Mikrostrukturní abnormality u dospívajících s poruchou závislosti na internetu. (2011)

Materiály a metody Vrchní část

Všechny výzkumné postupy byly schváleny podvýborem Nemocnice západní Číny pro lidská studia a byly provedeny v souladu s Helsinskou deklarací.

Předměty 2.1

Podle upraveného kritéria Mladý diagnostický dotazník pro závislost na internetu (YDQ) podle Bearda a Wolfa [16], [29], do naší studie bylo zapojeno osmnáct studentů a studentů druhého ročníku s IAD (muži 12, průměrný věk = 19.4 ± 3.1 let, vzdělání 13.4 ± 2.5 let). Kritéria YDQ [16] sestával z následujících osmi „ano“ nebo „ne“ otázek, které byly: (1) Cítíte se pohlceni na internetu (pamatujete si předchozí online aktivitu nebo požadovanou další online relaci)? (2) Cítíte se spokojeni s používáním internetu, pokud zvýšíte množství online času? (3) Nepodařilo se vám opakovaně ovládat, omezovat nebo ukončovat používání Internetu? (4) Cítíte se nervózní, temperamentní, depresivní nebo citliví, když se snažíte omezit nebo ukončit používání internetu? (5) Zůstáváte online déle, než bylo původně zamýšleno? (6) Riskovali jste riziko ztráty významného vztahu, zaměstnání, vzdělání nebo kariéry kvůli internetu? (7) Lhal jste svým rodinným příslušníkům, terapeutům nebo jiným, aby jste skryli pravdu svého zapojení do internetu? (8) Používáte internet jako způsob, jak uniknout problémům nebo zmírnit úzkostnou náladu (např. Pocity bezmocnosti, viny, úzkosti nebo deprese)? Všech osm otázek bylo přeloženo do čínštiny. Young tvrdil, že pět nebo více „ano“ odpovědí na osm otázek naznačovalo uživatele závislého na internetu [16]. Později Beard a Wolf upravili kritéria YDQ [29]„Respondenti, kteří odpověděli„ ano “na otázky 1 až 5 a alespoň na kteroukoli ze zbývajících tří otázek, byli klasifikováni jako osoby závislé na internetu, které byly použity pro screening subjektů v této studii. Závislost byla postupný proces, takže jsme zkoumali, zda došlo nebo nedošlo k lineárním změnám ve struktuře mozku. Trvání onemocnění bylo odhadnuto pomocí retrospektivní diagnózy. Požádali jsme subjekty, aby si vybavily svůj životní styl, když byly původně závislé na internetu. Abychom zaručili, že trpí závislostí na internetu, testovali jsme je znovu pomocí kritérií YDQ upravených Beardem a Wolfem. Spolehlivost vlastních zpráv od subjektů IAD jsme také potvrdili telefonickým rozhovorem s rodiči. Subjekty IAD strávily online hraním 10.2 ± 2.6 hodiny denně. Dny používání internetu za týden byly 6.3 ± 0.5. Také jsme ověřili tyto informace od spolubydlících a spolužáků subjektů IAD, že často trvali na tom, že budou pozdě v noci na internetu, a navzdory následkům narušili životy ostatních. Osmnáct podle věku a pohlaví (p> 0.01) zdravé kontroly (12 mužů, průměrný věk = 19.5 ± 2.8 roku, vzdělání 13.3 ± 2.0 let) bez osobní nebo rodinné anamnézy psychiatrických poruch se také zúčastnilo naší studie. Podle předchozí studie IAD [19], vybrali jsme si zdravé kontroly, které strávily na internetu méně než 2 hodin denně. Zdravé kontroly byly také testovány s kritérii YDQ modifikovanými Beardem a Wolfem, aby se zajistilo, že netrpí IAD. Všechny prověřované účastníky, kteří byli prověřeni, byli rodilí mluvčí čínštiny, nikdy nepoužívali nelegální látky a měli pravou ruku. Před skenováním pomocí magnetické rezonance (MRI) byl proveden screening léků v moči u všech subjektů, aby se vyloučilo zneužívání látek. Vylučovací kritéria pro obě skupiny byla (1) existence neurologické poruchy; (2) zneužívání alkoholu, nikotinu nebo drog; (3) těhotenství nebo menstruace u žen; a (4) jakékoli fyzické onemocnění, jako je mozkový nádor, hepatitida nebo epilepsie, jak je hodnoceno podle klinických hodnocení a lékařských záznamů. K vyhodnocení emočních stavů všech účastníků v den skenů byly dále použity stupnice úzkosti sebehodnocení (SAS) a stupnice deprese sebehodnocení (SDS). Všichni pacienti a zdravé kontroly dali písemný informovaný souhlas. Podrobnější demografické informace byly poskytnuty v roce 2007 Tabulka 1.

Metodika zobrazování mozku 2.2 a analýza dat

Parametry skenování 2.2.1.

Zobrazovací data byla prováděna na skeneru 3T Siemens (Allegra; Siemens Medical System) ve výzkumném centru Huaxi MR, West China Hospital na Sichuan University, Chengdu, Čína. Byla použita standardní cívka hlavy klece spolu s omezujícími pěnovými polštářky, aby se minimalizoval pohyb hlavy a snížil šum skeneru. Obrazové sekvence byly získány pomocí difúzně váženého zobrazování s jednorázovým ozvěnovým rovinným zobrazením ve srovnání s přední-zadní zadní komisařskou rovinou. Difuzní tenzorové obrazy byly získány s průměry 2. Difúzní senzibilizační gradienty byly aplikovány podél nelineárních směrů 30 (b = 1000 s / mm²) společně s akvizicí bez difúzního vážení (b = 0 s / mm²). Zobrazovací parametry byly kontinuální axiální řezy 45 s tloušťkou řezu 3 mm a bez mezery, zorné pole = 240 × 240 mm², opakovací čas / echo čas = 6800 / 93 ms, akviziční matice = 128 × 128. Kromě toho byly získány axiální 3D T1 vážené obrazy se zkaženou sekvencí vyvolávající gradient a následující parametry: TR = 1900 ms; TE = 2.26 ms; úhel překlopení = 9⁰; rozlišení rovinné matice = 256 × 256; plátky = 176; zorné pole = 256 mm; velikost voxelu = 1 × 1 × 1 mm.

