Analýza založená na síti odhaluje funkční připojení, které souvisí s trendem závislosti na internetu (2016)

Přední Hum Neurosci. 2016; 10: 6.

Publikováno online 2016 Feb 1. dva: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen^1,^2,^* a Shulan Hsieh^1,^3,^4,^*

Informace o autorovi ► Poznámky k článku ► Autorská a licenční informace

Abstraktní

Znepokojení a nutkavé používání internetu může mít negativní psychologické účinky, takže je stále více považováno za duševní poruchu. Tato studie využila síťové statistiky k prozkoumání toho, jak funkční mozková spojení v mozku v klidu souvisí s mírou závislosti na internetu na úrovni jednotlivce, indexovanou dotazníkem s vlastním hodnocením. Identifikovali jsme dvě topologicky významné sítě, jednu s připojeními, která pozitivně korelovala s tendencí k závislosti na internetu, a druhou s připojeními negativně korelovala s tendencí k závislosti na internetu. Obě sítě jsou vzájemně propojeny většinou v čelních oblastech, což by mohlo odrážet změny v čelním regionu pro různé aspekty kognitivní kontroly (tj. Pro kontrolu používání internetu a herních dovedností). Dále jsme rozdělili mozek do několika velkých regionálních podskupin a zjistili jsme, že většina podílů spojení v obou sítích odpovídá mozkovému modelu závislosti, který zahrnuje čtyřokruhový model.

Nakonec jsme zjistili, že oblasti mozku s nejvíce meziregionálními souvislostmi spojenými s tendencí k závislosti na internetu kopírují ty, které se často vyskytují v literatuře o závislostech, a jsou potvrzeny naší metaanalýzou studií závislosti na internetu. Tento výzkum poskytuje lepší pochopení rozsáhlých sítí zapojených do tendence k závislosti na internetu a ukazuje, že předklinické úrovně závislosti na internetu jsou spojeny s podobnými regiony a souvislostmi jako klinické případy závislosti.

Klíčová slova: závislost na internetu, statistika založená na síti, funkční konektivita, klidový stav, metaanalýzy

Úvod

Závislost na internetu (OReilly, 1996; Young, 1998) je moderní jev, který se vyznačuje zaujatostí a nutkavým používáním internetu. Zejména porucha internetového hraní (IGD) byla uvedena v oddíle III Diagnostické a statistické příručky verze 5 (DSM-5).^®, Americká psychiatrická asociace [APA], 2013). Kvůli nedostatku standardního kritéria, nějaká literatura zacházela s oběma terminologií jak synonymní (vidět Petry a O'Brien, 2013; Petry a kol., 2014 pro diskusi); nutkavé a nadměrné používání internetu pro jakoukoli činnost (na kterou v této literatuře budeme odkazovat jako na závislost na internetu) je však globálnější než jeho hlavní podtyp IGD, který může kromě online hraní zahrnovat i více forem používání internetu (Griffiths a Pontes, 2014; Király a kol., 2014; Petry a kol., 2014). Naše současná studie zkoumá závislost na internetu v obecnější podobě. Podobně jako u poruch užívání návykových látek vykazuje závislost na internetu abstinenční příznaky, toleranci, ztrátu kontroly a psychosociální problémy, což vede ke klinicky významnému strachu nebo narušení každodenního fungování. Zdá se, že prevalence je nejvyšší asijské země a adolescenty u mužů, a bylo odhadnuto, že se bude pohybovat od 14.1 do 16.5% (95 procentní interval spolehlivosti) mezi taiwanskými vysokoškoláky v jedné studii (Lin et al., 2011). Tento jev v posledních letech přitahoval více pozornosti a jasně si zaslouží další výzkum.

Funkční zobrazování magnetickou rezonancí (fMRI) bylo použito k identifikaci nervových substrátů závislosti na internetu, u kterých se ukázalo, že vykazují podobné mozkové podpisy se závislostmi na látkách (Kuss a Griffiths, 2012; Brand a kol., 2014; Meng a kol., 2015). V blokovaných studiích a studiích souvisejících s událostmi bylo identifikováno několik oblastí spojených s odměnou, závislostí a touhou po kontrastu s internetovými herními narážkami se základní linií, která zahrnuje insula, nucleus accumbens (NAc), dorsolaterální prefrontální kůru (DLPFC) a orbitální frontální kůra (OFC) (Hoeft a kol., 2008; Ko et al., 2009; Han et al., 2010; Sun a kol., 2012; Ko et al., 2013). Avšak přístupy založené na aktivaci kontrastují s aktivitou související s narážkou a neřeší, jak oblasti mozku interagují, a proto nemohou charakterizovat změněné funkční souvislosti spojené s klinickými nebo behaviorálními opatřeními; přesto jsou lidské poruchy výsledkem poruch propojeného komplexního systému (Fornito a Bullmore, 2015). Zavedení klidového stavu fMRI se ukázalo jako účinný nástroj pro studium celé mozkové nervové konektivity (van den Heuvel a Pol, 2010). Funkční konektivita v klidovém stavu je hodnocena korelací spontánních fluktuací signálů závislých na hladině kyslíku v krvi (BOLD) v různých oblastech mozku a předpokládá se, že poskytuje měřítko její funkční organizace, a může pomoci charakterizovat abnormální synchronizaci mezi oblastmi mozku. ve spektru psychologických fenotypů (Biswal a kol., 2010; Craddock a kol., 2013).

Ačkoli tam byly některé studie, které využívaly funkční konektivitu k prozkoumání změněné funkční konektivity spojené s internetovou závislostí, většina studií používala semenové oblasti a priori, buď (a) korelace jednoho semenového regionu se zbývajícími voxely celého mozku [Hoeft a kol., 2008 použil NAc; Lorenz a kol., 2013 použil pravý dolní čelní gyrus (IFG); Ding a kol., 2013 použil zadní kůru cingulate (PCC); Ko et al., 2015 použil amygdalu; Zhang a kol., 2015 použil ostrov; Hong a kol., 2015 použil jádro caudate a putamen; Kühn a Gallinat, 2015 použil pravý přední pól; Li et al., 2015 používá správný DLPFC] nebo (b) provádí korelace mezi více předdefinovanými ROI vybranými ze smysluplných sítí (Yuan a kol., 2015 prozkoumala centrální výkonnou síť a hlavní síť; Dong a kol., 2015b zkoumala výkonnou kontrolní síť; Dong a kol., 2015a zkoumali výkonnou řídící síť a síť odměn; Li et al., 2014 zkoumala síť inhibující odpověď; Lin et al., 2015 zkoumalo šest předdefinovaných dvoustranných kortikostriálních NI). Předem definované zkoumané oblasti semen představují pouze malou část mozku, takže nemusí být schopen poskytnout úplný obrázek o tom, jak je konektom ovlivněn závislostí na internetu.

Jen velmi málo studií využilo ke studiu závislosti na internetu celý mozek. Pokud je nám známo, v současné době existují pouze čtyři publikované články, které přijaly přístup založený na celém mozku, a jejich metody jsou poměrně variabilní, od síťových statistik (NBS; Hong a kol., 2013) topologicky (Hong a kol., 2013; Wee a kol., 2014; Park et al., 2015) na nově vyvinutou voxelem zrcadlenou homotopickou konektivitu (Wang a kol., 2015). Zejména, Hong a kol. (2013) použil NBS k identifikaci rozdílů mezi skupinami v meziregionální funkční konektivitě a zjistil narušená spojení zapojená do kortikokortikálních obvodů u pacientů se závislostí na internetu. Jejich studie se však zaměřila na malou velikost vzorku jedinečné populace (rané adolescenty).

