumkin. Hisoblash usullarini qabul qilish psixiatriyada qayta tiklanmaydigan tendentsiya bo'lib tuyuladi, ammo ularni klinik muhitlarga amalda tatbiq etishning uzoq yo'llari bo'lishi mumkin. Miya ko'rish va boshqa klinik ma'lumotlarning kam ko'rinadigan xususiyatlarini optimallashtirish uchun keyingi izlanishlar o'tkazilishi kerak va uzoq vaqt mobaynida ushbu harakatlar IGD ning hisobga asoslangan diagnostikasini ilgari suradi.

Muallif hissasi

D-JK va J-WC tadqiqot kontseptsiyasi va dizayniga javobgardilar. HC ishtirokchilarning klinik tavsifi va tanlovini o'tkazdi. Cp ma'lumotlarni tahlil qilib, qo'lyozma loyihasini tayyorladi. Barcha mualliflar mazmunan tanqidiy ravishda ko'rib chiqilgan va nashr etiladigan yakuniy nashrni tasdiqlagan.

Foiz hisoboti to'qnashuvi

Mualliflar tadqiqot natijalari potentsial manfaatlar to'qnashuvi deb talqin etilishi mumkin bo'lgan biron-bir tijoriy yoki moliyaviy aloqalar mavjud bo'lmagani holda amalga oshirilganligini e'lon qiladi.

Izohlar

 

Moliyalashtirish. Ushbu tadqiqot MRM tomonidan Koreya Respublikasining Milliy tadqiqot fondi (NRF) orqali Koreyada Fan va AKTni qo'llash bo'yicha (NRF-2014M3C7A1062893) moliyalashtirildi.

 

 

Qo'shimcha material

Ushbu maqola uchun qo'shimcha materialni quyidagi manzilda topishingiz mumkin: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00291/full#supplementary-material