2.2.2 VBM.

Strukturální data byla zpracována pomocí protokolu FSL-VBM [30], [31] se softwarem FSL 4.1 [32]. Nejprve byly všechny obrázky T1 extrahovány mozkem pomocí nástroje pro extrakci mozku (BET) [33]. Dále byla provedena segmentace tkáňového typu pomocí automatizovaného segmentačního nástroje FMRIB (FAST) V4.1 [34]. Výsledné obrazy částečného objemu šedé hmoty byly poté zarovnány do standardního prostoru MNI152 pomocí nástroje pro lineární registraci obrazu FMRIB (FLIRT) [35], [36], volitelně následovaná nelineární registrací pomocí nástroje FMRIB pro nelineární registraci obrázků (FNIRT) [37], [38], který používá b-spline reprezentaci pole warp registrace [39]. Výsledné obrazy byly zprůměrovány pro vytvoření šablony specifické pro studii, do které byly nativní obrázky šedé hmoty nelineárně znovu zaregistrovány. Optimalizovaný protokol zavedl modulaci pro kontrakci / zvětšení v důsledku nelineární složky transformace: každý voxel zaznamenaného obrazu šedé hmoty byl rozdělen Jacobianem pole warp. Nakonec, za účelem výběru nejlepšího vyhlazovacího jádra, byly všechny 32 modulované normalizované obrazy objemu šedé hmoty vyhlazeny izotropními gaussovskými jádry zvětšujícími se velikostmi (sigma = 2.5, 3, 3.5 a 4 mm, což odpovídá 6, 7, 8 a 9.2 mm FWHM). Regionální změny v šedé hmotě byly hodnoceny pomocí permutačního neparametrického testování s náhodnými permutacemi 5000 [40]. Jako kovariáty byla použita analýza kovariance (ANCOVA) s věkem, genderovými efekty a celkovým intrakraniálním objemem. Celkový intrakraniální objem byl vypočten jako součet objemů šedé hmoty, bílé hmoty a mozkomíšního moku ze segmentů FSL BET. V poslední době Dong a kol. zjistili, že deprese a skóre úzkosti byly po závislosti závislé ve srovnání s před závislostí u některých vysokoškolských studentů výrazně vyšší, a navrhli, že se jednalo o výsledky IAD, a proto SAS a SDS nebyly zahrnuty jako zmatky [41]. Korekce pro vícenásobná srovnání byla provedena pomocí metody prahování založeného na klastrech, přičemž počáteční klastr tvořil práh při t = 2.0. Výsledky byly pro rok 2005 považovány za významné p<0.05. Pro regiony, kde subjekty IAD vykazovaly významně odlišný objem šedé hmoty od kontrol, byly objemy šedé hmoty těchto oblastí extrahovány, zprůměrovány a regresovány proti době závislosti na internetu.

2.2.3 DTI.

Vypočítali jsme hodnotu FA pro každý voxel, který odrážel stupeň difúzní anizotropie ve voxelu (rozsah 0 – 1, kde menší hodnoty označovaly více izotropní difúze a menší koherenci a velké hodnoty naznačovaly směrovou závislost Brownova pohybu v důsledku traktů bílé hmoty) [42]. Pro výpočet FA byl použit software FDT v FSL 4.1 [32]. Nejprve byla korekce na vířivé proudy a pohyb hlavy prováděna pomocí afinitní registrace na prvním nedifúzním váženém objemu každého subjektu. Obrázky FA byly vytvořeny přizpůsobením difuzního tenzoru surovým difúzním datům po extrakci mozku pomocí BET [33]. Poté byla provedena statistická analýza dat FA s využitím voxelů pomocí části prostorové statistiky založené na traktech (TBSS) V1.2 v FSL. [43], [44]. Snímky FA ze všech subjektů (subjektů IAD a zdravých kontrol) byly pomocí FNIRT znovu zarovnány do obrazu FMRIB58_FA standardního prostoru. [37], [38] pomocí b-spline reprezentace pole warp registrace [39]. Poté byl vytvořen a ztenčen průměrný FA obraz, aby se vytvořila střední FA kostra (prahová hodnota 0.2) představující středy všech ploch společných pro skupinu. Data FA každého subjektu byla poté promítnuta zpět na tuto kostru. Změny hodnot FA bílé hmoty byly hodnoceny pomocí neparametrického testování založeného na permutaci [40] s náhodnými permutacemi 5000. ANCOVA byla zaměstnána s věkem a genderovými účinky jako kovariáti. Korekce pro vícenásobná srovnání byla provedena pomocí metody prahování založeného na klastrech, s počátečním prahem vytváření klastru t = 2.0. Výsledky byly pro rok 2005 považovány za významné p<0.05. U klastrů, kde subjekty závislé na internetu vykazovaly významně odlišné hodnoty FA od kontrol, byly FA těchto oblastí mozku extrahovány, zprůměrovány a regresovány oproti době trvání závislosti na internetu.