Proto jsme se v naší současné práci rozhodli použít přístup založený na mozku, NBS (Zalesky a kol., 2010a; Han et al., 2013), identifikovat funkční spojení, která predikují tendenci k závislosti na internetu. NBS je validovaná statistická metoda pro řešení problému vícenásobného srovnání v grafu, je analogická metodám založeným na klastrech (Nichols and Holmes, 2002) a používá se k identifikaci spojení a sítí obsahujících lidský konektom, které jsou spojeny s experimentálním účinkem nebo rozdílem mezi skupinami, a to testováním hypotézy nezávisle při každém spojení. Naše výsledky budou dále porovnány s metaanalýzou existujících článků týkajících se nervových korelátů závislosti na internetu. Doufáme, že stávající literaturu rozšíříme několika způsoby: (1) Doufáme, že poskytneme úplnější obrázek závislosti na internetu pomocí analýzy mozku namísto použití pouze malého počtu předem definovaných oblastí semen. (2) Přestože existuje několik studií funkčního připojení celé mozku o závislosti na internetu (např. Hong a kol., 2013; Wang a kol., 2015) studie porovnávaly skupiny závislostí na internetu se zdravými kontrolami. Naše studie nezahrnovala žádné klinické pacienty, ale charakterizovala tendenci k závislosti na internetu jako gradient. Doufáme, že identifikujeme funkční spojení, jejichž síla je modulována úrovní závislosti. (3) Většina studií závislosti na internetu nebere v úvahu mozeček, přesto je mozek zapojen jako důležitý region závislosti (Moulton a kol., 2014). Proto jsme do naší analýzy zahrnuli mozeček. (4) Mnoho studií omezilo svou skupinu účastníků na muže a často obsahuje relativně malé velikosti vzorku (např. Hong a kol., 2013, 2015; Kühn a Gallinat, 2015). Ke zvýšení zobecnění a síly těchto studií je třeba vzorků obsahujících pohlaví i větší velikost vzorku (Li et al., 2015). Řešením výše uvedených problémů současná studie doufá, že poskytne lepší pochopení toho, jak je funkční konektivita spojena s tendencí k závislosti na internetu.

Materiály a metody

Meta-analýza

Metaanalýza byla vytvořena pomocí databáze NeuroSynth (http://neurosynth.org; Yarkoni a kol., 2011). Přizpůsobená analýza byla provedena pomocí vyhledávacích výrazů „závislost“, „závislý“, „internet“, „hraní her“, „hra“ a „online“ k identifikaci studií týkajících se závislosti na internetu v databázi. Kritéria zařazení byla ověřena ručně a seznam zahrnutých studií je podrobně uveden v doplňkových materiálech 1. Zahrnuto bylo celkem 18 studií. Ze zahrnutých studií byly získány vrcholové aktivační souřadnice, jakož i jeho okolí voxelů 6 mm. Dále byla provedena metaanalýza těchto souřadnic, což vedlo k dopřednému a uctívajícímu inference celému mozku z- několik map. Přední inferenční mapy odrážejí pravděpodobnost, že region se aktivuje za těchto podmínek [P(aktivace | podmínky)], a proto nás informují o souladu aktivace pro dané podmínky. Mapa zpětné inference ukazuje pravděpodobnost, že se tyto termíny použijí ve studii vzhledem k přítomnosti hlášené aktivace [P(podmínky | aktivace)]; tedy region, který je aktivován, naznačuje, že je pravděpodobnější, že to bude studie týkající se závislosti na internetu než studie, která se netýká závislosti na internetu, což odráží selektivitu této oblasti. Vzhledem k tomu, že dopředný i zpětný odvozování hrají důležitou roli v tom, abychom nám pomohli porozumět regionům spojeným s závislostí na internetu, překrývali jsme tyto dvě odvozovací mapy a nastínili jejich společné regiony. Hlášeny jsou klastry větší než pět voxelů.

Klidový stát fMRI

Účastníci

Čtyřicet sedm zdravých účastníků (muži 21 a ženy 26) z jižního Tchaj-wanu, z nichž většina jsou studenti nebo zaměstnanci univerzity, bylo přijato prostřednictvím reklam, aby se zúčastnili experimentu (věkové rozmezí = 19 – 29 let, průměrný věk = 22.87 let, SD = 2.22 let). Účastníci měli pravou ruku (označenou inventářem Edinburgh Handedness Inventory), měli normální nebo korigované normální vidění a žádné anamnézy psychologických nebo nervových poruch. Jejich skóre deprese, úzkosti a inteligence bylo v normálním rozmezí [Beck's Depression Inventory (BDI) skóre: 0 – 12; Beck's Anxiety Inventory (BAI) skóre: 0 – 7; Skóre Ravenovy standardní progresivní matice: 35 – 57]. Skóre revidované na internetu (CIAS-R) závislé na internetu od Chen mělo rozmezí = 28 – 92, průměr = 60.04, SD = 16.53. Tabulka Table11 shrnuje demografické informace a charakteristiky chování účastníků. Normalita skóre CIAS-R byla ověřena testem Shapiro – Wilk [W(47) = 0.98, p = 0.50]. Nebyla zjištěna žádná významná korelace mezi pohlavím a skóre CIAS-R (Spearman's ρ = 0.15, p = 0.30). Všichni účastníci poskytli svůj písemný informovaný souhlas a protokol studie byl schválen (NE: B-ER-101-144) Institucionální revizní radou (IRB) Národní fakultní nemocnice Cheng Kung, Tainan, Tchaj-wan. Po dokončení experimentu byli všichni účastníci 500 NTD zaplaceni.

Demografické informace a behaviorální charakteristiky.

Dotazník Chen internetu závislý na měřítku (CIAS-R)

Revize škály závislostí na internetu Chen (CIAS-R; Chen a kol., 2003) je opatření položky 26 používané k posouzení závažnosti závislosti na internetu. CIAS-R je založen na kritériích aditivního chování DSM-IV-TR a obsahuje dvě dílčí škály závislosti na internetu (a) základní příznaky a (b) související problémy, hodnotí pět rozměrů včetně (1) nutkavého používání internetu, (2) stažení příznaky, když je internet odebrán, (3) tolerance, (4) ohrožení mezilidských vztahů a fyzického zdraví a (5) problémy s řízením času. Položky jsou hodnoceny na stupnici 4-Likert s celkovým skóre od 26 do 104, což odráží nízkou až vysokou tendenci k závislosti na internetu. Ukázalo se, že CIAS-R má vysokou vnitřní konzistenci (Cronbachův α = 0.79 – 0.93; Chen a kol., 2003) a vysoká diagnostická přesnost (AUC = 89.6%; Ko et al., 2005). V této studii bylo celkové skóre CIAS-R využito jako ukazatel současného stavu závislosti na internetu závislostí účastníků.

