Nannan Pan1 †, Yongxin Yang2 †, Xin Du1, Xin Qi1, Guijin Du3, Yang Zhang1, Xiaodong Li3* und 
Quan Zhang1*- 1Abteilung für Radiologie und Tianjin-Schlüssellabor für funktionelle Bildgebung, Allgemeines Krankenhaus der Tianjin Medical University, Tianjin, China
- 2Abteilung für Psychologie, Linyi Viertes Volkskrankenhaus, Linyi, China
- 3Abteilung für Radiologie, Linyi Volkskrankenhaus, Linyi, China
Mit der Entwicklung des Internets spielen immer mehr Jugendliche übermäßig Online-Spiele, was zu nachteiligen Auswirkungen auf den Einzelnen und die Gesellschaft führt. Frühere Studien haben gezeigt, dass sich das Volumen der grauen Substanz (GMV) bei Personen mit Internet-Gaming-Störung (IGD) verändert hat, aber die Beziehung zwischen der Tendenz zu IGD und dem GMV im gesamten Gehirn ist bei Jugendlichen noch unklar. In der vorliegenden Studie wurde eine anatomische Bildgebung mit hoher Auflösung an 67 männlichen Jugendlichen durchgeführt, die Online-Spiele spielten. und Youngs Internet-Sucht-Test (IAT) wurde durchgeführt, um die Tendenz zu IGD zu testen. Die FMRIB Software Library (FSL) wurde verwendet, um die voxelbasierten Korrelationen zwischen dem GMV und dem IAT-Score nach Kontrolle des Alters und der Jahre der Ausbildung zu berechnen. Die GMVs der bilateralen postzentralen Gyri (postCG), der bilateralen präzentralen Gyri (preCG), des rechten Precuneus, des linken hinteren mittelkeimigen Kortex (pMCC), des linken unteren Parietallappens (IPL) und des rechten mittleren Frontalgyrus (MFG) wurden negativ mit dem IAT-Score korreliert. Die Korrelation bestand weiterhin zwischen dem IAT-Score und den GMVs des bilateralen postCG, des linken preCG, des linken pMCC und des rechten MFG, nachdem die Gesamtzeit des Online-Spiels kontrolliert wurde. Wenn die Teilnehmer gemäß dem IAT-Score in zwei Gruppen eingeteilt wurden, waren die GMVs dieser IAT-bezogenen Hirnregionen in der Untergruppe mit hohem IAT-Score (IAT-Score> 50) niedriger als in der Untergruppe mit niedrigem IAT-Score (IAT-Score ≤ 50). Unsere Ergebnisse legen nahe, dass die GMVs von Gehirnregionen, die am sensomotorischen Prozess und der kognitiven Kontrolle beteiligt sind, mit der IGD-Tendenz assoziiert sind. Diese Ergebnisse können zu neuen Zielen für die Prävention und Behandlung der IGD führen.
Einleitung
In den letzten Jahrzehnten spielte das Internet eine wichtige Rolle in unserem Leben. Immer mehr Jugendliche surfen jedoch im Internet und spielen übermäßig viel Online-Spiele, was negative Auswirkungen auf die Jugendlichen selbst und die Gesellschaft hat. Eine epidemiologische Studie hat gezeigt, dass die Internet-Gaming-Störung (IGD), ein Subtyp der Internetsucht (IA) (1), war ein sehr häufiges psychisches Gesundheitsproblem bei chinesischen Jugendlichen (2). Daher konzentrierten sich immer mehr Studien auf den Neuromechanismus der IGD und zielten darauf ab, zur Prävention und Behandlung von IGD beizutragen.
