井出草平の研究ノート

セックス中にMDMAを使用すると性的興奮は増加せず、感情的な親密さが増加する

pubmed.ncbi.nlm.nih.gov


多くのMDMA使用者がMDMAによる性的増強について述べているが、MDMAの性機能への影響を系統的に検討した研究報告はない。MDMAを用いた心理療法を受けている29人の患者の未発表の研究において、Greer(1983)は摂取の翌日に無オルガスムの発生が1件、1日か2日続く性欲減退の発生が1件報告されている。この研究では、1組のカップルがMDMAセッション後に性的な楽しみが増加したと報告したが、これは部分的にオーガズムの遅延によるものであった。

性体験の増強剤としてのMDMA

性体験を向上させるために特にMDMAを使用したことがあるかどうかを尋ねたところ、女性の17人 (74%) と男性の22人 (81%) が 「ない」 と答えた。しかし、性体験を向上させるためだけにMDMAを使用したいかどうかを尋ねたところ、女性の18人 (75%) と男性の17人 (71%) が使用したいと答えた。 表Vに示すように、MDMAは女性の性機能に関する自己報告に対して様々な影響を及ぼしている。濡れる、セックスへの欲求、オーガズムを得る能力に一貫性はないようである。MDMAは男性の性欲に対してより明確な影響を与える。表VIに示すように。69%の男性が、MDMAは射精を遅らせる能力を増加させ、46%は勃起する能力を減少させると答えたが、増加させたと答えたのは4%だけであった。オーガズムや射精の能力が低下したと答えたのは男性の70%で、一方、オーガズムの能力が高まったと答えた人はいなかった。

考察

本研究は自己選択したサンプルを対象としているため、これらの結果を一般化することは困難である。しかしながら、MDMAは大多数の個人において性的興奮や性的欲求を増加させないようである(真の媚薬のように)。男性と女性の両方にとって、MDMAはセックスの官能的な面を高める。これは、感情的な親近感の増加によるものと思われる。 男性のほぼ半数と女性の1/3が、MDMAの影響下にある間は性的なことを受け入れる気持ちが強くなると答えたが、この効果は、男女ともに性的行為を開始することへの関心の高まりと並行しているわけではなかった。過半数の人がMDMAを性的増強剤として使用すると答えたが、セックス中にMDMAを使用した被験者のほとんどは、感情的な親密さが増したと報告した。感情的な親密さを高め、性的なものに対する受容性を高め、性的増強剤として選ばれる可能性のある薬物が、セックスを始めたいという欲求を高めなかったのは不思議なことである。 調査した被験者たちは、MDMAが特に男性にとってオーガズムを得にくくすることを発見した。勃起力はほぼ半数の男性で低下した。その他の性的作用は、大多数の被験者で生じなかった。他の幻覚剤と比較すると、MDMAは視覚的な幻覚がなく、コミュニケーションや感情的な感情を高めるという点でMDAと最もよく似ている。このことは、セクシュアリティを促進するという類似性を説明することができる(Buffum, Moser & Smith, In press)。本研究は、性的懸念の治療におけるMDMAの有用性を決定するために計画されたものではないが、数人の人がその使用によって性的懸念を解決したと報告している。残念ながら、この薬物が性的な懸念の治療に対して期待できるとしても、それがスケジュールI薬物として制限されている間は、それを探ることは特に困難であろう。

覚醒剤(アンフェタミンと関連化合物)の性機能への影響

pubmed.ncbi.nlm.nih.gov


アンフェタミンと関連化合物

これらはCNS刺激剤または交感神経刺激剤である(Innes & Nickerson 1975b)。アンフェタミンは、男性の性欲増進、インポテンツ、射精遅延を引き起こすと報告されている(Smith, Buxton & Dammann 1979; Angrist & Gershon 1976; Parr 1976; Bell & Trethowan 1961)。女性では性欲の増大とオーガズムの遅延を引き起こす(Smith, Buxton & Dammann 1979; Angrist & Gershon 1976; Bell & Trethowan 1961)。アンフェタミンによる性欲の変化は、通常、ある研究の中でかなりばらつきがある。ある研究では、14人の患者のうち、5例では性欲に影響がなく、3例では性欲が減少し、5例では性欲が増加し、1例ではデータが不十分であったと報告されている(Bell & Trethowan, 1961)。42人の患者を対象とした別の研究では、17人が性的効果についてコメントし、7人が性的効果の増加を、5人が減少を、5人が変化なしを報告した(Angrist & Gershon, 1976)。43人の男性を対象とした第3の研究では、9人が性的感情の増加を、7人が射精遅延を、2人が性的感情の減少またはインポテンスを、2人が変化なしと回答した(Angrist & Gershon, 1976)。同じ研究で、女性17人のうち、8人に性的感情および活動の増加が見られ、1人に性的感情および活動の減少が見られたと報告されている。非アンフェタミン系食欲不振薬であるマジンドールは、女性患者の約5%に「媚薬効果」を引き起こすという逸話が報告されている(Friesen 1976)。