Pořízení a zpracování obrazu

Zobrazování bylo prováděno pomocí skeneru GE MR750 3T (GE Healthcare, Waukesha, WI, USA) v MRI centru Národní univerzity Cheng Kung. Anatomické obrazy s vysokým rozlišením byly získány pomocí rychlého SPGR, sestávajícího z axiálních řezů 166 (TR = 7.6 ms, TE = 3.3 ms, úhel překlopení 171 = 12 °, matice 224 × matice 224, tloušťka řezu = 1 mm). Funkční obrazy byly získány pomocí pulzní sekvence echo-planárního zobrazovacího (EPI) gradientního echa (TR = 2000 ms, TE = 30 ms, úhel překlopení = 77 °, matice 64 × matice 64, tloušťka řezu = 4 mm, žádná mezera, velikost voxelu 3.4375 mm × 3.4375 mm × 4 mm, 32 axiální řezy pokrývající celý mozek).

Účastníkům bylo řečeno, aby se uvolnili a leželi ve skeneru se zavřenýma očima. Byli požádáni, aby při skenování nepřemýšleli o žádné konkrétní události. Doba skenování strukturálního obrazu byla přibližně 3.6 min. Funkční obraz trval přibližně 8 min, přičemž prvních pět TR sloužilo jako fiktivní skenování, aby se zajistilo, že signál dosáhl ustáleného stavu před shromážděním dat; běh tedy sestává z objemových obrázků 240 EPI pro analýzu.

Data byla předběžně zpracována pomocí asistenta zpracování dat pro klidový stát fMRI (DPARSF; Yan a Zang, 2010), která je založena na funkcích v MRIcroN (Rorden a kol., 2007^¹), jakož i software pro statistické parametrické mapování (SPM^²) a nástroj pro analýzu dat fMRI v klidovém stavu (REST; Song et al., 2011) v Matlabu (The MathWorks, Inc., Natick, MA, USA). Funkční obrazy prošly korekcí časování řezů, po které následovalo nové nastavení, aby se korigovaly pohyby hlavy pomocí šestimetrových tuhých tělesných transformací. Celkový pohyb, charakterizovaný středním posunutím rámu (FD), nebyl velký (průměr = 0.05, SD = 0.03) a nekoreluje se skóre CIAS-R (Spearmanova ρ = -0.28, p = 0.055), a tak impulzivita není matoucím faktorem skóre a pohybu závislostí na internetu (Kong a kol., 2014). Obrazy T1 byly zaregistrovány do funkčních obrazů. Strukturální obrazy byly segmentovány do CSF, bílé hmoty a šedé hmoty na základě map pravděpodobnosti tkání v prostoru MNI a tyto výpočty byly použity při následné normalizaci obrázků T1 a EPI na prostor MNI. Data byla vyhlazena v prostorové doméně pomocí gaussovského jádra o plné šířce 6 mm na polovině maxima (FWHM) a byla odstraněna lineární tendence. Obtěžující kovariáty, včetně globálního průměrného signálu, signálu bílé hmoty a signálu mozkomíšního moku, byly ustoupeny. Ačkoli to, zda provést globální regresi signálu, je stále přetrvávající diskuse (např. Saad a kol., 2012) jsme se rozhodli tuto metodu implementovat, protože bylo navrženo maximalizovat specifičnost funkčních korelací a zlepšit korelaci mezi korelacemi klidového stavu a anatomií (Fox a kol., 2009; Weissenbacher a kol., 2009; Takeuchi a kol., 2014). Nakonec obrázky procházejí pásmovým filtrem 0.01 – 0.08 Hz.

Analýza dat

Obrázky fMRI byly parcelovány na základě anatomického automatického označování (AAL; Tzourio-Mazoyer a kol., 2002) šablona, rozdělující mozek na základě anatomické struktury do 116 ROI (nebo uzlů). Atlas AAL jsme vybrali, protože se jedná o nejčastěji používanou parcellaci ve studiích funkční sítě (Stanley a kol., 2013) a byla také šablonou používanou Hong a kol. (2013), jehož studie je pro nás nejdůležitější, čímž se zvyšuje míra srovnatelnosti napříč studiemi (Zalesky a kol., 2010b). Metoda NBS byla použita k identifikaci mozkových sítí, které sestávají z meziregionální funkční konektivity vykazující významnou korelaci s skóre CIAS-R. Následující analýzy byly provedeny pomocí Network Based Statistic Toolbox (Zalesky a kol., 2010a) s dalšími interními skripty Matlab. Pro každého účastníka byla vytvořena korelační matice 116 × 116 pomocí časových kurzů extrahovaných z každé návratnosti investic. Pearsonovo r hodnoty byly normalizovány na Z skóre pomocí Fishera Z proměna. Každá buňka korelační matice představuje sílu spojení (nebo hrany) mezi dvěma uzly. Bylo provedeno hromadné jednorozměrné testování pomocí Spearmanovy korelační korelace mezi skóre CIAS-R účastníků a silnými hranami v rámci každého okraje, aby bylo možné identifikovat relevantní spojení, která predikovala skóre CIAS-R. Kandidátské hrany, které vykazovaly vysokou předvídatelnost skóre CIAS-R, byly vybrány prostřednictvím primární prahové hodnoty Spearmanova rho> 0.37 a <-0.37 (přibližně jednostranný alfa = 0.005), aby bylo možné identifikovat sítě, které jsou pozitivně a negativně spojeny s CIAS- R skóre. Dále byly mezi nadprahovými spoji identifikovány topologické klastry, známé jako spojené komponenty grafu. Chyba rodiny (FWE) pro velikost komponenty byla vypočítána pomocí permutačního testování (3000 permutací), které zahrnovalo náhodné přeskupení skóre CIAS-R a opakování výše uvedeného procesu každou permutaci, aby se získalo nulové rozdělení největší velikosti komponenty. Připojené komponenty grafu, jejichž velikost přesahuje odhadovanou korekci FWE p- mezní hodnota <0.05 byla identifikována jako sítě, které významně souvisí s tendencí k závislosti na internetu. Prohlížeč BrainNet (Xia a kol., 2013) byl použit pro vizualizaci připojení. Ilustrace potrubí pro analýzu dat je uvedeno v Obrázek Obrázek11.

OBRÁZEK 1

Vývojový diagram potrubí pro analýzu dat. Mozky účastníků byly předem zpracovány a parcellovány do různých strukturálních oblastí podle šablony AAL. Korelační matice byla vytvořena pomocí časových průběhů extrahovaných z každé oblasti do ...

výsledky

Meta-analýza

Dopředný a zpětný odvoz z- bylo vygenerováno několik map z NeuroSynth (zobrazeno v Obrázek Obrázek22). Aktivace v těchto dvou mapách se navzájem velmi podobají. Překrývající se tyto mapy odhalily aktivaci v oblastech mozečku, spánkového laloku (dvoustranný nižší temporální gyri, pravý nadřazený časový pól a pravý střední a vyšší spánkový gyrus), několik frontálních oblastí (levý střední a vyšší orbitální frontální gyrus, pravý střední frontální gyrus, pravý spodní frontální operculum a pravý precentrální gyrus), bilaterální putamen, bilaterální ostrovní ostrov, pravý střední cingulate a pravý precuneus. Tabulka Table22 uvádí seznam identifikovaných klastrů a také oblasti AAL patřící do klastru.

OBRÁZEK 2

Inferenční mapy metaanalýzy provedené na NeuroSynth, ukazující regiony aktivní v inferenční inference, reverzní inference a překrývání obou map.

Překrývající se shluky dopředných a zpětných inferenčních map.

