图片来源:微博截图
或许,它并非一无是处
在社会交往中,人们似乎不时会遇到具有“完美主义”倾向的人。他们往往将大量的精力投注到那些与自身生活息息相关的事情上,努力使之趋近完美。
例如,看到桌子上的物品排列得不整齐,他们可能会感到心里不舒服,于是产生把它们摆好的冲动念头和行动。周围的人则会开玩笑,说这些人有点“强迫症”。
这类调侃在生活中并不少见。包祖晓介绍,从人类进化的角度看,强迫症或许并非一无是处,而是可能在人类生活中起过重要的作用。
例如,强迫行为的主要表现清洗、清洁、检查等在过去都可能是生活的策略,是早期人类或是更古老时期的哺乳动物赖以生存的自我保护习惯。
再如,梳洗行为可以巩固群体内部的联系,防止疾病;对后代、配偶、领地和储备加以检查则能保障安全。
简单的说,“为了心理的宁静”是这种调侃发生的背后动因。
医学范畴的“强迫症”是怎样的?
跟社交媒体所说的调侃式的“强迫症”不同,精神医学范畴中的“强迫症”,是指以强迫观念、强迫冲动或强迫行为等强迫症状为主要临床相的一类神经症性障碍。
包祖晓简单概括了它的特点,即有意识的自我强迫和反强迫并存,两者强烈冲突使病人感到焦虑和痛苦。
此外,病人体验到观念和冲动来源于自我,但违反自己的意愿,需极力抵抗,又无法控制;病人也意识到强迫症状的异常性,但无法摆脱。
它的常见的表现形式有:怕脏和怕被污染强迫、责任和检查强迫、完美强迫、顾虑强迫、过度关注强迫、囤积强迫等等。
从行为主义角度说,强迫症是一种对特定情境的习惯性反应。强迫行为和强迫性仪式动作被认为是减轻焦虑的手段,但仅能暂时减轻焦虑,从而导致仪式行为的重复发生。
依照精神分析理论的提示,强迫症的形成与成长过程中的不良教养方式有关,正所谓“习惯的锁链一直难以察觉,直到它变得难以打破”。
对生活的影响有哪些?
顽固的“强迫症”会对生活有哪些影响?
包祖晓说,医学上所说的强迫症对患者的生活和社会功能影响较大。如果有人把强迫比作“心魔”,或许并不是夸大其辞。
这是因为强迫症患者在深受侵入性思维折磨的同时,还由于害怕自己身上被贴上种种负面标签而选择守口如瓶,独自咀嚼着无边的苦涩。
也就是说,他们很容易一而再、再而三地陷入强迫思维-强迫行为恶性循环的沼泽,始终难以走出焦虑、恐惧、挫败的境地。
《平息战斗:心理医生教你摆脱强迫的折磨》。受访者供图包祖晓曾经遇到过一个比较典型的例子,“有一位强迫症患者,自知种种重复行为没必要,但控制不了。家人的责骂让他更家烦躁,学习成绩下降,经常头晕、心慌。近日脾气越来越暴躁,无故踢家中东西、扔物品,大声吼叫”。
如果发现孩子有“强迫症”倾向,父母首先需要做的是带孩子去就医。要知道,强迫思维不能用讲道理和意志力去对抗。父母平时要避免说类似“叫你别多想,你还要想”等等,往往会适得其反。
“强迫症就像一种虚假的火警。当强迫症患者有一种强迫行为或可怕的想法时,就像有人在他脑袋里拉了一下警报器。然而,周围并没有危险的东西。”包祖晓认为,父母应该在心理治疗师的指导下协助孩子进行对强迫行为的矫正。
职场也有“强迫症”?
“强迫症”仅仅存在于家庭生活中吗?其实也不是。
包祖晓介绍,职场上的“强迫症”主要表现为对关系方面的过度关注。例如,对任何与关系有关的事物进行心理回顾等等。
简单来说,就是过度在意人与人之间的关系。比如当两个人交往谈话时,担心自己是否说错话了,事后会反复回忆说过的每一句话。
对此,采取唱歌等娱乐活动来宣泄情绪不是良好的处理方法,也不能从根本上解决问题。从长远看,反而可能会加重症状。
《平息战斗:心理医生教你摆脱强迫的折磨》一书中提出,接纳、停顿和专注、旁观和标示等正念技术适合强迫症患者的自我疗愈。
“简单的正念操作方法,第一步是接纳,正常看待当下出现的所有感受和现象;第二步是重新聚集,主动地把注意力放在一个专注对象上。”包祖晓称,第三步则是持续地以旁观者的身份观照身体行为和心理感受,但不要过度用力。(完)
提速近10倍!基于深度学习的全基因组选择新方法来了****** 近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。 全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。 相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |