J Psychiatr Res。 2016 Aug 15;83:94-102。 doi：10.1016 / j.jpsychires.2016.08.010。
Ioannidis K.1, 張伯倫SR1, 特雷德MS2, 基拉伊F.3, Leppink EW4, Redden SA4, 斯坦因DJ5, Lochner C5, 格蘭特JE6.
作者信息
- 1英國劍橋大學精神病學系; 劍橋和彼得堡NHS基金會信託基金會，英國劍橋。
- 2英國劍橋大學行為與臨床神經科學研究所。
- 3倫敦大學學院，英國倫敦統計科學系。
- 4芝加哥大學精神病學和行為神經科學系，美國伊利諾伊州芝加哥市。
- 5南非斯泰倫博斯大學精神病學系美國/ UCT MRC焦慮與應激障礙研究室。
- 6芝加哥大學精神病學和行為神經科學系，美國伊利諾伊州芝加哥市。 電子地址： [電子郵件保護].
抽象
有問題的互聯網使用很普遍，功能受損，需要進一步研究。 它與強迫症和衝動性疾病的關係尚不清楚。 我們的目標是評估是否可以從公認的衝動性和強迫性特徵以及症狀學形式中預測出互聯網使用問題。 我們在兩個地點（美國芝加哥和南非斯泰倫博斯）使用媒體廣告招募了18歲以上的志願者，以完成廣泛的在線調查。 使用了機器學習預測模型的最新樣本外評估，其中包括邏輯回歸，隨機森林和朴素貝葉斯。 使用互聯網成癮測試（IAT）確定了互聯網使用存在問題。 分析了2006年的完整病例，其中181個（9.0％）的互聯網使用存在中度/嚴重問題。 使用Logistic回歸和朴素貝葉斯，我們進行了分類預測，其曲線下的接收器工作特徵區域（ROC-AUC）為0.83（SD 0.03），而使用隨機森林算法預測的ROC-AUC為0.84（SD 0.03）[全部三個優於基線模型的模型p <0.0001]。 模型顯示了所有驗證集中研究地點之間的穩固轉移[p <0.0001]。 使用志願者對沖動性和強迫性的特定度量，可以預測有問題的互聯網使用情況。 此外，本研究提供了概念證明，以支持在精神病學中使用機器學習來證明結果在地理和文化上不同的環境中的可複制性。
關鍵詞：
多動症; Compulsivity; 衝動; 互聯網使用; 機器學習; OCD
結論：27580487
作者：10.1016 / j.jpsychires.2016.08.010
;