楊永信と電気けいれん療法

ja.wikipedia.org

楊永信（中国語: 杨永信、Yang Yongxin）は中華人民共和国の精神科医で、主に10代のインターネット依存症患者の治療に電気痙攣療法を提唱・実施した事で有名[4][5][6]。現在は山東省沂水県の沂水第四病院の副院長を務める。
インターネット依存症治療センターを経営しており、第四病院では10代のインターネット依存症患者の治療合宿を行っている。患者の家族が毎月約9万円を支払って、投薬と電気痙攣療法(楊曰く「醒脑/脳を起こす」)を受けさせている事が報道された[7]。衛生部が禁止するまでに、楊は約3000人の子供達に電気痙攣療法を行った[7][8]。
楊は96%の患者が改善したと主張したが、中国メディアからは疑問視されている。禁止後は自ら開発した「低頻度パルス療法」を実施しているが、これは電気痙攣療法よりも苦痛であると患者が報告している[9]。
2016年時点で治療センターは営業しており、治療した患者は6000人を超えたと病院側は主張している[10]。

電気けいれん療法そのものは一般的なイメージとは異なり、懲罰的な方法でもなく、比較的安全な方法でもあるが、そもそもメリットがあるのかという疑問はある。依存症・嗜癖に対しての電気けいれん療法のエビデンスは限られている。おそらくデメリットがメリットを大きく上回っているだろう。

近年では経頭蓋直流電気刺激(transcranial direct current stimulation)を用いた研究がされている。

pubmed.ncbi.nlm.nih.gov

pubmed.ncbi.nlm.nih.gov

pubmed.ncbi.nlm.nih.gov

低頻度パルス療法と経頭蓋直流電気刺激が同じかはわからないが、まったく非科学的というわけでもない気がする。
ただ、エビデンスが乏しく、効果が期待できるのかわからない上、他の方法で十分対処可能なので、わざわざ使う意義は感じられない。

Mplusの推定方法[Mplus]

早見表

コマンド	推定法
ML	最尤法
MLR	ロバスト最尤法
WLS	重み付き最小二乗法
WLSMV	ロバスト重み付き最小二乗法
ULS	重みなし最小二乗法
ULSMV	ロバスト重みなし最小二乗法
GLS	一般化最小二乗法
BAYES	ベイズ推定法

詳述

和訳は定訳がないものが多いので適切か否かは不明。

• ML - 従来の標準誤差およびカイ二乗検定統計量を用いた最尤パラメータ推定(maximum likelihood parameter estimates with conventional standard errors and chi-square test statistic)
• MLM - 非正規性にロバストな標準誤差と平均調整カイ2乗検定統計量を持つ最尤パラメータ推定(maximum likelihood parameter estimates with standard errors and a mean-adjusted chi-square test statistic that are robust to non-normality)。 MLMのカイ2乗検定統計量は，Satorra-Bentlerのカイ2乗とも呼ばれる。
• MLMV - 非正規性にロバストな標準誤差と平均および分散調整カイ2乗検定統計量を持つ最尤パラメータ推定( maximum likelihood parameter estimates with standard errors and a mean- and variance-adjusted chi-square test statistic that are robust to non-normality)。
• MLR - TYPE=COMPLEXで使用される場合、非正規性およびオブザベーションの非独立性にロバストな標準誤差およびカイ二乗検定統計量（該当する場合）を持つ最尤推定(maximum likelihood parameter estimates with standard errors and a chi-square test statistic (when applicable) that are robust to non-normality and non-independence of observations)。 MLR標準誤差は、サンドイッチ推定量を用いて計算される。MLR カイ2乗検定統計量は、Yuan-Bentler T2＊検定統計量と漸近的に等価である。
• MLF - 1次導関数および従来のカイ2乗検定統計量で近似された標準誤差を持つ最尤パラメータ推定値(maximum likelihood parameter estimates with standard errors approximated by first-order derivatives and a conventional chi-square test statistic)。
• MUML - Muthénの限定情報パラメータ推定値、標準誤差、カイ二乗検定統計量
• WLS - 完全な重み行列を使用する従来の標準誤差とカイ2乗検定統計量を用いた重み付き最小2乗パラメータ推定値(weighted least square parameter estimates with conventional standard errors and chi-square test statistic that use a full weight matrix)． WLSのカイ2乗検定統計量は、すべての結果変数が連続している場合、ADFとも呼ばれる。
• WLSM - 完全重み行列を使用する標準誤差と平均調整カイ2乗検定統計量を持つ対角線重み行列を使用する重み付き最小2乗パラメータ推定値(weighted least square parameter estimates using a diagonal weight matrix with standard errors and mean-adjusted chi-square test statistic that use a full weight matrix)。
• WLSMV - 標準誤差および完全な重み行列を使用する対角重み行列と平均・分散調整カイ2乗検定統計量を使用した重み付き最小2乗パラメータ推定値(weighted least square parameter estimates using a diagonal weight matrix with standard errors and mean- and variance-adjusted chi-square test statistic that use a full weight matrix)。
• ULS - 非加重最小二乗パラメータ推定値(unweighted least squares parameter estimates)
• ULSMV - 完全な重み行列を使用する標準誤差と平均・分散調整カイ2乗検定統計量を持つ非重み付き最小2乗パラメータ推定値(unweighted least squares parameter estimates with standard errors and a mean- and variance-adjusted chi-square test statistic that use a full weight matrix)。
• GLS - 従来の標準誤差とカイ2乗検定統計量を用いた一般化最小2乗パラメータ推定値(generalized least square parameter estimates with conventional standard errors and chi-square test )で、正規理論に基づく重み行列を使用する。
• Bayes - 信頼区間と事後予測チェックを用いたベイズ的事後パラメータ推定。