上記の研究では、アンフェタミンの用量は50mg/日の低用量から1,000mg/日までと幅広く変化している(Bell & Trethowan 1961)。新しいデータでは、薬物に対する使用者の性的反応の決定には、投与量、投与経路、慣れ、社会的環境が大きな役割を果たすことが示されている(Smith, Buxton & Dammann, 1979)。低用量の経口投与は、男女ともに性欲の増強と関連する傾向があった。低用量はまた、男性では勃起を持続させ、射精の遅れを生じさせるのに役立った。女性では、それほど明確な結果は得られなかった。一部の女性は、性欲が高まり、性行為の時間が長くなるためか、オーガズムに達する能力が高まったと報告している。アンフェタミンの高用量は、性的機能障害と関連する傾向があった。男性はインポテンスとオーガズムの失敗を報告した。女性はオーガズムの喪失を報告した。より高用量の静脈内投与では、薬理学的オーガズムが性行為の代用となった。別の研究では、男女ともにオーガズムを繰り返す能力が高まったと報告されている(Parr 1976)。「ある男はアンフェタミン投与後、連続して7回オーガズムを得たと言い、別の男は8回得たと言った。同じ研究では、アンフェタミンは一部の男性のペニスを "萎えさせる "と報告している。この研究では、アンフェタミンのポジティブな効果について、女性よりも男性の方が好意的な報告をしている。

アンフェタミンのもうひとつの興味深い効果は、使用者が薬物の影響下にあるときに、使用していない状況では避けるような性的行為に及ぶという報告である(Smith, Buxton & Dammann 1979; Angrist & Gershon 1976; Bell & Trethowan 1961)。使用者の多くは、既存の性的適応が標準から著しく逸脱していた。ある「不感症」の女性は、犬とのクンニリングを楽しんでいた(Angrist & Gershon 1976)。ある男性はアンフェタミンの影響下で小児性愛の傾向を示した(Bell & Trethowan 1961)。

  • Smith, D. E., Buxton, M., & Damman, G. (1979). Amphetamine abuse and sexual dysfunction: Clinical and research considerations (pp. 228-250). Amphetamine use, misuse, and abuse. Cambridge, Mass: GK Hall & Co.

次のケースは、アンフェタミンの影響下での性的逸脱の発生を示すものである(Smith, Buxton & Dammann 1979)。

ある心理療法士が、定期的に大量の経口アンフェタミンを乱用しているクライアントについて、私たちのアンフェタミン評価・医師養成プロジェクトに相談に来ました。薬物を使用していない状態では、彼の性的指向異性愛者であり、心理療法士はこのクライアントに潜在的な同性愛感情は顕在化していないと感じていた。しかし、アンフェタミン投与中は、ゲイバーで知り合った匿名の性的接触者と同性愛の活動に参加するようになった。特にアンフェタミンとアルコールを併用すると、しばしばグループセックスに参加するようになった。後者は抑制効果を発揮する。アンフェタミン投与と集団性行為の後、彼は非常に落ち込み、罪悪感を感じるようになる。このような性的に活発な時期には、彼の生活は非常に混乱し、実質的なうつ病の原因となった。このクライアントは潜在的な同性愛者なのか」という基本的な疑問が生じたときにサイコセラピストと相談し、ケースを評価したところ、クライアントはアッパーとダウナー(この場合はアンフェタミンとアルコール)の組み合わせによって促進される状況的同性愛に関与しているように感じられた。性的妄想と自認は主に異性愛であり、薬物による状況的同性愛の概念を議論することは、このクライアントの感情的葛藤を解決し、彼の心理療法を促進するのに役立った。

性機能変化のメカニズムはそれほど明確ではない。アンフェタミンは、多くのCNSシステムに影響を及ぼす。MAOを阻害し、カテコールアミンとセロトニンニューロン取り込み機構をブロックし、神経終末からカテコールアミンを放出させる(Patrick 1977)。アンフェタミンはノルエピネフリン受容体にも直接作用し、線条体ドーパミンの合成を急速に減少させる可能性がある。おそらく、異なる用量が異なるシステムに選択的に作用し、性欲に異なる影響を与えるのだと思われる。アンフェタミンは主にドーパミン作動性システムに作用すると考えられている(Patrick 1977)。アンフェタミンはα-とβ-アドレナリン系の末梢作用を持っているので、末梢作用の説明はより簡単だ(Innes & Nickerson 1975b)。α刺激は、陰茎の血流に影響を与え、海綿体組織から血液のα分流を引き起こす可能性がある。さらに、β刺激によって骨格筋に血液が流れ込み、同じ効果が得られる可能性がある。これが、ペニスの "萎え "とインポテンツの原因かもしれない。また、刺激によって射精が促進され、オーガズムを何度も味わうことができる。ある論文では、射精の遅れは、注意が性交感覚からそらされ、興奮性インパルスの総和が少なくなるときに、注意力が高まるためではないかと推測している(Parr 1976)。次のハイトストリートのことわざ(Gay et al. 1975)は、アンフェタミンに関するすべての矛盾する情報をうまく要約している:"Speed makes strange bedfellows.".

Speed makes strange bedfellows

スピードは覚醒剤の隠語である。

ejje.weblio.jp

《諺》 不幸な目にあうと見知らぬ同士が手を結び合う, 「同病相哀れむ」
Adversity [Misery] makes strange bedfellows.

