公共科学图书馆之一。 2013 Nov 13;8(11):e79539.
doi：10.1371 / journal.pone.0079539。 eCollection 2013。
Kornhuber J1, Zenses EM, 伦茨B., Stoessel C., Bouna-Pyrrou P., Rehbein F., Kliem S., MößleT.
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].
我们之前已经显示出酒精依赖患者的平均2D：4D值较低 [26]一种与物质相关的成瘾性疾病，男性患病率高于女性 [27], [28]。 在本研究中，我们旨在分析低2D：4D值是否也与成瘾性视频游戏行为相关，这是一种与物质无关的成瘾行为。 与女性相比，男性的严重游戏行为发生得更频繁 [29]–[32] 并且与感觉寻求有关 [33] 和ADHD [34]。 病态视频游戏可被视为超男性行为。 因此，我们假设具有病理性视频游戏行为的男性可能已经产前暴露于较高的雄激素负荷，如其较低的2D：4D值所示。
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。
在2011年70月至1年1,092月之间，有1名受试者参加了纵向访谈研究的第一个测量时机（t18）（它们最初是从总共21名预期参与者中选出的，这些参与者是通过学校，大学，互联网论坛，报纸和咨询中心招募的） 。 参加t2.5研究的前提条件：41-XNUMX岁的男性，习惯视频游戏者，每天玩游戏超过XNUMX小时，或者视频游戏附加量表（CSAS-II）得分> XNUMX [29]， 见下文）。 从2012三月到一月2013，64参与者可以在纵向访谈研究的t2后续访谈中再次接受采访。 在此次测量时，共有54科目同意另外参加FLIP项目。 这些54受试者的特征如下：53高加索人，1亚洲人。 t1的平均年龄为18.9年（SD = 1.1）。 24名参与者具有较高的教育水平（Abitur或更高），另外24名具有中学教育（Realschule），5名报告了初中教育（Hauptschule），其中一项没有毕业。
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）。
使用简短症状量表（BSI）在t1评估精神病理学的心理问题和症状 [38]。 分量表人际关系敏感度（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）在多元分析中用作控制变量。 此外，使用成人多动症筛查（ADHS-E; T = 54.02， SD = 8.79） [39].
使用Avision IS1000平板扫描仪（台湾新竹）在t2扫描参与者的手。 为了提高准确性，在扫描之前，在每个参与者的食指和无名指的基部折痕上绘制小标记。 双手同时扫描，手掌向下，黑白模式。 我们使用了GNU Image Manipulation Program（GIMP，版本2.8.4; www.gimp.org）从手部扫描测量指数（2D）和环（4D）手指的长度。 该技术提供了良好的可靠性 [40]。 左手和右手的第二和第四位的总长度从基底折痕的中间到手指的尖端量化，并且使用GIMP“测量”工具以像素为单位确定。 测量由三个独立的个体进行，这些个体对假设视而不见并且对诊断类别视而不见。 计算第二和第四位的三次测量的平均值。
使用IBM SPSS 19（Armonk，New York，USA）和R软件计算统计分析。
成果
通过学生t检验分析无问题和有风险/成瘾组之间的年龄差异; 教育水平的差异通过对大于2×2的列联表的Fisheŕs精确检验 [41], [42]。 两个CSAS II组（无问题与风险/上瘾）在年龄方面匹配良好（t = 1.544， p = 0.129）和教育水平（p = 0.381; 看到 表1).
