低2D:4D值与视频游戏成瘾(2013)相关联

PLoS One. 2013 年 11 月 13 日;8(11):e79539。

doi:10.1371 / journal.pone.0079539。 eCollection 2013。

Kornhuber J 1、Zenses EM、Lenz B、Stoessel C、Bouna-Pyrrou P、Rehbein F、Kliem S、Mößle T。

抽象

雄激素依赖性信号传导调节胚胎发生过程中手指在人手上的生长。 较高的雄激素负荷导致较低的2D:4D(第二位至第四位)比率值。 产前雄激素暴露也会影响大脑发育。 2D:男性的4D值通常较低,被视为男性大脑组织的代理。 在这里,我们量化了年轻男性的视频游戏行为。 我们发现,与没有问题的视频游戏行为(n = 2)相比,根据CSAS-II分类为具有风险/成瘾行为(n = 4)的受试者的平均27D:27D值较低。 因此,由低2D:4D值表示的产前雄激素暴露和超男性脑组织与有问题的视频游戏行为相关联。 这些结果可用于改善视频游戏成瘾的诊断,预测和预防。

介绍

由增强的激素水平或更敏感的雄激素信号转导途径诱导的高产前雄激素负荷导致相对于成人手中的第二位(4D)更长的第四位数(2D) [1]。 因此,2D:4D值被认为是性二态的,男性的数值通常低于女性 [2]–[4]。 此外,产前雄激素负荷对大脑结构和功能具有组织效应 [5]。 因此,2D:4D值与广泛的男性/女性行为表型相关。 低2D:例如,4D值与自闭症特征相关联 [6], [7]; 注意力缺陷多动障碍(ADHD) [8], [9]; 运动表现 [10], [11]; 空间能力 [12]–[15]; 抽象推理 [16]; 数字能力 [17]–[19]; 合作,亲社会行为和公平 [20], [21]; 终身性伴侣的数量 [22]; 和繁殖成功 [23]。 最近审查了将产前雄激素负荷与低2D:4D值和行为特征联系起来的证据 [24], [25].

我们此前已证实,酒精依赖患者的平均2D:4D值较低[26],酒精依赖是一种物质成瘾性疾病,男性患病率高于女性[27 , 28]。本研究旨在分析低2D:4D值是否也与成瘾性电子游戏行为相关,成瘾性电子游戏行为是一种非物质成瘾行为。严重的电子游戏行为在男性中比女性更为常见[29-32 ] ,并且与寻求刺激[33]和注意力缺陷多动障碍(ADHD)[34]相关。病理性电子游戏行为可被视为一种男性特有的行为。因此,我们假设,具有病理性电子游戏行为的男性可能在产前暴露于较高的雄激素水平,这可以从他们较低的2D:4D值中看出。

方法

这项研究是埃尔兰根精神病学和心理治疗系精神病学手指(FLIP)项目的一部分,以及题为“互联网和视频游戏成瘾 - 诊断,流行病学,发病机制,治疗和”的项目的纵向访谈研究模块。预防“下萨克森州犯罪学研究所”。 FLIP项目在纵向访谈研究的第二次测量场合(t2)中作为附件实现。 该调查是根据赫尔辛基宣言中表达的原则进行的。 该研究得到了当地伦理委员会(德国心理学会伦理委员会[DeutscheGesellschaftfürPsychologie])的批准。 在向所有受试者提供对该研究的完整描述之后获得书面知情同意书。

2011年2月至12月,共有70名受试者参与了纵向访谈研究的首次测量(t1)(他们最初是从通过学校、大学、网络论坛、报纸和咨询中心招募的1,092名潜在参与者中选出的)。t1时参与研究的先决条件为:男性,年龄在18至21岁之间,且为习惯性电子游戏玩家,每天游戏时间超过2.5小时或电子游戏成瘾量表(CSAS-II)得分>41分[29](见下文)。2012年3月至2013年1月,共有64名参与者在纵向访谈研究的第二次随访(t2)中再次接受了访谈。在本次测量中,共有54名受试者同意进一步参与FLIP项目。这54名受试者的特征如下:53名白种人,1名亚裔。t1时的平均年龄为18.9岁(标准差=1.1)。 24 名参与者拥有更高的教育水平(Abitur 或更高),另有 24 人接受过中学教育(Realschule),5 人报告接受过初中教育(Hauptschule),还有 1 人未毕业。