Manbalar

1. Yosh KS. Internetdagi giyohvandlik: yangi klinik kasallik paydo bo'lishi. CyberPsychol Behav. (1998) 1: 237-44. 10.1089 / cpb.1998.1.237 [O'zaro faoliyat]
2. Amerika Psixiatriya Assotsiatsiyasi Psixik kasalliklar diagnostikasi va statistik qo'llanmasi, 5 edition. Vashington, AQSh: Amerika Psixiatriya Assotsiatsiyasi nashriyoti; (2013).
3. Ko CH, Jen JY, Chen SH, Vang PW, Chen CS, Yen CF. Tayvanning yosh kattalar orasida DSM-5da internet o'yin buzilishining tashxis mezonlarini baholash. J Psixiatr Res. (2014) 53: 103-10. 10.1016 / j.jpsychires.2014.02.008 [PubMed] [O'zaro faoliyat]
4. Ko CH, Hsieh TJ, Vang PW, Lin WC, Yen CF, Chen CS, va boshq. . Internet o'yinida buzilishi bo'lgan kattalardagi amigdala turlarini o'zgartirish va kulrang modda zichligi o'zgargan. Prog Neyropopsikofarmakol Biol Psychiatry (2015) 57: 185-92. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [O'zaro faoliyat]
5. Lin X, Dong G, Vang Q, Du X. "Internet o'yinlariga qaram bo'lganlar" ning anormal kulrang moddasi va oq moddalar hajmi. Addict Behav. (2015) 40: 137-143. 10.1016 / j.addbeh.2014.09.010 [PubMed] [O'zaro faoliyat]
6. Wang H, Djin C, Yuan K, Shakir TM, Mao C, Niu X va boshq. . Internet o'yinida buzilishi bo'lgan ergenlerde kul javhar hajmini o'zgartirish va kognitif nazorat qilish. Front Behav Neurosci. (2015) 9: 64. 10.3389 / fnbeh.2015.00064 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
7. Yuan K, Cheng P, Dong T, Bi Y, Xing L, Yu D va boshq. . Onlayn o'yinlar bilan bog'liq giyohvandlik bilan kechki o'smirlik davrida kortikal qalinlikdagi anormallik. PloS ONE (2013) 8: e53055. 10.1371 / jurnal.pone.0053055 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
8. Dong G, Devito E, Huang J, Du X. Differensial tensor tomografiyasi internet o'yinlari bilan bog'liq bemorlarga talamus va posterior singulat korteks anormalliklarini ko'rsatadi. J Psixiatr Res. (2012) 46: 1212-6. 10.1016 / j.jpsychires.2012.05.015 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
9. Xing L, Yuan K, Bi Y, Yin J, Cai C, Feng D, et al. . Internet o'yinida buzilishi bo'lgan ergenlerde elyaf butunligini va bilim nazoratini kamaytirish. Brain Res. (2014) 1586: 109-17. 10.1016 / j.brainres.2014.08.044 [PubMed] [O'zaro faoliyat]
10. Besson P, Dinkelacker V, Valabregue R, Thivard L, Leclerc X, Baulac M va boshq. . Chap va o'ng temporal lob epilepsideki tizimli ulanish farqlari. Neuroimage (2014) 100: 135-44. 10.1016 / j.neuroimage.2014.04.071 [PubMed] [O'zaro faoliyat]
11. Huys QJ, Maia TV, Frank MJ. Nörobilimden klinik dasturlarga qadar ko'prik sifatida hisoblash psixiatriyasi. Nat Neurosci. (2016) 19: 404-13. 10.1038 / nn.4238 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
12. Lemmens JS, Valkenburg PM, Gentile DA. Internet o'yinida buzilish shkalasi. Psychol Assess. (2015) 27: 567-82. 10.1037 / pas0000062 [PubMed] [O'zaro faoliyat]
13. Dahnke R, Yotter RA, Gaser C. Kortikal qalinligi va markaziy sirt tahlili. Neuroimage (2013) 65: 336-48. 10.1016 / j.neuroimage.2012.09.050 [PubMed] [O'zaro faoliyat]
14. Smit SM, Jenkinson M, Johansen-Berg X, Rueckert D, Nichols TE, Mackay CE, et al. . Tract asosidagi hududiy statistikalar: ko'p tarqalgan diffuziya ma'lumotlarini voxelwise tahlil qilish. Neuroimage (2006) 31: 1487-505. 10.1016 / j.neuroimage.2006.02.024 [PubMed] [O'zaro faoliyat]
15. Hammers A, Allom R, Koepp MJ, Free SL, Myers R, Lemieux L va boshq. . Inson miyasining uch o'lchovli maksimal ehtimollik atlasi, bu temporal lobga alohida murojaat qiladi. Hum Brain Mapp. (2003) 19: 224-47. 10.1002 / hbm.10123 [PubMed] [O'zaro faoliyat]
16. Mori S, Oishi K, Jiang H, Jiang L, Li X, Axter K va boshq. . ICBM shablonida diffuziya tensorini ko'rishga asoslangan stereotaksik oq modda atlas. Neuroimage (2008) 40: 570-82. 10.1016 / j.neuroimage.2007.12.035 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
17. Tibshirani R. Regressiya qisqarishi va lasso orqali tanlash. J Roy Stat Sox-Ser B (1996) 58: 267-88.
18. Zou H, Hastie T. Registratsiya va moslashuvchan tarmoq orqali o'zgarmaydigan tanlash. J Roy Stat Sox-Ser B (2005) 67: 301-20. 10.1111 / j.1467-9868.2005.00503.x [O'zaro faoliyat]
19. Theodoridis S. Mashinani o'rganish: Bayes va optimallashtirish. London: Academic Press; (2015).
