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。
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。
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。
案例

