Mikrostrukturabnormiteter hos unge med internetafhængighedsforstyrrelse. (2011)

Materialer og Metoder Top

Alle forskningsmetoder blev godkendt af West China Hospital Underudvalget for Human Studies og blev gennemført i overensstemmelse med Helsinki-erklæringen.

2.1-emner

Ifølge den ændrede Young Diagnostic Questionnaire for Internet Addiction (YDQ) kriterier af Beard og Wolf [16], [29], atten freshman og sophomore studerende med IAD (12 mænd, middelalder = 19.4 ± 3.1 år, uddannelse 13.4 ± 2.5 år) var involveret i vores undersøgelse. YDQ kriterierne [16] bestod af følgende otte "ja" eller "nej" spørgsmål som var: (1) Føler du dig optaget på internettet (husk tidligere online aktivitet eller den ønskede næste online-session)? (2) Er du tilfreds med internetbrug, hvis du øger din mængde online tid? (3) Har du undladt at kontrollere, reducere eller afslutte internetbrug gentagne gange? (4) Føler du nervøs, temperamentsløs, deprimeret eller følsom, når du forsøger at reducere eller afslutte internetbrug? (5) Bliver du online længere end oprindeligt beregnet? (6) Har du taget risikoen for at miste et vigtigt forhold, job, uddannelse eller karrieremuligheder på grund af internettet? (7) Har du løjet til dine familiemedlemmer, terapeuter eller andre for at skjule sandheden om dit engagement med internettet? (8) Bruger du internettet som en mulighed for at undslippe fra problemer eller at lindre et angstløst humør (fx følelser af hjælpeløshed, skyldig, angst eller depression)? Alle otte spørgsmål blev oversat til kinesisk. Young hævdede, at fem eller flere "ja" svar på de otte spørgsmål angav en internetafhængig bruger [16]. Senere ændrede Børn og Ulv YDQ-kriterierne [29]og respondenter, der svarede "ja" på spørgsmål 1 til 5 og i det mindste et af de resterende tre spørgsmål blev klassificeret som lider af internetafhængighed, som blev brugt til screening af forsøgspersonerne i denne undersøgelse. Afhængigheden var en gradvis proces, så vi undersøgte, om der var nogen lineære ændringer i hjernestrukturen eller ej. Varigheden af ​​sygdommen blev estimeret via en retrospektiv diagnose. Vi bad emnerne om at huske deres livsstil, da de oprindeligt var afhængige af internettet. For at garantere, at de led af internetafhængighed, testede vi dem igen med YDQ-kriterierne ændret af Beard og Wolf. Vi bekræftede også pålideligheden af ​​selvrapporterne fra IAD-emnerne ved at tale med deres forældre via telefon. IAD-emnerne brugte 10.2 ± 2.6 timer om dagen på onlinespil. Dage med internetbrug pr. Uge var 6.3 ± 0.5. Vi bekræftede også disse oplysninger fra værelseskammeraterne og klassekammeraterne til IAD-fagene, at de ofte insisterede på at være på internettet sent om aftenen og forstyrrede andres liv på trods af konsekvenserne. Atten alders- og kønsmatchede (p> 0.01) raske kontroller (12 mænd, gennemsnitsalder = 19.5 ± 2.8 år, uddannelse 13.3 ± 2.0 år) uden personlig eller familiehistorie af psykiatriske lidelser deltog også i vores undersøgelse. Ifølge en tidligere IAD-undersøgelse [19], vi valgte sunde kontroller, der brugte mindre end 2 timer om dagen på internettet. De sunde kontroller blev også testet med YDQ-kriterierne ændret af Beard og Wolf for at sikre, at de ikke lider af IAD. Alle rekrutterede deltagere, der blev screenet, var indfødte kinesiske højttalere, brugte aldrig ulovlige stoffer og havde højrehånd. Forud for magnetisk resonansbilleddannelse (MRT) scanning blev urinlægemiddel screening udført på alle emner for at udelukke stofmisbrug. Udelukkelseskriterier for begge grupper var (1) eksistensen af ​​en neurologisk lidelse; (2) alkohol, nikotin eller stofmisbrug (3) graviditet eller menstruation i kvinder; og (4) enhver fysisk sygdom som hjerne tumor, hepatitis eller epilepsi som vurderet i henhold til kliniske evalueringer og lægejournaler. Desuden blev Self-Rating Angst Scale (SAS) og Self-Rating Depression Scale (SDS) brugt til at evaluere de følelsesmæssige tilstande af alle deltagere på scanningsdagen. Alle patienter og sunde kontroller gav skriftligt informeret samtykke. Mere detaljerede demografiske oplysninger blev givet i Tabel 1.

2.2 Brain Imaging Methodology og Data Analysis

2.2.1 Scanning parametre.

Imaging data blev udført på en 3T Siemens scanner (Allegra; Siemens Medical System) hos Huaxi MR Research Center, West China Hospital i Sichuan University, Chengdu, Kina. En standard fuglkagehovedspole blev brugt sammen med fastholdende skumpuder for at minimere hovedbevægelsen og mindske scannerstøj. Billedsekvenser blev erhvervet ved hjælp af diffusionsvægtet billeddannelse med enkelt-skud-ekko-planbilleddannelse i overensstemmelse med det forreste-posterior-kommissarplan. Diffusion tensor billeder blev erhvervet med 2 gennemsnit. Diffusionssensibiliserende gradienter blev påført langs 30 ikke-lineære retninger (b = 1000 s / mm²) sammen med en erhvervelse uden diffusionsvægtning (b = 0 s / mm²). Billedparametrene var 45 kontinuerlige aksiale skiver med en skive tykkelse på 3 mm og ingen mellemrum, synsfelt = 240 × 240 mm², gentagelsestid / ekotid = 6800 / 93 ms, opkøbsmatrix = 128 × 128. Desuden blev de aksiale 3D T1-vægtede billeder opnået med en ødelagt gradient-recall-sekvens og de følgende parametre: TR = 1900 ms; TE = 2.26 ms; flip vinkel = 9⁰; matrix-opløsning i flyet = 256 × 256; skiver = 176; synsfelt = 256 mm; voxelstørrelse = 1 × 1 × 1 mm.