私たちはスマートフォンにはまっている - 大人の約半数が "完全に " ハマっているという調査結果が発表された。スマートフォン嗜癖は気のせいではない。

タイトルが興味深い。

We're Utterly Addicted To Smartphones - Research Reveals Nearly Half Of Adults Are 'Completely Hooked'
Your Smartphone Addiction Isn't All In Your Head

www.huffingtonpost.co.uk


スマートフォンは私たちの日常生活の重要な一部となっており、成人の約半数がスマートフォンに「完全にハマっているhooked」ことを認めていることが、Ofcomによって明らかにさ れた。

24歳以下では、61%がハマっていると認め、同じ年齢層の49%が、起床後5分以内に携帯電話をチェックする緊急の必要性を感じている。

私たちはおそらく認めないだろうが、この調査は心配になるほど身近なものだ。

Ofcomのレポートによると、2014年は最も使用されているデバイスとしてスマートフォンがラップトップを抜いた年であり、現在では1日に2時間以上を携帯電話に費やしている。

OfcomのリサーチディレクターであるJames Thickettは、次のように述べています。「4Gは私たちのスマートフォンに大きな力を与え、毎週の買い物から友人との対面ビデオ通話まで、あらゆることを可能にしました。

「初めて、スマートフォンは英国で最も人気のあるインターネットデバイスであり、今や私たちの日常生活の中心となっています」。

8月6日に発表されたレポートは、英国を「スマートフォン社会smartphone society」と表現し、人々の日々のデジタル習慣を調査することを目的としている。

スマートフォンは人口の66%(16-24歳では90%に上昇)が持っており、2012年の39%から上昇し、利用者の急増は高速の4Gモバイルブロードバンドが牽引している。

3分の1以上の人(33%)が、インターネットに接続するために最も重要なデバイスは電話であると感じているように、ノートパソコンを捨てて愛用の電話を選ぶことがより一般的になっている。

「今日のレポートは、何百万人もの消費者や企業にとって、信頼性の高い高速インターネットアクセスがいかに重要であるかを示している。

人々がこれらのデバイスの虜になっていることは明らかだが、自撮り写真を撮ったり、ソーシャルメディアに時間を費やしたりする人々の増加は、さらに事態を悪化させるだけだ。

Ofcomは、過去1年間に12億枚の自撮り写真が撮影され、成人の60%が主にスナップ写真を撮るために携帯電話を使用していることを認めていると推定している。

当然のことながら、16歳から24歳の若者は、携帯電話をカメラとして使うことが多く(89%)、10人に1人は少なくとも週に一度は自撮りをしている。

しかし、大多数の成人は、スマートフォンなしではいられないものの、ソーシャルメディアが社会的状況に与える有害な影響については、すぐに認識しているようだ。

半数以上の人(55%)が、ナイフとフォークと一緒に携帯電話を手に取ることは受け入れられないと考えているが、若い人たちの間では、朝食前にソーシャルメディアのメッセージをチェックすることは「重要」だと49%の人が考えている。

スマートフォン嗜癖は、私たちの他の日常的な習慣も変えてしまったようだ。

報告書によると、16歳以上のインターネットユーザーが毎週平均20時間30分オンラインに費やす時間は、2005年には10時間弱だったのに対し、大幅に増加していることが分かった。

また、スマートフォンに対する依存度は、テレビの視聴方法にも影響を与えており、若者の45%がスマートフォンでテレビを視聴し、YouTube動画からInstagram動画、Vine、オンデマンドテレビサービスまで幅広く利用していることがわかった。

固定効果SEM・ランダム効果SEM[Stata]

SEMモデル内に観測されない異質性を組み入れることができる。これを行うために、我々は、観測されない潜在変数を使用する。

このモデルでは、潜在的なUは独立変数と相関し、従属変数に一定の効果を持つ。

. sem (U -> dg02i1, ) (U -> dg02i2, ) (U -> dg02i3, ) (U -> dg02i4, ) (aid1001 -> dg02i1, ) (aid1002 -> dg02i2, ) (aid1003 -> dg02i3, ) (aid1004 -> dg02i4, ), covstruct(lexogenous, diagonal) cov(lexogenous_oexogenous@0) standardized latent(U ) cov( Uaid1001 Uaid1002 Uaid1003 Uaid1004 aid1001aid1002 aid1002aid1003 aid1003aid1004) nocapslatent

Endogenous variables
  Observed: dg02i1 dg02i2 dg02i3 dg02i4

Exogenous variables
  Observed: aid1001 aid1002 aid1003 aid1004
  Latent:   U

Fitting conditional model:
Iteration 0:   log likelihood = -3024.3611  (not concave)
Iteration 1:   log likelihood =  -2790.155  (not concave)
Iteration 2:   log likelihood =  -2777.439  (not concave)
Iteration 3:   log likelihood = -2746.3103  
Iteration 4:   log likelihood = -2735.1368  
Iteration 5:   log likelihood = -2701.0888  
Iteration 6:   log likelihood = -2676.4515  
Iteration 7:   log likelihood =  -2651.019  
Iteration 8:   log likelihood = -2594.8923  
Iteration 9:   log likelihood = -2556.8301  
Iteration 10:  log likelihood = -2548.6717  
Iteration 11:  log likelihood = -2547.9887  
Iteration 12:  log likelihood = -2547.9869  
Iteration 13:  log likelihood = -2547.9869  