使い分け

Type of Analysis TYPE=	すべて連続変数	少なくとも1つの2値または順序変数が従属変数にある	少なくとも1つの打ち切り、順序のないカテゴリ変数、またはカウントデータが従属変数にある
GENERAL	ML＊＊ MLM＊＊＊＊＊ MLMV＊＊＊＊＊ MLR＊＊ MLF＊＊ GLS＊＊＊＊＊ WLS＊＊＊＊＊ BAYES	WLS WLSM WLSMV ULSMV ML＊ MLR＊ MLF＊ BAYES	WLS＊＊＊＊ WLSM＊＊＊＊ WLSMV＊＊＊＊ ML＊ MLR＊ MLF＊
GENERAL RANDOM	ML＊＊ MLR＊＊ MLF＊＊	ML＊ MLR＊ MLF＊	ML＊ MLR＊ MLF＊
GENERAL RANDOM COMPLEX	MLR＊＊	MLR＊	MLR＊
GENERAL COMPLEX	ML＊＊＊＊＊＊ MLR＊＊	WLS WLSM WLSMV ULSMV MLR＊	WLS＊＊＊＊ WLSM＊＊＊＊ WLSMV＊＊＊＊ ULSMV＊＊＊＊ MLR＊
MIXTURE	ML＊＊ MLR＊＊ MLF＊＊ BAYES	ML＊＊ MLR＊＊ MLF＊＊ BAYES	ML＊＊ MLR＊＊ MLF＊＊
MIXTURE RANDOM	ML＊＊ MLR＊＊ MLF＊＊	ML＊＊ MLR＊＊ MLF＊＊	ML＊＊ MLR＊＊ MLF＊＊
MIXTURE COMPLEX MIXTURE COMPLEX RANDOM	MLR＊＊	MLR＊＊	MLR＊
TWOLEVEL	MUML＊＊＊ ML＊＊ MLR＊＊ MLF＊＊ WLS WLSM WLSMV ULSMV BAYES	ML＊ MLR＊ MLF＊ WLS WLSM WLSMV ULSMV BAYES	ML＊ MLR＊ MLF＊
TWOLEVEL RANDOM	ML＊＊ MLR＊＊ MLF＊＊ BAYES	ML＊ MLR＊ MLF＊ BAYES	ML＊ MLR＊ MLF＊
TWOLEVEL MIXTURE TWOLEVEL RANDOM MIXTURE	ML＊ MLR＊ MLF＊	ML ＊ MLR＊ MLF＊	ML＊ MLR＊ MLF＊
COMPLEX TWOLEVEL COMPLEX TWOLEVEL RANDOM	MLR＊＊	MLR＊	MLR＊
COMPLEX TWOLEVEL MIXTURE COMPLEX TWOLEVEL RANDOM MIXTURE	MLR＊	MLR＊	MLR＊
THREELEVEL THREELEVEL RANDOM	ML MLR MLF BAYES	BAYES	NA
COMPLEX THREELEVEL COMPLEX THREELEVEL RANDOM	MLR	NA	NA
CROSSCLASSIFIED CROSSCLASSIFIED RANDOM	BAYES	BAYES	NA
EFA	ML MLR＊＊ MLF＊＊ ULS＊＊＊＊＊ BAYES	WLS WLSM WLSMV ULS ULSMV ML＊ MLR＊ MLF＊ BAYES	ML＊ MLR＊ MLF＊
EFA MIXTURE	ML＊＊ MLR＊＊ MLF＊＊	ML＊ MLR＊ MLF＊	ML＊ MLR＊ MLF＊
EFA COMPLEX	MLR＊＊	WLS WLSM WLSMV ULSMV MLR＊	MLR＊
EFA TWOLEVEL	M＊＊ MLR＊＊ MLF＊＊ WLS WLSM WLSMV ULSMV	WLS WLSM WLSMV ULSMV	NA