Klidový stát fMRI

Funkční připojení související s tendencí k závislosti na internetu

Pomocí NBS jsme identifikovali dvě sítě, které vykázaly významnou korelaci síly hran a skóre CIAS-R (p <0.05, korigováno podle FWE): jeden s hranami pozitivně koreloval se skóre CIAS-R („CIAS-R pozitivní,“ zobrazeno červeně) a druhý s hranami negativně korelovaný s CIAS-R („CIAS-R negativní,“ zobrazeno v modré). Pozitivní síť CIAS-R se skládá celkem ze 65 uzlů a 90 okrajů (45 intrahemisférických, 42 interhemisférických a 3 spojujících se s vermis), zatímco negativní síť se skládá ze 64 uzlů a 89 okrajů (35 intrahemisférických, 40 interhemisférických a 14 připojení k / vermis). Je důležité si uvědomit, že tyto dvě sítě nejsou zcela oddělené a sdílejí celkem 39 uzlů, z nichž 30.77% jsou oblasti frontálního laloku. Celkový počet okrajů souvisejících s CIAS-R se skládá z 2.68% všech okrajů mozku. Síť je znázorněna na Obrázek Obrázek33 a konkrétní připojení jsou uvedeny v doplňkových materiálech 2, tabulka S1.

OBRÁZEK 3

Síť připojení, která jsou korelována se skóre CIAS-R. Šedé koule představují těžiště každého uzlu a jsou upraveny podle počtu významných hran, s nimiž jsou spojeny. Jsou zobrazeny pouze uzly s připojením. Červené čáry představují ...

Globální distribuce zúčastněných hran

Abychom lépe porozuměli tomu, jak jsou tato připojení distribuována, následovali jsme Fornito a kol. (2011) a Hong a kol. (2013)a kategorizoval každý region AAL v každé síti jako součást sedmi regionálních podskupin: frontální, temporální, parietální, týlní, ostrovní a cingulate gyri, subkortikální a cerebellum. Většina okrajů v pozitivní síti CIAS-R zahrnovala spojení mezi (1) dočasnými oblastmi a izolátem a cingulate gryi (∼13%), z nichž většina zahrnuje gyrus zadní cingulate spojující různé časové oblasti; (2) frontální a časové oblasti (∼12%), které zahrnují spojení mezi střední orbitofrontální kůrou, paracentrálním lalůčkem a gyriem temporálního laloku, temporálním pólem; a (3) parietální a subkortikální regiony (∼11%), skládající se ze spojení mezi postcentrální kůrou a nadřazeným parietálním lalokem s putamenem a pallidem. Je zajímavé poznamenat, že kromě čelního laloku nemají všechny ostatní regiony žádné meziregionální vazby, jejichž síla je pozitivně korelována s tendencí k závislosti na internetu. Většina hran v negativní síti CIAS-R zahrnovala spojení mezi (1) frontálním lalokem a mozkem (∼19%), z nichž většina jsou spojení mezi orbitálními frontálními oblastmi a různými ROI mozečku; a (2) izoláty a cingulate gyri a temporální lalok (∼12%), který zahrnuje spojení mezi insula, cingulum, parahippocampal a gyri temporální lalok. Nebylo zjištěno, že by žádné z týlních oblastí nebyly zahrnuty do negativní sítě CIAS-R. Poměr meziregionálních připojení každé sítě je znázorněn na obrázku Obrázek Obrázek44.

OBRÁZEK 4

Podíl hran, které jsou pozitivně a negativně korelovány s tendencí k závislosti na internetu mezi páry regionálních podskupin. Poměry byly vypočteny vydělením počtu hran mezi (nebo uvnitř) párů regionů celkovou hodnotou ...

Maximálně zasažené uzly

Vzhledem k velkému počtu identifikovaných hran jsme sledovali Finn a kol. (2014)a identifikované uzly, které mají vysoký „součet hranic korelovaných s CIAS-R“, aby se naše analýza zaměřila na regiony, kde jsou spojení maximálně spojena s tendencí k závislosti na internetu. Součet okrajů uzlu korelovaných s CIAS-R byl definován jako celkový počet jeho okrajů jak v kladných, tak v negativních sítích CIAS-R (to je koncepčně ekvivalentní míře míry v teorii grafů). Tato metoda nám umožní identifikovat uzly, u kterých je spojení s největší pravděpodobností změněno tendencí k závislosti na internetu. Následující Tabulka Table33 uvádí uzly, které jsou maximálně ovlivněny, a ukazuje uzly, které mají alespoň součet hranic korelovaných s CIAS-R alespoň 8. Vizualizace uzlů a jejich spojení je zobrazena v Obrázek Obrázek55. To jsou také uzly vybrané pro diskusi.

Analýza uzlů tendence závislosti na internetu.

OBRÁZEK 5

Vizualizace uzlů s největším počtem hran souvisejících s tendencí k závislosti na internetu. Zelené koule zobrazují těžiště každého uzlu s maximálním okrajem, zatímco žluté koule zobrazují jejich funkční konektivní partnery. Červené čáry označují hrany ...

Diskuse

U normální skupiny mladých dospělých jsme hodnotili míru závislosti na internetu pomocí dotazníku s vlastním hodnocením (CIAS-R) a dále jsme identifikovali dvě mozkové sítě, jejichž funkční spojení korelovala pozitivně a negativně s tendencí k závislosti na internetu. V následujícím textu diskutujeme naše výsledky v různých stupních pozorování: (1) klíčové regiony spojující pozitivní sítě CIAS-R a negativní sítě CIAS-R, (2) regiony s vysokým podílem připojení související s tendencí k závislosti na internetu a (3) ) kritické uzly změněné tendencí k závislosti na internetu.

Frontální regiony propojují pozitivní sítě CIAS-R a negativní sítě CIAS-R

Zjistili jsme, že většina uzlů, které spojují dvě (CIAS-R pozitivní a CIAS-R negativní) sítě, je umístěna ve frontálním laloku. Tyto oblasti zahrnují vynikající frontální gyrus, IFG, mediální frontální gyrus, rolandic operculum a doplňkovou motorickou oblast. Prefrontální kůra byla implikována jako kritická struktura v kognitivní kontrole, inhibici a výběru odpovědi (Aron a kol., 2004; Talati a Hirsch, 2005; Forstmann a kol., 2008). Závislost na internetu je jev, kdy závislí snížili sebeovládání a rozhodování o používání internetu, což se odráží v pokračujícím nadužívání navzdory jejich znalosti negativních účinků. Několik studií například zjistilo, že účastníci s internetovou závislostí vykazovali během úkolu Go / Nogo vyšší frontostriatální a frontoparietální aktivaci (Ding a kol., 2014; Ko et al., 2014; Chen a kol., 2015) a Stroop task (Dong a kol., 2012a, 2013, 2014), což naznačuje slabší inhibici odezvy a monitorování chyb a zvýšenou impulzivitu. Na druhé straně však narkomani a hráči videoher často vykazují vynikající výkon kognitivních funkcí, jako je řízení motoru a efektivní rozhodování během hraní. Ve skutečnosti se ukázalo, že praktické efekty hraní videoher zobecňují řadu vylepšených výkonných dovedností, včetně percepčních, motorických, pozorných a pravděpodobnostních inferenčních dovedností (Green and Bavelier, 2003; Castel a kol., 2005; Dye a kol., 2009; Green et al., 2010; Green et al., 2012). Jedna studie fMRI zjistila snížený nábor fronto-parietální sítě u hráčů videoher ve srovnání s hráči, kteří nehráli během úkolu s vysokou pozorností, což by mohlo odrážet efektivnější výkonnou a pozornou kontrolu (Bavelier a kol., 2012). Dvě tváře kognitivní kontroly zobrazované závislými na internetu představují zajímavé dilema. V naší studii by pozorování frontálních regionů spojujících dvě sítě, kde je funkční konektivita snížena a zvýšena tendencí k závislosti na internetu, mohlo odrážet změny v frontálním regionu pro různé aspekty kognitivní kontroly (tj. Pro kontrolu používání internetu a herních dovedností). Stojí za zmínku, že ačkoli Hong a kol. (2013) předpokládá se, že by mohlo dojít ke zvýšené funkční konektivitě spojené s praktickými účinky u závislých na internetu, v jejich studii bylo pozorováno pouze snížení funkční konektivity. Jedna možnost navrhl Hong a kol. (2013) pro jejich neexistenci zvýšené funkční konektivity u jedinců závislých na internetu bylo to, že jejich malá velikost vzorku měla za následek nedostatek energie. Použitím analýzy založené na semenech, která vyžaduje méně mnohonásobná srovnání než přístupy v celém mozku, Hong a kol. (2015) znovu analyzovala data 2013 a pozorovala jak zvýšenou, tak sníženou funkční konektivitu spojenou s závislostí na internetu.