Fitting target model:
Iteration 0:   log likelihood = -2547.9869  
Iteration 1:   log likelihood = -2547.9869  

Structural equation model                                  Number of obs = 140
Estimation method: ml

Log likelihood = -2547.9869

 ( 1)  [dg02i1]U = 1
-------------------------------------------------------------------------------------
                    |                 OIM
       Standardized | Coefficient  std. err.      z    P>|z|     [95% conf. interval]
--------------------+----------------------------------------------------------------
Structural          |
  dg02i1            |
            aid1001 |   .0944771   .0248838     3.80   0.000     .0457058    .1432483
                  U |   .9867268   .0087286   113.05   0.000      .969619    1.003835
              _cons |    1.78054   .1363356    13.06   0.000     1.513327    2.047752
  ------------------+----------------------------------------------------------------
  dg02i2            |
            aid1002 |   .0795519   .0238115     3.34   0.001     .0328821    .1262217
                  U |   .9944192   .0076434   130.10   0.000     .9794385      1.0094
              _cons |   1.875981   .1410543    13.30   0.000     1.599519    2.152442
  ------------------+----------------------------------------------------------------
  dg02i3            |
            aid1003 |   .1072014   .0273746     3.92   0.000     .0535481    .1608546
                  U |   .9758766   .0108004    90.36   0.000     .9547082     .997045
              _cons |   1.879241   .1417078    13.26   0.000     1.601499    2.156983
  ------------------+----------------------------------------------------------------
  dg02i4            |
            aid1004 |    .161862   .0319861     5.06   0.000     .0991705    .2245536
                  U |   .9593964   .0161795    59.30   0.000     .9276851    .9911077
              _cons |    1.97645   .1467579    13.47   0.000      1.68881     2.26409
--------------------+----------------------------------------------------------------
       mean(aid1001)|   .3257185   .0867281     3.76   0.000     .1557346    .4957024
       mean(aid1002)|   .3670659   .0873159     4.20   0.000     .1959299    .5382018
       mean(aid1003)|   .4761129   .0891765     5.34   0.000     .3013302    .6508955
       mean(aid1004)|   .3741062   .0874225     4.28   0.000     .2027612    .5454512
--------------------+----------------------------------------------------------------
       var(e.dg02i1)|   .0316635   .0068772                      .0206862    .0484659
       var(e.dg02i2)|   .0244043   .0061581                      .0148826    .0400179
       var(e.dg02i3)|   .0602049   .0116014                      .0412673     .087833
       var(e.dg02i4)|   .1005082    .017815                      .0710112    .1422578
        var(aid1001)|          1          .                             .           .
        var(aid1002)|          1          .                             .           .
        var(aid1003)|          1          .                             .           .
        var(aid1004)|          1          .                             .           .
              var(U)|          1          .                             .           .
--------------------+----------------------------------------------------------------
cov(aid1001,aid1002)|   .8779208   .0193756    45.31   0.000     .8399454    .9158963
cov(aid1001,aid1003)|    .618358   .0521995    11.85   0.000     .5160487    .7206672
cov(aid1001,aid1004)|    .298639   .0769779     3.88   0.000     .1477651    .4495129
      cov(aid1001,U)|  -.0762641    .086005    -0.89   0.375    -.2448307    .0923026
cov(aid1002,aid1003)|    .650063   .0488007    13.32   0.000     .5544153    .7457107
cov(aid1002,aid1004)|   .3680503   .0730669     5.04   0.000     .2248418    .5112587
      cov(aid1002,U)|  -.1238961   .0852441    -1.45   0.146    -.2909715    .0431793
cov(aid1003,aid1004)|   .7115269   .0417278    17.05   0.000      .629742    .7933118
      cov(aid1003,U)|  -.1148602   .0848663    -1.35   0.176    -.2811951    .0514746
      cov(aid1004,U)|  -.1518099   .0834334    -1.82   0.069    -.3153363    .0117165
-------------------------------------------------------------------------------------
LR test of model vs. saturated: chi2(10) = 75.37                 Prob > chi2 = 0.0000

要約:

  • このモデルは、時間とともに変化しない観測されない異質性を表す潜在的なU項を持つ。
  • このUは、独立変数と従属変数と相関している。この相関は時間的に一定である。
  • 我々は、独立変数からの効果を各時間で一定に設定する。
  • また、従属変数の分散も各時刻で一定に設定する。

6.ランダム効果SEM

Random Effect は、U項が独立変数と相関しないことを仮定している。したがって、我々の前のモデルから、それらの共分散を取り除き、REモデルを持つことができる。

. sem (U -> dg02i1, ) (U -> dg02i2, ) (U -> dg02i3, ) (U -> dg02i4, ) (aid1001 -> dg02i1, ) (aid1002 -> dg02i2, ) (aid1003 -> dg02i3, ) (aid1004 -> dg02i4, ), covstruct(lexogenous, diagonal) cov(lexogenous_oexogenous@0) standardized latent(U ) cov( aid1001aid1002 aid1002aid1003 aid1003aid1001 aid1003aid1004 aid1004aid1001 aid1004*aid1002) nocapslatent