＊ Numerical integration required
＊＊ Numerical integration an option
＊＊＊ Maximum likelihood with balanced data, limited-information for unbalanced data, not available with missing data
＊＊＊＊ Only available for censored outcomes without inflation
＊＊＊＊＊ Not available with missing data
＊＊＊＊＊＊ Default with replicate weights
NA Not available

ベンゾジアゼピンと認知症リスク

ケース

メタアナリシス。対象となった研究は2002年[27]から2013年[16]の間に発表されたものである。最大追跡期間は8年 [15, 27] から25年 [12] であった。対象となった研究のサンプル数は1063件[13]から25,140件[14]で、合計45,391人であった。認知症症例数は93例[12]から8,434例[14]で、合計11,891例であった。

結果

認知症のプール調整後リスク比（RR）は、未使用者と比較して、常用者では1.49（95％信頼区間（CI）1.30-1.72）、最近の使用者では1.55（95％CI1.31-1.83）、過去の使用者では1.55（95％CI1.17-2.03）であった。ベンゾジアゼピンの定められた1日量を年間20回追加するごとに認知症リスクは22％増加した（RR、1.22、95％CI 1.18-1.25）。

ベンゾジアゼピン系薬剤の使用経験と認知症リスク

RRを未調整のままプールしたところ、常用者は常用者と比較して認知症リスクの増加を示した（RR 2.03、95％CI 1.56-2.63）（図2）。交絡因子を調整した後も、プールされたRRは有意なままであり（RR 1.49、95％CI 1.30-1.72）（図2）、不均一性は低かった（p = 0.19; I2 = 35.1％）。

ベンゾジアゼピン系薬剤の最近の使用と認知症リスク

最近の使用者は、未調整のRRをプールした場合、使用者よりも認知症リスクが高かった（RR 1.93、95％CI 1.33-2.79）（図3）。交絡因子を調整した後も、プールされたRRは有意であり（RR 1.55、95％CI 1.31-1.83）（図3）、不均一性は低かった（p = 0.32; I2 = 15.0％）。

ベンゾジアゼピン系薬剤の過去の使用と認知症リスク

過去の使用者は、未使用者と比較して認知症リスクが1.69倍（95％信頼区間1.47-1.95）高かった（図4）。交絡因子を調整した後も、プールしたRRは有意なままであり（RR 1.55、95％CI 1.17-2.03）（図4）、中等度の不均一性を有していた（p<0.01；I2=72.6％）。

用量反応解析

わずか2件の研究[14, 15]に基づいて、ベンゾジアゼピンの使用と認知症の間に有意な用量反応関係があることがわかった。認知症のリスクは、ベンゾジアゼピンの定義された1日量を年間20回増量すると22％増加した（RR 1.22、95％CI 1.18-1.25）が、不均一性の証拠はなかった（p = 0.32; I2 = 0.0％）。

結論

ベンゾジアゼピン長期使用者は、非使用者に比べて認知症のリスクが高い。しかし、研究が限られていることや逆因果関係の可能性があることから、本研究で得られた知見には注意が必要である。

いくつかの研究[13, 14, 27]では、Z-drugsなどのベンゾジアゼピン関連薬をベンゾジアゼピンとして扱っており、ベンゾジアゼピン使用と認知症のリスクを過大評価する可能性がある。

先行研究

65歳以上の対象者におけるベンゾジアゼピン使用率は、ドイツでは18.9％[5]、カナダでは15.0％[6]である。中国では不眠症患者の3分の1近くがベンゾジアゼピンを服用している[7]。ガイドラインでは、ベンゾジアゼピンの全体的な使用期間は数週間に限定すべきであると推奨されているが[8]、長期使用は依然として一般的である[3、9、10]。

修正版YDQ

少し古いがYDQの修正版として提案されているもの。

pubmed.ncbi.nlm.nih.gov

• K W Beard, E M Wolf, 2001, Modification in the proposed diagnostic criteria for Internet addiction. Cyberpsychol Behav.4(3):377-83.