2.2.2 VBM.

Strukturelle data blev behandlet med en FSL-VBM-protokol [30], [31] med FSL 4.1 software [32]. For det første blev alle T1-billeder hjernekstraheret ved hjælp af hjerneekstraheringsværktøjet (BET) [33]. Dernæst blev vævstypesegmentering udført ved hjælp af FMRIBs automatiserede segmenteringsværktøj (FAST) V4.1 [34]. De resulterende gråmateriale delvolumenbilleder blev derefter justeret til MNI152-standardrummet ved hjælp af FMRIBs lineære billedregistreringsværktøj (FLIRT) [35], [36]efterfulgt valgfrit af ikke-lineær registrering ved hjælp af FMRIBs ikke-lineære billedregistreringsværktøj (FNIRT) [37], [38], som bruger en b-spline-repræsentation af registreringskædefeltet [39]. De resulterende billeder blev gennemsnitligt for at skabe en studie-specifik skabelon, hvorpå de native gråmaterialebilleder derefter blev ikke-lineært genregistreret. Den optimerede protokol introducerede en modulering for sammentrækningen / forstørrelsen på grund af den ikke-lineære komponent i transformationen: hver voxel af det registrerede gråmaterialebillede blev divideret med Jacobian af kædefeltet. Endelig blev alle 32-modulerede, normaliserede gråmaterialevolumenbilleder slettet for at vælge den bedste udjævningskerne, idet isotrope Gaussiske kerner voksede i størrelse (sigma = 2.5, 3, 3.5 og 4 mm svarende til en 6, 7, 8 henholdsvis 9.2 mm FWHM). Regionale ændringer i grå stof blev vurderet ved hjælp af permutationsbaseret ikke-parametrisk test med 5000 tilfældige permutationer [40]. Analyse af kovarians (ANCOVA) blev anvendt med alder, kønseffekter og total intrakranielt volumen som kovariater. Samlet intrakranielt volumen blev beregnet som summen af ​​gråstof, hvidt stof og cerebrospinalvæskevolumener fra FSL BET-segmenteringer. For nylig har Dong et al. fandt ud af, at depressions- og angstscorer var signifikant højere efter afhængigheden i forhold til afhængigheden hos nogle universitetsstuderende, og de foreslog, at disse var resultater af IAD, hvorfor SAS og SDS ikke blev medtaget som confounds [41]. Korrektion for multiple sammenligninger blev udført ved anvendelse af en klyngebaseret tærskelmetode med en initial klynge, der danner en tærskel ved t = 2.0. Resultaterne blev betragtet som signifikante for p<0.05. For de regioner, hvor IAD-forsøgspersoner viste signifikant forskellig volumen af ​​gråt stof fra kontrollerne, blev gråt stofvolumener i disse områder ekstraheret, gennemsnit og regresseret mod varigheden af ​​internetafhængighed.

2.2.3 DTI.

Vi beregnede FA-værdien for hver voxel, hvilket afspejlede graden af ​​diffusionsanisotropi inden for en voxel (område 0-1, hvor mindre værdier angav mere isotrop diffusion og mindre sammenhæng og store værdier viste retningsbestemt afhængighed af brunisk bevægelse på grund af hvide stofområder) [42]. FDT-software i FSL 4.1 blev brugt til FA-beregning [32]. Først og fremmest blev korrektion for hvirvelstrøm og hovedbevægelse foretaget ved affine registrering på det første ikke-diffusionsvægtede volumen af ​​hvert fag. FA-billeder blev skabt ved at montere diffusions tensoren til de rå diffusionsdata efter hjerneekstraktion ved anvendelse af BET [33]. Derefter blev en voxel-wise statistisk analyse af FA-data udført ved hjælp af den TBSS-V1.2-del af FSL [43], [44]. FA imges fra alle emnerne (IAD-emner og sunde kontroller) blev ændret til et FMRIB58_FA standardrumbillede af FNIRT [37], [38] ved hjælp af en b-spline repræsentation af registrering warp feltet [39]. Det gennemsnitlige FA-billede blev derefter oprettet og udtyndet for at skabe et gennemsnitligt FA-skelet (tærskel på 0.2), der repræsenterer centrene for alle de områder, der er fælles for gruppen. Hvert individ justerede FA-data blev derefter projiceret tilbage på dette skelet. Ændringer af hvidt stof FA-værdi blev vurderet ved hjælp af permutationsbaseret ikke-parametrisk test [40] med 5000 tilfældige permutationer. ANCOVA var ansat med alder og kønseffekter som kovariater. Korrektion for multiple sammenligninger blev udført ved anvendelse af en klyngebaseret tærskelmetode med en initial klyngedannende tærskel på t = 2.0. Resultaterne blev betragtet som signifikante for p<0.05. For de klynger, hvor forsøgspersoner på internetafhængighed viste signifikant forskellige FA-værdier fra kontrollerne, blev FA i disse hjerneregioner ekstraheret, gennemsnit og regresseret mod varigheden af ​​internetafhængighed.

2.2.4 Interaktion mellem grå stof og abnormiteter i hvidt stof.

For at undersøge samspillet mellem gråmaterialeændringer og hvide materiaendringer blev der udført en korrelationsanalyse mellem abnormale gråmængder og hvide materie FA værdier i IAD-gruppen.

Resultater

3.1 VBM resultater

Regionale gråmængdeændringer blev vurderet uden parametrisk anvendelse af optimeret VBM. Korrektion for flere sammenligninger blev udført ved anvendelse af en klyngebaseret tærskelmetode. VBM-sammenligning mellem IAD-emner og matchede sunde kontroller indikerede nedsat gråtemængde i flere klynger, dvs. den bilaterale DLPFC, det supplerende motorområde (SMA), OFC, cerebellum og venstre rostral ACC (rACC) efter kontrol for potentielt forstyrrende variabler, herunder alder, kønseffekter og total intrakranielt volumen. Gråmateriale af den rigtige DLPFC, venstre rACC og højre SMA viste en negativ korrelation med måneders internetafhængighed (r1 = -0.7256, p1 <0.005; r2 = −0.7409, p2 <0.005; r3 = −0.6451, p3 <0.005). Ingen hjerneregioner viste højere grå stofvolumen end sunde kontroller som vist i Figur 1 , Tabel 2

  

 

 

 

 

 

 

 

 

 

Figur 1. VBM resultater.