Endogenous variables
  Observed: dg02i1 dg02i2 dg02i3 dg02i4

Exogenous variables
  Observed: aid1001 aid1002 aid1003 aid1004
  Latent:   U

Fitting conditional model:
Iteration 0:   log likelihood = -3010.3817  (not concave)
Iteration 1:   log likelihood = -2784.3438  (not concave)
Iteration 2:   log likelihood = -2756.3185  (not concave)
Iteration 3:   log likelihood = -2731.7585  (not concave)
Iteration 4:   log likelihood = -2722.3319  (not concave)
Iteration 5:   log likelihood = -2709.4781  (not concave)
Iteration 6:   log likelihood =  -2703.332  (not concave)
Iteration 7:   log likelihood = -2700.5239  (not concave)
Iteration 8:   log likelihood = -2699.3366  (not concave)
Iteration 9:   log likelihood =  -2698.098  (not concave)
Iteration 10:  log likelihood = -2696.6677  (not concave)
Iteration 11:  log likelihood =  -2693.605  (not concave)
Iteration 12:  log likelihood = -2691.2325  (not concave)
Iteration 13:  log likelihood = -2689.1527  (not concave)
Iteration 14:  log likelihood = -2687.1086  (not concave)
Iteration 15:  log likelihood = -2661.4224  (not concave)
Iteration 16:  log likelihood = -2641.8011  (not concave)
Iteration 17:  log likelihood = -2625.6766  (not concave)
Iteration 18:  log likelihood = -2617.3964  (not concave)
Iteration 19:  log likelihood =   -2589.71  (not concave)
Iteration 20:  log likelihood = -2567.8006  
Iteration 21:  log likelihood = -2557.3664  
Iteration 22:  log likelihood = -2552.2769  
Iteration 23:  log likelihood = -2550.3008  
Iteration 24:  log likelihood = -2550.2726  
Iteration 25:  log likelihood = -2550.2725  

Fitting target model:
Iteration 0:   log likelihood = -2550.2725  
Iteration 1:   log likelihood = -2550.2725  

Structural equation model                                  Number of obs = 140
Estimation method: ml

Log likelihood = -2550.2725

 ( 1)  [dg02i1]U = 1
-------------------------------------------------------------------------------------
                    |                 OIM
       Standardized | Coefficient  std. err.      z    P>|z|     [95% conf. interval]
--------------------+----------------------------------------------------------------
Structural          |
  dg02i1            |
            aid1001 |   .0889541   .0240784     3.69   0.000     .0417612     .136147
                  U |    .980069   .0042394   231.18   0.000       .97176    .9883781
              _cons |   1.771049   .1353193    13.09   0.000     1.505828     2.03627
  ------------------+----------------------------------------------------------------
  dg02i2            |
            aid1002 |   .0732052   .0228726     3.20   0.001     .0283757    .1180347
                  U |   .9851812   .0036744   268.12   0.000     .9779795    .9923829
              _cons |   1.861995   .1400489    13.30   0.000     1.587504    2.136485
  ------------------+----------------------------------------------------------------
  dg02i3            |
            aid1003 |   .1014453   .0263491     3.85   0.000      .049802    .1530886
                  U |   .9650206    .006648   145.16   0.000     .9519908    .9780504
              _cons |   1.861056   .1402512    13.27   0.000     1.586169    2.135944
  ------------------+----------------------------------------------------------------
  dg02i4            |
            aid1004 |   .1546387   .0303409     5.10   0.000     .0951717    .2141057
                  U |   .9380669   .0107013    87.66   0.000     .9170927    .9590411
              _cons |   1.934959   .1430286    13.53   0.000     1.654628     2.21529
--------------------+----------------------------------------------------------------
       mean(aid1001)|   .3257185   .0867281     3.76   0.000     .1557346    .4957024
       mean(aid1002)|   .3670659   .0873159     4.20   0.000     .1959299    .5382018
       mean(aid1003)|   .4761129   .0891765     5.34   0.000     .3013302    .6508955
       mean(aid1004)|   .3741062   .0874225     4.28   0.000     .2027612    .5454512
--------------------+----------------------------------------------------------------
       var(e.dg02i1)|   .0315519   .0068498                      .0206174    .0482855
       var(e.dg02i2)|    .024059   .0060736                      .0146688    .0394603
       var(e.dg02i3)|   .0584441   .0113073                      .0399997    .0853935
       var(e.dg02i4)|   .0961174   .0170179                      .0679351     .135991
        var(aid1001)|          1          .                             .           .
        var(aid1002)|          1          .                             .           .
        var(aid1003)|          1          .                             .           .
        var(aid1004)|          1          .                             .           .
              var(U)|          1          .                             .           .
--------------------+----------------------------------------------------------------
cov(aid1001,aid1002)|   .8779208   .0193756    45.31   0.000     .8399454    .9158963
cov(aid1001,aid1003)|    .618358   .0521995    11.85   0.000     .5160487    .7206672
cov(aid1001,aid1004)|    .298639   .0769779     3.88   0.000     .1477651    .4495129
cov(aid1002,aid1003)|    .650063   .0488007    13.32   0.000     .5544153    .7457107
cov(aid1002,aid1004)|   .3680503   .0730669     5.04   0.000     .2248418    .5112587
cov(aid1003,aid1004)|   .7115269   .0417278    17.05   0.000      .629742    .7933118
-------------------------------------------------------------------------------------
LR test of model vs. saturated: chi2(14) = 79.94                 Prob > chi2 = 0.0000

