Frekvenčně závislé změny amplitudy nízkofrekvenčních výkyvů v herních poruchách (2015)

Front Psychol. 2015; 6: 1471.

Publikováno online 2015 Sep 28. dva:  10.3389 / fpsyg.2015.01471

PMCID: PMC4585012

 

Abstraktní

Neuroimagingové studie odhalily, že funkční mozkové činnosti související s danými úkoly jsou u subjektů s poruchou internetového hraní (IGD) narušeny. O změnách v spontánních mozkových činnostech o nich je však známo jen málo. Nedávné studie navrhly, že mozkové činnosti různých frekvenčních rozsahů jsou vytvářeny různými nervovými činnostmi a mají různé fyziologické a psychologické funkce. V této studii jsme se tedy rozhodli prozkoumat spontánní mozkové činnosti u subjektů IGD měřením frakční amplitudy nízkofrekvenční fluktuace (fALFF), abychom prozkoumali změny specifických pro pásmo fALFF v klidovém stavu. Na základě literatury jsme frekvenční rozsah rozdělili do pěti pásem.

Ve srovnání se zdravými kontrolami vykazovala skupina IGD snížené hodnoty fALFF v zadním laloku cerebellum a zvýšené hodnoty fALFF v nadřazeném časném gyru. Významné interakce mezi kmitočtovými pásmy a skupinami byly nalezeny v mozečku, předním cingulátu, lingválním gyru, středním časovém gyru a středním čelním gyru. Tyto oblasti mozku jsou prokazatelně spojeny s výkonnou funkcí a rozhodováním. Tyto výsledky odhalily změněnou spontánní mozkovou aktivitu IGD, která přispěla k pochopení základní patofyziologie IGD.

Klíčová slova: porucha internetových her, funkční magnetická rezonance v klidovém stavu, amplituda nízkofrekvenčních fluktuací

Úvod

Porucha závislosti na internetu (IAD) byla definována jako neschopnost jednotlivce ovládat nadměrné používání internetu, a to i navzdory negativním důsledkům na aspekty psychologického fungování (; ; ; ). Byl navržen jako „závislost na chování“ podle negativních účinků na sociální duševní zdraví (). O mechanismu IAD je však málo známo a nebyla vytvořena jednotná definice IAD a Diagnostická a statistická příručka 4 (DSM-4) tuto poruchu chování nezahrnovala (). Spolu s rychlým rozšířením IAD je DSM-5 vyvíjen pro poruchy hraní internetu (IGD) na základě definice poruch užívání návykových látek a závislostí (; ; ; ).

Existuje mnoho různých typů IAD kvůli různým funkcím internetu. Obecně se IAD skládá ze tří podtypů: IGD, internetová pornografie a e-mail (). S ohledem na definici závislosti mají všechny tyto kategorie IAD čtyři definující vlastnosti: nadměrné používání, stažení, tolerance a negativní dopady (; ; ). Jako nejčastější forma IAD (), IGD může sdílet specifické neuropsychologické vlastnosti s jinými závislostmi na chování, jako je patologické hráčství (; ; ; ; ).

Četné zobrazovací studie zkoumaly vlastnosti IGD pomocí různých úkolů (; , ; ; ), ale je obtížné porovnat údaje získané z různých experimentálních paradigmat a vyvozovat klinicky užitečné závěry z různých kognitivních úkolů (). Studie fMRI v klidovém stavu odhalily některé abnormality aktivace mozku při IGD (více popisů najdete v přehledu . Subjekty IGD mají vyšší impulsivitu, což je typický příznak závislosti na drogách; tento příznak souvisí se sníženou aktivací cingulate gyrus, která zahrnuje kognitivní kontrolu (). Studie fMRI také prokázala zvýšenou regionální homogenitu (ReHo) v mozkovém kmeni, dolním parietálním lobule, levém zadním mozečku a levém středním čelním gyrusu, které souvisejí se senzoricko-motorickou koordinací, která by mohla být relevantní pro pohyb prstů při hraní internetových her ().

FMRI v klidovém stavu byl vyvinut jako nová technika od Biswalovy studie (). Nejprve ohlásili vysoce synchronní spontánní nízkofrekvenční (0.01 – 0.08 Hz) fluktuace BOLD signálu u motorických korzetů, přičemž závěr, že amplituda nízkofrekvenčních fluktuací (ALFF) je neurofyziologický ukazatel (). Na základě ALFF propagoval další nástroj pro zobrazení lokální mozkové aktivity - zlomkovou amplitudu nízkofrekvenční fluktuace (fALFF), která dokázala detekovat regionální intenzitu spontánních fluktuací signálu BOLD (; ). Nedávno byl fALFF široce používán ve studiích pacientů s duševními poruchami, jako je deprese (), schizofrenie (), porucha hyperaktivity s deficitem pozornosti (), IGD (), a tak dále. Stále není jasné, zda abnormality mozkové aktivity IGD souvisejí se specifickými frekvenčními pásmy. Je důležité detekovat spontánní fluktuace mozku při specifické frekvenci více než v širokém frekvenčním pásmu. V mozku je mnoho různých oscilací, jejich frekvence se pohybují od velmi pomalých oscilací s periodami desítek sekund až po velmi rychlé oscilace s frekvencemi přesahujícími 1000 Hz (). navrhl „třídu oscilace“, která obsahuje frekvenční pásma 10 sahající od 0.02 do 600 Hz (). A zkoumali fALFF ve čtyřech frekvenčních pásmech a zjistili, že oscilace jsou spojeny se specifickými nervovými procesy (; ). Zjistili, že amplitudy oscilací (0.01 – 0.027 Hz) při nízké frekvenci byly nejodolnější v kortikálních strukturách a vysoké frekvence byly nejodolnější v subkortikálních strukturách, jako jsou bazální ganglie. Studie odhalily, že pacienti se schizofrenií měli zvláštní abnormality amplitud oscilací ve frekvenčním pásmu pomalu 4 (). také prokázaly, že abnormality funkce mozku u amnestických pacientů s mírným kognitivním poškozením vystavovaly různé aktivační vzorce v různých frekvenčních pásmech.