A. Reduceret gråmængde i IAD-emner, (1-p) rettet p-value billeder. Baggrundsbilledet er standard MNI152_T1_1mm_brain-skabelonen i FSL. B. Guldmængden af ​​DLPFC, rACC og SMA var negativt korreleret med varigheden af ​​internetafhængighed.

  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Tabel 2. Regioner, der viste abnorm grå materiale og hvidt stof FA (fraktioneret anisotropi) mellem personer med internetafhængighedsforstyrrelse (IAD) og sunde kontroller (p<0.05 korrigeret).

doi: 10.1371 / journal.pone.0020708.t002

3.2 DTI resultater

Med hensyn til DTI data analyse blev korrektion for flere sammenligninger udført ved anvendelse af den klyngebaserede tærskelmetode. Vores TBSS-resultater afslørede forbedret FA-værdi (IAD: 0.78 ± 0.04; kontrol: 0.56 ± 0.02) af den venstre bakre del af den indre kapsel (PLIC) i IAD-emner sammenlignet med sunde kontroller og reduceret FA-værdi (IAD: 0.31 ± 0.04; kontrol: 0.48 ± 0.03) i det hvide stof inden for højre parahippocampal gyrus (PHG) som vist i Figur 2 , Tabel 2. Desuden havde FA en tendens til at korrelere positivt med varigheden af ​​internetafhængighed i venstre PLIC (r = 0.5869, p <0.05), hvorimod der ikke blev observeret nogen signifikant sammenhæng mellem FA-værdien af ​​den rigtige PHG og varigheden af ​​internetafhængighed

  

 

 

 

 

 

 

 

 

 

 

 

 

Figur 2. DTI resultater.

A. Hvide stofstrukturer, der viser unormal FA i IAD-emner, (1-p) rettet p-value billeder. Baggrundsbilledet er standard FMRIB58_FA_1mm skabelon i FSL. Rød-gule voxels repræsenterer regioner, hvor FA faldt signifikant i IAD i forhold til sunde kontroller. Blå-Lyseblå voxels repræsenterer øget FA i IAD. B. PLIC's FA var positivt korreleret med varigheden af ​​internetafhængighed.

doi: 10.1371 / journal.pone.0020708.g002

3.3 Interaktion mellem grå stof og abnormiteter i hvidt stof

Interaktionsanalysen mellem gråmængder og hvide materie FA værdier i IAD-gruppen viste, at der ikke var nogen signifikante sammenhænge mellem disse to foranstaltninger.

Diskussion Top

IAD resulterede i nedsat individuel psykologisk velvære, akademisk svigt og nedsat arbejdsevne blandt unge [12]-[18]. Der er dog i øjeblikket ingen standardiseret behandling for IAD. Udvikling af effektive metoder til intervention og behandling af IAD vil først kræve en klar forståelse af mekanismerne. Bevidsthed om hjernens strukturelle abnormiteter i IAD er kritisk for at identificere mulige farmakoterapier til behandling af denne lidelse. I den foreliggende undersøgelse opdagede vi volumenændringer i gråmasse og hvide spørgsmål FA ændringer i unge med IAD. Vi afslørede også sammenhængen mellem disse strukturelle abnormiteter og varigheden af ​​internetafhængighed. Vi foreslog, at IAD resulterede i strukturelle ændringer i hjernen hos unge og disse strukturelle abnormiteter var sandsynligvis forbundet med funktionshæmmede i kognitiv kontrol.

4.1 VBM resultater

I overensstemmelse med et tidligere VBM-studie [21], fandt vi ingen hjerneområder, der viste forøget gråt stofvolumen i internetafhængighedsfag. Regional gråmagasammenligning viste atrofi inden for adskillige klynger for hele gruppen af ​​internetmisbrugere (p <0.05, korrigeret), som var den bilaterale DLPFC, SMA, lillehjernen, OFC og den venstre rACC (som vist i Figur 1). Desuden var atrofi til højre DLPFC, venstre rACC og højre SMA negativt korreleret med varigheden af ​​internetafhængighed, hvilket Zhou et al. undladt at opdage [21]. Disse resultater viste, at da internetafhængighed var vedvarende, var hjerneatrofi hos DLPFC, rACC og SMA mere alvorlig. Nogle resultater af hjerneatrofi i vores undersøgelse var forskellige fra tidligere resultater [21], hvilket kan skyldes de forskellige databehandlingsmetoder. I den foreliggende undersøgelse blev de mulige konfronterende virkninger af alder, køn og hele hjernevolumen inkluderet som kovariater, som den tidligere undersøgelse ikke overvejede. De forskellige behandlingsmetoder gav muligvis anledning til de forskellige resultater.

Ifølge tidligere drug addiction undersøgelser, langsigtede stofmisbrug [45], [46] og internet afhængighed [11], [20] vil føre til nedsat kognitiv kontrol. Kognitiv kontrol kan konceptualiseres som evnen til at undertrykke præpotentielle men ukorrekte svar og evnen til at filtrere bort irrelevant information inden for et stimulussæt og tillade passende tiltag til at imødekomme komplicerede opgavebehov og tilpasning til skiftende miljøer [47]. Talrige funktionelle hjerneafbildningsundersøgelser har vist, at DLPFC og rACC var centralt involveret i kognitiv kontrol [48], [49]. Forskellige neurokognitive undersøgelser har afsløret, at kognitiv kontrol er relateret til et specifikt cortico-subkortisk kredsløb, herunder rACC og DLPFC [50], [51]. Ifølge en fremtrædende hypotese for konfliktovervågning [47], [52]forekommer forekomsten af ​​reaktionskonflikt signaleret af rACC, hvilket fører til rekruttering af DLPFC til mere kognitiv kontrol for efterfølgende ydeevne. Denne vigtige rolle i DLPFC er blevet identificeret i neurovidenskabsforskning med top-down regulatoriske processer af kognitiv kontrol [53]. Nylige neuroimaging undersøgelser har også afsløret deaktivering af rACC i en GO / NOGO-opgave hos heroinafhængige individer [54], [55] og kokainbrugere [45], hvilket angiver den kritiske rolle, som rACC spiller i kognitiv kontrol [46].