使用CSAS II评估视频游戏成瘾 [29] 在t1。 CSAS II基于互联网成瘾量表ISS-20 [35], [36],已经扩展和适应评估视频游戏成瘾。 CSAS-II由14项目组成(4点量表:1  =不正确 到4  =绝对正确)并涵盖尺寸 当务之急/凸显 (4项目), 冲突 (4项目), 失去控制 (2项目), 戒断症状 (2项目),和 公差 (2项目)。 CSAS-II项目表现出较高的面部效度,该仪器对视频游戏成瘾的主观自我评价指标具有良好的收敛效度。 [29], [30]。 此外,CSAS-II对视频游戏成瘾的分类不仅与过度的游戏行为有关,而且还确定了功能水平和幸福感的不同衡量标准。 [29], [30], [37]。 使用以下诊断截止值:14-34 =无问题,35-41 =有成瘾风险,42-56 =上瘾。

根据CSAS-II分类,超过单纯的游戏时间,27参与者被归类为没有问题的视频游戏玩家,17有成瘾的风险和10上瘾。 由于调查的受试者数量很少,两个“有成瘾风险”和“上瘾”的群体被加入进行分析。 因此,本研究调查了每个27受试者的两个CSAS-II类别(无问题与风险/成瘾)。

在t1时点,使用简明症状量表(BSI) [38]评估了心理问题和精神病理症状。人际敏感性(T = 52.26,SD = 11.81)、抑郁(T = 53.98,SD = 11.64)、焦虑(T = 54.30,SD = 10.23)和敌意(T = 52.20,SD = 11.56)四个分量表被用作多变量分析中的控制变量。此外,使用成人注意力缺陷多动障碍筛查量表(ADHS-E; T = 54.02,SD = 8.79)[39]评估了注意力缺陷多动障碍(ADHD)症状,该症状也被用作控制变量。

在t2时刻,我们使用Avision IS1000平板扫描仪(台湾新竹)扫描参与者的手部。为了提高精度,在扫描前,我们在每位参与者的食指和无名指的指根皱褶处做了标记。双手同时扫描,掌心向下,采用黑白模式。我们使用GNU图像处理程序(GIMP,版本2.8.4;www.gimp.org)测量手部扫描图像中食指(2D)和无名指(4D)的长度。该方法具有良好的可靠性[40]。我们使用GIMP的“测量”工具,从指根​​皱褶中点到指尖,量化左右手第二指和第四指的总长度,单位为像素。测量由三位独立人员进行,他们对假设和诊断类别均不知情。我们计算了第二指和第四指三次测量的平均值。

使用IBM SPSS 19(Armonk,New York,USA)和R软件计算统计分析。

功能验证

采用学生t检验分析无问题组和高危/成瘾组之间的年龄差异;采用Fisher精确检验分析大于2×2列联表的教育水平差异[41],[42]。CSAS II量表的两个组(无问题组和高危/成瘾组)在年龄(t = 1.544,p = 0.129)和教育水平(p = 0.381;见表1)方面均匹配良好。

表1 

平均2D:具有无问题与风险/上瘾视频游戏行为的个人的4D和Dr-l值。

使用双向随机组内相关系数 (ICC) [43]分别计算左右手每根手指三个测量值的可靠性。同时计算了 2D:4D 比值和右手 2D:4D 与左手 2D:4D (Dr–l) 值的 ICC。三位评分者对右手(2D:ICC = 0.995;4D:ICC = 0.995;2D:4D:ICC = 0.944)、左手(2D:ICC = 0.996;4D:ICC = 0.994;2D:4D:ICC = 0.937)以及算术平均值(2D:4D:ICC = 0.961)的可靠性均较高。Dr–l 值的可靠性也较高 (ICC = 0.764)。

采用 Kolmogorov-Smirnov 检验来检验数据是否偏离正态分布。2D:4D(算术平均值:Z = 0.931,p = 0.351;左手:Z = 0.550,p = 0.923;右手:Z = 0.913,p = 0.375)和 ​​Dr–l(Z = 1.082,p = 0.193)值均未偏离正态分布。2D:4D 和 Dr–l 的平均值见表1。