Ofcom - The Communications Market Report: International 2016

2016年のOfcomの調査から

www.ofcom.org.uk


6.1 インターネットとオンラインコンテンツ:概要と主な市場動向

6.1.1 概要

イギリスでは、78%の消費者がノートパソコンを、72%の消費者がスマートフォンを利用しているが、デスクトップパソコンを持っている消費者は53%に過ぎない。比較対象国の中では、英国はタブレット端末の普及率が60%と比較的高く、フランス、ドイツ、米国、日本、オーストラリアの普及率を大きく上回っている。しかし、英国はスマートフォンの普及率が比較的低く、米国と日本を除く大半の国よりも普及率が低い。スマートフォンは、すべての比較対象国において、消費者がオンラインで時間を過ごすために使用するデバイスとして際立っている。米国では、スマートフォンユーザーの月間ブラウジング時間は87時間で、ラップトップやデスクトップでのブラウジング時間は34時間だった。英国のスマートフォンユーザーのオンライン閲覧時間は月66時間と、2番目に長い時間だった。

スマートフォンが広く普及し、利用されていることは、英国および他の比較対象国において、接続性が向上していることを示している。比較対象国の消費者は、銀行、ストリーミング、タクシー予約、レストランでのテーブル予約など、さまざまな活動にスマートフォンを利用している(図1.1)。英国は、スマートフォンによるオンラインショッピングの利用が、イタリア、米国に次いで3番目に多いことが報告されている。

オンライン広告費は比較対象国すべてで増加 スマートフォンの人気は、1人当たりのモバイル広告費の前年比大幅増に反映されており、英国は米国(42.02ポンド)に次いで2位(2015年は39.63ポンド)の地位を維持している。2015年、中国は全広告費の53%がオンラインであり、英国(48%)とスウェーデン(48%)を抜いて最も大きなシェアを占めた。

比較対象国の大半でグーグルとフェイスブックが最もアクセス数の多いオンライン事業体に アクセス数の多いオンラインコンテンツに目を向けると、ヤフーがトップの日本を除き、比較対象国の大半でグーグルのサイトがノートパソコンとデスクトップで最もアクセス数の多いオンライン事業体となっている。ソーシャルネットワーキングは引き続き消費者の間で人気があり、英国では73%が少なくとも週に一度はソーシャルネットワーキングサイトを利用している。イタリアとスペインでは、10人に8人以上の消費者が毎週ソーシャルネットワークにアクセスしている。英国、米国、イタリア、スペインでは、スマートフォンタブレットでアクセスするオンライン企業の中で、Facebookが2番目に多く訪問されている。

6.2 インターネットと機器 機器保有

イギリスはタブレット端末とノートパソコンの普及率が比較的高い。 イギリスのタブレット端末の所有率は比較対象国の中で最も高く、回答者の60%が一家に一台あると答えており、イタリア、スペイン、スウェーデンを除くすべての国より高い。また、ノートパソコンの所有率も78%と、フランス(79%)と並んで高く、アメリカ、日本、スペイン、スウェーデンよりも高い数値を示している。一方、デスクトップの保有率は53%で、他の比較対象国のうち6カ国よりも低い。英国は比較対象国の中で2番目に低かったが、回答者のほぼ4分の3(72%)がスマートフォンを持っていると回答している。

図6.8 デバイス保有状況と個人使用状況。 2016

6.3 オンラインに費やす時間

英国のユーザーは、ノートパソコンまたはデスクトップパソコンでのブラウジングに月29時間を費やしている。 米国のインターネットユーザーは、2016年8月にノートパソコンまたはデスクトップパソコンで34時間をオンラインに費やしている。これは比較対象国の中で最も高く、次いでドイツと日本(ともに31時間)、イギリスとフランス(ともに29時間)であった。

図 6.9 ノートパソコンまたはデスクトップパソコンで閲覧した平均時間。2016年8月

英国のスマートフォンユーザーのオンライン閲覧時間は月66時間

イギリスでは、2016年8月にスマートフォン所有者がスマートフォンでオンラインを利用した時間は、平均で66時間。米国のスマートフォンユーザーは、より多くの時間をオンラインで過ごし、87時間だった。英国のユーザーは、ノートパソコンやデスクトップよりもスマートフォンで閲覧する時間の方が2倍以上長く、これは米国、スペイン、イタリアでも同様であった。