2.2.4 Interakce mezi abnormalitami šedé hmoty a bílé hmoty.

Pro zkoumání interakcí mezi změnami šedé hmoty a změnami bílé hmoty byla provedena korelační analýza mezi neobvyklými objemy šedé hmoty a hodnotami FA bílé látky ve skupině IAD.

výsledky

Výsledky 3.1 VBM

Regionální změny objemu šedé hmoty byly hodnoceny neparametricky pomocí optimalizovaného VBM. Korekce pro vícenásobná srovnání byla provedena pomocí metody prahování na základě klastru. Srovnání VBM mezi subjekty IAD a odpovídajícími zdravými kontrolami ukázalo snížený objem šedé hmoty v několika shlucích, tj. V bilaterálním DLPFC, v doplňkové motorické oblasti (SMA), v OFC, v mozečku a v levém rostrálním ACC (rACC), po kontrole možného zmatení. proměnné včetně věku, genderových efektů a celkového intrakraniálního objemu. Objemy šedé hmoty pravého DLPFC, levého rACC a pravého SMA vykázaly negativní korelaci s měsíci závislosti na internetu (r1 = −0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Žádné oblasti mozku nevykazovaly vyšší objem šedé hmoty než zdravé kontroly, jak je uvedeno v Obrázek 1 a Tabulka 2

  

 

 

 

 

 

 

 

 

 

Obrázek 1. Výsledky VBM.

A. Snížený objem šedé hmoty u subjektů IAD, (1-p) opraveno p- hodnotové obrázky. Obrázek na pozadí je standardní MNI152_T1_1mm_brain šablona v FSL. B. Objemy šedé hmoty DLPFC, rACC a SMA byly negativně korelovány s dobou závislosti na internetu.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabulka 2. Regiony, které vykazovaly neobvyklý objem šedé hmoty a FA (frakční anizotropie) mezi subjekty s poruchou závislosti na internetu (IAD) a zdravými kontrolami (p<0.05 opraveno).

dva: 10.1371 / journal.pone.0020708.t002

Výsledky 3.2 DTI

S ohledem na analýzu dat DTI byla provedena korekce pro vícenásobná srovnání pomocí metody prahování založené na klastrech. Naše TBSS výsledky odhalily zvýšenou hodnotu FA (IAD: 0.78 ± 0.04; kontrola: 0.56 ± 0.02) levé zadní končetiny vnitřní tobolky (PLIC) u subjektů IAD ve srovnání se zdravými kontrolami a sníženou hodnotou FA (IAD: 0.31 ± 0.04; kontrola: 0.48 ± 0.03) v bílé hmotě v pravém parahippocampálním gyrusu (PHG), jak je ukázáno v Obrázek 2 a Tabulka 2. Kromě toho měla FA tendenci pozitivně korelovat s dobou závislosti na internetu v levé PLIC (r = 0.5869, p <0.05), zatímco mezi hodnotou FA správného PHG a trváním závislosti na internetu nebyla pozorována významná korelace

  

 

 

 

 

 

 

 

 

 

 

 

 

Obrázek 2. Výsledky DTI.

A. Struktury bílé hmoty vykazující abnormální FA u subjektů IAD, (1-p) opraveno p- hodnotové obrázky. Obrázek na pozadí je standardní FMRIB58_FA_1mm šablona v FSL. Červeno-žluté voxely představují oblasti, ve kterých byla FA významně snížena v IAD ve srovnání se zdravými kontrolami. Blue-Light Blue voxels představují zvýšený FA v IAD. B. FA PLIC byla pozitivně korelována s dobou závislosti na internetu.

dva: 10.1371 / journal.pone.0020708.g002

3.3 Interakce mezi abnormalitami šedé hmoty a bílé hmoty

Interakční analýza mezi objemy šedé hmoty a hodnotami FA v bílé látce ve skupině IAD odhalila, že mezi těmito dvěma měřeními neexistovaly žádné významné korelace.

Diskuse Vrchní část

Výsledkem IAD bylo zhoršení individuální psychické pohody, akademické selhání a snížení pracovní výkonnosti u dospívajících [12]-[18]. V současné době však neexistuje standardizovaná léčba IAD. Vývoj účinných metod intervence a léčby IAD bude vyžadovat nejprve jasné pochopení mechanismů. Znalost strukturálních abnormalit mozku v IAD je rozhodující pro identifikaci možných farmakoterapií k léčbě této poruchy. V této studii jsme zjistili změny objemu šedé hmoty a FA změny bílé hmoty u adolescentů s IAD. Také jsme odhalili souvislost mezi těmito strukturálními abnormalitami a délkou závislosti na internetu. Navrhovali jsme, že IAD vedl k mozkovým strukturálním změnám u dospívajících a tyto strukturální abnormality byly pravděpodobně spojeny s funkčními poruchami v kognitivní kontrole.

Výsledky 4.1 VBM

V souladu s předchozí studií VBM [21], nezjistili jsme žádné mozkové oblasti vykazující zvýšený objem šedé hmoty u subjektů se závislostí na internetu. Srovnání objemu šedé hmoty indikovalo atrofii v několika skupinách pro celou skupinu závislých na internetu (p <0.05, korigováno), což byly bilaterální DLPFC, SMA, cerebellum, OFC a levý rACC (jak je uvedeno v Obrázek 1). Navíc atrofie pravého DLPFC, levého rACC a pravého SMA byla negativně korelována s dobou závislosti na internetu, což Zhou et al. se nepodařilo zjistit [21]. Tyto výsledky ukázaly, že s přetrvávající závislostí na internetu byla vážnější atrofie DLPFC, rACC a SMA v mozku. Některé výsledky atrofie mozku byly v naší studii odlišné od předchozích nálezů [21], což může být způsobeno různými metodami zpracování dat. Do této studie byly zahrnuty možné matoucí účinky věku, pohlaví a celého objemu mozku jako kovariáty, které předchozí studie nezohlednila. Různé metody zpracování pravděpodobně vedly k různým zjištěním.

