Оценка мотивации потребления алкоголя: психометрические характеристики опросника В.Ю. Завьялова (МПА)

Опросник мотивации потребления алкоголя (МПА), разработaнный В.Ю. Завьяловым, является широко распространенным психометрическим инструментом для изучения мотивации употребления алкоголя у русскоязычных пациентов с алкогольной зависимостью как в исследовательских, так и практических целях. Цель исследования—анализ психометрических характеристик опросника МПА. Проведенный психометрический анализ показывает, что факторная структура опросника МПА В.Ю. Завьялова значимо отличается от заявленной в оригинале. Результаты статистического анализа позволили выделить три значимых кластера. Кластер А составили шкалы социально обусловленной триады—традиционные, субмиссивные и псевдокультуральные мотивы. В это кластер также частично вошли гедонистические мотивы (2 пункта из 5) и мотивы самоповреждения (1 пункт из 5). Кластер Б составили шкалы личностной и патологической триад—абстинентные, атарактические и гиперактивационные мотивы. Также частично вошли гедонистические (3 пункта из 5) и аддиктивные мотивы (4 пункта из 5). В кластер В вошли мотивы самоповреждения (4 пункта из 5) и похмельные (аддиктивные) мотивы (1 пункт из 4). Согласно полученным данным, опросник МПА не может измерять мотивацию потребления алкоголя так, как рассчитывают исследователи и клиницисты, опираясь на «ключ» оригинальной методики. Будущие работы по модификации опросника МПА должны опираться на результаты, полученные в последнее время в нейрофизиологических и клинико-психофармакологических исследованиях в области мотивации употребления алкоголя, и включать пересмотр пунктов опросника, разработку статистически обоснованной градации уровней выраженности мотивов потребления алкоголя, валидизацию версии опросника МПА у женщин.

1. Алфимова М.В. Оценка мотивации в контексте трансляционной психиатрии. Диагностика в медицинской (клинической) психологии: современное состояние и перспективы. Коллективная монография. М.: Московский государственный психолого-педагогический университет. 2016:53-65.

2. Завьялов В.Ю. Клинико-психологические аспекты формирования зависимости от алкоголя. Автореферат дис. ... доктора медицинских наук. Москва. 1993.

3. Завьялов В.Ю. Психологические аспекты формирования алкогольной зависимости. Новосибирск: Наука. 1988.

4. Клячин И.А., Шамов С.А., Гаджиева У.Х., Белозеров Б.Г., Клячин А.И., Цыганков Д.Б. Сравнительная характеристика клиникопсихологических особенностей больных алкоголизмом с устойчивой и неусточивой ремиссией. Наркология. 2018; 17(11):48-55. doi:10.25557/1682-8313.2018.11.48-55

5. Копытов А.В., Быченко И.В., Глебко О.П. Особенности мотивации потребления алкоголя у лиц с алкогольной зависимостью подросткового и молодого возраста. Психиатрия, психотерапия и клиническая психология. 2018; 9(4):496-506.

6. Рыбакова К.В. Дифференциальнодиагностические критерии первичных и вторичных психических расстройств, коморбидных алкогольной зависимости. Вопросы наркологии. 2019; 12(183):35-54. doi:10.47877/0234-0623_2019_12_34

7. Трусова А.В. Мотивационное интервьюирование в комплексной терапии алкогольной зависимости: опыт применения и оценка эффективности. Обозрение психиатрии и медицинской психологии имени В.М. Бехтерева. 2015; 4:100-108.

8. Фролова Н.Н., Крупицкий Е.М., Ерышев О.Ф. Клинико-психологические характеристики феномена одиночного пьянства. Обозрение психиатрии и медицинской психологии имени В.М. Бехтерева. 2009; 1:92-97.

9. Annis HM, Graham JM. Profile Types on The Inventory of Drinking Situations: Implications for Relapse Prevention Counseling. Psychology of Addictive Behaviors. 1995; 9(3):176.