2D的差异:4D和Dr-1值取决于教育水平,通过Kruskal Wallis检验对无问题和风险/成瘾组进行了测试。 计算Pearson相关系数。 左右手的2D:4D值之间的相关性是0.788(p <0.01)。 2D:4D和Dr–l值在无问题(算术平均值: χ2(2, N = 54)= 1.831, p = 0.400,左手: χ2(2, N = 54)= 2.247, p = 0.325,右手: χ 2(2, N = 54)= 2.005, p = 0.367,博士–1: χ2(2, N = 54)= 0.637, p = 0.747)和处于危险/成瘾组(算术平均值: χ2(3, N = 54)= 3.363, p = 0.339,左手: χ2(3, N = 54)= 2.139, p = 0.544,右手: χ2(3, N = 54)= 3.348, p = 0.341,博士–1: χ2(3, N = 54)= 0.460, p = 0.928)。

本研究采用基于递归划分原理的非参数多元方法,即条件推理树(C-Tree;[44]、[ 45 ]),检验了2D:4D测量值(左手、右手、算术平均值、Dr-1)与电子游戏成瘾(无成瘾​​组与高危/成瘾组)之间的关联。在控制人际敏感性、抑郁、焦虑、敌意和注意力缺陷多动障碍(ADHD)等因素后,与逐步回归类似,排除了不显著的预测因子。C-Tree算法利用置换检验框架[46]检验了输入变量与响应变量之间是否存在全局独立性假设。对于度量变量,C-Tree算法在选定的输入变量上进行二元分割。为了确定“最佳”二元分割,提供了多种分割标准(例如,“基尼重要性”、“节点纯度”或“熵”)。然而,大多数分割准则并不适用于相关的响应变量或使用不同尺度格式(例如,度量和名义)测量的响应变量。因此,我们采用了Hothorn等人[47]描述的置换检验框架(第6页,公式3)。由于置换检验的p值来源于检验统计量的样本特定置换分布,因此我们仅报告p值。本分析使用了R包“party”(一个用于递归分割的实验室;[47],[48] )。

在多元非参数分析中,控制人际敏感性、抑郁、焦虑、敌意和注意力缺陷多动障碍(ADHD)等因素后,2D:4D(算术平均值、左手、右手)与电子游戏成瘾(无成瘾​​组与高危/成瘾组)相关:1. 平均2D:4D比值低于0.966的研究参与者,其电子游戏成瘾风险显著更高(p = 0.027,d = 0.71)。2. 左手2D:4D比值低于0.982的研究参与者,其电子游戏成瘾风险显著更高(p = 0.013,d = 0.93)。 3. 对于右手研究参与者,2D:4D 比值低于 0.979 的参与者,其电子游戏成瘾风险显著升高(p < 0.10, p = 0.095,d = 0.66)。此外,ADHS-E 量表得分高于 60 分(T 分数)的研究参与者风险也较高(p = 0.078,d = 0.69)。Dr-1 未发现显著相关性(p = 0.127)。图 1a 至 1c展示了 C 树中平均 2D:4D 比值以及左右手 2D:4D 比值与电子游戏成瘾风险的关系。无论报告的 2D:4D 临界值如何,我们都可以观察到无问题组和有风险/成瘾组之间 2D:4D 测量值的平均差异,图 2以反转因变量和自变量后的相同分析为例,展示了平均 2D:4D 值的变化。总之,这些结果表明,有风险/成瘾的电子游戏玩家的 2D:4D 比率较低。

图1 

条件推断树图。
图2 

条件推理树图。

为了评估 2D:4D 比值作为区分游戏成瘾/高危人群与无游戏行为对照组的诊断指标的价值,我们使用 ROC 分析计算了 AUC 值,以及 Youden 点[49](ROC 曲线上灵敏度和特异度之和最大化的点)处的灵敏度和特异度。ROC 分析表明,左手 2D:4D 比值的诊断准确性最高(AUC 0.704,灵敏度 0.852,特异度 0.556),其次是右手(AUC 0.639,灵敏度 0.815,特异度 0.481)。根据 Hanley 和 McNeil [50]的方法,我们检验了配对 AUC 值的差异,结果未发现显著性差异(Z = 1.147,p = 0.25)。

