クイーンズ・ギャンビットの記事。
ジュプレシの孤児 en.wikipedia.org
モーリス・デュプレシは相当ヤバいというのはいろいろなところで読んだが、これはかなりヤバい。少し調べてみよう。
中国ではインターネット依存になると拉致をされ監禁をされ反抗すると縛り付けられる
South China Morning Post、2019年7月27日のの記事。
サウスチャイナ・モーニング・ポスト - Wikipedia
South China Morning Postは香港の新聞で、Wikipediaに書いてあるように『東方日報』ほどには、中国寄りではない新聞である。
ひどい話だと思うが、日本のひきこもりで起こっていることとほとんど同じである。
記事内容
14歳のLi Jiazhuoは5月のある日の午後教育局の職員と名乗る2人の太った男に束縛されて連れ去られた。彼らは教育局の職員ではなく元陸軍大佐が運営しているインターネット中毒回復センターの職員だった。彼らは10代の若者をコンピューターから引きずり出す仕事であった。彼らは母親の依頼で10代の息子をパソコンから引きずり出すために出向いた。息子は「リーグ・オブ・レジェンド」や「王者栄耀(オナー・オブ・キングス)」といったゲームを寝食を忘れてプレイしていた。
中国は昨年8月、習近平国家主席が子供の近視の蔓延を防ぐために政府に指示を出したことを受けて、ビデオゲーム業界の監督を強化している。規制当局によって承認される新しいゲームの数は減少。ゲーム会社は未成年者がゲームに費やす時間を制限するための管理体制の確立を求められている。
ポスト紙は今月初めに北京の治療センターを訪問した。
元人民解放軍の大佐で、陸軍の心理学部隊を率いていたTao Ran氏が運営するこのセンターは、中国で最も早くインターネット依存症の診断と治療を行っている場所の一つであり、国内の他の地域で使用されている治療プロトコルを開発したと言われている。施設は、食堂、寮、治療室として機能するいくつかの建物で構成されており、バスケットボールコートとしても使える中庭を中心に配置されて、入居者は運動のために集まっている。電子機器の持ち込みは禁止されている。
インターネット依存は "中国では大きな問題 "であり、スマートフォンの人気で悪化し、中国の10代の若者の10％がインターネットに取りつかれていると推定されるとTao氏は述べている。「それはもはやティーンエイジャーだけの問題ではありません。私たちの施設には9歳の子ども、30歳の大人もいます。農村部の少女や子どもたちも増えてきています」。
Tao Ran
Tao氏によると、同センターでは電気ショック療法や体罰は行なわれておらず、患者一人当たり月約1万元の料金でだという。この施設は2003年に設立された。治療は薬物療法、心理カウンセリング、身体運動、家族活動を組み合わせて行い、通常は少なくとも3カ月間継続して治療を行う。保護者は児童とは別の寮で生活し、子供とのコミュニケーションを教えるなどの講座を受けることになる。センターでの典型的な一日は午前5時に始まり、患者は睡眠から目覚め、午前6時にブートキャンプスタイルの運動のために集まる。
朝7時10分の朝食の後、提供されたスケジュールに従って、カウンセリングセッション、そしてまたさらに運動。消灯時間は午後9時30分。週末は、掃除、洗濯、運動、そして過去1週間のまとめに充てられる。午前9時30分頃に私たちがセンターを訪れたとき、子どもたちはランニング、腕立て伏せ、スクワットをして、軍服を着たインストラクターからの号令を鳴らしていた。彼らの多くは無気力で消極的に見えた。ある患者の話によると、反逆した者は落ち着くまでベッドに縛り付けられていたが、より深刻な患者は狭い部屋に10日間も隔離されているという。
同センターは「軍隊のように反省させるため」独房監禁を行うことをみとめたが、拘束具の使用は否定している。
寮は質素で各部屋に薄いマットレスとワラのマットのある2段ベッドが3つある。個人の持ち物は名前が書かれた青いプラスチック容器に入れられ、靴はきちんと並べられている。
センターにいる多くの子どもたちにとって、家事をしたり自分でベッドを作ったりするのは初めての経験だろう。
15歳のZhao Xiaojiaさんはセンターに連れてこられた日のことを覚えている。「私は最初の日、ここがどこなのかわからなかった」。「ここにいたくない」 と叫んだ。「両親に会うことを許されず、警備員と口論になり、金属製のベッドフレームに半日縛り付けられたという。
潜在クラス分析のDistal Outcomesの補助設定ごとの結果の比較[Mplus]
Distal Outcomesが連続変数の場合、DU3STEP法、DE3STEP法、BCH法、DCON法、PC法などがある。詳しくはここなどを参照してもらいたいが、BCH法をとることが現在のところ推奨されている。
そんなわけで、それぞれの方法での推定結果の違いをみてみたい。ちなみにデータは適当につくった仮想データである。
コード
BCH法のコードを示す。DU3STEPであればBCHのところをDU3STEPに変えるだけである。
Title: BCH Data: file = a1.dat; Variable: Names = U1-U8 Y; Categorical = U1-U8; Classes = C(4); Auxiliary = Y(BCH); Analysis: Type = Mixture;
クラス構成割合
クラス構成割合はなかった。
推定結果
| BCH | DU3STEP | DE3STEP | DCON | PC(E) | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Mean | S.E. | Mean | S.E. | Mean | S.E. | Mean | a.S.E. | Mean | S.E. | |
| Class 1 | 47.306 | 0.732 | 47.300 | 0.730 | 47.300 | 0.730 | 47.589 | 0.579 | 47.704 | 0.608 |