Strukturelles Neuroimaging des Gehirns könnte verwendet werden, um Gehirnmechanismen über individuelle Persönlichkeitsmerkmale zu untersuchen (3-5). Frühere strukturelle Studien haben gezeigt, dass Personen mit IGD strukturelle Anomalien in der grauen Substanz (GM) hatten, wie z. B. ein verringertes Volumen der grauen Substanz (GMV) oder die GM-Dichte in mehreren kortikalen und subkortikalen Bereichen (6-11) und erhöhte GMV in frontalen und zeitlichen Regionen (8, 12). Diese Studien deuten darauf hin, dass mehrere Hirnregionen in der frontalen, temporalen, parietalen und subkortikalen Region wie dem ventralen Striatum mit IA assoziiert waren, was zum Verständnis der Neuromechanismen der IA beitrug. Die Mehrzahl der früheren Studien konzentrierte sich jedoch nur auf die IA oder IGD, die durch einen klinischen Fragebogen wie den Internetsuchtest (IAT) diagnostiziert wurden, und verglich die Unterschiede in Verhalten und Gehirnfunktion und -struktur zwischen den IGD-Individuen und gesunden Kontrollen. Tatsächlich leiden nicht alle Personen, die Online-Spiele spielen, an der IGD (13). Daher ist eine Untersuchung der strukturellen Korrelationen bei Online-Game-Spielern mit unterschiedlichem IGD-Trend erforderlich, nicht nur bei Personen mit IGD-Diagnose.
Kürzlich konzentrierten sich drei Studien direkt auf die neuronalen Assoziationen der Tendenz zur Folgenabschätzung. Wen und Hsieh (14) untersuchte die Beziehung zwischen den funktionellen Verbindungen des gesamten Gehirns und dem Niveau der Folgenavigation bei einer Gruppe junger Erwachsener (19 – 29-Jahre) und stellte fest, dass zwei Netzwerke hauptsächlich aus Frontalregionen bestanden, die mit der Tendenz von IA korrelierten. Li et al. (15) berichteten, dass Struktur und funktionelle Konnektivität des rechten dorsolateralen präfrontalen Kortex in einer Gruppe gesunder junger Erwachsener (18 – 27-Jahre) positiv mit dem IAT-Score korreliert waren. Eine Studie von Kühn (16) ergab, dass der GMV der Hirnregionen innerhalb des frontostriatalen Netzwerks mit einer übermäßigen Internetnutzung korrelierte, die anhand des IAT-Scores bewertet wurde. Darüber hinaus haben frühere Studien gezeigt, dass die GMV-Änderungen mit dem Schweregrad der Sucht in Online-Spielen bei den IGD-Probanden zusammenhängen. Eine Studie von Weng et al. zeigten, dass die GMVs des rechten Orbitofrontal-Kortex und der bilateralen Insula positiv mit dem Schweregrad der Online-Spielsucht bei den IGD-Patienten korrelierten (7). Cai et al. berichtete erhöhte GMV von Nucleus Accumbens war mit dem IAT-Score bei den IGD-Individuen verbunden (17). Eine Studie von Zhou et al. zeigte, dass ein niedrigerer GMV-Wert im rechten Orbitofrontal-Kortex mit einem höheren Schweregrad der Online-Spielsucht bei Internet-Spielern zusammenhängt (18). Diese Studien zeigten, dass die Strukturen und Funktionen des Gehirns mit dem IA-Level in Zusammenhang stehen. Die Beziehung zwischen der Neigung zu IGD und GMV im gesamten Gehirn wurde jedoch bei Jugendlichen (14-18-Jahre) noch nicht eindeutig bewertet. Der Jugendliche zwischen 14 und 18 befindet sich in einer kritischen Phase der psychischen Entwicklung und neigt zu Abhängigkeit und unerwünschten Wirkungen (19, 20). In vielen Studien zur Substanzabhängigkeit wurden Jugendliche im Alter von 14 bis 18 (21, 22). Eine große Stichprobe hat gezeigt, dass die IGD bei chinesischen Grund- und Mittelschülern sehr häufig ist und 22.5% bei den Schülern, die Online-Spiele spielen, häufig auftritt (2). Daher ist es wichtiger, die strukturellen Korrelationen des Gehirns mit der Tendenz zur IGD bei Jugendlichen (14-18-Jahre) zu untersuchen.
Darüber hinaus haben frühere Studien gezeigt, dass langfristiges Spielen von Online-Spielen zu einer strukturellen Reorganisation des Gehirns bei Spielern von Online-Spielen führen kann (12, 23, 24). Die GMVs im ventrolateralen präfrontalen Kortex, der dorsolaterale präfrontale Kortex, der ergänzende motorische Bereich und der rostral anteriore cingulate Kortex wurden mit der Dauer des Onlinespiels bei Jugendlichen mit IA-Störung korreliert (6, 25). Es lohnt sich daher zu untersuchen, ob die Dauer des Online-Spielens die Beziehung zwischen dem GMV und der Tendenz zur IGD beeinflusst.