OFC er også tænkt at bidrage til kognitiv kontrol af målrettet adfærd gennem vurdering af motivationens betydning for stimuli og udvælgelse af adfærd for at opnå ønskede resultater [56]. OFC har omfattende forbindelser med striatum og limbic regioner (såsom amygdala). Som følge heraf er OFC godt placeret til at integrere aktiviteten af ​​adskillige limbiske og subkortiske områder i forbindelse med motivationsadfærd og belønningsproces [57]. Nogle dyreforsøg har vist, at skade på både OFC og den rotte prelimbiske cortex (den funktionelle homolog af den humane DLPFC) svækkede opkøbet og modifikationen af ​​adfærd styret af uforudsete reaktioner og resultater, hvilket tyder på, at disse regioner kan være afgørende for kognitiv kontrol af målrettet adfærd [56], [58].

SMA er kritisk for valg af passende adfærd, uanset om du vælger at udføre et passende svar eller vælger for at hæmme et upassende svar [59]. Nogle forskere opdagede, at både enkle og komplekse GO / NOGO opgaver var involveret i SMA og de afslørede SMA's vigtige rolle i formidling af kognitiv kontrol [46], [60].

Flere anatomiske, fysiologiske og funktionelle billeddannelsesundersøgelser tyder på, at cerebellum bidrager til højereordens kognitive funktioner [61]-[64], med diskrete læsioner i cerebellumet, hvilket resulterer i svækkelse af ledelsesfunktioner og arbejdshukommelse, selv i personlighedsændringer som desinficeret og uhensigtsmæssig adfærd.

Vores resultater (Figur 1) af den reducerede gråmængde i DLPFC, rACC, OFC, SMA og cerebellum kan i det mindste delvist være forbundet med kognitiv kontrol og målrettet adfærdsdysfunktion i internetafhængighed [15], [19], [20], [28], som kan forklare grundlæggende symptomer på internetafhængighed.

4.2 DTI resultater

Vi beregnede FA-værdien i hvert hvidt stof voxel for hvert emne, hvilket kvantificerede styrken af ​​retningsstyrken af ​​lokalkanalmikrostrukturen. Hele hjernens voxel-vise sammenligning over det hvide stofskelet med anvendelse af permutatestest og streng statistisk tærskel angav, at IAD-personer havde lavere FA-værdier i en klynge i den højre PHG (p <0.05, korrigeret). På den anden side viste søgning efter øget FA hos IAD-forsøgspersoner, at IAD-emner havde højere FA-værdier i en klynge inden for venstre PLIC (p <0.05, korrigeret). Desuden var FA-værdien af ​​den venstre PLIC positivt korreleret med varigheden af ​​internetafhængighed (Figur 2).

PHG er en hjerneområde, der omgiver hippocampus og spiller en vigtig rolle i hukommelseskodning og hentning [65], [66]. PHG'en giver den store polysensoriske indgang til hippocampus gennem de entorhinale forbindelser og er modtageren af ​​forskellige kombinationer af sensoriske informationer [67], [68], som er involveret i kognition og følelsesmæssig regulering [69]. For nylig foreslog nogle forskere, at den rigtige PHG bidrager til dannelsen og vedligeholdelsen af ​​bundet information i arbejdshukommelsen [70]. Arbejdshukommelse er dedikeret til midlertidig opbevaring og online manipulation af information og er afgørende for kognitiv kontrol [71]. Fundamentet om, at PHG's lavere FA-værdi i IAD-emner viste, at unormale hvide stofegenskaber måske er det strukturelle grundlag for funktionelle mangler i arbejdsminne i IAD-emner [19]. For nylig har Liu et al. [72] rapporterede øget ReHo i den bilaterale PHG hos IAD-studerende sammenlignet med kontrollerne og foreslog, at dette resultat afspejlede den funktionelle forandring i hjernen, muligvis relateret til belønningsveje. Det er åbenbart, at der er brug for mere arbejde for at forstå PHG's nøjagtige rolle i IAD.

Anatomisk er den indre kapsel et område af hvidt stof i hjernen, der adskiller kaudatkernen og thalamus fra den lentikulære kerne, som indeholder både stigende og faldende axoner. Ud over kortikospinale og corticopontinfibre indeholder den indre kapsel thalamocortical og corticofugal fibre [73], [74]. Den indre kapsels bageste del indeholder corticospinale fibre, sensoriske fibre (herunder medial lemniscus og det anterolaterale system) fra kroppen og nogle få corticobulbar fibre [73]-[76]. Den primære motorcortex sender sine axoner gennem den bageste del af den indre kapsel og spiller vigtige roller i fingerbevægelse og motorbilleder [77], [78]. Den mulige årsag til FA-værdierne i intern kapselforbedring var, at IAD-emnerne brugte mere tid på at spille computerspil, og de gentagne motorhandlinger som f.eks. Klik på musen og tastaturtypen ændrede strukturen af ​​den interne kapsel. Som de resultater, at træning ændrede hjernestrukturen i andre undersøgelser [79]-[81], denne langsigtede uddannelse forandrede sandsynligvis PLIC's hvide stofstruktur. Informationsoverførsel mellem frontale og subkortiske hjerneområder moduleret højere kognitiv funktion og menneskelig adfærd [82], [83], som påberåbte det hvide stof fiberkanaler passerer gennem den indre kapsel [83], [84]. Strukturelle abnormiteter i den interne kapsel kan derfor forstyrre den kognitive funktion og forringe ledelses- og hukommelsesfunktioner [85]. Den unormale FA-værdi af venstre PLIC kan påvirke den sensoriske informationsoverførsel og -behandling, og til sidst føre til forringelser i kognitiv kontrol [86], [87]. Desuden kan være afhængig af internettet forårsage fysisk ubehag eller medicinske problemer som: karpaltunnelsyndrom, tørre øjne, rygsmerter og svære hovedpine [88]-[90]. Den unormale FA-værdi i venstre PLIC kan forklare karpaltunnelsyndromet i IAD-emner, som skal verificeres med et mere sofistikeret design i fremtiden.