Podle předchozích studií drogové závislosti, dlouhodobé zneužívání návykových látek [45], [46] a závislost na internetu [11], [20] povede k narušené kognitivní kontrole. Kognitivní kontrola může být pojata jako schopnost potlačit předčasné, ale nesprávné odpovědi a schopnost odfiltrovat irelevantní informace v rámci stimulačního souboru a umožnit vhodné akce pro splnění složitých úkolů a přizpůsobení měnícím se prostředím [47]. Četné funkční zobrazovací studie mozku odhalily, že DLPFC a rACC byly centrálně zapojeny do kognitivní kontroly [48], [49]. Různé neurokognitivní studie odhalily, že kognitivní kontrola souvisí s konkrétním kortiko-subkortikálním obvodem, včetně rACC a DLPFC. [50], [51]. Podle prominentní hypotézy sledování konfliktů [47], [52], výskyt konfliktu odpovědí je signalizován rACC, což vede k náboru DLPFC pro více kognitivní kontroly pro následný výkon. Tato důležitá role DLPFC byla identifikována v neurovědním výzkumu s regulačními procesy kognitivní kontroly shora dolů [53]. Nedávné neuroimagingové studie také odhalily deaktivaci rACC v úkolu GO / NOGO u jedinců závislých na heroinu [54], [55] a uživatelé kokainu [45], označující kritickou roli rACC v kognitivní kontrole [46].

OFC se rovněž považuje za přispívající k poznávací kontrole chování zaměřeného na cíl prostřednictvím hodnocení motivačního významu podnětů a výběru chování k dosažení požadovaných výsledků. [56]. OFC má rozsáhlé vazby na striatum a limbické oblasti (jako je amygdala). Výsledkem je, že OFC je dobře situován, aby integroval činnost několika limbických a subkortikálních oblastí spojených s motivačním chováním a zpracováním odměn. [57]. Některé studie na zvířatech prokázaly, že poškození jak OFC, tak krysí předimbické kůry (funkční homolog lidského DLPFC) narušilo získávání a modifikaci chování, které je vedeno nepředvídatelností mezi odpověďmi a výsledky, což naznačuje, že tyto regiony mohou být pro kognitivní kontrola chování zaměřeného na cíl [56], [58].

SMA je rozhodující pro výběr vhodného chování, ať už se jedná o výběr provedení vhodné odpovědi nebo o výběr, aby se potlačila nevhodná odpověď [59]. Někteří vědci zjistili, že do SMA byly zapojeny jednoduché i složité úkoly GO / NOGO a odhalili důležitou roli SMA při zprostředkování kognitivní kontroly [46], [60].

Několik anatomických, fyziologických a funkčních zobrazovacích studií naznačuje, že mozek přispívá k kognitivním funkcím vyššího řádu [61]-[64], s diskrétními lézemi na mozečku, což má za následek zhoršení výkonných funkcí a pracovní paměti, dokonce i ve změnách osobnosti, jako je disinhibované a nevhodné chování.

Naše výsledky (Obrázek 1) sníženého objemu šedé hmoty v DLPFC, rACC, OFC, SMA a mozečku může být alespoň částečně spojeno s kognitivní kontrolou a dysfunkcemi chování zaměřenými na cíl v závislosti na internetu [15], [19], [20], [28], což může vysvětlit základní příznaky závislosti na internetu.

Výsledky 4.2 DTI

Vypočítali jsme hodnotu FA v každém voxelu bílé hmoty pro každý subjekt, který kvantifikoval sílu směrovosti mikrostruktury lokálního traktu. Celé mozkové voxel-moudré srovnání na kostře bílé hmoty pomocí permutačního testování a přísného statistického prahování ukázalo, že subjekty IAD měly nižší hodnoty FA ve skupině v pravém PHG (p <0.05, opraveno). Na druhé straně hledání zvýšené FA u subjektů IAD ukázalo, že subjekty IAD měly vyšší hodnoty FA v klastru v levé PLIC (p <0.05, opraveno). Navíc hodnota FA levého PLIC pozitivně korelovala s dobou závislosti na internetu (Obrázek 2).

PHG je oblast mozku, která obklopuje hippocampus a hraje důležitou roli při kódování a získávání paměti [65], [66]. PHG poskytuje hlavní polysenzorický vstup do hippocampu prostřednictvím entorhinálních spojení a je příjemcem různých kombinací senzorických informací [67], [68], které se podílejí na poznání a emoční regulaci [69]. Někteří vědci nedávno navrhli, že správný PHG přispívá k vytváření a udržování vázaných informací v pracovní paměti [70]. Pracovní paměť je věnována dočasnému ukládání a online manipulaci s informacemi a je kritická pro kognitivní řízení [71]. Zjištění, že nižší hodnota FA u PHG u subjektů IAD prokázala, že abnormální vlastnosti bílé hmoty mohou být strukturálním základem funkčních deficitů pracovní paměti u subjektů IAD. [19]. Liu a kol. [72] uvedli zvýšenou ReHo v bilaterálním PHG u vysokoškoláků IAD ve srovnání s kontrolami a navrhli, že tento výsledek odráží funkční změnu v mozku, možná související s cestou odměn. Je zřejmé, že k pochopení přesné role PHG v IAD je zapotřebí více práce.