V této studii jsme shromáždili hodnoty FALFF frekvence na 0 – 0.25, včetně šesti frekvenčních pásem 0 – 0.01 Hz, 0.01 – 0.027 Hz, 0.027 – 0.073 Hz, 0.073 – 0.198 Hz a 0.198 – 0.25 Hz v IGD, podle Buzsákiho „oscilačních tříd“. Snažili jsme se porovnat hodnotu fALFF mezi IGD a HC v různých pásmech a zabývat se dvěma otázkami: zaprvé, zda subjekty IGD vykazují abnormální amplitudy fALFF ve srovnání se zdravými kontrolami; za druhé, zda jsou abnormality IGD spojeny se specifickými kmitočtovými pásmy.

Materiály a metody

Výběr účastníků

Experiment je v souladu s Etickým kodexem Světové lékařské asociace (Helsinská deklarace) a je schválen Výborem pro lidská vyšetřování normální univerzity v Zhejiang. Padesát dva vysokoškolských studentů bylo přijato prostřednictvím reklam [26 IGD, 26 zdravé kontroly (HC)]. Byli to všichni muži po pravici. Skupiny IGD a HC se významně nelišily ve věku (IGD: N = 26, 22.2 ± 3.13 let; HC: N = 26, 22.28 ± 2.54 let; t(50) = 0.1, p = 0.9). Kvůli vyšším proporcím IGD u mužů byli zahrnuti pouze muži. Účastníci byli povinni podepsat informovaný souhlas a všichni účastníci prošli strukturovanými psychiatrickými rozhovory (MINI) () provedeno zkušeným psychiatrem s dobou podání přibližně 15 min. Všichni účastníci byli bez psychiatrických poruch Axis I uvedených v seznamu MINI. Všichni účastníci nesplnili kritéria DSM-4 týkající se zneužívání drog nebo závislostí, včetně alkoholu, ačkoli všichni účastníci IGD a HC uváděli konzumaci alkoholu během svého života. Všichni účastníci dostali pokyn, aby v den skenování nepoužívali žádné látky, včetně kávy, čaje. Žádný účastník nenahlásil poškození mozku ani předchozí zkušenosti s nezákonnými drogami (např. Kokain, marihuana).

Diagnóza IGD byla stanovena na základě skóre 50 nebo vyšších na Youngově online testu závislosti na internetu (). Jako speciální závislost na chování jsou provozní definice a diagnostické standardy pro IGD stále nekonzistentní. V této studii byla skupina IGD složena z jednotlivců, kteří splnili obecná kritéria IAD (skóre IAT přes 50) a uvedli, že „většinu svého online času tráví hraním online her (> 80%)“ (; ). IAT skóre skupiny IGD (72 ± 11.7) bylo mnohem vyšší než u zdravých kontrol [29 ± 10.4), t(50) = 14, p = 0.000].

Data Acquisition

Po konvenčním skenování lokalizátoru byly získány obrazy vážené T1 s rozmazanou sekvencí vyvolávající gradient [TR = 240 ms; echo time (TE) = 2.46 ms; úhel převrácení (FA) = 90 °; zorné pole (FOV) = 220 ~ 220 mm2; datová matice = 256 ~ 256]. Poté byly získány funkční obrazy v klidovém stavu pomocí echo-planární zobrazovací sekvence (TR = 2000 ms; TE = 30 ms; FA = 90 °; FOV = 220 ~ 220 mm2; datová matice = 64 ~ 64) s axiálními řezy 33 (tloušťka řezu = 3 mm a mezera řezu = 1 mm, celkové objemy = 210) v jednom běhu 7 min. Subjekty musely během skenování zůstat v klidu a nemyslet na nic systematického. Na konci sběru dat všechny subjekty potvrdily, že zůstaly vzhůru po celou dobu skenování.