4.3 Interaktion mellem grå stof og abnormiteter i hvidt stof

Vi har undersøgt sammenhængen mellem ændringer af gråt stof og hvidt stof. Desværre var der ingen signifikante sammenhænge mellem disse to mål. Dette fænomen foreslog, at de morfologiske ændringer af IAD på hjernens grå stof og hvide stof ikke var signifikant lineært korreleret. Der eksisterede muligheden for, at abnormiteterne i gråt stof forbandt ændringer af hvidt stof på en anden måde. Imidlertid viste vores fund, at strukturegenskaberne for gråt stof og hvidt stof var unormale hos teenagere med IAD.

Der er nogle begrænsninger i den aktuelle undersøgelse. Først og fremmest, mens vores resultater har indikeret, at ændringer i gråt stof og hvidt stof kan være en konsekvens af overdreven internetbrug eller IAD, kan vi ikke udelukke en anden mulighed, der adresserer den strukturelle forskel mellem de normale kontroller og IAD, der kan være den årsag til overforbrug af internettet. De unormale egenskaber ved disse kognitive kontrolrelaterede hjerneregioner hos nogle unge gør dem relativt umodne og giver dem mulighed for let at være internetafhængige. Årsagen og konsekvensproblemerne bør undersøges af et mere omfattende eksperimentelt design i den fremtidige undersøgelse. Vi foreslog dog, at resultaterne i denne undersøgelse var en konsekvens af IAD. For det andet, med hensyn til forholdet mellem de strukturelle ændringer og varigheden af ​​IAD, er månederne af IAD en grov karakterisering ved at huske IAD-emnerne. Vi bad emnerne om at huske deres livsstil, da de oprindeligt var afhængige af internettet. For at garantere, at de led af internetafhængighed, testede vi dem igen med YDQ-kriterierne ændret af Beard og Wolf. Vi bekræftede også pålideligheden af ​​selvrapporterne fra IAD-emnerne ved at tale med deres forældre over telefon. Hjernens strukturændringer i overensstemmelse med afhængighedsprocessen kan være mere afgørende for forståelsen af ​​sygdommen, hvorfor korrelationen mellem varighed og hjernens strukturelle foranstaltninger blev udført. Disse sammenhænge antydede, at der blev fundet kumulative effekter i det reducerede gråstofvolumen af ​​den højre DLPFC, den højre SMA, den venstre rACC og den øgede hvidstof FA i den venstre PLIC. Endelig, skønt vi foreslog, at de strukturelle abnormiteter i gråt stofvolumen og hvidt stof FA var forbundet med funktionelle svækkelser i kognitiv kontrol i IAD, er den største begrænsning af den nuværende undersøgelse manglen på kvantitativ indikation af underskuddene i kognitiv kontrol i disse unge med IAD. Selvom forholdet mellem disse strukturelle abnormiteter og varigheden af ​​internetafhængighed blev verificeret i vores nuværende undersøgelse, er det stadig nødvendigt at undersøge mere detaljeret i fremtiden, hvilket er karakteristisk for de underliggende strukturelle abnormiteter i IAD, hvilket er kritisk for at forstå virkningen af IAD om langsigtet funktion. I fremtiden vil vi integrere disse strukturelle fund med adfærdsmæssige udførelser af kognitive opgaver i emner med IAD. Samlet set ændrede FA og grå substans volumenændringer som vist i den nuværende undersøgelse en ændring i hjernen på et mikrostrukturelt niveau, hvilket forbedrede vores forståelse af IAD.

Konklusion

Vi fremlagde bevismateriale, der tyder på, at IAD-personer havde flere strukturelle ændringer i hjernen. Det grå stof atrofi og hvide spørgsmål FA ændringer i nogle hjerneområder var signifikant korreleret med varigheden af ​​internet afhængighed. Disse resultater kan i det mindste delvist fortolkes som den funktionelle svækkelse af kognitiv kontrol i IAD. Prefrontale cortexabnormiteter var i overensstemmelse med tidligere stofmisbrugsstudier [23], [48], [80], [81], derfor foreslog vi, at der kan forekomme delvis overlappende mekanismer i IAD og stofbrug. Vi håbede, at vores resultater vil øge vores forståelse af IAD og hjælpe med at forbedre diagnosen og forebyggelsen af ​​IAD.

Tak Top

Vi vil gerne takke Qin Ouyang, Qizhu Wu og Junran Zhang for værdifuld teknisk assistance i forbindelse med denne forskning.