讨论

这是首个将产前雄激素暴露与电子游戏成瘾行为联系起来的研究。本研究发现,存在电子游戏成瘾风险和成瘾行为的受试者的平均2D:4D值较低。效应量大于d = 0.66表明存在中等至强效应[51]。在多元非参数分析中,除ADHD症状与右侧2D:4D计算结果存在统计学显著性关联外,其他考虑的预测因子均无统计学意义。观察到的电子游戏成瘾风险/成瘾行为与低2D:4D值之间的关联可以从以下几个方面解释:(1)较低的2D:4D值直接诱发电子游戏成瘾行为;然而,现有文献中尚无证据支持这一可能性。(2)电子游戏成瘾行为直接导致较低的2D:4D值。然而,这种可能性不大,因为既往研究已证实,2D:4D值在出生后终生保持不变[52]。 (3) 低 2D:4D 值和游戏成瘾行为可能由同一机制导致。基于现有数据,这一因素是最可能的解释。结合 ADHD 症状的额外解释力,2D:4D C 树计算结果也支持这一解释。游戏成瘾在男性中更为常见[29] – [32] ,并且与 ADHD [34]和寻求刺激[33]相关。所有这些特征此前均与低 2D:4D 值相关。这些关联的一个常见原因似乎是妊娠期间雄激素水平较高。

了解产前睾酮水平升高导致游戏成瘾的途径对于制定针对电子游戏成瘾的潜在政策至关重要。产前睾酮可能通过多种途径诱发成瘾行为,包括:(1) 产前睾酮水平升高会调节中脑边缘奖赏系统[53],从而可能影响成年人的成瘾游戏行为。(2) 与现实世界相比,网络世界的特定规则可能弥补产前睾酮水平过高导致的社交互动能力不足。研究表明,较高的胎儿睾酮水平会降低同理心和解读面部表情的能力,即理解他人想法和感受的能力[54]。与此相符的是,较低的2D:4D值与男性同理心降低相关[55]。此外,较小的2D:4D值与更不加区分的社交怀疑有关[56]。因此,较高的产前睾酮水平可能导致人际关系问题和社会孤立,从而引发病态的电子游戏行为,将其作为一种应对策略。 (3)促进或阻碍计算机使用的能力很可能调节一个人患上电子游戏成瘾的风险。因此,我们的结果与之前的研究结果一致,即低 2D:4D 值与 Java 相关的编程技能有关,而高 2D:4D 值与计算机相关的焦虑有关[57]。

此前,我们发现酒精成瘾者(一种物质相关成瘾障碍)的2D:4D平均值较低[26]。值得注意的是,电子游戏成瘾者也存在2D:4D值偏低的情况,而电子游戏成瘾是一种非物质相关成瘾障碍,男性患病率高于女性。这一结果凸显了物质相关成瘾与网络游戏成瘾之间的相似性[58]。根据DSM-5,网络游戏成瘾被列入附录,作为需要进一步研究的主题。文献表明,计算机和网络游戏成瘾具有生物学基础[59] - [61]。本文提出的结果进一步证实了网络游戏成瘾的生物学基础,并因此为其被归类为成瘾障碍提供了论据。

许多现象与低2D:4D值有关,其中大多数与超男性大脑假说相容。 因此,低2D:4D值可以被视为内表型“超男性脑组织”的代理。 然而,高产前雄激素负荷对个体生命和个体未来成人行为的确切影响还必须依赖于其他变量和影响。 由于超男性大脑组织而演变的特定行为表型很可能取决于个体一生中经历的无数遗传和环境因素。 因此,低2D:4D值的存在并不表明任何一个人的特定诊断或预后。 然而,当与其他标志物组合使用时,2D:4D值的知识可以帮助改善与不同问题行为和障碍相关的个体的诊断和预后。

这些结果可能对网络游戏成瘾的诊断、预防和后果具有重要意义。单独的低2D:4D值并不能诊断网络游戏成瘾,但与其他指标结合使用时,该因素可能有助于诊断。低2D:4D值有助于识别未来可能发展为网络游戏成瘾的个体,从而有助于预防。已有若干研究尝试预测个体网络游戏成瘾的发展[62] - [67]。低2D:4D值是一种新的特征指标;与其他指标结合使用,可以提高对未来发展或当前网络游戏成瘾诊断的预测准确性。这种改进的预测模型可能有助于制定有效的预防策略。

我们研究的对象年龄范围较窄;此外,两组的平均年龄没有差异。在之前的研究中,年龄与2D:4D值之间的关联性即使存在,也仅为微弱相关[68]。因此,在非参数分析中未考虑年龄因素。值得注意的是,本研究中两组受试者的教育水平没有差异。

在补充分析中,我们还使用CSAS-II总分检验了2D:4D测量值与电子游戏成瘾之间可能存在的非单调关系,因为已有研究报道2D:4D测量值与利他主义之间存在这种关系[69]。线性回归分析显示,不存在显著的线性、二次或组合趋势——即使对算术平均值进行对数转换后也是如此(参见[69])。此外,非参数回归分析[70]、[71]也证实了这些结果。这些分析共同支持将电子游戏成瘾视为一个分类结构,具有不同的定性类别(无问题与有问题,即有风险/已成瘾),这与之前对酒精成瘾的研究结果类似[72]。