Předběžné zpracování dat a výpočet fALFF

Veškeré funkční zpracování obrazu bylo provedeno pomocí asistenta zpracování dat pro klidový stav fMRI [DPARSF ()1] software. Pro každého účastníka byly první časové body 10 vyloučeny z další analýzy, což má zabránit přechodným změnám signálu dříve, než magnetizace dosáhne ustáleného stavu, a umožnit subjektům zvyknout si na skenovací prostředí fMRI. Zbývající objemy mozku 200 byly korigovány na časování řezů a znovu vyrovnány pro korekci pohybu hlavy. Byli zahrnuti pouze účastníci s pohybem hlavy menším než 1.5 mm ve směru x, y nebo z a menším než 2 rotace kolem každé osy. Subjekty 26 HC a 26 IGD byly v této studii platné. Poté byly všechny přeorientované obrazy prostorově normalizovány a poté znovu převzorkovány na izotropní voxely 3 mm a prostorově vyhlazeny (plná šířka na polovinu maxima = 6 mm) a lineární trend byl odstraněn. Po předběžném zpracování byl fALFF vypočítán pomocí DPARSF. Stručně řečeno, pro daný voxel byla časová řada nejprve převedena na frekvenční doménu pomocí „rychlé Fourierovy transformace“. Druhá odmocnina výkonového spektra byla vypočtena a poté zprůměrována napříč předem definovaným frekvenčním intervalem. Tato průměrná odmocnina byla označena jako fALFF v daném voxelu předdefinovaných frekvenčních pásem (). Celý frekvenční rozsah (0 – 0.25 Hz) jsme rozdělili do pěti dílčích pásem: pomalý-6 (0 – 0.01 Hz), pomalý-5 (0.01 – 0.027 Hz), pomalý-4 (0.027 – 0.073 Hz), pomalý- 3 (0.073 – 0.198 Hz) a pomalý-2 (0.198 – 0.25 Hz) (35, 46, 30) a vypočtené fALFF každého frekvenčního pásma.

Statistická analýza

Byla prováděna analýza rozptylu (ANOVA) obousměrným (skupinovým a frekvenčním pásmem) na bázi voxel-by-voxel se skupinou (IGD a HC) jako faktorem mezi jednotlivými subjekty a frekvenčním pásmem (pomalé 2, slow-3, slow-4, slow-5, slow-6) jako opakovaná měření. Vypočítali jsme také korelační analýzu založenou na návratnosti investic, která sledovala významný hlavní účinek a interakci mezi závažností hodnot IGD a fALFF a hodnoty fALFF jsme vybrali ze specifických pásem.

výsledky

Hlavní účinky dvojitého opakovaného měření ANOVA byly ukázány v roce Obrázek Obrázek11, Tabulky Tables11 a 22. Použili jsme korekci Alphasim pro vícenásobná srovnání zobrazovacích dat. Opraveno p <0.05 odpovídá kombinaci neopravených p <0.05 a velikost shluku> 248 mm3). Byla provedena korelační analýza založená na ROI mezi hodnotami fALFF a závažností IGD (skóre IAT). Mozeček měl významnou negativní korelaci se závažností IGD (pomalý-4: r = -0.487, p = 0.000; slow-5: r = -0.485, p = 0.000; vidět Obrázek Figure2C2C). Souřadnice ROI byla definována aktivačním vrcholem přežívajícího klastru. Poloměr ROI je 4 mm a je vytvářen softwarem REST2.

OBRÁZEK ​​1  

(A) Hlavní účinek skupiny na amplitudu nízkofrekvenční fluktuace (ALFF). Oblasti mozku, ve kterých je frakční amplituda nízkofrekvenční fluktuace (fALFF) odlišná mezi poruchou internetového hraní (IGD) a zdravými kontrolami. Předměty IGD ...
Tabulka 1  

Oblasti mozku s hlavním účinkem skupiny.
Tabulka 2  

Oblasti mozku s interakčním účinkem mezi skupinou a frekvencí.
OBRÁZEK ​​2  

Hodnoty ALFF v nadřazeném časovém gýru a v mozečku. Červený a modrý obdélník představoval subjekty IGD a zdravé kontroly. Plnofrekvenční pásmo (0 – 0.25 Hz) bylo rozděleno do pěti pásem. Byly zobrazeny v (A, B) ...

Významné interakce mezi kmitočtovým pásmem a skupinou byly pozorovány v mozečku, předním cingulátu, lingválním gýru, středním časovém gýru a středním čelním gyru. Střední čelní gyrus vykazoval zvýšené hodnoty amplitudy a střední temporální gyrus vykazoval snížené hodnoty amplitudy v IGD. Kromě toho analýzy založené na návratnosti investic představovaly dynamickou změnu fALFF v mozečku a lingvální gyrus spolu s přizpůsobením frekvence (viz viz Obrázek Obrázek33). U IGD se v mozečku projevily snížené hodnoty amplitudy ve sféře vyšší frekvence (pomalý-2, pomalý-3, pomalý-4) a zvýšené hodnoty amplitudy v oblasti s nízkou frekvencí (pomalý-6, viz Obrázek Obrázek3A3A). Naopak, lingvální gyrus vykazoval zvýšené hodnoty amplitudy ve sféře vyšší frekvence (pomalu-2, pomalu-3) a snížené hodnoty amplitudy v oblasti s nižšími frekvencemi (pomalu-6, viz Obrázek Obrázek3B3B). Tyto dvě regiony sdílely přechodový bod v pásmu pomalu 5 pro změnu amplitudy.