Široce distribuovaná připojení sítí pro závislost na internetu

Data ukazují velký počet inter- a intra-hemisférických spojení v CIAS-R pozitivních i CIAS-R negativních sítích, což odráží rozsáhlý vliv tendence k závislosti na internetu na mozek. Zjistili jsme, že nejvyšší podíl spojení v pozitivní síti CIAS-R zahrnoval hrany „insula a cingulate - temporální“, „frontální - temporální“ a „subkortikální - parietální“, zatímco nejvyšší podíl připojení v CIAS-R negativní síť zahrnovala „čelní - cerebelární“ a „izolační a cingulační - časové“ hrany (Obrázek Obrázek44). V nedávno navrhovaném modelu závislosti (Moulton a kol., 2014), cerebellum pomáhá udržovat homeostázu čtyř vzájemně propojených obvodů souvisejících s závislostí: odměna / výtečnost, motivace / pohon, učení / paměť a také kognitivní kontrola. Tento model integruje čtyřokruhový model (Volkow a kol., 2003, 2010) a mozkové funkční klidové stavové sítě vztahující se k výkonnému a asociativnímu zpracování v mozkové kůře (Buckner a kol., 2011). Složky pro odměnu / výtečnost, motivaci / pohon a učení / paměť jsou zesíleny, zatímco kognitivní kontrola je ve závislosti snížena. Vidět Obrázek Obrázek66 pro ilustraci. Naše pozorování nejvyšších podílů funkční konektivity obou tendenčních sítí závislých na internetu je obecně kompatibilní Moulton a kol. (2014) model kritických komponent zapojených do závislostních obvodů. Stejně tak jsme nepozorovali mnoho významných souvislostí, které by tvořily týlní lalok, který také zapadá Hong a kol. (2013) zjištění. Kromě toho jsme však zjistili velkou část „subkortikálních - parietálních“ hran, že ačkoli to není u čtyřobvodového modelu zvlášť zdůrazněno, tato připojení byla pozorována v literatuře o závislosti na internetu (např. Ding a kol., 2013; Hong a kol., 2013, 2015), což by mohlo být způsobeno praktickým účinkem souvisejícím s používáním internetu.

OBRÁZEK 6

Model závislosti zdůrazňující modulační roli mozečku čtyř hlavních mozkových sítí navržených k ovlivnění závislostí (upraveno z Moulton a kol., 2014). Tyto obvody zahrnují odměnu / výtečnost, motivaci / pohon, učení / paměť, ...

Kritické uzly změněné tendencí k závislosti na internetu

Identifikovali jsme uzly s největším počtem připojení, které souvisejí s tendencí k závislosti na internetu. Tyto uzly jsou ty, jejichž struktura spojení mezi samotným uzlem a ostatními oblastmi mozku je nejvíce náchylná ke změně tendencí k závislosti na internetu. Regiony jsou konkrétně bilaterální zadní cingulační gyrus, pravý izolát, pravý střední temporální gyrus, levý nadřazený temporální pól, pravý putamen a orbitální část levého IFG (Obrázek Obrázek55). Tyto regiony byly zahrnuty jako klíčové regiony do mnoha studií závislosti na internetu a některé již byly zmíněny v předchozí části. Nyní diskutujeme závislostní literaturu zdůrazňující tyto regiony podrobněji. PCC, součást sítě výchozího režimu a zapojená do různých aspektů vlastního zpracování (Buckner a kol., 2008; Fransson a Marrelec, 2008), sloužil jako oblast osiva v Ding et al. (2013) studie, která prokázala signifikantně zvýšenou funkční konektivitu s bilaterálním mozkovým zadním lalokem a středním spánkovým gyrem, zatímco u závislých na hraní na internetu došlo ke snížení bilaterálního dolního parietálního laloku a pravého dolního spánkového gyru. Bylo také zjištěno, že závislí na internetu vykazují abnormální zlomkovou anizotropii (Dong a kol., 2012b) a hustota šedé hmoty (Zhou a spol., 2011) v PCC. Zhang a kol. (2015) vybral ostrov, který byl zapojen do závislosti (Naqvi a Bechara, 2009; Droutman a kol., 2015), jako zárodečná oblast a zjistili změněné funkční spojení se sítí regionů u závislých na internetu. Role insula ve závislosti je navržena pro integraci interoceptivních signálů do vědomých pocitů (nutkání na drogy) a ovlivnění chování během rozhodování (Naqvi a Bechara, 2009). V některých studiích závislosti na internetu byl pozorován prostřední světský gyrus a lepší temporální pól (viz Meng a kol., 2015 pro metaanalýzu) a byly spojeny s nutkáním / touhou po hře, sémantickým zpracováním, odcizením, pracovní pamětí a emočním zpracováním; jejich specifické role v závislosti však vyžadují další zkoumání. Putamen, část dorzálního striata, je také kritickou oblastí navrhovanou mnoha výzkumy závislosti (např. Ko et al., 2009; Ding a kol., 2013; Lin et al., 2015), ve kterém je doprovodná dopaminová neurotransmise zapojena do vývoje kompulzivního vyhledávání a touhy po drogách (Volkow a kol., 2006; Koob a Volkow, 2010). Výzkum dále naznačuje, že dysfunkce se striato-thalamo-orbitofrontálním okruhem je zásadní příčinou závislosti, zatímco dorzální striatum zapojené do návykových návyků a touhy, orbitofrontální kůra je spojena s výběžky, hnací silou a nutkavostí (Volkow a Fowler, 2000; Koob a Volkow, 2010; Volkow a kol., 2010; Goldstein a Volkow, 2011). Neobvyklé fungování orbitofrontální kůry by mohlo vysvětlit poruchy chování závislostí. Shrneme-li výše, uzly, které jsme identifikovali, jsou uzly, které jsou nejvíce náchylné ke změně podle tendence k závislosti na internetu, a byly opakovaně identifikovány ve stávající literatuře.