Anatomicky je vnitřní kapsle oblastí bílé hmoty v mozku, která odděluje jádro caudate a thalamus od lentikulárního jádra, které obsahuje jak vzestupné, tak sestupné axony. Kromě kortikospinálních a kortikopontinových vláken obsahuje vnitřní tobolka thalamokortikální a kortikofugální vlákna [73], [74]. Zadní končetina vnitřní tobolky obsahuje kortikospinální vlákna, senzorická vlákna (včetně středního lemnisku a anterolaterálního systému) z těla a několik kortikobarbových vláken [73]-[76]. Primární motorická kůra posílá své axony zadní končetinou vnitřní kapsle a hraje důležitou roli v pohybu prstů a motorických obrazech [77], [78]. Možným důvodem pro hodnoty FA ve vylepšení interních kapslí bylo to, že subjekty IAD trávily více času hraním počítačových her a opakující se motorické akce, jako je kliknutí myší a psaní kláves, změnilo strukturu vnitřní kapsle. Jako zjištění, že trénink modifikoval mozkovou strukturu v jiných studiích [79]-[81], toto dlouhodobé školení pravděpodobně změnilo strukturu bílé hmoty PLIC. Přenos informací mezi frontálními a subkortikálními mozkovými oblastmi moduloval vyšší kognitivní fungování a lidské chování [82], [83], který se spoléhal na vláknité trakty bílé hmoty procházející vnitřní kapslí [83], [84]. Strukturální abnormality ve vnitřní kapsli by mohly následně narušit kognitivní funkce a narušit výkonné a paměťové funkce [85]. Abnormální hodnota FA levé PLIC může ovlivnit přenos a zpracování senzorických informací a nakonec vést ke zhoršení kognitivní kontroly. [86], [87]. Navíc návyk na internet může způsobit fyzické nepohodlí nebo zdravotní problémy, jako jsou: syndrom karpálního tunelu, sucho očí, bolesti zad a silné bolesti hlavy [88]-[90]. Abnormální hodnota FA levé PLIC může vysvětlit syndrom karpálního tunelu u subjektů IAD, který musí být v budoucnu ověřen sofistikovanějším designem.

4.3 Interakce mezi abnormalitami šedé hmoty a bílé hmoty

Zkoumali jsme vztah mezi změnami šedé a bílé hmoty. Bohužel mezi těmito dvěma opatřeními nebyly žádné významné korelace. Tento jev naznačuje, že morfologické změny IAD na šedé a bílé hmotě mozku nebyly významně lineárně korelovány. Existovala možnost, že abnormality šedé hmoty spojovaly změny bílé hmoty nějakým jiným způsobem. Naše zjištění však prokázala, že strukturní charakteristiky šedé hmoty a bílé hmoty byly u dospívajících s IAD abnormální.

Současná studie má určitá omezení. Za prvé, zatímco naše výsledky ukázaly, že změny šedé a bílé hmoty mohou být důsledkem nadměrného používání internetu nebo IAD, nemůžeme vyloučit další možnost, která řeší strukturální rozdíl mezi normálními kontrolami a IAD, který může být důvod k nadměrnému používání internetu. Abnormální vlastnosti těchto oblastí mozku souvisejících s kognitivní kontrolou u některých dospívajících je činí relativně nezralými a umožňují jim snadnou závislost na internetu. Problémy příčiny a následků by měly být zkoumány komplexnějším experimentálním designem v budoucí studii. Navrhli jsme však, že nálezy v této studii byly důsledkem IAD. Zadruhé, pokud jde o vztah mezi strukturálními změnami a trváním IAD, jsou měsíce IAD hrubou charakterizací vzpomínek subjektů IAD. Požádali jsme subjekty, aby si vybavily svůj životní styl, když byly původně závislé na internetu. Abychom zaručili, že trpí závislostí na internetu, testovali jsme je znovu pomocí kritérií YDQ upravených Beardem a Wolfem. Spolehlivost vlastních zpráv od subjektů IAD jsme také potvrdili telefonickým rozhovorem s rodiči. Strukturální změny mozku v souladu s procesem závislosti mohou být pro pochopení nemoci důležitější, proto byla provedena korelace mezi dobou trvání a strukturálními opatřeními mozku. Tyto korelace naznačují, že kumulativní účinky byly nalezeny ve sníženém objemu šedé hmoty pravého DLPFC, pravého SMA, levého rACC a zvýšeného FA bílé hmoty v levém PLIC. Nakonec, i když jsme navrhli, že strukturální abnormality objemu šedé hmoty a bílé hmoty FA byly spojeny s funkčními poruchami v kognitivní kontrole u IAD, největším omezením této studie je nedostatek kvantitativní indikace deficitů v kognitivní kontrole u těchto dospívající s IAD. Přestože byly vztahy mezi těmito strukturálními abnormalitami a délkou závislosti na internetu ověřeny v naší současné studii, je třeba v budoucnu podrobněji prozkoumat podrobnější charakterizaci základních strukturálních abnormalit v IAD, což je zásadní pro pochopení dopadu IAD o dlouhodobém fungování. V budoucnu integrujeme tyto strukturální nálezy s behaviorálními výkony kognitivních úkolů u subjektů s IAD. Celkově změny FA a změny objemu šedé hmoty, jak je ukázáno v této studii, naznačovaly změnu v mozku na mikrostrukturální úrovni, což zlepšilo naše chápání IAD.

Proč investovat do čističky vzduchu?

Poskytli jsme důkazy naznačující, že subjekty IAD měly v mozku mnoho strukturálních změn. Změny atrofie šedé hmoty a FA FA v některých oblastech mozku významně korelovaly s délkou závislosti na internetu. Tyto výsledky lze interpretovat, alespoň částečně, jako funkční poškození kognitivní kontroly v IAD. Abnormality prefrontální kůry byly konzistentní s předchozími studiemi zneužívání návykových látek [23], [48], [80], [81], proto jsme navrhli, že v IAD a užívání látek mohou existovat částečně se překrývající mechanismy. Doufali jsme, že naše výsledky zlepší naše porozumění IAD a pomohou při zlepšování diagnostiky a prevence IAD.

Poděkování Vrchní část

Rádi bychom poděkovali Qin Ouyang, Qizhu Wu a Junran Zhang za cennou technickou pomoc při provádění tohoto výzkumu.