All the following (1-5) must be present:
1. Is preoccupied with the Internet (think about previous online activity or anticipate next online session).
2. Needs to use the Internet with increased amounts of time in order to achieve satisfaction.
3. Has made unsuccessful efforts to control, cut back, or stop Internet use.
4. Is restless, moody, depressed, or irritable when attempting to cut down or stop Internet use.
5. Has stayed online longer than originally intended.
At least one of the following:
6. Has jeopardized or risked the loss of a significant relationship, job, educational or career opportunity because of the Internet.
7. Has lied to family members, therapist, or others to conceal the extent of involvement with the Internet.
8. Uses the Internet as a way of escaping from problems or of relieving a dysphoric mood (e.g., feelings of helplessness, guilt, anxiety, depression).

YDQの1-5がすべて該当し、6-8のいずれか一つ以上が該当する場合に、診断を満たすというモディフィケーション。

例えば、新しい母親は新しい赤ちゃんのことを考えることに夢中になっているかもしれない（基準1）。子どもと一緒にいる時間を増やしたいと思っているかもしれない（基準2）。子供との交流をコントロールしたり、減らしたり、止めたりすることができなかった（基準3）。子どもを家族や保育園に預けると、落ち着きがなく、不機嫌で、落ち込んだり、イライラしたりすることがある（基準4）。最後に、子どもが寝るまで揺らしてあげようと思っていたのに、母親は揺らし続けてしまうなど、本来の意図よりも長い時間子どもと接してしまうことがある（基準5）。この新しい母親は、生まれたばかりの子どもに夢中になっている(addicted)と言えるでしょうか。したがって、表2に見られるように、インターネット中毒の診断には、最初の5つの基準のすべてが必要であることが推奨される。なぜなら、これらの基準は、その人の日常機能に障害がなくても満たされる可能性があるからである。母親が新生児のことで頭がいっぱいで、交流を減らすことが難しく、より多くの時間を欲しがり、不機嫌に感じ、より長い時間交流していても、母親に課せられた日常的な要求を満たすことができるかもしれない。

母親の例はわからなくはないが、インターネットがインフラになった現在では、ブレのない診断基準を求めるのは難しいように感じる。

日本語文献におけるクロンバックα、合成信頼性、平均分散抽出の使用例

ci.nii.ac.jp

各因子の信頼性に関して，クロンバックα係数（Cronbach’s α）および合成信頼性（Composite Reliability：CR）を用いて検証を行った．クロンバックα係数には，Hairet al.35）の基準値（α≧.70）を設定し，合成信頼性にはBagozzi & Yi 36）の基準値（CR ≧ .70）を設定した．また，心理的要因の妥当性に関して，収束的妥当性および弁別的妥当性の両側面から検討を行った．収束的妥当性に関しては，平均分散抽出（Average Variance Extracted:AVE） を用いて検証を行い，Fornell &Larcker37）の指摘を参考に基準値（AVE≧.50）を設定した．弁別的妥当性に関して，AVEが因子間相関の平方より高い場合に弁別的妥当性が確認されることが報告されている37）．本研究においても同様の基準を設定し，AVEおよび因子間相関の平方の比較を行った．適合度指標は先行研究8）と同様にCFI，RMSEA，SRMRを採用し，それぞれの適合度指標に関して基準値（CFI ≧ .90；RMSEA ≦ .08；SRMR ≦ .08）を設定した38）．最後に3つ目のステップとして，本研究ではブートストラップ法を用いた構造方程式モデリング（Structural EquationModeling：SEM）により直接効果および間接効果の検討を行った．これまで間接効果の検討に関して，多くの研究でBaron & Kenny39）が提唱する方法に従って検討がなされてきた．一方で近年，ブートストラップ法により間接効果の信頼区間を算出する必要性が指摘されている40）．したがって本研究では，Preacher &Hayes40）の手順に従い，間接効果の検討を行った．分析にはIBM SPSS Statistics 25.0および IBM SPSS Amos 25.0を用いた．