OBRÁZEK ​​3  

Reverzní obrazec v mozečku a lingvální gyrus na různých pásmech IGD. Červený a modrý obdélník představoval subjekty IGD a zdravé kontroly. Plnofrekvenční pásmo (0 – 0.25 Hz) bylo rozděleno do pěti pásem. Byly zobrazeny ...

Diskuse

Tato studie zkoumala abnormální spontánní mozkovou aktivitu v IGD s fALFF v různých frekvenčních pásmech. Účinek hlavní skupiny odhalil, že IGD prokázala nižší hodnoty fALFF u nadřazeného časného gyrusu a vyšší hodnoty fALFF u mozečku. Prezentovali jsme fluktuační amplitudy BOLD v celých frekvenčních pásmech (0 – 0.25 Hz) a našli jsme obrácený vzorec změn ve frekvenční oblasti v mozečku a lingvální gyrus v IGD. Tato zjištění poskytují úplný přehled analýz fALFF ve frekvenční oblasti a zdůrazňují důležitost výběru specifické frekvence pro detekci duševních poruch souvisejících s abnormalitami.

Různé fALFF v Cortical mezi IGD a HC (hlavní efekt skupiny)

Předchozí literatury věřily, že signál pomalého 2 odráží velmi nízkofrekvenční drift a pomalý 6 odráží vysokofrekvenční fyziologické zvuky (; ). Analýza hlavního účinku skupiny se zaměřila na spontánní neurální aktivitu ve specifických frekvenčních pásmech (slow-4 a slow-5) v IGD. Hlavním účinkem skupiny bylo, že IGD vykazovala nižší hodnoty fALFF při pomalém 4 a pomalém 5 v mozečku. V této studii byla nalezena negativní korelace mezi hodnotami fALFF v mozečku a závažností IGD. Cerebellum je obyčejně klasifikováno jako struktura motoru, jehož funkce není omezena na koordinaci pohybu nebo rovnováhu a také hraje důležitou roli ve vyšších kognitivních procesech (; ). Důkazy z anatomických, fyziologických a funkčních zobrazovacích studií prokázaly, že lidé s lézemi v mozečku vykazovali nedostatek kognitivních výkonných funkcí a pracovní paměti (; ). Přijímá vstup ze senzorických systémů a dalších oblastí mozku a integruje tyto vstupy pro úpravu motorické aktivity (; ; ). Potenciální úloha mozečku v závislosti je řešena v nedávném dokumentu, který navrhoval, že mozeček je potenciální regulační centrum, které je ovlivněno závislostí (). Literatury prokázaly, že subjekty IGD jsou spojeny s ReHo vyšším než je normální (; ) a funkční připojení () nad mozečkem. V této studii byla pozorována negativní korelace mezi hodnotami fALFF v mozečku a závažností IGD (viz viz Obrázek Figure2C2C), což také podporuje, že abnormální spontánní neuronální aktivita v mozečku souvisí s nevhodným chováním IGD.

Hodnoty FALFF byly vyšší v nadřazeném časovém gyru v IGD. Předchozí studie ukázala, že IGD ve srovnání s HC vykazovala sníženou funkční konektivitu v časové oblasti (). Naše předchozí studie zjistila sníženou ReHo v horním časovém gyru a usuzujeme, že by to mohly být výsledky dlouhého trvání hraní her (). Současná zjištění jsou částečně v rozporu s předchozí studií, takže předkládáme hypotézu, že zvýšený FALFF u nadčasového gyrusu může odrážet vyšší úroveň mozkové aktivity, která koreluje s flexibilitou pohybu v IGD, ale funkce této oblasti vyžaduje další studium.

Změny amplitudy závislé na frekvenci v IGD

Interakční účinky mezi skupinami a frekvenčními pásmy byly pozorovány v mozečku, předním cingulačním gyru, lingválním gyru, středním časovém gyru a středním čelním gyru.

Vyšší hodnoty FALFF ve středním frontálním gyrusu v IGD

V této studii účastníci IGD vykázali vyšší hodnoty FALFF v levém středním frontálním gyru v různých pásmech. Střední frontální gyrus hraje důležitou roli v koordinaci různých systémů, jako je učení a paměť, která úzce souvisí s mentálními operacemi (). V předchozí studii jsme dospěli k závěru, že subjekty IGD vykazují zvýšenou synchronizaci v mozkových oblastech souvisejících se senzoricko-motorickou koordinací () - hraní online her vyžaduje, aby hráči integrovali několik systémů, včetně senzorického systému, řízení motoru, souřadnic motoru a systému zpracování informací (). Současná zjištění také podporují tento předpoklad. Tento výsledek je také v souladu se studií Liu (), který zjistil, že subjekty s IGD vykázaly významné zvýšení hodnot ReHo v levém středním čelním gyru. Vyvodíme tedy závěr, že účastníci IGD vykázali vyšší hodnoty FALFF v levém středním frontálním gyrusu, což by mohlo být spojeno se zvýšenou schopností senzoricko-motorických souřadnic.