使用双向随机类内相关系数（ICC）分别为右手和左手分别计算每个手指的三次手指测量的可靠性 [43]。 还计算了2D：4D比率和右2D：4D-左2D：4D（Dr-1）值的ICC。 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）的三个评估者的可靠性很高; 2D：4D：ICC = 0.937）和算术平均值（2D：4D：ICC = 0.961）。 Dr-l值的可靠性也很高（ICC = 0.764）。
通过Kolmogorov-Smirnov检验测试偏离正态分布。 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）值没有偏离正态分布。 2D：4D和Dr–l的平均值在 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）。
2D测量值之间的关联：4D（左手，右手，算术平均值，Dr-1）和视频游戏成瘾（无问题与风险/成瘾组）通过基于递归原理的非参数多变量方法进行测试分区，即条件推理树（C-Tree; [44], [45]）。 控制人际关系敏感度，抑郁，焦虑，敌意和ADHD，与逐步回归非显着预测因子相当。 使用C-Tree算法，使用置换测试框架测试任何输入变量和响应变量之间的独立性的全局假设 [46]。 对于度量变量，C-Tree算法在所选输入变量中实现二进制分割。 为了确定“最佳”二元分裂，提供了若干分裂标准（例如，“基尼重要性”，“节点杂质”或“熵”）。 但是，大多数分裂标准不适用于使用不同比例格式（例如，度量和标称）测量的相关响应变量或响应变量。 因此，我们使用了Hothorn等人描述的置换测试框架。 [47] （p.6，等式3）。 由于置换测试从测试统计的样本特定排列分布导出p值，因此仅报告p值。 R包“派对”（递归分区的实验室; [47], [48]）用于此分析。
在多变量非参数分析中，当控制人际关系敏感度，抑郁，焦虑，敌意时，2D：4D（算术平均值，左手，右手）的测量与视频游戏成瘾（无问题与风险/成瘾组）相关联。和ADHD：1。 平均2D：4D比率低于0.966的研究参与者显示出视频游戏成瘾的风险显着增加（p = 0.027， d = 0.71）。 2.对于左手，2D：4D比率低于0.982的研究参与者显示出视频游戏成瘾的风险明显更高（p = 0.013， d = 0.93）。 3.对于2D：4D比率低于0.979的右手研究参与者，在视频游戏上瘾的风险显着更高。 p <0.10（p = 0.095， d = 0.66）。 此外，在ADHS-E上得分另外超过60（T得分）的研究参与者尤其危险（p = 0.078， d = 0.69）。 没有发现与Dr–1（p = 0.127）。 图1a到1c 说明了平均2D：4D的视频游戏成瘾风险，以及C-Tree中的左右2D：4D值。 独立于报告的2D：4D截止值表示2D测量值的组差异：可以观察到无问题和有风险/成瘾之间的4D，其示例为平均2D：4D in 图2 使用相反的依赖和自变量的相同分析。 总之，这些结果表明，有风险/上瘾的视频游戏玩家拥有较小的2D：4D比率。
为了估计2D：4D比率作为诊断测试的价值，我们使用ROC分析来计算AUC值，以及灵敏度和特异性，从而区分视频游戏成瘾者/风险人群与具有无问题游戏行为的对照者。在Youden点 [49] （ROC曲线上灵敏度和特异性之和最大化的点）。 ROC分析显示左手的2D：4D比率的诊断准确度最高（AUC 0.704，灵敏度0.852，特异性0.556），接着是右手的诊断准确性（AUC 0.639，灵敏度0.815，特异性0.481）。 根据汉利和麦克尼尔的说法 [50] 我们检查配对AUC的差异，没有显着结果（Z = 1.147， p = 0.25）。
讨论