35）Hair, J. F., et al.；Multivariate data analysis：A global perspective （7th ed.）, Prentice hall,2010．
36）Bagozzi, R. P. & Yi, Y.；On the evaluationof structural equation models, Journal of the academy of marketing science, Vol.16, No.1, pp.74-94, 1988．
37）Fornell, C. & Larcker, D. F.；Evaluating structural equation models with nobservable variables and measurement error, Journal of marketing research, Vol.18, No.1, pp.39-50, 1981．
38）Hu, L. T. & Bentler, P. M.；Cutoff criteria for fit indexes in covariance structure analysis： Conventional criteria versus new alternatives, Structural equation modeling, a multidisci plinary journal, Vol.6, No.1, pp.1-55, 1999．
39）Baron, R. M. & Kenny, D. A.；The moderator–mediator variable distinction in social psychological research：Conceptual, strategic, and statistical considerations, Journal of personality and social psychology, Vol.51, No.6, pp.1173-1182, 1986．
40）Preacher, K. J. & Hayes, A. F.；Asymptotic and resampling strategies for ssessing and comparing indirect effects in multiple mediator models, Behavior research methods, Vol.40, No.3, pp.879-891, 2008．

平均分散抽出(AVE)をsemToolsで計算する[R]

平均分散抽出average variance extracted (AVE) 。Fornell＆Larcker基準とも言われている。

rdrr.io

計算

library(semTools)
HS.model <- ' visual  =~ x1 + x2 + x3
              textual =~ x4 + x5 + x6
              speed   =~ x7 + x8 + x9 '
dat <- HolzingerSwineford1939[, paste0("x", 1:9)]
fit <- cfa(HS.model, data = dat)
reliability(fit)
reliability(fit, return.total = TRUE) ## 合成信頼性を返す

結果。

          visual   textual     speed
alpha  0.6261171 0.8827069 0.6884550
omega  0.6253180 0.8851754 0.6877600
omega2 0.6253180 0.8851754 0.6877600
omega3 0.6120052 0.8850608 0.6858417
avevar 0.3705589 0.7210163 0.4244883
          visual   textual     speed     total
alpha  0.6261171 0.8827069 0.6884550 0.7604886
omega  0.6253180 0.8851754 0.6877600 0.8453351
omega2 0.6253180 0.8851754 0.6877600 0.8453351
omega3 0.6120052 0.8850608 0.6858417 0.8596204
avevar 0.3705589 0.7210163 0.4244883 0.5145874

データについてはこちらを参照。

ides.hatenablog.com

平均分散抽出の解釈

en.wikipedia.org

平均分散抽出(AVE)は0.5より高いが、0.4は許容できる。FornellとLarckerは、AVEが0.5未満でも、合成信頼性composite reliabilityが0.6以上であれば、構成概念の収束的妥当性は十分であると述べている(Fornell & Larcker, 1981)。 https://researchhub.org/common-issues-in-structural-equation-modelling-sem-and-their-solutions/

https://www.jstor.org/stable/3150980 https://deepblue.lib.umich.edu/bitstream/handle/2027.42/35622/b1378752.0001.001.pdf - Fornell and Larcker, 1981, Structural Equation Models with Unobservable Variables and Measurement Error: Algebra and Statistics, Journal of Marketing Research. 18(3): 382-388.

平均分散抽出の欠点が指摘されいて、近年ではHTMTが使われている。こちらを参照のこと。

ides.hatenablog.com

伝統的な部分最小二乗パスモデリングや一般化された構造化成分分析のような分散ベースの構造方程式モデリングの結果と組み合わせて使用すると、Fornell-Larcker基準は感度を欠き(Rönkkö & Evermann, 2013)、一貫した推定値と組み合わせて使用すると特異性を欠く(Voorhees, Brady, Calantone & Ramirez, 2016)。

パチンコ屋へ行くと「すごく気持ちが落ち着いた」 青木さやかが明かすギャンブル依存の過去(BuzzFeed)

www.buzzfeed.com

「でも、同い年の女性で集まって恋愛の話をするような楽しい気分でもないし、お金もない。何となく孤独で。そんな時、すごく賑やかで、1人だけどみんながいるパチンコ屋さんへ行くとすごく気持ちが落ち着いたんです」