Referencer Top

1. Ernst M, Pine D, Hardin M (2006) Triadisk model af neurobiologi af motiveret adfærd i ungdomsårene. Psykologisk Medicin 36: 299-312. Find denne artikel online
2. Csikszentmihalyi M, Larson R, Prescott S (1977) Økologi af ungdomsaktivitet og erfaring. Journal of youth and adolescent 6: 281-294. Find denne artikel online
3. Casey B, Tottenham N, Liston C, Durston S (2005) Billeddannelse af den udviklende hjerne: Hvad har vi lært om kognitiv udvikling? Trends in Cognitive Sciences 9: 104-110. Find denne artikel online
4. Casey B, Galvan A, Hare T (2005) Ændringer i cerebral funktionel organisation under kognitiv udvikling. Nuværende mening i neurobiologi 15: 239-244. Find denne artikel online
5. Ernst M, Nelson E, Jazbec S, McClure E, Monk C, et al. (2005) Amygdala og nucleus accumbens i svar på modtagelse og udeladelse af gevinster hos voksne og unge. Neuroimage 25: 1279-1291. Find denne artikel online
6. May J, Delgado M, Dahl R, Stenger V, Ryan N, et al. (2004) Eventrelateret funktionel magnetisk resonansbilleddannelse af belønningsrelateret hjernekredsløb hos børn og unge. Biologisk Psykiatri 55: 359-366.
7. Galvan A, Hare T, Parra C, Penn J, Voss H, et al. (2006) Tidligere udvikling af accumbens i forhold til orbitofrontal cortex kan være baseret på risikotagende adfærd hos unge. Journal of Neuroscience 26: 6885-6892. Find denne artikel online
8. Steinberg L (2005) Kognitiv og affektiv udvikling i ungdomsårene. Trends in Cognitive Sciences 9: 69-74. Find denne artikel online
9. Pine D, Cohen P, Brook J (2001) Emosionel reaktivitet og risiko for psykopatologi blandt unge. CNS spektrum 6: 27-35. Find denne artikel online
10. Silveri M, Tzilos G, Pimentel P, Yurgelun-Todd D (2004) Baner af ungdoms følelsesmæssig og kognitiv udvikling: virkninger af sex og risiko for stofbrug. Annaler fra New York Academy of Sciences 1021: 363-370. Find denne artikel online
11. Cao F, Su L, Liu T, Gao X (2007) Forholdet mellem impulsivitet og internetafhængighed i en stikprøve af kinesiske unge. Europæisk Psykiatri 22: 466-471. Find denne artikel online
12. Ko C, Yen J, Chen S, Yang M, Lin H, et al. (2009) Foreslåede diagnostiske kriterier og screening og diagnosticering værktøj af internet afhængighed hos universitetsstuderende. Omfattende psykiatri 50: 378-384. Find denne artikel online
13. Flisher C (2010) Komme tilsluttet: En oversigt over internetafhængighed. Journal of Pediatrics and Child Health 46: 557-559. Find denne artikel online
14. Christakis D (2010) Internet afhængighed: en 21 århundrede epidemi? BMC medicin 8: 61. Find denne artikel online
15. Chou C, Condron L, Belland J (2005) En gennemgang af forskningen om internetafhængighed. Uddannelsespsykologi Review 17: 363-388. Find denne artikel online
16. Young K (1998) Internetafhængighed: Fremkomsten af ​​en ny klinisk lidelse. CyberPsykologi og adfærd 1: 237-244. Find denne artikel online
17. Morahan-Martin J, Schumacher P (2000) Incidens og korrelater af patologisk internetbrug blandt universitetsstuderende. Computere i menneskelig adfærd 16: 13-29. Find denne artikel online
18. Scherer K (1997) College life on-line: Sund og usund internetbrug. Journal of College Studentudvikling 38: 655-665. Find denne artikel online
19. Ko C, Liu G, Hsiao S, Yen J, Yang M, et al. (2009) Hjernevirksomhed i forbindelse med spiltrang til online spilafhængighed. Journal of Psychiatric Research 43: 739-747. Find denne artikel online
20. Dong G, Lu Q, Zhou H, Zhao X (2010) Impulshæmning hos personer med internetafhængighedsforstyrrelse: elektrofysiologiske beviser fra et Go / NoGo-studie. Neuroscience Letters 485: 138-142. Find denne artikel online
21. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et al. (2009) abnormiteter i grå stof i internetafhængighed: et voxelbaseret morfometriundersøgelse. European Journal of Radiology. doi:10.1016 / j.ejrad.2009.1010.1025.
22. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z et al. (2010) Øget regional homogenitet i internetafhængighedsforstyrrelse: en hvilende tilstands funktionel magnetisk resonansbilledstudie. Kinesisk lægejournal 123: 1904-1908. Find denne artikel online
23. Yuan K, Qin W, Dong M, Liu J, Sun J et al. (2010) Grå materielle underskud og hvilestatale abnormiteter hos afhængige heroinafhængige individer. Neuroscience Letters 482: 101-105. Find denne artikel online
24. Yuan K, Qin W, Liu J, Guo Q, Dong M, et al. (2010) Ændrede hjernens funktionelle netværk i hjernen og varigheden af ​​heroinbrug hos mænd, der er tilbageholdende heroinafhængige personer. Neuroscience Letters 477: 37-42. Find denne artikel online
25. Yuan K, Qin W, Dong M, Liu J, Liu P, et al. (2010) Kombination af rumlig og tidsmæssig information til at udforske hvilestatistiske netværk ændrer sig hos tilbageholdende heroinafhængige individer. Neuroscience Letters 475: 20-24. Find denne artikel online
26. Liu J, Liang J, Qin W, Tian J, Yuan K, et al. (2009) Dysfunktionelle forbindelsesmønstre hos kroniske heroinbrugere: et fMRI-studie. Neuroscience Letters 460: 72-77. Find denne artikel online
27. Volkow N, Fowler J, Wang G (2003) Den afhængige menneskelige hjerne: indsigter fra billedstudier. Journal of Clinical Investigation 111: 1444-1451. Find denne artikel online
28. Ko C, Hsiao S, Liu G, Yen J, Yang M, et al. (2010) Karakteristika ved beslutningstagning, potentiale til at tage risici og personlighed for universitetsstuderende med internetafhængighed. Psykiatrisk forskning 175: 121-125. Find denne artikel online
29. Beard K, Wolf E (2001) Ændring i de foreslåede diagnostiske kriterier for internetafhængighed. CyberPsychology & Behavior 4: 377–383. Find denne artikel online
30. Ashburner J, Friston K (2000) Voxel-baseret morfometri-metoderne. Neuroimage 11: 805-821. Find denne artikel online