Abnormalita v předním cingulate gyrus v IGD

Při pomalém 6u jsme našli nižší fALFF v předním cingulate Gyrus. Přední cingulační oblast se podílí na inhibici, kontrole a sledování konfliktů (; ) a abnormality byly zmíněny v předchozích studiích IGD (; ). Jak je uvedeno v úvodu, nižší hodnoty fALFF se mohou vztahovat ke snížené koordinační schopnosti neurální aktivity na velké vzdálenosti. Tento předpoklad je podporován studiemi v této oblasti: s přístupem funkční konektivity. hlásili sníženou funkční konektivitu mezi ACC a PFC v IAD. navrhli, že nižší aktivity v ACC mohou odrážet abnormální sníženou spontánní neuronální aktivitu v této oblasti a funkční deficit. Jiné studie související s úkoly prokázaly tento bod, že IGD vždy doprovázely kognitivní dysfunkce, jako je kognitivní deficit funkce (, ). Věříme tedy, že abnormalita v ACC souvisí s kognitivními dysfunkcemi IGD.

Reverzní obrazec v mozečku a lingvální gyrus na různých pásmech v IGD

Je důležité poznamenat, že abnormality spontánní nervové aktivity v IGD jsou závislé na specifických frekvenčních pásmech, zejména v mozečku a lingválním gyru. Ve srovnání s HC, IGD vykázala sníženou amplitudu v nižších frekvenčních pásmech (pomalý-4, pomalý-5, pomalý-6) a zvýšenou amplitudu ve vyšších frekvenčních pásmech (pomalý-2, pomalý-3) v lingválním gyru. Naopak IGD vykazovala zvýšenou amplitudu v dolních frekvenčních pásmech (pomalý-6) a sníženou amplitudu ve vyšších pásmech (pomalý-2, pomalý-3, pomalý-4) v mozečku (čísla 2A, B). Bylo zjištěno, že různé oscilační pásy jsou vyvíjeny různými mechanismy a mají různé fyziologické funkce (; ). Jak předchozí studie prokázaly, že fluktuace s nižší frekvencí mají vyšší výkon a vyšší fluktuace mají nižší výkon (; ). Současná zjištění by mohla naznačovat, že IGD zvýšily koordinační schopnost dálkové neurální aktivity v mozečku a v lingválním gyru. Tento předpoklad lze podpořit předchozí studií, která uvádí, že subjekty s IGD vykazovaly zvýšenou funkční konektivitu v bilaterálním mozečku (; ) a další studie zjistily deficity hustoty šedé hmoty u lingválního gyru, které se mohou vztahovat k neurální aktivitě na velké vzdálenosti ().

Proč investovat do čističky vzduchu?

Zjištění v této studii naznačují, že subjekty s IGD vykazovaly abnormální FALFF v mnoha oblastech mozku, včetně cerebellum (IGD <HC) a superior temporální gyrus (IGD> HC). Tato studie může pomoci porozumět patofyziologii IGD a analýza plné frekvenční amplitudy může potenciálně pomoci vybrat konkrétní frekvenční rozsah pro detekci mozkových aktivit souvisejících s IGD.

Autorské příspěvky

XL analyzoval data, napsal první návrh rukopisu; XJ přispěl k analýze dat, Y-FZ přispěl k vedení experimentálních metod a vylepšil rukopis. GD navrhl tento výzkum, revidoval a vylepšil rukopis. Všichni autoři přispěli a schválili konečný rukopis.

Prohlášení o konfliktu zájmů

Autoři prohlašují, že výzkum byl proveden bez obchodních či finančních vztahů, které by mohly být považovány za potenciální střet zájmů.

Poděkování

Tento výzkum byl podporován Národní vědeckou nadací Číny (31371023). Dr. Zang je podporován programem „Qian Jiang Distinguished Professor“.

 

Financování. Poskytovatelé financí neměli žádnou roli při návrhu studie, sběru a analýze dat, rozhodnutí o zveřejnění nebo přípravě rukopisu.

 