单独使用视频游戏所花费的时间并不能定义成瘾。 对于诊断“视频游戏成瘾”,必须满足进一步的标准:专注,戒断,容忍,失控和继续使用,尽管有负面后果。 本研究的优势在于参与者的构成。 所有参与者每天花一些时间进行视频游戏,但只有一半的参与者有额外的标准来定义他们处于风险/上瘾(通过CSAS-II评估)。 因此,我们的结果将2D:4D定义为与视频游戏成瘾特别相关的风险因素,而不仅仅是视频游戏本身。

本研究存在一些局限性。我们采用的是单中心、横断面病例对照设计,这种设计只能检测关联性,而无法确定因果关系。此外,我们仅研究了男性,且样本量相对较小。尽管受试者数量相对较少,但2D:4D对电子游戏成瘾的显著效应量可能使我们能够检测到组间差异。在我们之前的研究中,我们也发现2D:4D与酒精成瘾之间存在显著效应量[26]。鉴于成瘾行为中存在众所周知的性别差异[5],未来的研究应纳入女性,纳入其他种族,并扩大样本量。

致谢

我们要感谢所有参与者,学生助理Julia Weberling和我们的IT系统管理员AndréLiedtke。

资金声明

本研究的资金来自埃尔兰根 - 纽伦堡弗里德里希 - 亚历山大大学医院和下萨克森州科学与文化部的内部补助金。 资助者在研究设计,数据收集和分析,决定发表或准备手稿方面没有任何作用。

案例

1。 Zheng Z,Cohn MJ(2011)性二态数字比率的发展基础。 Proc Natl Acad Sci USA 108:16289-16294 [PMC免费文章[考研]
2。 Manning JT,Scutt D,Wilson J,Lewis-Jones DI(1998)2nd与4th数字长度的比率:精子数量和睾酮,黄体生成素和雌激素浓度的预测因子。 Hum Reprod 13:3000-3004 [考研]
3。 Manning JT,Bundred PE,Flanagan BF(2002)2nd与4th数字长度的比率:雄激素受体基因反式激活活性的代表? Med假设59 :: 334-336。 S0306987702001810 [pii]。 [考研]
4。 HönekoppJ,Watson S(2010)数字比例2D:4D的Meta分析显示右手有较大的性别差异。 Am J Hum Biol 22:619-63010.1002 / ajhb.21054 []。 [考研]
5。 Lenz B,MüllerCP,Stoessel C,Sperling W,Biermann T,et al。 (2012)酒精成瘾中的性激素活性:整合组织和激活效应。 Prog Neurobiol 96:136-163 [考研]
6。 HönekoppJ(2012)数字比例2D:4D与自闭症谱系障碍,同情和系统化:定量评价。 自闭症Res 5:221-23010.1002 / aur.1230 []。 [考研]
7。 Teatero ML,Netley C(2013)关于极端男性大脑理论和数字比率(2D4D)的研究的重要评论。 J Autism Dev Disord。 10.1007 / s10803-013-1819-6 []。 [考研]
8。 Stevenson JC,Everson PM,Williams DC,Hipskind G,Grimes M,et al。 (2007)大学样本中的注意缺陷/多动障碍(ADHD)症状和数字比率。 Am J Hum Biol 19:41-5010.1002 / ajhb.20571 []。 [考研]
9。 Martel MM,Gobrogge KL,Breedlove SM,Nigg JT(2008)男性化而非女生的男性化手指长度与注意力缺陷/多动障碍有关。 Behav Neurosci 122:273-2812008-03769-003 [pii]; 10.1037 / 0735-7044.122.2.273 []。 [PMC免费文章[考研]
10。 HönekoppJ,Schuster M(2010)对2D进行的一项荟萃​​分析:4D和运动能力:实质性的关系,但两者都没有预防性。 Pers Individual Dif 48:4-10
11。 HönekoppJ,Manning T,MüllerC(2006)数字比率(2D:4D)和男性和女性的身体健康:产前雄激素对性选择性状影响的证据。 Horm Behav 49:545-549 [考研]
12。 Chai XJ,Jacobs LF(2012)数字比率预测女性的方向感。 PLoS ONE 7:e3281610.1371 / journal.pone.0032816 []; PONE-D-11-11328 [pii]。 [PMC免费文章[考研]
13。 DA,McDaniel MA,Jordan CL,Breedlove SM(2008)空间能力和产前雄激素:先天性肾上腺增生和数字比例(2D:4D)研究的Meta分析。 Arch Sex Behav 37:100-111 [PMC免费文章[考研]
14。 Peters M,Manning JT,Reimers S(2007)性别,性取向和数字比例(2D:4D)对心理旋转表现的影响。 Arch Sex Behav 36:251-260 [考研]
15。 Sanders G,Bereczkei T,Csatho A,Manning J(2005)2nd与4th手指长度的比率预测男性而非女性的空间能力。 Cortex 41:789-795 [考研]
16。 Brañas-Garza P,Rustichini A(2011)组织睾丸激素和经济行为的影响:不仅仅是冒险。 PLoS ONE 6:e2984210.1371 / journal.pone.0029842 []; PONE-D-11-09556 [pii]。 [PMC免费文章[考研]
17。 Brookes H,Neave N,Hamilton C,Fink B(2007)数字比(2D:4D)和数字量化的侧化。 J个体差异28:55-63
18。 Kempel P,Gohlke B,Klempau J,Zinsberger P,Reuter M,et al。 (2005)第二至第四位长度,睾丸激素和空间能力。 情报33:215-230
19。 Luxen MF,Buunk BP(2005)与言语和数字情报以及五大联盟相关的二至四位数比率。 Pers Individual Dif 39:959-966
20。 Millet K,Dewitte S(2006)二至四位数比率和合作行为。 Biol Psychol 71:111-115 [考研]
21。 Millet K,Dewitte S(2009)侵略线索的存在颠倒了数字比率(2D:4D)与独裁者游戏中的亲社会行为之间的关系。 Br J Psychol 100:151-162300676 [pii]; 10.1348 / 000712608X324359 []。 [考研]
22。 HönekoppJ,Voracek M,Manning JT(2006)2nd与4th数字比率(2D:4D)和性伴侣数量:产前睾酮对男性影响的证据。 精神神经内分泌学31:30-37 [考研]
23。 在BBC互联网研究中,Manning JT,Fink B(2008)数字比率(2D:4D),支配地位,繁殖成功率,不对称性和社会性别。 Am J Hum Biol 20:451-46110.1002 / ajhb.20767 []。 [考研]
24。 HönekoppJ,Bartholdt L,Beier L,Liebert A(2007)第二至第四位长度比率(2D:4D)和成人性激素水平:新数据和荟萃分析评价。 精神神经内分泌学32:313-321S0306-4530(07)00035-2 [pii]; 10.1016 / j.psyneuen.2007.01.007 []。 [考研]