Omezení

Jak zdůraznil jeden z našich recenzentů, otázka, zda provést globální regrese signálu v klidovém stavu fMRI, zůstává aktuální debatou. Po opětovné analýze aktuálních dat bez globální regrese signálu se naše výsledky ukázaly ve srovnání s naší původní analýzou zcela odlišné a pouze 22.91% hran nalezených v analýzách NBS bez globální regrese signálu se překrývalo s výsledky našich současných výsledků. Bez globální regrese signálu jsme nenašli dostatečné funkční spojení, které by pozitivně souviselo se skóre CIAS-R; Našli jsme však síť, která se skládala z funkčních připojení, která negativně souvisely se skóre CIAS-R. Když identifikace uzlů s největším počtem spojení souvisí s tendencí k závislosti na internetu, najdeme shodu s analýzou globální regrese signálu v tom, že se na tom nejvíce podílely cingulate, insula, temporální a frontální oblasti. Několik rozdílů však zahrnuje dodatečné zjištění dvoustranných doplňkových motorických oblastí a pravoúhlého gyrusu vykazujícího sníženou funkční konektivitu a v identifikované síti nebylo tolik subkortikálních oblastí. Přestože globální regrese signálu zůstává kontroverzní, rozhodli jsme se oznámit oba výsledky. Podrobnosti o síti identifikované bez globální regrese signálu jsou dokumentovány v Doplňkových materiálech 3. Doufejme, že budoucí práce na předzpracování obrazu osvětlí, který výsledek je přesnější. V tuto chvíli doporučujeme interpretovat současné výsledky s ohledem na tyto námitky.

Proč investovat do čističky vzduchu?

Pomocí přístupu založeného na datech jsme ukázali, že statistika založená na síti je užitečným nástrojem pro charakterizaci konektivity celého mozku ovlivněného tendencí k závislosti na internetu, identifikace spojení a kritických oblastí, které odrážejí předchozí studie. Ve srovnání s analýzami semen poskytuje tento celý mozkový přístup komplexnější analýzu mozkových spojení souvisejících s internetovou závislostí a zkoumá celkem 6670 spojení. Dále jsme ukázali, že mnoho funkčních spojení a oblastí mozku kritických v klinických případech závislosti je také spojeno s preklinickými tendencemi indexovanými pomocí behaviorálních dotazníkových opatření. Přestože používáme korelační přístup, nemůžeme si být jisti, zda jsou tyto sítě změněny v důsledku používání internetu nebo zda jsou to charakteristiky lidí, kteří jsou náchylní k vyššímu riziku rozvoje závislosti na internetu, tento výzkum poskytuje užitečné informace, které nám pomáhají porozumět nervovým charakteristika závislosti a její vývoj.

Autorské příspěvky

TW provedl experiment, analyzoval data, interpretoval výsledky, napsal a revidoval rukopis. SH navrhl experiment, napsal grantový návrh, řídil přípravu a provádění experimentu, pomáhal při interpretaci dat, přípravě a revizi rukopisu.

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

Autoři jsou vděční Yun-Ting Leeovi za pomoc při shromažďování údajů a profesorovi Po-Hsien Huangovi za statistické konzultace. Studii financovalo Ministerstvo vědy a technologie (MOST), Tchaj-wan (MOST 102-2420-H-006-006-MY2 a MOST 104-2420-H-006-004-MY2). Kromě toho byl tento výzkum částečně podporován ministerstvem školství (MŽP), Tchaj-wan, ROC Cíl pro špičkový univerzitní projekt na Národní univerzitě Cheng Kung (NCKU). Děkujeme výzkumnému a zobrazovacímu centru mysli (MRIC), podporovanému MOST, na NCKU za konzultace a dostupnost nástrojů. Dotazník CIAS-R poskytl Sue-Huei Chen.

Poznámky pod čarou

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Doplňkový materiál

Doplňkový materiál k tomuto článku lze nalézt na adrese: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Klikněte zde pro další datový soubor.^{(20K, DOCX)}