10. Benjamin DJ, Berger JO, Johannesson M, Nosek BA, Wagenmakers EJ, Berk R, et al. Redefine statistical significance. Nature Human Behaviour. 2018; 2(1):6–10.

11. Cooper ML. Motivations for alcohol use among adolescents: Development and validation of a four-factor model. Psychological Assessment. 1994; 6(2):117–128. doi:10.1037/1040-3590.6.2.117

12. Cooper ML, Kuntsche E, Levitt A, Barber LL, Wolf S. Motivational Models of Substance Use: A Review of Theory and Research on Motives for Using Alcohol, Marijuana, and Tobacco. The Oxford Handbook of Substance Use and Substance. 2016;1. doi: 10.1093/oxfordhb/9780199381678.013.017

13. Cox WM, Klinger E. A motivational model of alcohol use. Journal of Abnormal Psychology. 1988; 97(2):168–180. doi:10.1037/0021-843X.97.2.168

14. Gilpin NW, Koob GF. Neurobiology of alcohol dependence: focus on motivational mechanisms. Alcohol Res Health. 2008; 31(3):185-95.

15. Giordani P, Ferraro MB, Martella F. An Introduction to Clustering with R. Singapore: Springer Singapore. 2020. (Series Behaviormetrics: Quantitative Approaches to Human Behavior. Vol. 1). doi:10.1007/978-981-13-0553-5

16. Grodin EN, Bujarski S, Venegas A, Baskerville WA, Nieto SJ, Jentsch JD, Ray LA. Reward, Relief and Habit Drinking: Initial Validation of a Brief Assessment Tool. Alcohol Alcohol. 2019; 1(54-6):574-583. doi: 10.1093/alcalc/agz075

17. Koob GF, Volkow ND. Neurobiology of addiction: a neurocircuitry analysis. Lancet Psychiatry. 2016; 3(8):760-773. doi: 10.1016/S2215-0366(16)00104-8

18. Kuntsche E, Knibbe R, Gmel G, Engels R. ‘I Drink Spirits to Get Drunk and Block Out My Problems… ’Beverage Preference, Drinking Motives and Alcohol Use in Adolescence. Alcohol and Alcoholism. 2006; 41(5):566-573. doi: 10.1093/alcalc/agl046

19. Leeuw J, Mair P. Multidimensional Scaling Using Majorization: SMACOF in R. Journal of Statistical Software. 2009; 31(1):1–30. doi: 10.18637/jss.v031.i03

20. Mair P, Borg I, Rusch T. Goodness-of-Fit Assessment in Multidimensional Scaling and Unfolding. Multivariate Behav Res. 2016; 51(6):772-789. doi:10.1080/00273171.2016.1235966.

21. Mayer M. missRanger: Fast Imputation of Missing Values [github.com]. Github. 2021. Available: https://github.com/mayer79/missRanger

22. Phipson B, Smyth GK. Permutation P-values Should Never Be Zero: Calculating Exact P-values When Permutations Are Randomly Drawn. Statistical Applications in Genetics and Molecular Biology. 2010; 9:Article39. doi:10.2202/1544-6115.1585

23. Stekhoven DJ, Bühlmann P. MissForest—non-parametric missing value imputation for mixed-type data. Bioinformatics. 2012; 28(1):112–118. doi: 10.1093/bioinformatics/btr597

24. Tibshirani R, Walther G, Hastie T. Estimating the number of clusters in a data set via the gap statistic. Journal of the Royal Statistical Society: Series B (Statistical Methodology). 2001; 63(2):411–423. doi:10.1111/1467-9868.00293

25. West R. EMCDDA Insights Series n 14. Models of addiction. European Monitoring Centre for Drugs and Drug Addiction. Luxembourg: Publications Office of the European Union. 2013. doi: 10.2810/99994

26. Wright MN, Ziegler A. ranger : A Fast Implementation of Random Forests for High Dimensional Data in C++ and R. J Stat Soft. 2017; 77(1). doi:10.18637/jss.v077.i01