Reference Vrchní část

1. Ernst M, Pine D, Hardin M (2006) Triadický model neurobiologie motivovaného chování v dospívání. Psychologické lékařství 36: 299 – 312. Najít tento článek online
2. Csikszentmihalyi M, Larson R, Prescott S (1977) Ekologie adolescentní činnosti a zkušenosti. Žurnál mládí a dospívání 6: 281 – 294. Najít tento článek online
3. Casey B, Tottenham N, Liston C, Durston S (2005) Zobrazování vyvíjejícího se mozku: co jsme se dozvěděli o kognitivním vývoji? Trendy v kognitivních vědách 9: 104 – 110. Najít tento článek online
4. Casey B, Galvan A, Hare T (2005) Změny v mozkové funkční organizaci během kognitivního vývoje. Aktuální názor v neurobiologii 15: 239 – 244. Najít tento článek online
5. Ernst M, Nelson E, Jazbec S, McClure E, Monk C, et al. (2005) Amygdala a jádro accumbens v odezvě na příjem a opomenutí zisku u dospělých a dospívajících. Neuroimage 25: 1279 – 1291. Najít tento článek online
6. Může J, Delgado M, DahlR, Stenger V, Ryan N, et al. (2004) Zobrazování funkční magnetické rezonance související s odměnami souvisejícími mozkovými obvody u dětí a adolescentů. Biologická psychiatrie 55: 359 – 366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et al. (2006) Dřívější vývoj accumbens ve vztahu k orbitofrontální kůře by mohl být základem rizikového chování u dospívajících. Journal of Neuroscience 26: 6885 – 6892. Najít tento článek online
8. Steinberg L (2005) Kognitivní a afektivní vývoj v období dospívání. Trendy v kognitivních vědách 9: 69 – 74. Najít tento článek online
9. Pine D, Cohen P, Brook J (2001) Emoční reaktivita a riziko psychopatologie u adolescentů. Spektrum CNS 6: 27 – 35. Najít tento článek online
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Trajektorie emocionálního a kognitivního vývoje dospívajících: účinky sexu a rizika užívání drog. Annals New York Academy of Sciences 1021: 363 – 370. Najít tento článek online
11. Cao F, Su L, Liu T, Gao X (2007) Vztah impulsivity a závislosti na internetu ve vzorku čínských dospívajících. Evropská psychiatrie 22: 466 – 471. Najít tento článek online
12. Ko C, Yen J, Chen S, Yang M, Lin H, et al. (2009) Navrhovaná diagnostická kritéria a screeningový a diagnostický nástroj závislosti na internetu u vysokoškoláků. Komplexní psychiatrie 50: 378 – 384. Najít tento článek online
13. Flisher C (2010) Připojení: Přehled závislosti na internetu. Žurnál dětství a zdraví dětí 46: 557 – 559. Najít tento článek online
14. Christakis D (2010) Závislost na internetu: epidemie 21 st. Století? Lék BMC 8: 61. Najít tento článek online
15. Chou C, Condron L, Belland J (2005) Přehled výzkumu závislosti na internetu. Recenze pedagogické psychologie 17: 363 – 388. Najít tento článek online
16. Young K (1998) Závislost na internetu: Vznik nové klinické poruchy. CyberPsychology & Behavior 1: 237–244. Najít tento článek online
17. Morahan-Martin J, Schumacher P (2000) Incidence a korelace patologického používání internetu mezi vysokoškoláky. Počítače v lidském chování 16: 13 – 29. Najít tento článek online
18. Scherer K (1997) Vysokoškolský život online: Zdravé a nezdravé používání internetu. Žurnál vývoje vysokoškolských studentů 38: 655 – 665. Najít tento článek online
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et al. (2009) Mozkové činnosti spojené s herním nutkáním online herní závislosti. Žurnál psychiatrického výzkumu 43: 739 – 747. Najít tento článek online
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Inhibice impulsů u lidí s poruchou závislosti na internetu: elektrofyziologický důkaz ze studie Go / NoGo. Neurovědní dopisy 485: 138 – 142. Najít tento článek online
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2009) Abnormality šedé hmoty v závislosti na internetu: Morfometrická studie založená na voxelu. Evropský žurnál radiologie. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. (2010) Zvýšená regionální homogenita u poruchy závislosti na internetu: studie zobrazování funkční magnetické rezonance v klidovém stavu. Čínský lékařský časopis 123: 1904 – 1908. Najít tento článek online
23. Yuan K, Qin W, Dong M, Liu J, Sun J, et al. (2010) Deficity šedé hmoty a abnormality v klidovém stavu u abstinentních závislých na heroinu. Neurovědní dopisy 482: 101 – 105. Najít tento článek online
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Změněné funkční mozkové sítě malého světa a délka užívání heroinu u mužů závislých na heroinu závislých na muži. Neurovědní dopisy 477: 37 – 42. Najít tento článek online
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et al. (2010) Kombinace prostorových a časových informací s cílem prozkoumat změny v klidových stavech u abstinentních závislých na heroinu. Neurovědní dopisy 475: 20 – 24. Najít tento článek online
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et al. (2009) Dysfunkční vzorce konektivity u chronických uživatelů heroinu: studie fMRI. Neurovědní dopisy 460: 72 – 77. Najít tento článek online
27. Volkow N, Fowler J, Wang G (2003) Závislý lidský mozek: poznatky ze zobrazovacích studií. Žurnál klinického výzkumu 111: 1444 – 1451. Najít tento článek online
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et al. (2010) Charakteristiky rozhodování, potenciální rizika a osobnost vysokoškolských studentů s závislostí na internetu. Psychiatrický výzkum 175: 121 – 125. Najít tento článek online
29. Beard K, Wolf E (2001) Modifikace v navrhovaných diagnostických kritériích pro závislost na internetu. CyberPsychology & Behavior 4: 377–383. Najít tento článek online
30. Ashburner J, Friston K (2000) Morfometrie založená na Voxelu - metody. Neuroimage 11: 805 – 821. Najít tento článek online