Reference

  • Americká psychiatrická asociace (2013). Americká psychiatrická asociace. Diagnostický a statistický manuál duševních poruch, 5th Edn. Arlington, TX: Americká psychiatrická asociace
  • Baria AT, Baliki MN, Parrish T., Apkarian AV (2011). Anatomické a funkční sestavy oscilací mozku BOLD. J. Neurosci. 31 7910 – 7919. 10.1523 / JNEUROSCI.1296-11.2011 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Beard KW, Wolf EM (2001). Úprava navrhovaných diagnostických kritérií pro závislost na internetu. Cyber ​​Psychol. Behav. 4 377-383. 10.1089 / 109493101300210286 [PubMed] [Cross Ref]
  • Biswal B., Yetkin FZ, Haughton VM, Hyde JS (1995). Funkční konektivita v motorické kůře klidového lidského mozku pomocí ozvěnné MRI. Magn. Reson. Med. 34 537 – 541. 10.1002 / mrm.1910340409 [PubMed] [Cross Ref]
  • Blaszczynski A. (2008). Komentář: odpověď na „Problémy s konceptem„ závislosti na videohrách “: příklady z případové studie. Int. J. Ment. Zdravotní závislost. 6 179–181. 10.1007/s11469-007-9132-2 [Cross Ref]
  • Blok JJ (2007). V problematické studii používání internetu byla prevalence podceňována. CNS Spectr. 12 14-15. [PubMed]
  • Blok JJ (2008). Problémy pro DSM-V: závislost na internetu. Dopoledne. J. Psychiatry 165 306 – 307. 10.1176 / appi.ajp.2007.07101556 [PubMed] [Cross Ref]
  • Bluhm RL, Miller J., Lanius RA, Osuch EA, Boksman K., Neufeld RWJ, et al. (2007). Spontánní nízkofrekvenční fluktuace tučného signálu u schizofrenických pacientů: anomálie ve výchozí síti. Schizofr. Býk. 33 1004 – 1012. 10.1093 / schbul / sbm052 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Bullock TH (1997). Signály a příznaky v nervovém systému: dynamická anatomie elektrické aktivity je pravděpodobně bohatá na informace. Proc. Natl. Acad. Sci. USA 94 1-6. [PMC bezplatný článek] [PubMed]
  • Buzsáki G., Draguhn A. (2004). Neuronální oscilace v kortikálních sítích. Věda 304 1926 – 1929. 10.1126 / science.1099745 [PubMed] [Cross Ref]
  • Kardinál RN (2006). Neuronové systémy zapojené do zpožděného a pravděpodobnostního posílení. Neural Netw. 19 1277 – 1301. 10.1016 / j.neunet.2006.03.004 [PubMed] [Cross Ref]
  • De Smet HJ, Paquier P., Verhoeven J., Mariën P. (2013). Mozeček: jeho role v jazyce a souvisejících kognitivních a afektivních funkcích. Brain Lang. 127 334 – 342. 10.1016 / j.bandl.2012.11.001 [PubMed] [Cross Ref]
  • De Zeeuw CI, Hoebeek FE, Bosman LWJ, Schonewille M., Witter L., Koekkoek SK (2011). Spatiotemporální palebné vzorce v mozečku. Nat. Rev. Neurosci. 12 327 – 344. 10.1038 / nrn3011 [PubMed] [Cross Ref]
  • Ding W.-N., Sun J.-H., Sun Y.-W., Zhou Y., Li L., Xu J.-R., et al. (2013). Změněné výchozí funkční připojení v klidovém stavu u dospívajících s závislostí na internetu. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Dong G., DeVito EE, Du X., Cui Z. (2012a). Porucha inhibiční kontroly u „poruchy závislosti na internetu“: funkční zobrazovací studie magnetické rezonance. Psychiatry Res. 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Dong G., DeVito E., Huang J., Du X. (2012b). Difuzní tenzorové zobrazování odhaluje abnormality thalamu a zadního cingulačního kortexu u závislých na internetu. J. Psychiatr. Res. 46 1212 – 1216. 10.1016 / j.jpsychires.2012.05.015 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Dong G., Huang J., Du X. (2012c). Změny v regionální homogenitě mozkové aktivity v klidovém stavu u závislých na internetu. Behav. Funkce mozku. 8 1–8. 10.1186/1744-9081-8-41 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Dong G., Huang J., Du X. (2011a). Zvýšená citlivost na odměny a snížená citlivost na ztráty u závislých na internetu: studie fMRI během hádání. J. Psychiatr. Res. 45 1525 – 1529. 10.1016 / j.jpsychires.2011.06.017 [PubMed] [Cross Ref]
  • Dong G., Zhou H., Zhao X. (2011b). Muži závislí na internetu vykazují sníženou schopnost výkonné kontroly: důkaz z barevného slova Stroop. Neurosci. Lett. 499 114 – 118. 10.1016 / j.neulet.2011.05.047 [PubMed] [Cross Ref]
  • Dong G., Lu Q., Zhou H., Zhao X. (2010). Inhibice impulsů u lidí s poruchou závislosti na internetu: elektrofyziologický důkaz ze studie Go / NoGo. Neurosci. Lett. 485 138 – 142. 10.1016 / j.neulet.2010.09.002 [PubMed] [Cross Ref]
  • Dong G., Potenza MN (2014). Kognitivně behaviorální model poruchy internetových her: teoretické základy a klinické důsledky. J. Psychiatr. Res. 58 7 – 11. 10.1016 / j.jpsychires.2014.07.005 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Doyon J., Penhune V., Ungerleider LG (2003). Výrazný přínos kortiko-striatálních a kortiko-cerebelárních systémů k učení motorických dovedností. Neuropsychologia 41 252–262. 10.1016/S0028-3932(02)00158-6 [PubMed] [Cross Ref]