In der vorliegenden Studie wurden männliche 67-Jugendliche (14 – 18-Jahre), die an Online-Spielen teilgenommen haben, rekrutiert. Die Voxel-basierte Korrelationsanalyse wurde durchgeführt, um die mit dem IAT-Score assoziierten Hirnregionen vor und nach der Kontrolle für die Gesamtzeit des Online-Spiels zu ermitteln. Basierend auf den vorherigen Studien sind die präfrontalen-striatalen Schaltkreise eng mit der Sucht verbunden. Das ventrale Striatum beteiligte sich am Gewohnheitslernen und Belohnungsprozess der Sucht (26, 27), und der verringerte Kontrolleffekt des präfrontalen Kortex auf den Belohnungsprozess ist einer der Mechanismen der Sucht (28, 29). Wir stellten daher die Hypothese auf, dass die IGD-Tendenz mit den Hirnregionen in Zusammenhang steht, die mit der kognitiven Kontrolle (präfrontaler Kortex) und dem Belohnungsprozess (ventrales Striatum) zusammenhängen. Diese Studie kann zu neuen Zielen für die Prävention und Behandlung von IGD bei Jugendlichen führen.
Materialen und Methoden
Themen
In diese Studie wurden 67 Rechtshänder (14 – 18 Jahre, durchschnittlich 15.54 ± 0.14), die Online-Spiele spielten, rekrutiert. 20 67-Teilnehmer waren Schüler einer Health School und 47-Teilnehmer von 67 waren die Jugendlichen, deren Eltern sie wegen möglicher IGD zu einem Psychiater brachten. Alle Teilnehmer erhielten eine Ausbildung für 6-12-Jahre, von der Grundschule bis zur Oberstufe. Alle Teilnehmer haben mehr als 80% der Online-Zeit für das Spielen von Online-Spielen aufgewendet. Nur männliche Jugendliche nahmen an dieser Studie teil, da relativ wenige Frauen Online-Spiele spielen und an IGD leiden (2, 30). Zu den Ausschlusskriterien gehörten folgende: Alkoholmissbrauch oder Drogenabhängigkeit; Vorhandensein einer neurologischen oder psychiatrischen Erkrankung wie Insomnie, Migräne, Tinnitus und hyperaktive Aufmerksamkeitsstörung; Anamnese einer körperlichen Erkrankung wie Hirntrauma, Gehirntumor oder Epilepsie, beurteilt anhand klinischer Bewertungen und medizinischer Aufzeichnungen; MRI-Widerspruch; und sichtbare Abnormalitäten bei der konventionellen MRI. Die vorliegende Studie wurde von der Ethikkommission des Allgemeinen Krankenhauses der Tianjin Medical University genehmigt, und alle Teilnehmer und ihre Vormünder gaben eine schriftliche Einwilligung nach institutionellen Richtlinien.
Fragebogen
Der Internetsuchtetest wurde verwendet, um die Schwere der Tendenz zur IGD in dieser Studie zu beurteilen. Das IAT besteht aus 20-Elementen, und die Antworten auf diese Fragen wurden als 1-5-Score (1 = „selten“ bis 5 = „immer“) beschrieben.31). Die Gesamtpunktzahl der 20-Elemente misst den Schweregrad der Internetabhängigkeit. Die Erfahrung des Online-Spiels wurde bewertet ein Fragebogen zum Selbstbericht, in dem nach Länge und Umfang des Spiels gefragt wurde. Die Gesamtzeit des Online-Spiels wurde als Stunden pro Tag multipliziert mit den Tagen des Online-Spiels berechnet. Der Intelligenzquotient (IQ) aller Teilnehmer wurde mit Progressiven Matrizen von Standard Raven getestet. Die Angstzustände und Depressionen wurden unter Verwendung der Selbsteinstufungsangstskala (SAS) und der Selbstbewertungsdepressionsskala (SDS) simuliert.