31. Dobrý C, Johnsrude I, Ashburner J, Henson R, Fristen K, et al. (2001) Morfometrická studie stárnutí na voxelu v normálních lidských mozcích dospělých 465. Neuroimage 14: 21 – 36. Najít tento článek online
32. Smith S., Jenkinson M., Woolrich M., Beckmann C. Behrens T., a kol. (2004) Pokroky ve funkční a strukturální analýze a implementaci MR obrazu jako FSL. Neuroimage 23: 208 – 219. Najít tento článek online
33. Smith S (2002) Rychlá robustní automatizovaná extrakce mozku. Lidské mozkové mapování 17: 143 – 155. Najít tento článek online
34. Zhang Y, Brady M, Smith S (2001) Segmentace mozkových MR snímků pomocí skrytého Markovova modelu náhodného pole a algoritmu očekávání-maximalizace. Transakce IEEE při lékařském zobrazování 20: 45 – 57. Najít tento článek online
35. Jenkinson M, Smith S (2001) Globální metoda optimalizace pro robustní afinitní registraci mozkových obrazů. Analýza lékařských obrázků 5: 143 – 156. Najít tento článek online
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Vylepšená optimalizace pro robustní a přesnou lineární registraci a korekci pohybu mozkových obrazů. Neuroimage 17: 825 – 841. Najít tento článek online
37. Andersson J, Jenkinson M, Smith S (2007) Nelineární optimalizace. Technické zprávy analytické skupiny FMRIB: TR07JA02 od společnosti www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Nelineární registrace, aka Spatial normalization. Technické zprávy analytické skupiny FMRIB: TR07JA02 od společnosti www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et al. (2002) Nepřesná registrace pomocí deformací ve volné formě: aplikace na snímky MR prsu. Transakce IEEE při lékařském zobrazování 18: 712 – 721. Najít tento článek online
40. Nichols T, Holmes A (2002) Neparametrické permutační testy pro funkční neuroimaging: primer s příklady. Lidské mozkové mapování 15: 1 – 25. Najít tento článek online
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) Prekurzor nebo Sequela: Patologické poruchy u lidí s poruchou závislosti na internetu. PloS one 6: 306 – 307. Najít tento článek online
42. Beaulieu C (2002) Základ anizotropní difúze vody v nervovém systému - technický přehled. NMR v biomedicíně 15: 435 – 455. Najít tento článek online
43. Smith S, Jenkinson M., Johansen-Berg H., Rueckert D., Nichols T., a kol. (2006) Prostorová statistika založená na traktech: analýza vícesměrových difuzních dat voxelwise. Neuroimage 31: 1487 – 1505. Najít tento článek online
44. Smith S., Johansen-Berg H., Jenkinson M., Rueckert D., Nichols T., a kol. (2007) Získávání a analýza voxelwise difuzních dat s více subjekty s prostorovou statistikou založenou na traktech. Protokoly přírody 2: 499 – 503. Najít tento článek online
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Cingulate hypoactivity u uživatelů kokainu během úkolu GO-NOGO, jak bylo odhaleno funkčním zobrazením magnetické rezonance související s událostmi. Journal of Neuroscience 23: 7839 – 7843. Najít tento článek online
46. Li C, Sinha R (2008) Inhibiční kontrola a regulace emočního stresu: Neuroimagingové důkazy o frontálně-limbické dysfunkci v závislosti na psychostimulantech. Neuroscience & Biobehavioral Reviews 32: 581–597. Najít tento článek online
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Sledování konfliktů a kognitivní kontrola. Psychologický přehled 108: 624 – 652. Najít tento článek online
48. Krawczyk D (2002) Příspěvky prefrontální kůry k neurálnímu základu lidského rozhodování. Neuroscience & Biobehavioral Reviews 26: 631–664. Najít tento článek online
49. Wilson S, Sayette M, Fiez J (2004) Prefrontální reakce na narážky na léky: neurokognitivní analýza. Nature Neuroscience 7: 211 – 214. Najít tento článek online
50. Barber A, Carter C (2005) Kognitivní kontrola podílející se na překonání tendencí předčasné reakce a přepínání mezi úkoly. Mozková kůra 15: 899 – 912. Najít tento článek online
51. MacDonald A, Cohen J, Stenger V, Carter C (2000) Rozdělení role dorsolaterálního prefrontálního a předního cingulačního kortexu v kognitivní kontrole. Science 288: 1835 – 1838. Najít tento článek online
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Sledování konfliktů versus výběr pro akci v přední kůře cingulate. Příroda 402: 179 – 180. Najít tento článek online
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Dorsolaterální prefrontální kůra a Stroopův výkon: Řešení lateralizace. Psychonomický bulletin a recenze 16: 609–612. Najít tento článek online
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T, et al. (2004) Závislí závislí na opiátech chybí aktivace rostrálního předního cingulate závislá na chybách. Biologická psychiatrie 55: 531 – 537. Najít tento článek online
55. Fu L, Bi G, Zou Z, Wang Y, Ye E, et al. (2008) Funkce inhibice snížené odpovědi u abstinentních závislých na heroinu: studie fMRI. Neurovědní dopisy 438: 322 – 326. Najít tento článek online
56. Rolls E (2000) Orbitofrontální kůra a odměna. Mozková kůra 10: 284 – 294. Najít tento článek online
57. Groenewegen H, Uylings H (2000) Prefrontální kůra a integrace senzorických, limbických a autonomních informací. Pokrok ve výzkumu mozku 126: 3 – 28. Najít tento článek online
58. Balleine B, Dickinson A (1998) Cílově zaměřená instrumentální akce: pohotovostní a motivační učení a jejich kortikální substráty. Neurofarmakologie 37: 407 – 419. Najít tento článek online
59. Simmonds D, Pekar J, Mostofsky S (2008) Metaanalýza úkolů Go / No-go demonstrující, že aktivace fMRI spojená s inhibicí odpovědi je závislá na úkolu. Neuropsychologia 46: 224 – 232. Najít tento článek online
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Inhibice zobrazovací odpovědi v úloze stop-signál: neurální koreluje nezávisle na monitorování signálu a zpracování po reakci. Journal of Neuroscience 26: 186 – 192. Najít tento článek online