図 6.10 スマートフォンでの平均閲覧時間。2016年8月

6.3 オンラインコンテンツ

6.3.1ウェブサイトとアプリ

2016年8月の比較対象国のうち1カ国を除くすべての国で、デスクトップおよびラップトップコンピュータ上でGoogle所有のサイトが最も高いリーチを誇っていた

Googleのプロパティ144(GmailYouTubeなどのサービス、Google検索を含む)は、日本を除くすべての比較対象国で最もリーチが高かった。マイクロソフトのサイト145 は、すべての比較対象国においてリーチ数のトップ 3 に入っている。アマゾンのサイトはすべての比較対象国でトップ10に入り、eBayは比較対象国のうち5カ国でトップ10入りしている。例年通り、イギリスのBBC、イタリアのGruppo Editoriale Express、スペインのVocentoなど、国内のメディア・出版サービスが自国のトップ10にランクインしている。公共放送はBBCだけだが、CBS InteractiveやComcast NBC Universal(ともに米国)など、テレビ放送部門を持つ企業に関するプロパティもトップ10にランクインしている。2016年8月に最高ランクのウェブプロパティのトップ10内に政府のプロパティが登場したのは、英国とオーストラリアだけである(それぞれWWW.GOV.UK146とABS.GOV.AU147)。

2016年8月、スマートフォンタブレットで人気のプロパティは、Googleサイトと国内メディア企業

ノートパソコンやデスクトップパソコンでのオンラインコンテンツ消費と、モバイル端末(スマートフォンタブレット)での消費では、いくつかの違いがある。モバイル端末では、メディアグループやマルチメディア出版グループの人気が目立った。RCS MediaGroupはイタリアとスペインでトップ10のプロパティに入り、Trinity Mirror Group(イギリス)とPrisa(スペイン)は事業を展開している市場でトップ10のプロパティに入ったことが特徴だ。スマートフォンタブレット端末では、比較対象国のすべてでYahooとGoogleのサイトがトップ10にランクインしている。逆に、ノートパソコンやデスクトップよりもモバイル端末での人気が低いものもあった。Amazonは、すべての比較対象国でノートパソコンやデスクトップで最もアクセス数の多いトップ10に入っていたが、モバイルでのアクセスは2カ国だけだった。eBayは、5カ国でノートパソコンやデスクトップで最も人気のあるトップ10に入っていたが、モバイル端末ではイギリスでのみトップ10に入っていた。

2016年8月、英国で最もダウンロードされたiOSアプリは「Pokémon GO」だった

App AnnieのApp Storeからのダウンロードに関するデータによると、Nianticの「Pokémon GO」が、フランスやイタリアと同様に、英国で最もダウンロードされたiOSアプリとなったことが明らかになった。2016年8月には2016年オリンピックが開催され、フランスとイタリアでは、同月に開催されたオリンピックと重なり、国営公共放送(それぞれTélévisions FrançaisesとRai)が公開していたオリンピックアプリがダウンロード数トップ10にランクインしている。

アップルの教育アプリ「iTunesU148」は、すべての国でトップ10入りしている。比較対象国のいくつかでは、8月から9月にかけては夏休みが終わり、学校や大学の新年度が始まる時期である。

2016年8月、Google Playから最もダウンロードされたアプリは、報告された1カ国を除くすべての国で、PokémonGOまたはWhatsApp Messengerのいずれかであった

英国を含む比較対象4カ国において、2016年8月にGoogle Playからダウンロードされた上位3つのうち、Facebook Messenger、Snapchat、WhatsApp Messengerなどのメッセージングアプリ149が少なくとも2つを占めた。日本でダウンロード数上位10位以内に入ったメッセージングサービスには、LINEやSNOWが含まれていた(他の国では含まれていない)150。 BBC Media Player(Android端末でBBCのビデオやオーディオコンテンツを再生できる)は、2016年8月に英国でダウンロードされたGoogle Playアプリで7番目に人気があった。公共放送が公開したアプリがダウンロード数トップ10に入った国は、他にはイタリアだけであった(RaiのRio 2016アプリ)。

150.LINEは、韓国のオンラインコンテンツおよびポータル企業であるNaver Corporationが公開するマルチメディアOTTメッセージングアプリケーション。SNOWは、同じくNaverが提供する動画・画像メッセージングアプリで、ユーザーが写真や動画にフィルターやエフェクトを適用することができる。

6.3.2ソーシャル・ネットワーキング

英国のインターネットユーザーの約4分の3が週1回以上ソーシャルネットワークを利用

比較対象8カ国すべてのインターネットユーザーの過半数が、2016年に少なくとも週に1回ソーシャルネットワークにアクセスしたと回答している。これはイタリア(82%)とスペイン(85%)で最も高く、英国では73%だった。日本は、比較対象8カ国と比較して、ソーシャルネットワークの利用が最も少なく、半数強の回答者が週に1回以上ソーシャルネットワークを利用していました。比較対象国の大部分において、2015年から2016年にかけて、週1回のSNS利用者の割合が増加しました。最も増加したのは米国で、62%から76%に増加した。

Facebookは、すべての比較対象国のソーシャルネットワークの中で最もリーチが高い

比較対象国の中で、ノートパソコンまたはデスクトップパソコンにおけるFacebookのリーチは、イギリスの64%に対し、イタリアで最も高い(2016年8月時点)72%でした。LinkedInは、イタリア、米国、オーストラリアで選択したソーシャルネットワークの中で2番目に高いリーチを持ち、Twitterは英国、スペイン、日本で2位となった。