  • Fitzpatrick JJ (2008). Závislost na internetu: rozpoznávání a intervence. Oblouk. Psychiatr. Nurs. 22 59 – 60. 10.1016 / j.apnu.2007.12.001 [PubMed] [Cross Ref]
  • Flisher C. (2010). Připojení: přehled závislosti na internetu. J. Paediatr. Zdraví dítěte 46 557 – 559. 10.1111 / j.1440-1754.2010.01879.x [PubMed] [Cross Ref]
  • Fowler JS, Volkow ND, Kassed CA, Chang L. (2007). Zobrazování závislého lidského mozku. Sci. Cvičit. Perspektiva. 3 4 – 16. 10.1151 / spp07324 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Frances AJ, Widiger T. (2012). Psychiatrická diagnóza: poučení z minulosti DSM-IV a upozornění na budoucnost DSM-5. Annu. Rev. Clin. Psychol. 8 109 – 130. 10.1146 / annurev-clinpsy-032511-143102 [PubMed] [Cross Ref]
  • Goldstein RZ, Tomasi D., Rajaram S., Cottone LA, Zhang L., Maloney T., a kol. (2007). Úloha předního cingulátu a mediálního orbitofrontálního kortexu při zpracování narážek na drogy při závislosti na kokainu. Neurovědy 144 1153 – 1159. 10.1016 / j.neuroscience.2006.11.024 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Úvod do závislostí na chování. Dopoledne. J. Drogové zneužívání alkoholu 36 233-241. 10.3109 / 00952990.2010.491884 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Griffiths M. (2005). Vztah mezi hazardními hrami a hraním videoher: reakce na Johanssona a Gotestama. Psychol. Rep. 96 644 – 646. 10.2466 / pr0.96.3.644-646 [PubMed] [Cross Ref]
  • Guo W., Liu F., Zhang J., Zhang Z., Yu L., Liu J., a kol. (2013). Disociace regionální aktivity ve výchozí režimové síti v první epizodě, na depresivní poruchu depresivní poruchy bez léku. J. Affect. Disord. 151 1097 – 1101. 10.1016 / j.jad.2013.09.003 [PubMed] [Cross Ref]
  • Han DH, Bolo N., Daniels MA, Arenella L., Lyoo IK, Renshaw PF (2011a). Mozková aktivita a touha po hraní internetových videoher. Compr. Psychiatrie 52 88 – 95. 10.1016 / j.comppsych.2010.04.004 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Han Y., Wang J., Zhao Z., Min B., Lu J., Li K., et al. (2011b). Frekvenčně závislé změny v amplitudě nízkofrekvenčních fluktuací u amnestického mírného kognitivního poškození: studie fMRI v klidovém stavu. Neuroimage 55 287 – 295. 10.1016 / j.neuroimage.2010.11.059 [PubMed] [Cross Ref]
  • Han DH, Lyoo IK, Renshaw PF (2012). Rozdílné regionální objemy šedé hmoty u pacientů s on-line závislostí na hře a profesionálními hráči. J. Psychiatr. Res. 46 507 – 515. 10.1016 / j.jpsychires.2012.01.004 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Hong S.-B., Kim J.-W., Choi E.-J., Kim H.-H., Suh J.-E., Kim C.-D., a kol. (2013). Snížená orbitofrontální tloušťka kortikálu u adolescentů s internetovou závislostí. Behav. Funkce mozku. 9 1–5. 10.1186/1744-9081-9-11 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Ito M. (2006). Cerebelární obvody jako neuronální stroj. Progr. Neurobiol. 78 272 – 303. 10.1016 / j.pneurobio.2006.02.006 [PubMed] [Cross Ref]
  • Jiang G.-H., Qiu Y.-W., Zhang X.-L., Han L.-J., Lv X.-F., Li L.-M., a kol. (2011). Amplitudové nízkofrekvenční oscilační abnormality u uživatelů heroinu: studie fMRI v klidovém stavu. Neuroimage 57 149 – 154. 10.1016 / j.neuroimage.2011.04.004 [PubMed] [Cross Ref]
  • Knyazev GG (2007). Motivace, emoce a jejich inhibiční ovládání se odrážejí v oscilacích mozku. Neurosci. Biobehav. Rev. 31 377 – 395. 10.1016 / j.neubiorev.2006.10.004 [PubMed] [Cross Ref]
  • Ko C. (2014). Porucha internetových her. Měna. Addic. Rep. 1 177-185.
  • Kuss DJ, Griffiths MD (2012). Internet a herní závislost: systematický přehled literatury o neuroimaging studiích. Brain Sci. 2 347 – 374. 10.3390 / brainsci2030347 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Lecrubier Y., Sheehan DV, Weiller E., Amorim P., Bonora I., Harnett Sheehan K., a kol. (1997). Mini mezinárodní neuropsychiatrický rozhovor (MINI). Stručný diagnostický strukturovaný rozhovor: spolehlivost a platnost podle CIDI. Eur. Psychiatrie 12 224-231.
  • Liu J., Gao XP, Osunde I., Li X., Zhou SK, Zheng HR, et al. (2010). Zvýšená regionální homogenita u poruchy závislosti na internetu v klidové studii funkční zobrazovací magnetické rezonance (2009). Brada. Med. J. (angl.) 123 1904-1908. [PubMed]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2013). Mozeček a závislost: poznatky získané výzkumem neuroimagingu. Narkoman. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Paus T. (2001). Primární přední cingulate kůra: kde je ovládání motoru, pohon a kognitivní rozhraní. Nat. Rev. Neurosci. 2 417-424. 10.1038 / 35077500 [PubMed] [Cross Ref]