31. Good C, Johnsrude I, Ashburner J, Henson R, Fristen K et al. (2001) Et voxelbaseret morfometrisk undersøgelse af aldring i 465 normale voksne humane hjerner. Neuroimage 14: 21-36. Find denne artikel online
32. Smith S, Jenkinson M, Woolrich M, Beckmann C, Behrens T, et al. (2004) Fremskridt i funktionel og strukturel MR billedanalyse og implementering som FSL. Neuroimage 23: 208-219. Find denne artikel online
33. Smith S (2002) Hurtig robust automatiseret hjernekstraktion. Human Brain Mapping 17: 143-155. Find denne artikel online
34. Zhang Y, Brady M, Smith S (2001) Segmentering af MR-billeder i hjernen gennem en skjult Markov-tilfældig feltmodel og forventningsoptimeringsalgoritmen. IEEE Transaktioner på medicinsk billedbehandling 20: 45-57. Find denne artikel online
35. Jenkinson M, Smith S (2001) En global optimeringsmetode til robust affine registrering af hjernebilleder. Medicinsk billedanalyse 5: 143-156. Find denne artikel online
36. Jenkinson M, Bannister P, Brady M, Smith S (2002) Forbedret optimering til den robuste og nøjagtige lineære registrering og bevægelseskorrektion af hjernebilleder. Neuroimage 17: 825-841. Find denne artikel online
37. Andersson J, Jenkinson M, Smith S (2007) Ikke-lineær optimering. FMRIB Analysis Group Tekniske rapporter: TR07JA02 fra www.fmrib.ox.ac.uk/analysis/techrep.
38. Andersson J, Jenkinson M, Smith S (2007) Ikke-lineær registrering, aka Rumlig normalisering. FMRIB Analysis Group Tekniske rapporter: TR07JA02 fra www.fmrib.ox.ac.uk/analysis/techrep.
39. Rueckert D, Sonoda L, Hayes C, Hill D, Leach M, et al. (2002) Nonrigid registrering ved brug af friform deformationer: ansøgning til bryst MR billeder. IEEE Transaktioner på medicinsk billedbehandling 18: 712-721. Find denne artikel online
40. Nichols T, Holmes A (2002) Nonparametriske permutationstest til funktionel neuroimaging: en primer med eksempler. Human Brain Mapping 15: 1-25. Find denne artikel online
41. Dong G, Lu Q, Zhou H, Zhao X, Miles J (2011) Forløber eller Sequela: Patologiske lidelser hos personer med internetafhængighedsforstyrrelse. PloS one 6: 306-307. Find denne artikel online
42. Beaulieu C (2002) Grundlaget for anisotrop vanddiffusion i nervesystemet - en teknisk gennemgang. NMR i biomedicin 15: 435-455. Find denne artikel online
43. Smith S, Jenkinson M, Johansen-Berg H, Rueckert D, Nichols T, et al. (2006) Traktebaseret rumlig statistik: voxelwise analyse af multifonder diffusionsdata. Neuroimage 31: 1487-1505. Find denne artikel online
44. Smith S, Johansen-Berg H, Jenkinson M, Rueckert D, Nichols T, et al. (2007) Acquisition og voxelwise analyse af multifonder diffusionsdata med kanalbaseret rumlig statistik. Naturprotokoller 2: 499-503. Find denne artikel online
45. Kaufman J, Ross T, Stein E, Garavan H (2003) Cingulerer hypoaktivitet hos kokainbrugere under en GO-NOGO-opgave som afsløret ved hændelsesrelateret funktionel magnetisk resonansbilleddannelse. Journal of Neuroscience 23: 7839-7843. Find denne artikel online
46. Li C, Sinha R (2008) Hæmmende kontrol og følelsesmæssig stressregulering: Neuroimaging-bevis for frontal-limbisk dysfunktion i psyko-stimulerende afhængighed. Neurovidenskab og bioadfærdsmæssige anmeldelser 32: 581–597. Find denne artikel online
47. Botvinick M, Braver T, Barch D, Carter C, Cohen J (2001) Konfliktovervågning og kognitiv kontrol. Psykologisk gennemgang 108: 624-652. Find denne artikel online
48. Krawczyk D (2002) Bidrag fra præfrontal cortex til det neurale grundlag for menneskelig beslutningstagning. Neurovidenskab og bioadfærdsmæssige anmeldelser 26: 631–664. Find denne artikel online
49. Wilson S, Sayette M, Fiez J (2004) Prefrontale reaktioner på lægemiddelindikatorer: en neurokognitiv analyse. Natur Neurovidenskab 7: 211-214. Find denne artikel online
50. Barber A, Carter C (2005) Kognitiv kontrol involveret i at overvinde prepotent respons tendenser og skifte mellem opgaver. Cerebral Cortex 15: 899-912. Find denne artikel online
51. MacDonald A, Cohen J, Stenger V, Carter C (2000) Dissociating rollen af ​​den dorsolaterale præfrontale og anterior cingulære cortex i kognitiv kontrol. Videnskab 288: 1835-1838. Find denne artikel online
52. Botvinick M, Nystrom L, Fissell K, Carter C, Cohen J (1999) Konfliktovervågning versus selektion for handling i anterior cingulat cortex. Natur 402: 179-180. Find denne artikel online
53. Vanderhasselt M, De Raedt R, Baeken C (2009) Dorsolateral præfrontal cortex og Stroop performance: Håndtering af lateralisering. Psykonomisk bulletin og gennemgang 16: 609–612. Find denne artikel online
54. Forman S, Dougherty G, Casey B, Siegle G, Braver T et al. (2004) Opiatmisbrugere mangler fejlafhængig aktivering af rostral anterior cingulate. Biologisk Psykiatri 55: 531-537. Find denne artikel online
55. Fu L, Bi G, Zou Z, Wang Y, Ye E, et al. (2008) Forringet responshæmningsfunktion hos afhængige heroinberettigede: en fMRI-undersøgelse. Neuroscience Letters 438: 322-326. Find denne artikel online
56. Rolls E (2000) Den orbitofrontale cortex og belønning. Cerebral Cortex 10: 284-294. Find denne artikel online
57. Groenewegen H, Uylings H (2000) Den præfrontale cortex og integrationen af ​​sensorisk, limbisk og autonom information. Fremskridt i hjerneforskning 126: 3-28. Find denne artikel online
58. Balleine B, Dickinson A (1998) Målrettet instrumental handling: beredskab og incitamentindlæring og deres kortikale substrater. Neuropharmacology 37: 407-419. Find denne artikel online
59. Simmonds D, Pekar J, Mostofsky S (2008) Meta-analyse af Go / No-go-opgaver, der demonstrerer, at fMRI-aktivering i forbindelse med responsinhibering er opgaveafhængig. Neuropsychologia 46: 224-232. Find denne artikel online
60. Ray Li C, Huang C, Constable R, Sinha R (2006) Imagingresponsinhibering i en stop-signalopgave: neurale korrelater uafhængigt af signalovervågning og efterbehandling. Journal of Neuroscience 26: 186-192. Find denne artikel online