25。 Breedlove SM(2010)Minireview:组织假设:指柱的实例。 内分泌151:4116-4122en.2010-0041 [pii]; 10.1210 / en.2010-0041 []。 [PMC免费文章[考研]
26。 Kornhuber J,Erhard G,Lenz B,Kraus T,Sperling W,et al。 (2011)酒精依赖患者的低数字比率2D:4D。 PLoS ONE 6:e1933210.1371 / journal.pone.0019332 []。 [PMC免费文章[考研]
27。 杰克逊CP,马修斯G(1988)从酒精相关的预期和个性预测习惯性酒精使用。 酒精醇23:305-314 [考研]
28。 Lex BW(1991)酒精和多物质使用者的性别差异。 Health Psychol 10:121-132 [考研]
29。 Rehbein F,Kleimann M,MößleT(2010)青春期视频游戏依赖的患病率和危险因素:德国全国性调查的结果。 Cyber​​psychol Behav社交网络13:269-277 [考研]
30。 Rehbein F,MößleT,Arnaud N,Rumpf HJ(2013)[视频游戏和网络成瘾:目前的研究状况]。 Nervenarzt 84:569-57510.1007 / s00115-012-3721-4 []。 [考研]
31。 Wenzel HG,Bakken IJ,Johansson A,GötestamKG,Oren A(2009)在挪威成年人中过度玩电脑游戏:自我报告的玩耍和与精神健康问题相关的后果。 Psychol Rep 105:1237-1247 [考研]
32。 WölflingK,Thalemann R,Grüsser-Sinopoli SM(2008)Computerspielsucht:Ein psychpathologischer Symptomkomplex im Jugendalter。 Psychiatr Prax 35:226-232 [考研]
33。 Lin SSJ,Tsai CC(2013)对台湾高中青少年的感情追求和互联网依赖。 Comput Human Behav 18:411-426
34。 Weinstein A,Weizman A(2012)成瘾性游戏与注意力缺陷/多动障碍之间的新兴关联。 Curr Psychiatry Rep 14:590-59710.1007 / s11920-012-0311-x []。 [考研]
35。 哈恩A,耶路撒冷M(2001)Internetsucht:Reliabilität和Validitätinin online-Forschung。 在:Theobald A,Dreyer M,Starsetzki T,编辑。 Handbuch zur Online-Marktforschung。 BeiträgausWissenschaft und Praxis。 威斯巴登:Babler。 pp.211-234。
36。 Hahn A,Jerusalem M(2010)Die Internetsuchtskala(ISS):Psychometrische EigenschaftenundValitität。 在:MückenD,Teske A,Rehbein F,Te Wildt B,编辑。 Prävention,Diagnostik und TherapievonComputerspielabhängigkeit。 Lengerich:Pabst Science Publisher。 pp.185-204。
37。 Rehbein F,MößleT,Jukschat N,Zenses EM(2011)Zur psychosozialen Belastung exzessiverundabhängigerComputerspielerim Jugend- und Erwachsenenalter。 这样的12:64-71
38. Franke GH(2000)简短的症状清单von LR Derogatis(Kurzform der SCL-90-R)–德文版。 哥廷根:贝尔茨测试有限公司。
39。 Schmidt A,Petermann F(2010)ADHS-E ADHS筛选用于Erwachsene。 慕尼黑:Pearson-Verlag。
40。 Bailey AA,Hurd PL(2005)手指长度比(2D:4D)与男性的身体攻击相关,但与女性无关。 Biol Psychol 68:215-222 [考研]
41. Clarkson DB,Fan Y,Joe H(1993)关于算法643的评论:FEXACT:一种在算法中执行Fisher精确文本的算法 RXC 列联表。 数学软件的ACM交易19:484-488
42. Mehta CR,Patel NR(1986)算法643. FEXACT:用于无序Fisher精确检验的fortran子例程 [R * C 列联表。 数学软件的ACM交易12:154-161
43。 MüllerR,BüttnerP(1994)对组内相关系数的批判性讨论。 Stat Med 13:2465-2476 [考研]
44。 Strobl C,Malley J,Tutz G(2009)递归分区的介绍:分类和回归树,装袋和随机森林的基本原理,应用和特征。 心理学方法14:323-3482009-22665-002 [pii]; 10.1037 / a0016973 []。 [PMC免费文章[考研]
45。 Hothorn T,Hornik K,Zeileis A(2006)无偏的递归分区:条件推理框架。 J Comput Graphical Stat 15:651e674
46。 Strasser H,Weber C(1999)关于置换统计的渐近理论。 统计数学方法8:220e250
47。 Hothorn T,Hornik K,Zeileis A(2010)派对:递归派对的实验室。 可用: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.168.2941&rep=rep1&type=pdf 访问2013 Oct 5。
48。 Hothorn T,Hornik K,Strobl C,Zeileis A(2013)用于递归分区的实验室。 可用: http://cran.r-project.org/web/packages/party/party.pdf 访问2013 Oct 5。