Klikněte zde pro další datový soubor.^{(33K, DOCX)}

Klikněte zde pro další datový soubor.^{(258K, DOCX)}

Reference

Americká psychiatrická asociace [APA] (2013). Diagnostický a statistický manuál duševních poruch (DSM-5)^®). Arlington, VA: Americká psychiatrická hospoda.
Aron AR, Robbins TW, Poldrack RA (2004). Inhibice a pravá spodní čelní kůra. Trendy Cogn. Sci. 8 170 – 177. 10.1016 / j.tics.2004.02.010 [PubMed] [Cross Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Neurální základy selektivní pozornosti hráčů videoher. Vis. Res. 61 132 – 143. 10.1016 / j.visres.2011.08.007 [PMC bezplatný článek] [PubMed] [Cross Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010). Směrem k objevu vědy o funkci lidského mozku. Proc. Natl. Acad. Sci. USA 107 4734 – 4739. 10.1073 / pnas.0911855107 [PMC bezplatný článek] [PubMed] [Cross Ref]
Značka M., Young KS, Laier C. (2014) .Prefrontální kontrola a závislost na internetu: teoretický model a přehled neuropsychologických a neuroimagingových nálezů. Přední. Hučení. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [PMC bezplatný článek] [PubMed] [Cross Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). Výchozí síť mozku - anatomie, funkce a význam pro nemoc. Rok Cogn. Neurosci. 2008 1 – 38. 10.1196 / annals.1440.011 [PubMed] [Cross Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). Organizace lidského mozečku odhadnuta na základě vnitřní funkční konektivity. J. Neurophysiol. 106 2322 – 2345. 10.1152 / jn.00339.2011 [PMC bezplatný článek] [PubMed] [Cross Ref]
Castel AD, Pratt J., Drummond E. (2005). Účinky zážitku z akční hry na časový průběh inhibice návratu a účinnost vizuálního vyhledávání. Acta Psychol. 119 217 – 230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Cross Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. (2015). Mozkové koreláty inhibice odpovědi u internetové herní poruchy. Psychiatrická klinika. Neurosci. 69 201 – 209. 10.1111 / ks.12224 [PubMed] [Cross Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Vývoj čínské stupnice závislosti na internetu a její psychometrická studie. Brada. J. Psychol. 45 251 – 266. 10.1371 / journal.pone.0098312 [Cross Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013). Zobrazování lidských konektomů v makrozměně. Nat. Metody 10 524 – 539. 10.1038 / Nmeth.2482 [PMC bezplatný článek] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Znaková impulzivita a narušená funkce prefrontální inhibice impulzů u dospívajících se závislostí na hraní na internetu odhalená studií Go / No-Go fMRI. Behav. Funkce mozku. 10:20 10.1186/1744-9081-10-20 [PMC bezplatný článek] [PubMed] [Cross Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, 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 GH, DeVito EE, Du XX, Cui ZY (2012a). Porucha inhibiční kontroly u „poruchy závislosti na internetu“: funkční zobrazovací studie magnetické rezonance. Psychiatry Res. Neuroimaging 203 153 – 158. 10.1016 / j.pscychresns.2012.02.001 [PMC bezplatný článek] [PubMed] [Cross Ref]
Dong GH, DeVito E., Huang J., Du XX (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 GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Nevyvážené funkční spojení mezi výkonnou řídicí sítí a sítí odměňování vysvětluje chování při online hře při poruchách hraní na internetu. Sci. Rep. 5: 9197 10.1038 / Srep09197 [PMC bezplatný článek] [PubMed] [Cross Ref]
Dong GH, Lin X., Potenza MN (2015b). Snížená funkční konektivita v síti exekutivní kontroly souvisí s poruchou exekutivní funkce v internetové herní poruše. Prog. Neuro-Psychopharmacol. Biol. Psychiatrie 57 76 – 85. 10.1016 / j.pnpbp.2014.10.012 [PMC bezplatný článek] [PubMed] [Cross Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Kognitivní flexibilita u závislých na internetu: důkazy fMRI z obtížně dostupných a snadno obtížných situací přepínání. Narkoman. Behav. 39 677 – 683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Cross Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Zhoršená funkce monitorování chyb u lidí s poruchou závislosti na internetu: studie fMRI související s událostmi. Eur. Narkoman. Res. 19 269-275. 10.1159 / 000346783 [PubMed] [Cross Ref]
Droutman V., Číst SJ, Bechara A. (2015). Znovuobjevení role insula ve závislosti. Trendy Cogn. Sci. 19 414 – 420. 10.1016 / j.tics.2015.05.005 [PMC bezplatný článek] [PubMed] [Cross Ref]
Dye MWG, Green CS, Bavelier D. (2009). Zvyšování rychlosti zpracování s akčními videohrami. Curr. Dir. Psychol. Sci. 18 321 – 326. 10.1111 / j.1467-8721.2009.01660.x [PMC bezplatný článek] [PubMed] [Cross Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., a kol. (2014). Poruchy funkčních sítí v dyslexii: analýza mozku, datově řízená analýza konektivity. Biol. Psychiatrie 76 397 – 404. 10.1016 / j.biopsych.2013.08.031 [PMC bezplatný článek] [PubMed] [Cross Ref]
Fornito A., Bullmore ET (2015). Connectomics: nové paradigma pro pochopení mozkových chorob. Eur. Neuropsychopharmacol. 25 733 – 748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Cross Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Obecné a specifické poruchy funkční konektivity v první epizodě schizofrenie během výkonu kognitivní kontroly. Biol. Psychiatrie 70 64 – 72. 10.1016 / j.biopsych.2011.02.019 [PMC bezplatný článek] [PubMed] [Cross Ref]
Forstmann BU, van den Wildenberg WPM, Ridderinkhof KR (2008). Neurální mechanismy, časová dynamika a individuální rozdíly v kontrole interference. J. Cogn. Neurosci. 20 1854 – 1865. 10.1162 / jocn.2008.20122 [PubMed] [Cross Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Globální signál a pozorované antikorelované mozkové sítě v klidovém stavu. J. Neurophysiol. 101 3270 – 3283. 10.1152 / jn.90777.2008 [PMC bezplatný článek] [PubMed] [Cross Ref]
Fransson P., Marrelec G. (2008). Kortex precuneus / zadní cingulate hraje klíčovou roli ve výchozí síti: důkaz z analýzy částečné korelace sítě. Neuroimage 42 1178 – 1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Cross Ref]
Goldstein RZ, Volkow ND (2011). Dysfunkce prefrontální kůry v závislosti na neuroimaging a klinických důsledcích. Nat. Rev. Neurosci. 12 652 – 669. 10.1038 / nrn3119 [PMC bezplatný článek] [PubMed] [Cross Ref]
Green CS, Bavelier D. (2003). Akční videohra modifikuje vizuální selektivní pozornost. Příroda 423 534 – 537. 10.1038 / nature01647 [PubMed] [Cross Ref]
Green CS, Pouget A., Bavelier D. (2010). Vylepšený pravděpodobnostní závěr jako obecný učební mechanismus s akčními videohrami. Curr. Biol. 20 1573-1579. 10.1016 / j.cub.2010.07.040 [PMC bezplatný článek] [PubMed] [Cross Ref]
Green CS, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). Vliv zážitku z akční hry na přepínání úkolů. Comput. Hučení. Behav. 28 984 – 994. 10.1016 / j.chb.2011.12.020 [PMC bezplatný článek] [PubMed] [Cross Ref]
Griffiths MD, Pontes HM (2014). Porucha závislosti na internetu a porucha hraní na internetu nejsou stejné. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Cross Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Statistiky založené na klastrech pro propojení mozku v korelaci s měřením chování. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [PMC bezplatný článek] [PubMed] [Cross Ref]
Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Změny v prefrontální kůži vyvolané narážkou při hraní videoher. Cyberpsychol. Behav. Soc. Netw. 13 655 – 661. 10.1089 / cyber.2009.0327 [PubMed] [Cross Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Genderové rozdíly v mezokortikoidním systému během počítačové hry. J. Psychiatr. Res. 42 253 – 258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Cross Ref]
Hong SB, Harrison BJ, Dandash O., Choi EJ, Kim SC, Kim HH, a kol. (2015). Selektivní zapojení funkční putamenové konektivity u mládeže s poruchou internetového hraní. Brain Res. 1602 85 – 95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Cross Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, a kol. (2013). Snížená funkční mozková konektivita u dospívajících se závislostí na internetu. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [PMC bezplatný článek] [PubMed] [Cross Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., a kol. (2014). Problematické používání internetu a problematické online hry nejsou stejné: nálezy z velkého národně reprezentativního vzorku dospívajících. Cyberpsychol. Behav. Soc. Netw. 17 749 – 754. 10.1089 / cyber.2014.0475 [PMC bezplatný článek] [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Změněná aktivace mozku během inhibice odpovědi a zpracování chyb u subjektů s poruchou internetového hraní: funkční studie magnetického zobrazování. Eur. Oblouk. Psychiatrická klinika. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. (2015). Upravená hustota šedé hmoty a narušená funkční konektivita amygdaly u dospělých s poruchou internetového hraní. Prog. Neuro-Psychopharmacol. Biol. Psychiatrie 57 185 – 192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cross Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et al. (2009). Mozkové činnosti spojené s herním nutkáním online herní závislosti. J. Psychiatr. Res. 43 739 – 747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Cross Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Mozkové koreláty touhy po online hrách pod expozicí tága u subjektů se závislostí na internetu a u remitovaných subjektů. Narkoman. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref]
Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Screening pro závislost na internetu: empirická studie o mezních bodech pro stupnici závislosti na internetu pro chen. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Cross Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., a kol. (2014). Jednotlivé rozdíly v impulzivitě předpovídají pohyb hlavy při zobrazování magnetickou rezonancí. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [PMC bezplatný článek] [PubMed] [Cross Ref]
Koob GF, Volkow ND (2010). Neurocircuitry of addiction. Neuropsychopharmacology 35 217 – 238. 10.1038 / npp.2009.110 [PMC bezplatný článek] [PubMed] [Cross Ref]
Kühn S., Gallinat J. (2015). Mozky online: strukturální a funkční koreláty obvyklého používání internetu. Narkoman. Biol. 20 415 – 422. 10.1111 / adb.12128 [PubMed] [Cross Ref]
Kuss DJ, Griffiths MD (2012). Závislost na internetu: systematická revize empirického výzkumu. Int. J. Duševní zdraví Addict. 10 278–296. 10.1007/s11469-011-9318-5 [Cross Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et al. (2014). Zhoršená konektivita frontálních a bazálních ganglií u adolescentů se závislostí na internetu. Sci. Rep. 4: 5027 10.1038 / Srep05027 [PMC bezplatný článek] [PubMed] [Cross Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015). Mozkové struktury a funkční konektivita spojená s individuálními rozdíly v tendenci internetu u zdravých mladých dospělých. Neuropsychologia 70 134 – 144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Cross Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015). Aberantní kortikostriální funkční obvody u adolescentů s poruchou závislosti na internetu. Přední. Hučení. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [PMC bezplatný článek] [PubMed] [Cross Ref]
Lin MP, Ko HC, Wu JYW (2011). Prevalence a psychosociální rizikové faktory spojené se závislostí na internetu v národně reprezentativním vzorku vysokoškolských studentů na Tchaj-wanu. Cyberpsychol. Behav. Soci. Netw. 14 741 – 746. 10.1089 / cyber.2010.0574 [PubMed] [Cross Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., a kol. (2013). Cue reaktivita a její inhibice v patologických hráčích počítačových her. Narkoman. Biol. 18 134 – 146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Cross Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). Prefrontální dysfunkce u jedinců s poruchou internetového hraní: metaanalýza studií zobrazování funkční magnetické rezonance. Narkoman. Biol. 20 799 – 808. 10.1111 / adb.12154 [PubMed] [Cross Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Mozeček a závislost: poznatky získané výzkumem neuroimagingu. Narkoman. Biol. 19 317 – 331. 10.1111 / adb.12101 [PMC bezplatný článek] [PubMed] [Cross Ref]
Naqvi NH, Bechara A. (2009). Skrytý ostrov závislosti: ostrovní ostrov. Trendy Neurosci. 32 56 – 67. 10.1016 / j.tins.2008.09.009 [PMC bezplatný článek] [PubMed] [Cross Ref]
Nichols TE, Holmes AP (2002). Neparametrické permutační testy pro funkční neuroimaging: primer s příklady. Hučení. Brain Mapp. 15 1 – 25. 10.1002 / hbm.1058 [PubMed] [Cross Ref]
OReilly M. (1996). Závislost na internetu: nová porucha vstupuje do lékařského lexikonu. Umět. Med. Associ. J. 154 1882-1883. [PMC bezplatný článek] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Je mozek závislý na hraní na internetu téměř v patologickém stavu? Narkoman. Biol. [Epub před tiskem] .10.1111 / adb.12282 [PubMed] [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 HJ, 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]
Rorden C., Karnath HO, Bonilha L. (2007). Zlepšení mapování symptomů lézí. J. Cogn. Neurosci. 19 1081 – 1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Cross Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., a kol. (2012). Problém v klidu: jak se deformují korelační vzorce a skupinové rozdíly po globální regrese signálu. Brain Connect. 2 25 – 32. 10.1089 / mozek.2012.0080 [PMC bezplatný článek] [PubMed] [Cross Ref]
Song XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et al. (2011). REST: sada nástrojů pro zpracování dat zobrazujících funkční magnetickou rezonanci v klidovém stavu. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [PMC bezplatný článek] [PubMed] [Cross Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Definování uzlů ve složitých mozkových sítích. Přední. Výpočet. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [PMC bezplatný článek] [PubMed] [Cross Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et al. (2012). Mozkové fMRI studium touhy vyvolané cue obrázky u závislých na online hře (adolescenti). Behav. Brain Res. 233 563 – 576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Cross Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., a kol. (2014). Asociace mezi funkční konektivitou v klidu a empatizací / systematizací. Neuroimage 99 312 – 322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Cross Ref]
Talati A., Hirsch J. (2005). Funkční specializace v rámci mediálního frontálního gyru pro percepční rozhodnutí typu go / no-go na základě informací „co“, „kdy“ a „kde“: studie fMRI. J. Cogn. Neurosci. 17 981-993. 10.1162 / 0898929054475226 [PubMed] [Cross Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et al. (2002). Automatizované anatomické značení aktivací v SPM pomocí makroskopické anatomické parcellace mozku jediného subjektu MNI MRI. Neuroimage 15 273 – 289. 10.1006 / nimg.2001.0978 [PubMed] [Cross Ref]
van den Heuvel MP, Pol HEH (2010). Prozkoumání mozkové sítě: přehled funkční konektivity fMRI v klidovém stavu. Eur. Neuropsychopharmacol. 20 519 – 534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Cross Ref]
Volkow ND, Fowler JS (2000). Závislost, nemoc donucení a pohonu: zapojení orbitofrontální kůry. Cereb. Kůra 10 318 – 325. 10.1093 / cercor / 10.3.318 [PubMed] [Cross Ref]
Volkow ND, Fowler JS, Wang GJ (2003). Závislý lidský mozek: poznatky ze zobrazovacích studií. J. Clin. Investig. 111 1444 – 1451. 10.1172 / Jci200318533 [PMC bezplatný článek] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Závislost: snížená citlivost odměny a zvýšená citlivost očekávání se spiknou, aby přemohly řídicí obvod mozku. Bioessy 32 748 – 755. 10.1002 / bies.201000042 [PMC bezplatný článek] [PubMed] [Cross Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006). Kokainové narážky a dopamin v dorzálním striatu: mechanismus touhy po závislosti na kokainu. J. Neurosci. 26 6583 – 6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Cross Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015). Snížená interhemisferická funkční konektivita prefrontálního laloku u dospívajících s poruchou internetového hraní: primární studie využívající fMRI v klidovém stavu. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [PMC bezplatný článek] [PubMed] [Cross Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Price T., et al. (2014). Porucha funkční mozkové sítě při poruchách závislosti na internetu: studie zobrazovací funkční magnetické rezonance v klidovém stavu. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [PMC bezplatný článek] [PubMed] [Cross Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Korelace a antikorelace ve funkční konektivitě MRI v klidovém stavu: kvantitativní srovnání strategií předzpracování. Neuroimage 47 1408 – 1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Cross Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: síťový vizualizační nástroj pro připojení mozku lidského mozku. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [PMC bezplatný článek] [PubMed] [Cross Ref]
Yan C., Zang Y. (2010). DPARSF: MATLAB toolbox pro „pipeline“ analýzu dat fMRI v klidovém stavu. Přední. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [PMC bezplatný článek] [PubMed] [Cross Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Velkoplošná automatizovaná syntéza lidských funkčních neuroimagingových dat. Nat. Metody 8 665 – 670. 10.1038 / nmeth.1635 [PMC bezplatný článek] [PubMed] [Cross Ref]
Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., a kol. (2011). Organizace lidské mozkové kůry odhadnutá na základě vnitřní funkční konektivity. J. Neurophysiol. 106 1125 – 1165. 10.1152 / jn.00338.2011 [PMC bezplatný článek] [PubMed] [Cross Ref]
Mladý KS (1998). Závislost na internetu: vznik nové klinické poruchy. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Cross Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., a kol. (2015). Interakce jádrových mozkových sítí a kognitivní kontrola u jedinců s poruchou internetového hraní v pozdní adolescenci / rané dospělosti. Struktura mozku. Funct. [Epub před tiskem] .10.1007 / s00429-014-0982-7 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Statistika založená na síti: identifikace rozdílů v mozkových sítích. Neuroimage 53 1197 – 1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Cross Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., a kol. (2010b). Celo mozkové anatomické sítě: záleží na výběru uzlů? Neuroimage 50 970 – 983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Cross Ref]
Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L., a kol. (2015). Změněná funkční konektivita insula v klidovém stavu u mladých dospělých s poruchou internetového hraní. Narkoman. Biol. [Epub před tiskem] .10.1111 / adb.12247 [PMC bezplatný článek] [PubMed] [Cross Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Abnormality šedé hmoty v závislosti na internetu: morfometrická studie založená na voxelu. Eur. J. Radiol. 79 92 – 95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Cross Ref]