61. Raymond J, Lisberger S, Mauk M (1996) Hjernen: En neuronal læring maskine? Videnskab 272: 1126-1131. Find denne artikel online
62. Schmahmann J, Sherman J (1998) Det cerebellære kognitive affektive syndrom. Brain 121: 561-579. Find denne artikel online
63. Desmond J (2001) Cerebellar involvering i kognitiv funktion: Bevis fra neuroimaging. Internationalt gennemgang af psykiatrien 13: 283-294. Find denne artikel online
64. Heyder K, Suchan B, Daum I (2004) Cortico-subkortiske bidrag til udøvende kontrol. Acta Psychologica 115: 271-289. Find denne artikel online
65. Wagner A, Schacter D, Rotte M, Koutstaal W, Maril A, et al. (1998) Byggeminner: At huske og glemme verbale oplevelser som forudsagt af hjerneaktivitet. Videnskab 281: 1188-1191. Find denne artikel online
66. Tulving E, Markowitsch H, Craik F, Habib R, Houle S (1996) Nyheder og kendskabsaktiveringer i PET-undersøgelser af hukommelseskodning og hentning. Cerebral Cortex 6: 71-79. Find denne artikel online
67. Powell H, Guye M, Parker G, Symms M, Boulby P, et al. (2004) Ikke-invasiv in vivo demonstration af forbindelserne af den humane parahippocampale gyrus. Neuroimage 22: 740-747. Find denne artikel online
68. BURWELL R (2000) Den parahippocampale region: corticocortical connectivity. Annaler fra New York Academy of Sciences 911: 25-42. Find denne artikel online
69. Zhu X, Wang X, Xiao J, Zhong M, Liao J et al. (2010) Ændret hvidt materielintegritet i første episode, behandlingsnive unge voksne med stor depressiv lidelse: En undersøgelse baseret på rumlig statistik. Brain Research 1396: 223-229. Find denne artikel online
70. Luck D, Danion J, Marrer C, Pham B, Gounot D et al. (2010) Den rigtige parahippocampale gyrus bidrager til dannelsen og vedligeholdelsen af ​​bundet information i arbejdsminne. Hjerte og erkendelse 72: 255-263. Find denne artikel online
71. Engle R, Kane M (2003) Executive opmærksomhed, arbejdshukommelseskapacitet og en tofaktor teori om kognitiv kontrol. Psykologi for læring og motivation 44: 145-199. Find denne artikel online
72. Jun L, Xue-ping G, Osunde I, Xin L, Shun-ke Z et al. Øget regional homogenitet i internetafhængighedsforstyrrelser: en hvilende tilstands funktionel magnetisk resonansbilledstudie. Kinesisk lægejournal 123: 1904-1908. Find denne artikel online
73. Parent A, Carpenter M (1996) Carpenter's human neuroanatomy: Williams & Wilkins.
74. Wakana S, Jiang H, Nagae-Poetscher L, van Zijl P, Mori S (2004) Fiber Tract-baseret Atlas af Human White Matter Anatomy1. Radiologi 230: 77-87. Find denne artikel online
75. Andersen R, Knight P, Merzenich M (1980) De thalamocorticale og kortikothalamiske konjunktioner af AI, AII og det forreste auditive felt (AFF) i katten: Bevis for to stort set sergregartede systemer af forbindelser. Journal of Comparative Neurology 194: 663-701. Find denne artikel online
76. Winer J, Diehl J, Larue D (2001) Projiceringer af auditiv cortex til katens mediale geniculate krop. Journal of Comparative Neurology 430: 27-55. Find denne artikel online
77. Schnitzler A, Salenius S, Salmelin R, Jousm ki V, Hari R (1997) Inddragelse af primærmotorisk cortex i motorbilleder: En neuromagnetisk undersøgelse. Neuroimage 6: 201-208. Find denne artikel online
78. Shibasaki H, Sadato N, Lyshkow H, Yonekura Y, Honda M, et al. (1993) Både primærmotorisk cortex og supplerende motorområde spiller en vigtig rolle i kompleks fingerbevægelse. Brain 116: 1387-1398. Find denne artikel online
79. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neuroplasticitet: Forandringer i gråt materiale induceret af træning. Natur 427: 311-312. Find denne artikel online
80. Boyke J, Driemeyer J, Gaser C, Buchel C, maj A (2008) Træningsinduceret hjernestrukturændring hos ældre. Journal of Neuroscience 28: 7031-7035. Find denne artikel online
81. Scholz J, Klein MC, Behrens TEJ, Johansen-Berg H (2009) Uddannelse fremkalder ændringer i hvid-materiel arkitektur. Natur Neurovidenskab 12: 1370-1371. Find denne artikel online
82. Cummings JL (1993) Frontal-subkortiske kredsløb og menneskelig adfærd. Arkiver af neurologi 50: 873-880. Find denne artikel online
83. Cummings JL (1995) Anatomiske og adfærdsmæssige aspekter af Frontal-Subcortical Circuitsa. Annaler fra New York Academy of Sciences 769: 1-14. Find denne artikel online
84. Albin RL, Young AB, Penney JB (1989) Den funktionelle anatomi af basale ganglia lidelser. Udvikling i neurovidenskab 12: 366-375. Find denne artikel online
85. Levitt JJ, Kubicki M, Nestor PG, Ersner-Hershfield H, Westin C, et al. (2010) En diffusion tensor billedstudie af den indre del af den indre kapsel i skizofreni. Psykiatrisk forskning 184: 143-150. Find denne artikel online
86. Werring D, Clark C, Barker G, Miller D, Parker G, et al. (1998) De strukturelle og funktionelle mekanismer til motorgendannelse: komplementær anvendelse af diffusionstensor og funktionel magnetisk resonansbilleddannelse i en traumatisk skade på den indre kapsel. Journal of Neurology, Neurochirgery & Psychiatry 65: 863-869. Find denne artikel online
87. Niogi S, Mukherjee P, Ghajar J, Johnson C, Kolster R, et al. (2008) Omfanget af mikrostrukturel hvid stofskade i postkoncussiv syndrom korrelerer med nedsat kognitiv reaktionstid: et 3T-diffusions tensor-billedstudie af mild traumatisk hjerneskade. American Journal of Neuroradiology 29: 967-973. Find denne artikel online
88. Young K (1999) Internetafhængighed: symptomer, evaluering og behandling. Innovationer i klinisk praksis: En kildebog 17: 19-31. Find denne artikel online
89. Beard K (2005) Internetafhængighed: en gennemgang af aktuelle vurderingsteknikker og potentielle vurderingsspørgsmål. CyberPsykologi og adfærd 8: 7–14. Find denne artikel online
90. Culver J, Gerr F, Frumkin H (1997) Medicinsk information på internettet. Journal of General Internal Medicine 12: 466-470.