49。 Youden WJ(1950)评级诊断测试指数。 癌症3:32-35 [考研]
50。 Hanley JA,McNeil BJ(1982)接收器工作特性(ROC)曲线下面积的含义和用法。 放射学143:29-36 [考研]
51。 Cohen J(1988)行为科学的统计功效分析(Vol.2)。 Hillsdale,纽约:Erlbaum。
52。 Malas MA,Dogan S,Evcil EH,Desdicioglu K(2006)手的胎儿发育,数字和数字比例(2D:4D)。 早期的Hum Dev 82:469-475 [考研]
53。 Lombardo MV,Ashwin E,Auyeung B,Chakrabarti B,Lai MC,et al。 (2012)睾丸激素对人体奖励系统和行为方法倾向的胎儿编程效应。 Biol Psychiatry 72:839-847S0006-3223(12)00499-4 [pii]; 10.1016 / j.biopsych.2012.05.027 []。 [PMC免费文章[考研]
54. Chapman E,Baron-Cohen S,Auyeung B,Knickmeyer R,Taylor K等。 (2006)胎儿睾丸激素和移情:来自移情商(EQ)和“读心眼”测试的证据。 Soc Neurosci 1:135–148759346795 pi; 10.1080 / 17470910600992239 []。 [考研]
55。 Von Horn A,BäckmanL,Davidsson T,Hansen S(2010)瑞典样本中的移情,系统化和手指长度比。 Scand J Psychol 51:31-37SJOP725 [pii]; 10.1111 / j.1467-9450.2009.00725.x []。 [考研]
56。 De Neys W,Hopfensitz A,Bonnefon JF(2013)低二至四位数比率预测不分青红皂白的社会怀疑,而不是提高可信度检测。 Biol Lett 9:20130037rsbl.2013.0037 [pii]; 10.1098 / rsbl.2013.0037 []。 [PMC免费文章[考研]
57。 Brosnan M,Gallop V,Iftikhar N,Keogh E(2011)数字比率(2D:4D),计算机科学的学术表现和与考生相关的焦虑。 Pers Individual Dif 51:371-375
58。 Kuss DJ,Griffiths MD(2012)互联网和游戏成瘾:神经影像学研究的系统性文献综述。 Brain Sci 2:347-374
59。 Hewig J,Kretschmer N,Trippe RH,Hecht H,Coles MG,et al。 (2010)对问题赌徒的奖励过敏。 Biol Psychiatry 67:781-783S0006-3223(09)01346-8 [pii]; 10.1016 / j.biopsych.2009.11.009 []。 [考研]
60。 Kim SH,Baik SH,Park CS,Kim SJ,Choi SW,et al。 (2011)减少网络成瘾患者的纹状体多巴胺D2受体。 NeuroReport 22:407-41110.1097 / WNR.0b013e328346e16e []。 [考研]
61。 侯,,贾思,胡,,范,,孙伟,等。 (2012)网络成瘾患者的纹状体多巴胺转运蛋白减少。 J Biomed Biotechnol 2012:85452410.1155 / 2012 / 854524 []。 [PMC免费文章[考研]
62。 Kim KS,Kim KH(2010)[青少年网络游戏成瘾的预测模型:使用决策树分析]。 J韩国Acad护士40:378-388201006378 [pii]; 10.4040 / jkan.2010.40.3.378 []。 [考研]
63。 MößleT,Rehbein F(2013)童年和青少年中有问题的视频游戏使用的预测因子。 这样的59:153-164
64。 Hussain Z,Griffiths MD,Baguley T(2011)在线游戏成瘾:分类,预测和相关风险因素。 Addict Res Theory 20:1-13
65。 Ko CH,Yen JY,Chen CS,Yeh YC,Yen CF(2009)青少年网络成瘾的精神症状预测值:2年度前瞻性研究。 Arch Pediatr Adolesc Med 163:937-943163 / 10 / 937 [pii]; 10.1001 / archpediatrics.2009.159 []。 [考研]
66。 Rehbein F,Baier D(2013)一项为期五年的纵向研究,调查家庭,媒体和学校相关的视频游戏成瘾风险因素。 J媒体心理学25:118-128
67。 Gentile DA,Choo H,Liau A,Sim T,Li D,et al。 (2011)年轻人使用病理性视频游戏:一项为期两年的纵向研究。 儿科127:e319-e329peds.2010-1353 [pii]; 10.1542 / peds.2010-1353 []。 [考研]
68。 曼宁JT(2010)数字比率(2D:4D),12-30岁儿童的性别差异,异速生长和手指长度:来自英国广播公司(BBC)互联网研究的证据。 Am J Hum Biol 22:604-60810.1002 / ajhb.21051 []。 [考研]
69。 Brañas-Garza P,KováríkJ,Neyse L(2013)第二至第四位数比率对利他主义具有非单调影响。 PLoS ONE 8:e6041910.1371 / journal.pone.0060419 []; PONE-D-12-32101 [pii]。 [PMC免费文章[考研]
70。 Bowman AW(2006)比较非参数曲面。 统计建模6:279-299
71。 Bowman AW,Azzalini A(1997)应用平滑技术进行数据分析:使用S-Plus插图的内核方法。 牛津:牛津大学出版社。
72。 Kerridge BT,Saha TD,Gmel G,Rehm J(2013)DSM-IV和DSM-5酒精使用障碍的计量分析。 药物依赖129:60-69S0376-8716(12)00374-2 [pii]; 10.1016 / j.drugalcdep.2012.09.010 []。 [考研]