| Class 2 | 50.883 | 2.811 | 50.920 | 2.727 | 50.920 | 2.727 | 49.082 | 1.419 | 48.171 | 1.856 |
| Class 3 | 48.090 | 3.820 | 48.104 | 3.856 | 48.104 | 3.856 | 47.978 | 2.405 | 47.735 | 2.873 |
| Class 4 | 40.813 | 8.660 | 40.780 | 7.487 | 40.780 | 7.487 | 40.668 | 4.361 | 43.876 | 5.523 |
感想
実データで、もう少し複雑なモデルでテストしてみないと価値のある結果は出ない、ということである。
また、やってみようと思う。
仮想データ
Rで作成した。
サンプルデータの作成
set.seed(1234) U1 <- sample(0:1, 1000, replace=T,prob=c(0.4,0.6)) U2 <- sample(0:1, 1000, replace=T,prob=c(0.2,0.8)) U3 <- sample(0:1, 1000, replace=T,prob=c(0.5,0.5)) U4 <- sample(0:1, 1000, replace=T,prob=c(0.6,0.4)) U5 <- sample(0:1, 1000, replace=T,prob=c(0.3,0.7)) U6 <- sample(0:1, 1000, replace=T,prob=c(0.9,0.1)) U7 <- sample(0:1, 1000, replace=T,prob=c(0.5,0.5)) U8 <- sample(0:1, 1000, replace=T,prob=c(0.6,0.4)) Y <- sample(20:75, 1000, replace=T) d0<- cbind(U1,U2,U3,U4,U5,U6,U7,U8,x) df <- as.data.frame(d0)
Mplusへの書き出し1
library(MplusAutomation) variable.names(df) # 変数名を書き出し
Mplusへの書き出し2
prepareMplusData(df, filename="a1.dat",
keepCols=c("U1","U2","U3", "U4", "U5", "U6", "U7", "U8","x"),
overwrite=T)
ネット依存者への電気けいれん療法の使用中止、中国(The New York Times)
2017年1月13日のThe New York Timesの記事。
写真
2014年、北京にあるインターネット中毒のための軍事的なブートキャンプ「Qide Education Center」の生徒たち。専門家は、中国のインターネットデトックスキャンプでの虐待的な治療を禁止する法律案を歓迎した。
政府は、電気ショックや他の "体罰 "を含む収容所の最悪の過剰行為を取り締まる法律を起草した。
「それは幼い子供たちを保護するための非常に重要な動きだ」とTao Ran北京軍事総合病院のインターネット中毒クリニックの院長は言った。
Tao博士は、多くの中国人の親が電気ショック療法の効果は一過性のものだと考えていると述べている。しかし、彼は何人かの中国のティーンエイジャーがインターネット依存を治療するブートキャンプから戻ってくるのを見たことがあり、永続的な心理的外傷の兆候を示している、とも述べている。
「彼らは話をせず、人に会うのを恐れ、家から出るのを拒否した。」10代の若者たちとの面談に言及した。彼らは「病院」と「医者」という言葉を聞いてもパニックになっていた、という。
北京の政治学および法律の中国大学の法律教授であるQu Xinjiuは、中国では親が彼らの子供上の最高の司法権を持っていること、警察官でさえも家族の問題に介入する権利を持っていないという信念があるという。「そのため、たとえ部外者が間違っていると思っても、子どもに電気ショック療法を受けさせる親が非常に多いのです。」とQu教授は言う。
2009年、中国保健省はインターネット中毒者に電気ショック療法を使用することを禁止するガイドラインを発表した。中国における青少年とインターネット依存」の著者であるTrent M. Bax氏は、禁止しても効果はあるのだろうかと疑問を呈している。
保健省の政策にもかかわらず、インターネットのデトックスキャンプでは、「罰則的な慣行が中国の若者を犠牲者にし続けている」と、韓国ソウルの梨花女子大学の社会学の助教授である Bax博士は述べている。
最近の科学的証拠は、デジタル依存のための最高の治療法は、多くの場合、患者の両親と重要な他の人が含まれている個人とグループの設定で認知行動療法であると考えられている、とインターネットとゲーム中毒の専門家でイギリスのノッティンガム・トレント大学のDaria J. Kussは述べている。
Kuss氏は、薬物療法も効果的であることもある。インターネット依存が不安や気分障害、うつ病などを伴う場合は特にそうであると。しかし、殴打や電気ショック療法は「インターネットやゲーム依存の治療には一般的に使用されていないし、非倫理的で非人道的と見なされるべきである」と彼女は言った。
中国での議論がいかに流動的であるかを示す証拠として、厚生省は2009年に、インターネットが不適切に、あるいは過度に利用した人々にどのように害を与えたかを説明するのに 「addiction」 という用語をもはや使わないと述べた。
しかし、同じ年に中国共産党傘下の委員会が率いる中国青年ネットワーク開発協会の調査では、インターネットを利用した2400万人以上の13歳から29歳の中国人がデジタル依存者(digital addicts)であるとしている。
潜在クラス分析-三段階法[Mplus]
- Jichuan Wang, Xiaoqian Wang, 2019, Structural equation modeling applications using Mplus. Wiley.