Strukturelle MRI
Strukturbilder wurden mit einem Siemens 3.0 T-Scanner (Magnetom Verio, Siemens, Erlangen, Deutschland) aufgenommen. Eine Reihe von 192-zusammenhängenden sagittalen hochauflösenden anatomischen Bildern wurde unter Verwendung einer dreidimensionalen, mit T1 gewichteten, volumetrisch magnetisierten präparierten schnellen Gradienten-Echo-Sequenz mit den folgenden Parametern erhalten: TR = 2000 ms, TE = 2.34 ms, TI = 900 ms. Kippwinkel = 9 °, FOV = 256 mm × 256 mm, Scheibendicke = 1 mm, Matrixgröße = 256 × 256.
Voxel-basierte Morphometrie (VBM) -Analyse
Alle Strukturbilder wurden mit der VBM8-Toolbox vorverarbeitet1 des SPM8 (Wellcome-Abteilung für Bildgebende Neurowissenschaften, London, UK)2 läuft auf MATLAB R2010a (Math Works Inc., Sherborn, MA, USA). Die dreidimensionale geometrische Korrektur wurde während der Rekonstruktion der Bilder durchgeführt. Danach wurden die individuellen Bilder aller Teilnehmer in GM, weiße Substanz (WM) und zerebrale Spinalflüssigkeit (Liquor cerebral spinale, CSF) segmentiert, und die GM-Segmente wurden mittels diffeomorpher anatomischer Registrierung durch exponentierte Lügenalgebra auf das Montreal Neurological Institute-Template normalisiert. DARTEL) (32). Die registrierten GM-Bilder wurden dann moduliert, indem der Jacobi des Warp-Feldes geteilt wurde, um die lokale Expansion oder Kontraktion zu korrigieren. Der isotrope Gaußsche Kern mit einer Halbwertsbreite von 8 mm wurde verwendet, um die modulierten GM-Bilder zu glätten. Das mittlere Bild von normalisiertem GM von allen Teilnehmern wurde verwendet, um eine GM-Maske zu erstellen, deren Schwellenwert auf einen Wert von 0.3 eingestellt wurde (Pixel mit berechneten GM-Fraktionswerten> 30% wurden ausgewählt). Dann wurde die GM-Maske als explizite Maske für die statistische Analyse verwendet, um die Pixel mit niedrigen GM-Wahrscheinlichkeitswerten auszuschließen.
Statistische Analyse
Es wurde eine Voxel-weite multiple Regressionsanalyse durchgeführt, um die Korrelation zwischen dem GMV- und dem IAT-Score aller Teilnehmer nach Kontrolle des Alters und der Ausbildungsjahre zu untersuchen. Der Ansatz der nichtparametrischen Permutation (33) wurde mit dem in der FMRIB Software Library (FSL) angewiesenen Randomisierungswerkzeug ausgeführt3. Die Analyse der schwellenfreien Clusterverbesserung (TFCE) wurde durchgeführt, da Clusterausdehnung und -höhe in einer Statistik kombiniert werden und keine willkürliche Auswahl eines Clusterbildungsschwellenwerts (34). Die Korrelation zwischen dem GMV- und dem IAT-Score wurde unter Verwendung von permutationsbasierten nichtparametrischen Tests mit zufälligen 5,000-Permutationen bewertet. Die statistische Schwelle für die Signifikanz wurde bei festgelegt P <0.01. Um zu klären, ob die Dauer des Online-Spielens die Korrelation zwischen GMV und IAT beeinflusst, wurde erneut eine Voxel-weise multiple Regressionsanalyse durchgeführt, wenn die Gesamtzeit des Online-Spielens als störende Kovariate addiert wurde.
Cluster mit Korrelation zwischen dem GMV und dem IAT-Score wurden als Regionen von Interesse (ROIs) definiert, und der durchschnittliche GMV innerhalb jedes ROI wurde extrahiert. Eine ROI-basierte Korrelationsanalyse wurde zwischen dem durchschnittlichen GMV und dem IAT-Score durchgeführt, nachdem das Alter und die Jahre der Ausbildung kontrolliert wurden. Dann wurden alle Teilnehmer in zwei Untergruppen eingeteilt, die Gruppe mit hohem IAT-Wert (IAT-Wert> 50, N = 30) und der niedrigen IAT-Score-Gruppe (IAT-Score ≤50, N = 37). Der Unterschied in der GMV zwischen den beiden Untergruppen wurde durch eine Analyse des allgemeinen linearen Modells getestet, wobei das Alter und die Ausbildungsjahre kontrolliert wurden. Die Signifikanzniveaus wurden beide auf gesetzt P <0.05.