図 6.16 ノートパソコンとデスクトップパソコンにおける選択したソーシャルネットワークのアクティブリーチ:2016 年

6.3.3 モバイルバンキング

英国の携帯電話ユーザーの3分の1以上が、自分の端末で銀行残高をチェック

比較対象国の大半で、携帯電話ユーザーの4分の1以上が、自分の端末で銀行の残高をチェックしていると主張している。英国では、この数値は37%で、比較対象8カ国中4位にランクインしている。端末を通して友人や会社に送金できるアプリも増えている。これらのオンデマンドサービスは、PayPalなどの統合オンラインプラットフォームを通じて提供することができる。英国では、携帯電話利用者の20%が端末で送金しており、比較対象国の中で4番目に高い。

図 6.17 銀行残高の確認や送金のための携帯電話の利用:2016 年

6.3.4モバイル決済

英国の携帯電話ユーザーの10人に3人が、オンライン決済に携帯電話を使用したことがある

すべての比較対象国において、携帯電話でオンライン決済を行ったことのある携帯電話ユーザーは少数派だった。イギリスでは、携帯電話所有者の約3分の1(32%)が、イタリアと同様に、携帯電話を使ってオンラインで商品を購入したことがあると回答している。日本では、半数近く(47%)が携帯電話を使ってオンラインで商品を購入したことがあると回答しており、このアクティビティは最も人気がある。

Ofcom - The Communications Market 2022

イギリスOfcomの2022年メディア利用調査から。

www.ofcom.org.uk

英国の成人インターネットユーザーは、毎日4時間をオンラインで過ごしている。インターネットを利用する人々は、スマートフォンタブレット、PCで1日平均3時間59分オンラインを利用した。

日本と同じような傾向だと思うが、唯一違いそうなのは、イギリス人はラジオが好き、という点。


調査結果 - 概要

2020年に見られた従来型通信サービスの利用状況の変化は反転した。2020年のロックダウン時に発生した固定電話の通話量と生放送のテレビ視聴時間の増加は、2021年には維持されていない。放送テレビチャンネルの平均視聴時間は1日3時間に減少し、16~24歳では1日1時間未満となった。固定電話の通話量は前年比14%減少したが、2019年に記録した大流行前の水準より高い水準を維持した。

放送テレビとラジオ全体の収益は、前年の減少を受け、回復している。オーディオビジュアルの総収入は2021年に190億ポンドに達した。全セクターで増収となったが、オンライン・オーディオビジュアルが成長の大部分を占め、38億ポンドから53億ポンドに増加した。ラジオの収入は6億3800万ポンドに達し、全国的な広告が増加を牽引した。

ロックダウン期間中に加速されたいくつかの変化は維持されている。固定電話の通話量は大きく後退したが、携帯電話の通話量の減少はかなり少なく、発信通話分数は前年比2%減にもかかわらず、2019年に比べて16%増となった。

データ通信の需要は引き続き拡大している。2021年には、固定回線とモバイル回線の月間平均データ量が増加した。モバイルのデータユーザー1人あたりの平均消費量は24%増の5.6GB/月となった。固定ブロードバンド接続では、月間平均データ使用量は6%増の453GBとなったが、これはパンデミック関連のロックダウンにより消費量が増加した2020年に記録した36%増よりも遅い成長率であった。

英国の成人インターネットユーザーは、毎日4時間をオンラインで過ごしている。インターネットを利用する人々は、スマートフォンタブレット、PCで1日平均3時間59分オンラインを利用した。

ラジオの聴取率は依然高い。ラジオを聴いている英国人口の90%において、毎週平均20時間がラジオを聴くことに費やされていた。

ほとんどの人が郵便を重要視している。ほぼ4分の3の人が、郵便はコミュニケーションの手段として不可欠、または重要だと感じていると回答している。

FDAがオーヴェリティAuvelity承認

www.harpersbazaar.com

アメリカ食品医薬品局FDA)がうつ病治療に初の即効薬を承認した。
アクサム・セラピューティクス(Axsome Therapeutics)の新薬『オーヴェリティ』(Auvelity)は1週間で効果が現れる。
臨床試験で、うつ病患者に安全で即効性があることがわかった。

彼らは、デキストロメトルファンと、既存の抗うつ薬で、デキストロメトルファンが体内で代謝されるのを遅らせることができるブプロピオンと組み合わせたのだ。 別の研究では、新薬を服用した患者は、持続放出性のブプロピオン(既存の抗うつ薬)だけを服用した人と比べて、うつ症状が緩和したと感じたことがわかっている。

Auvelity (dextromethorphan hydrobromide/bupropion hydrochloride) https://www.accessdata.fda.gov/drugsatfda_docs/label/2022/215430Orig1s000Correctedlbl.pdf

オーベリティ徐放錠は、デキストロメトルファン臭化水素酸塩45mgとブプロピオン塩酸塩105mgを含有する錠剤のことである。

デキストロメトルファンは「メジコン」のことである。

ja.wikipedia.org

www.info.pmda.go.jp

余談

デキストロメトルファンキニジンを併用すると、筋萎縮性側索硬化症多発性硬化症患者の情動調節障害症状を軽減することができる[4]。米国では合剤が市販されている。

https://ja.wikipedia.org/wiki/%E3%82%AD%E3%83%8B%E3%82%B8%E3%83%B3

デキストロメトルファンにはいろいろ使い方があるようだ。