  • Penttonen M., Buzsáki G. (2003). Přirozený logaritmický vztah mezi mozkovými oscilátory. Thalamus Relat. Syst. 2 145 – 152. 10.1017 / S1472928803000074 [Cross Ref]
  • Petry NM, O'Brien CP (2013). Porucha internetových her a DSM-5. Závislost 108 1186 – 1187. 10.1111 / add.12162 [PubMed] [Cross Ref]
  • Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf H.-J., Mölele T., a kol. (2014). Mezinárodní konsenzus pro posouzení poruchy internetových her pomocí nového přístupu DSM-5. Závislost 109 1399 – 1406. 10.1111 / add.12457 [PubMed] [Cross Ref]
  • Raymond JL, Lisberger SG, Mauk MD (1996). Mozek: neuronální učící stroj? Věda 272 1126 – 1131. 10.1126 / science.272.5265.1126 [PubMed] [Cross Ref]
  • Stoodley CJ, Valera EM, Schmahmann JD (2012). Funkční topografie mozečku pro motorické a kognitivní úkoly: studie fMRI. Neuroimage 59 1560 – 1570. 10.1016 / j.neuroimage.2011.08.065 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Tao R., Huang X., Wang J. (2008). Navrhované kritérium pro klinickou diagnostiku závislosti na internetu. Med. J. Chin. Národy Liberat. Armáda 33 1188-1191.
  • Tao R., Huang X., Wang J., Zhang H., Zhang Y., Li M. (2010). Navrhovaná diagnostická kritéria pro závislost na internetu. Závislost 105 556 – 564. 10.1111 / j.1360-0443.2009.02828.x [PubMed] [Cross Ref]
  • Van Rooij AJ, Schoenmakers TM, Vermulst AA, Van den Eijnden RJJM, Van de Mheen D. (2011). Závislost na online videohrách: identifikace závislých dospívajících hráčů. Závislost 106 205 – 212. 10.1111 / j.1360-0443.2010.03104.x [PubMed] [Cross Ref]
  • Weinstein A., Lejoyeux M. (2015). Nový vývoj neurobiologických a farmakologicko-genetických mechanismů, které jsou základem závislosti na internetu a videohrách Dopoledne. J. Addict. 24 117 – 125. 10.1111 / ajad.12110 [PubMed] [Cross Ref]
  • Weng C.-B., Qian R.-B., Fu X.-M., Lin B., Han X.-P., Niu C.-S., a kol. (2013). Abnormality šedé hmoty a bílé hmoty v závislosti na online hře. Eur. J. Radiol. 82 1308 – 1312. 10.1016 / j.ejrad.2013.01.031 [PubMed] [Cross Ref]
  • Xu S.-H. (2013). Internet Addicts '. Impulzivnost chování: důkaz z iowské hazardní hry: impulzivita chování narkomanů: důkaz z iowské hazardní hry. Acta Psychol. Sinica 44 1523-1534.
  • Yan C., Zang Y. (2010). DPARSF: matlab toolbox pro „pipeline“ analýzu dat fMRI v klidovém stavu. Přední. Syst. Neurosci. 14: 13 10.3389 / fnsys.2010.00013 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Mladý KS (1998). Závislost na internetu: vznik nové klinické poruchy. Cyber ​​Psychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
  • Yu R., Chien Y.-L., Wang H.-LS, Liu C.-M., Liu C.-C., Hwang T.-J., a kol. (2014). Frekvenčně specifické alterace amplitudy nízkofrekvenčních fluktuací u schizofrenie. Hučení. Brain Mapp. 35 627 – 637. 10.1002 / hbm.22203 [PubMed] [Cross Ref]
  • Yuan K., Jin C., Cheng P., Yang X., Dong T., Bi Y., a kol. (2013). Množství abnormalit fluktuace nízkých frekvencí u dospívajících se závislostí na hraní online. PLoS ONE 8: e78708 10.1371 / journal.pone.0078708 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X., a kol. (2011). Abnormality mikrostruktury u dospívajících s poruchou závislosti na internetu. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Zang Y.-F., He Y., Zhu C.-Z., Cao Q.-J., Sui M.-Q., Liang M., et al. (2007a). Změněná základní mozková aktivita u dětí s ADHD odhalená funkční MRI v klidovém stavu. Brain Dev. 29 83 – 91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Cross Ref]
  • Zang Y.-F., Yong H., Chao-Zhe Z., Qing-Jiu C., Man-Qiu S., Meng L., et al. (2007b). Změněná základní mozková aktivita u dětí s ADHD odhalená funkční MRI v klidovém stavu. Brain Dev. 29 83 – 91. 10.1016 / j.braindev.2006.07.002 [PubMed] [Cross Ref]
  • Zou Q.-H., Zhu C.-Z., Yang Y., Zuo X.-N., Long X.-Y., Cao Q.-J. a kol. (2008). Vylepšený přístup k detekci amplitudy nízkofrekvenční fluktuace (ALFF) pro klidový stav fMRI: frakční ALFF. J. Neurosci. Metody 172 137 – 141. 10.1016 / j.jneumeth.2008.04.012 [PMC bezplatný článek] [PubMed] [Cross Ref]
  • Zuo X.-N., Di Martino A., Kelly C., Shehzad ZE, Gee DG, Klein DF, et al. (2010). Oscilační mozek: složitý a spolehlivý. Neuroimage 49 1432 – 1445. 10.1016 / j.neuroimage.2009.09.037 [PMC bezplatný článek] [PubMed] [Cross Ref]