61. Raymond J, Lisberger S, Mauk M (1996) Cerebellum: neuronální učící stroj? Science 272: 1126 – 1131. Najít tento článek online
62. Schmahmann J, Sherman J (1998) Cerebelární kognitivní afektivní syndrom. Mozek 121: 561 – 579. Najít tento článek online
63. Desmond J (2001) Cerebelární zapojení do kognitivní funkce: důkaz z neuroimagingu. Mezinárodní přehled psychiatrie 13: 283 – 294. Najít tento článek online
64. Heyder K, Suchan B, Daum I (2004) Kortiko-subkortikální příspěvky k výkonné kontrole. Acta Psychologica 115: 271 – 289. Najít tento článek online
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et al. (1998) Budování vzpomínek: vzpomínání a zapomínání na verbální zážitky předpovídané mozkovou aktivitou. Science 281: 1188 – 1191. Najít tento článek online
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Novinkové a familiární aktivace v PET studiích kódování a načítání paměti. Mozková kůra 6: 71 – 79. Najít tento článek online
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et al. (2004) Neinvazivní in vivo demonstrace spojení lidského parahippocampálního gyru. Neuroimage 22: 740 – 747. Najít tento článek online
68. BURWELL R (2000) Parahippocampální oblast: kortikokortikální konektivita. Annals New York Academy of Sciences 911: 25 – 42. Najít tento článek online
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J, et al. (2010) Pozměněná integrita bílé hmoty v první epizodě, na léčbu mladých dospělých s vážnou depresivní poruchou: Studie prostorové statistiky založená na traktech. Výzkum mozku 1396: 223 – 229. Najít tento článek online
70. Štěstí D, Danion J, Marrer C, Pham B, Gounot D, et al. (2010) Pravý parahippocampální gyrus přispívá k tvorbě a udržování vázaných informací v pracovní paměti. Mozek a poznávání 72: 255 – 263. Najít tento článek online
71. Engle R, Kane M (2003) Výkonná pozornost, kapacita pracovní paměti a dvoufaktorová teorie kognitivního řízení. Psychologie učení a motivace 44: 145 – 199. Najít tento článek online
72. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z, et al. Zvýšená regionální homogenita u poruchy závislosti na internetu: studie zobrazování funkční magnetické rezonance v klidovém stavu. Čínský lékařský časopis 123: 1904 – 1908. Najít tento článek online
73. Rodič A, Carpenter M (1996) Tesařova lidská neuroanatomie: Williams & Wilkins.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) Atlas lidského bílého materiálu Anatomy1 založený na vláknovém traktu. Radiologie 230: 77 – 87. Najít tento článek online
75. Andersen R, Knight P, Merzenich M (1980) Thalamocortical a corticothalamic coictions of AI, AII, andteriior sluchové pole (AFF) u kočky: Důkaz o dvou velmi sergregarted systémech spojení. Žurnál srovnávací neurologie 194: 663 – 701. Najít tento článek online
76. Vítěz J, Diehl J, Larue D (2001) Projekce sluchové kůry na mediální geniculate tělo kočky. Žurnál srovnávací neurologie 430: 27 – 55. Najít tento článek online
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Zapojení primární motorické kůry do motorového zobrazování: neuromagnetická studie. Neuroimage 6: 201 – 208. Najít tento článek online
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Primární motorická kůra i doplňková motorická oblast hrají důležitou roli při komplexním pohybu prstů. Mozek 116: 1387 – 1398. Najít tento článek online
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neuroplasticita: změny šedé hmoty vyvolané tréninkem. Příroda 427: 311 – 312. Najít tento článek online
80. Boyke J, Driemeyer J, Gaser C, Buchel C, květen A (2008) Tréninkem vyvolané změny struktury mozku u starších osob. Journal of Neuroscience 28: 7031 – 7035. Najít tento článek online
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) Školení navozuje změny v architektuře bílé hmoty. Nature Neuroscience 12: 1370 – 1371. Najít tento článek online
82. Cummings JL (1993) Čelní a subkortikální obvody a chování člověka. Archivy neurologie 50: 873 – 880. Najít tento článek online
83. Cummings JL (1995) Anatomické a behaviorální aspekty frontálních a subkortikálních obvodů. Annals New York Academy of Sciences 769: 1 – 14. Najít tento článek online
84. Albin RL, Young AB, Penney JB (1989) Funkční anatomie bazálních ganglií. Trendy v neurovědách 12: 366 – 375. Najít tento článek online
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et al. (2010) Difuzní tenzorová zobrazovací studie přední končetiny vnitřní tobolky u schizofrenie. Psychiatrický výzkum 184: 143 – 150. Najít tento článek online
86. Werring D, Clark C, Barker G, Miller D, Parker G a kol. (1998) Strukturální a funkční mechanismy obnovy motoru: doplňkové použití difuzního tenzoru a funkční magnetické rezonance při traumatickém poranění vnitřní kapsle. Journal of Neurology, Neurosurgery & Psychiatry 65: 863–869. Najít tento článek online
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R, et al. (2008) Rozsah poškození mikrostrukturální bílou hmotou u postconcussivního syndromu koreluje s narušenou kognitivní reakční dobou: studie 3T pro difuzní tenzorové zobrazování mírného traumatického poškození mozku. American Journal of Neuroradiology 29: 967 – 973. Najít tento článek online
88. Young K (1999) Závislost na internetu: příznaky, hodnocení a léčba. Inovace v klinické praxi: Zdrojová kniha 17: 19 – 31. Najít tento článek online
89. Beard K (2005) Závislost na internetu: přehled současných technik hodnocení a potenciálních otázek hodnocení. CyberPsychology & Behavior 8: 7–14. Najít tento článek online
90. Culver J, Gerr F, Frumkin H (1997) Lékařské informace na internetu. Journal of General Internal Medicine 12: 466 – 470.