ギャンブル障害と性格と機械学習

 40人のギャンブリング障害の人と、160人の性年齢などをマッチングさせた人を対象として、ビッグファイブを使い、機械学習でギャンブリング障害の識別を試みた研究。77.3%の識別力(微妙)。
 神経症傾向、開放性、誠実さが分類に寄与し、ギャンブリング障害では、神経症傾向が高く、開放性が低く、誠実さが低かったそう。
 分類樹では、①開放性が高く、熟慮不足、②開放性が低く、抑うつが低く、責任感が低い、③開放性が低く、抑うつが高く、信用が低く、否定感情が強い、④開放性が低く、抑うつが高く、信用が高く、衝動性が高い、のルートでギャンブリング障害が分類できたそう。
 ①②がブラジンスキーの衝動型、②③が不安型にあたるのかもしれない。これからも、ギャンブリング障害を一律に扱わないほうがよさそうなことが示唆される。①の人が使命感と自己の経験からのみ突っ走るとややこしい。
Personality biomarkers of pathological gambling: A machine learning study.
Cerasa A, Lofaro D, Cavedini P, Martino I, Bruni A, Sarica A, Mauro D, Merante G, Rossomanno I, Rizzuto M, Palmacci A, Aquino B, De Fazio P, Perna GR, Vanni E, Olivadese G, Conforti D, Arabia G, Quattrone A.
J Neurosci Methods. 2018 Jan 15;294:7-14. doi: 10.1016/j.jneumeth.2017.10.023. Epub 2017 Nov 1.

ブログ気持玉

クリックして気持ちを伝えよう!

ログインしてクリックすれば、自分のブログへのリンクが付きます。

→ログインへ

なるほど(納得、参考になった、ヘー)
驚いた
面白い
ナイス
ガッツ(がんばれ!)
かわいい

気持玉数 : 0

この記事へのコメント

この記事へのトラックバック