这是第一项将产前雄激素暴露与令人上瘾的视频游戏行为联系起来的调查。 在这项研究中，我们发现有风险的受试者和上瘾的视频游戏行为的平均2D：4D值较低。 效果大小大于d = 0.66指向中等到强烈的效果 [51]。 没有其他考虑的预测因素，除了右侧2D的ADHD症状：4D计算在多变量非参数分析中具有统计学意义。 观察到的风险/上瘾视频游戏与低2D：4D值之间的关联可以通过多种方式解释。 （1）一个小的2D：4D值直接引起令人上瘾的游戏行为; 但是，文献中没有证据支持这种可能性。 （2）令人上瘾的游戏行为直接导致低2D：4D值。 然而，这种可能性是不可能的，因为之前的研究证明2D：4D值在出生后的整个生命中保持不变 [52]。 （3）一种常见的机制是低2D：4D值和令人上瘾的游戏行为。 基于现有数据，这样的因素提供了最可能的解释。 2D：4D C树计算的结果以及ADHD症状的额外解释力也支持这种解释。 上瘾的游戏在男性中更为常见 [29]–[32] 并与ADHD有关 [34] 和感觉寻求 [33]。 所有这些功能以前都与低2D：4D值相关联。 这些关联的一个常见原因似乎是怀孕期间的高雄激素负荷。
了解从增强的产前睾丸激素到游戏成瘾的途径对于定义针对视频游戏成瘾的潜在政策至关重要。 产前睾丸激素可通过以下几个途径诱发成瘾行为：（1）产前睾酮丰度调节中脑边缘奖励系统 [53] 从而可能影响成年人上瘾的游戏行为。 （2）与现实世界相比，网络世界的具体规则可能会弥补因产前睾丸激素负荷过高而导致的社交互动能力的限制。 更高的胎儿睾丸激素水平已经被证明可以减少同理心和解码情绪面部表情的能力，即了解其他人的想法和感受 [54]。 与此相符，较低的2D：4D值与男性的同理心降低有关 [55]。 此外，较小的2D：4D与更加不分青红皂白的社会怀疑有关 [56]。 因此，高产前睾酮可能导致人际关系问题和社会孤立，从而将病态视频游戏行为作为应对策略。 （3）促进或阻碍计算机使用的能力可能会调节一个人发展视频游戏成瘾的风险。 因此，我们的结果与先前的研究结果一致，这些研究结果将低2D：4D与Java相关的编程技能和高2D：4D值与计算机相关的焦虑联系起来 [57].
以前，我们发现酒精成瘾者的平均2D：4D值较低 [26]，与物质有关的成瘾症。 值得注意的是，低2D：4D值也出现在患有视频游戏成瘾的个体中，这是一种非物质相关的成瘾性疾病，其在男性中比在女性中更普遍。 这一结果强调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，网络游戏障碍作为进一步研究的主题包含在附录中。 文献提出了计算机和网络游戏成瘾的生物学基础 [59]–[61]。 这里提供的结果为网络游戏成瘾的生物学基础提供了进一步的证据，因此，为其分类为成瘾症提供了论据。
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。
这些结果可能对上瘾游戏的诊断，预防和后果具有重要意义。 单独的低2D：4D值不能诊断上瘾游戏，但是当与其他标记结合使用时，该因素可以促进诊断。 较低的2D：4D值可以帮助识别处于上瘾游戏的未来发展风险的个体，因此可以促进预防。 已经进行了多次尝试来预测个人网络游戏成瘾的发展 [62]–[67]。 低2D：4D值是一种新的特征标记; 结合其他标记，其使用可以改善对未来发展的预测或当前对网络游戏成瘾的诊断。 这种改进的预测模型可以使得能够开发有效的预防策略。
我们对狭窄年龄段的人进行了调查; 此外，两组的平均年龄没有差异。 在以前的研究中，年龄，如果有的话，只与2D：4D值略有关联 [68]。 因此，在非参数分析中不考虑年龄。 值得注意的是，在本研究中调查的两组之间的教育水平没有差异。
在另外的分析中，我们还检查了2D：4D的测量与使用CSAS-II总和得分的视频游戏成瘾之间可能的非单调关系，因为已经报道了例如2D的测量：4D和利他主义 [69]。 线性回归分析显示没有显着的线性，二次或组合趋势 - 也与算术平均值的对数变换（见 [69]）。 此外，这些结果通过非参数回归分析得到证实 [70], [71]。 这些分析一起支持将视频游戏成瘾视为具有定性不同类别（无问题与有问题，即风险/成瘾）的分类构造的假设，例如之前报道的酒精成瘾 [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。
应注意几项研究限制。 我们使用单中心，横截面，病例对照设计，只允许检测关联，没有因果关系。 此外，我们仅调查了男性，样本组相对较小。 尽管受试者数量相对较少，但2D：4D对视频游戏成瘾的强烈影响大小可能能够检测到群体差异。 在我们之前的研究中，我们还发现2D：4D与酒精成瘾有关的强效影响 [26]。 因为众所周知的成瘾行为的性别差异 [5]未来的研究应该包括女性，应该包括其他种族，还应该包括更大的样本量。
参考资料
;