6.2.6.2 三段階法 The three-step method
共変量および/またはdistal outcomesを伴う混合物モデルのための新しい3段階の手法が開発された(Vermunt 2010; Asparouhov and Muthen 2013, 2014)。その名が示すように、このアプローチでは3つのステップが概念的に実装されている。(i) 混合モデルの測定部（すなわちLCA）が推定され、(ii) LCAの事後確率から最も可能性の高いクラスのメンバーシップが推定される。古典的な三段階法とは異なり、潜在クラスメンバーシップの測定誤差は、ステップ2でも推定され、推定の最後のステップで使用される。最後に、(iii)潜在クラスメンバーシップの推定における測定誤差を考慮して、最も可能性の高い潜在クラスメンバーシップと共変量およびdistal outcomesとの関係を推定する。より高度なモデル（例えば、distal outcomesが潜在クラスと共変量の両方の関数であるモデル（Asparouhov and Muthén 2013）など）では、三段階法を手動で実装することが望ましいが、それにはある程度のSEMの経験が必要である。このような応用例を付録 6.B で示す。Mplusの自動実装は簡単である。共変量（すなわちX）の潜在クラス変数への影響を評価するために、VARIABLEコマンドでAUXILIARY = X(R3STEP)を指定することで、AUXILIARY設定R3STEPを使用することができる。共変量Xが潜在クラスメンバーシップに与える影響は、クラス分類誤差を補正して推定される（Vermunt 2010）。連続変数のdistal outcomes Yに対する潜在クラス変数の効果を調べるために、3ステップ法を実装するための2つのAUXILIARY設定がある。distal outcomeの分散が潜在クラス間で異なると仮定すると、VARIABLEコマンドのAUXILIARYオプションでAUXILIARY設定DU3STEPを使用して（すなわち、AUXILIARY = Y(DU3STEP)）、クラス分類誤差を補正した状態でdistal outcomes Yに対する潜在クラス変数の効果を推定する（Vermunt 2010; Asparouhov and Muthen 2014）。一方、distal outcomesの分散が潜在クラス間で等しくなると仮定すると、AUXILIARY設定DE3STEPが用いられ(AUXILIARY = Y(DE3STEP))、Mplusはクラス間でdistal outcomesの平均は異なるが分散は等しいと推定する。等分散は強い仮定であり、仮定が保てない場合、特にクラス分類が貧弱な場合（エントロピーレベルが0.60以下）には、推定値に偏りが生じる可能性がある(Asparouhov and Muthen 2014)。このアプローチ(DE3STEP)は、AUXILIARY設定DU3STEPでモデル推定が収束しない場合にのみ使用される(Asparouhov and Muthen 2015a).三段階法では、クラスがシフトする問題を完全に解決できないことに注意する。ステップ1からステップ3へのクラス・メンバーシップのシフトは、三段階法がMplus AUXILIARY設定がDU3STEPまたはDE3STEPで実装されている場合、Mplusで内部的に監視される。シフトが大きい場合、Mplusはモデル結果を提供しない。
- Vermunt, J.K. (2010). Latent class modeling with covariates: two improved three-step approaches. Political Analysis 18: 450–469.
- Asparouhov, T. and Muthén, B. (2013). Auxiliary variables in mixture modeling: a 3-step approach using Mplus. Mplus Web Notes, 15. Los Angeles: Muthén & Muthén. www .statmodel.com.
- Asparouhov, T. and Muthén, B. (2014). Auxiliary variables in mixture modeling: three-step approaches using Mplus. Structural Equation Modeling: A Multidisciplinary Journal 21: 329–341.
傾向スコアでのマッチングをしている研究の例
その上でCOVID-19患者のコホートと他の6種類の疾患のコホートから、最近傍マッチング法（greedy nearest neighbour matching）で傾向スコアが最も近い組み合わせのペアを1対1の割合で選び出した。マッチングさせた条件は50種類の変数で、内訳は28種類のCOVID-19の危険因子と、22種類のCOVID-19重症化の危険因子とされる状態だ。こちらの主要評価項目は、COVID-19診断の14日後から90日後までの、精神疾患、認知症、不眠症の診断に設定した。
こちらの論文。
https://www.thelancet.com/journals/lanpsy/article/PIIS2215-0366(20)30462-4/fulltext