20. Delong ER, Delong DM, Clarke-Pearson-DL. Ikki yoki undan ortiq korrelyatsion qabul qiluvchi operatsion xarakterli egri joylarni solishtirish: parametrik bo'lmagan yondashuv. Biometrics (1988) 44: 837-45. 10.2307 / 2531595 [PubMed] [O'zaro faoliyat]
21. Cho SH, Kwon JH. Internetdagi o'yin buzilishi o'lchovi (K-IGDS) ning Koreys tilidagi versiyasini tasdiqlash: kattalar jamoasining namunalari. Koreyalik J Clin Psychol. (2017) 36: 104-17. 10.15842 / kjcp.2017.36.1.010 [O'zaro faoliyat]
22. Sigerson L, Li AYL, Cheung MWL, Luk JW, Cheng C. Xitoy internet o'yin buzilishi shkalasining psixometrik xususiyatlari. Addict Behav. (2017) 74: 20-6. 10.1016 / j.addbeh.2017.05.031 [PubMed] [O'zaro faoliyat]
23. Burke Quinlan E, Dodakyan L, qarang J, Mckenzie A, Le V, Wojnowicz M va boshq. . Nervon funktsiyasi, jarohati va qon tomirlari subtropsi qon tomiridan keyin davolash samaradorligini taxmin qiladi. Enn Neurol. (2015) 77: 132-45. 10.1002 / ana.24309 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
24. Pariyadat V, Stein EA, Ross TJ. Dam olish holatidagi funktsional ulanishning avtomatlashtirilgan ta'lim tasnifi chekish holatini belgilaydi. Front Hum Neurosci. (2014) 8: 425. 10.3389 / fnhum.2014.00425 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
25. Fedota JR, Stein EA. Resting-state funktsional aloqasi va nikotin qo'shadi: biomarkerni rivojlantirish istiqbollari. Ann NY Acad Sci. (2015) 1349: 64-82. 10.1111 / nyas.12882 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
26. Ahn WY, Ramesh D, Mueller TG, Vassileva J. Maqola ishlatishning buzilishi uchun qiziqish belgilarini aniqlash uchun kompyuter-ta'lim yondashuvlaridan foydalanish: giyohvandlikka bog'liq giyohvandlikning predmetlari sifatida impulsivlik o'lchovlari. Oldin Psixiatriya (2016) 7: 34. 10.3389 / fpsyt.2016.00034 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
27. Ahn WY, Vassileva J. Mashinani o'rganish opiat va ogohlantirgichlarga qaramlikning o'ziga xos xususiyatlarini belgilaydi. Giyohvand moddalarga qaramlik. (2016) 161: 247-57. 10.1016 / j.drugalcdep.2016.02.008 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
28. Persi C, França M, Dragichevich, D'avila Garcez A. Onlaynda qimor o'yinlarini istisno qilishni bashorat qilish: nazorat ostida bo'lgan mashina o'rganish modellarining ishlashini tahlil qilish. Int Gambl Stud. (2016) 16: 193-210. 10.1080 / 14459795.2016.1151913 [O'zaro faoliyat]
29. Ding WN, Sun JH, Sun YW, Zhou Y, Li L, Xu JR va boshq. . Internet o'yinlari bilan bog'liq giyohvandlikka uchragan erkaklardagi standart tarmoqdagi dam olish holati funksional ulanish. PloS ONE (2013) 8: e59902. 10.1371 / jurnal.pone.0059902 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
30. Meng Y, Deng V, Vang X, Guo Vt, Li T. Internet o'yinlar bozordagi shaxslarda prefrontal funktsiya buzilishi: funktsional magnit-rezonans tomografiya ishlarini meta-tahlil qilish. Addict Biol. (2015) 20: 799-808. 10.1111 / adb.12154 [PubMed] [O'zaro faoliyat]
31. Zhang JT, Yao YW, Li KSS, Zang YF, Shoh ZJ, Liu L va boshq. . Internetdagi o'yin buzuqligi bo'lgan yosh kattalardagi insulning o'zgaruvchan dam olish holati funktsional aloqasi. Addict Biol. (2015) 21: 743-51. 10.1111 / adb.12247 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
32. Cai C, Yuan K, Yin J, Feng D, Bi Y, Li Y va boshq. . Striatum morfometriyasi internet o'yin buzilishida kognitiv nazorat etishmasligi va alomatlarining og'irligi bilan bog'liq. Brain Imaging Behav. (2016) 10: 12-20. 10.1007 / s11682-015-9358-8 [PubMed] [O'zaro faoliyat]
33. Park C, Chun JW, Cho H, Jung YC, Choi J, Kim DJ. Internet o'yinlariga qaram bo'lgan miya patologik holatga yaqinmi? Addict Biol. (2017) 22: 196-205. 10.1111 / adb.12282 [PubMed] [O'zaro faoliyat]
34. Kuss DJ, Griffiths MD. Internetdagi o'yin qo'shadi: empirik tadqiqotlarni muntazam tekshirish. Int J Ment Sog'liqni saqlash Addict. (2012) 10: 278-96. 10.1007 / s11469-011-9318-5 [O'zaro faoliyat]
35. Castellanos FX, Di Martino A, Craddock RC, Mehta AD, Milham MP. Funktsional aloqaning klinik qo'llanmalari. Neuroimage (2013) 80: 527-40. 10.1016 / j.neuroimage.2013.04.083 [PMC bepul maqola] [PubMed] [O'zaro faoliyat]
36. Tollenaar N, Van Der Heijden P. Qaysi usuli retsidivizmni eng yaxshi deb hisoblaydi ?: statistika, kompyuterni o'rganish va ma'lumotlar konida prognozlash modellarini taqqoslash. J Roy Stat SocSar (2013) 176: 565-84. 10.1111 / j.1467-985X.2012.01056.x [O'zaro faoliyat]