Die Ergebnisse
Die Teilnehmer hatten eine mittlere Bewertung von 46 an der IAT, die zur Beurteilung der IGD-Tendenz verwendet wurde. Die Probanden verbrachten durchschnittlich 5.5 pro Tag für das Spielen von Online-Spielen und dauerten durchschnittlich 56-Monate. Die klinischen und demographischen Merkmale sind in der Tabelle aufgeführt 1.
Tabelle 1. Merkmale des Teilnehmers
Die Voxel-weise Korrelationsanalyse ergab, dass die GMVs der bilateralen postzentralen Gyri (postCG), der bilateralen präzentralen Gyri (preCG), des rechten Precuneus, des linken posterioren midcingulate Cortex (pMCC), des linken unteren Parietallappen (IPL) und des Der rechte mittlere frontale Gyrus (MFG) korrelierte signifikant mit dem IAT-Score (Abbildung 1; Tabelle 2). Zahl 2 zeigt die ROI-basierten Korrelationen zwischen dem GMV- und dem IAT-Score. Nachdem die Gesamtzeit des Onlinespiels als störende Kovariate hinzugefügt wurde, bestand die Korrelation noch immer zwischen der IAT und dem GMV der bilateralen postCG, der linken preCG, der linken pMCC und der rechten MFG (Abbildung 3; Tabelle 3).
Figure 1. Hirnregionen, die negative strukturelle Korrelate zum Internet-Suchttest (IAT) bei jugendlichen Online-Spielern aufweisen. Der IAT-Score korrelierte negativ mit den Grauwertvolumina (GMVs) der bilateralen postzentralen Gyri, der bilateralen präzentralen Gyri, des rechten Precuneus, des linken hinteren cingulösen Kortex, des linken unteren Kieferbeinlappens und des rechten mittleren Frontalgyrus. Die Zahlen unter den Bildern geben die Koordinaten des Montreal Neurological Institute an z-Achse. Die Farbleiste repräsentiert das −log p.
Tabelle 2. Gehirnregionen zeigten strukturelle Korrelate zum Internet-Suchttest (IAT).
Figure 2. ROI-basierte Korrelationsanalyse zwischen dem Volumen der grauen Substanz (GMV) und dem Internet-Suchttest (IAT). Das Residuum wurde verwendet, weil das Alter und die Schuljahre während der Korrelationsanalyse kontrolliert wurden.
Figure 3. Gehirnregionen, die negative strukturelle Korrelate zum Internet-Suchttest (IAT) bei jugendlichen Online-Spielern aufweisen, nachdem sie die Gesamtdauer des Online-Spiels kontrolliert haben. Der IAT-Score korrelierte negativ mit den Grauwertvolumina (GMVs) der bilateralen postzentralen Gyri, dem linken Gyrus vor der Mitte, dem linken mittleren Cingulus-Cortex und dem rechten mittleren Gyrus in der Mitte. Die Zahlen unter den Bildern geben die Koordinaten des Montreal Neurological Institute an z-Achse. Die Farbleiste repräsentiert das −log p.
Tabelle 3. Die Regionen zeigten strukturelle Korrelate zum Internet-Suchttest (IAT), nachdem sie die Gesamtdauer des Online-Spiels kontrolliert hatten.
Wie in der Tabelle zu sehen 4Wenn die Teilnehmer gemäß dem IAT-Score in die beiden Untergruppen eingeteilt wurden, hatte die Untergruppe mit dem hohen IAT-Score (IAT-Score> 50) in den sieben von acht Regionen einen niedrigeren GMV als die Untergruppe mit dem niedrigen IAT-Score (IAT-Score ≤) 50) (P <0.05).
Tabelle 4. ROI-basierte Vergleiche des Grauwertvolumens (GMV) zwischen den beiden Untergruppen.
Diskussion
In der vorliegenden Studie wurde die Assoziation zwischen GMV- und IGD-Tendenz im gesamten Gehirn von jugendlichen Online-Game-Spielern bewertet. Nach der Kontrolle der Gesamtdauer des Online-Spiels waren die GMVs der bilateralen postCG, der linken preCG, der linken pMCC und der rechten MFG immer noch negativ mit der IGD-Tendenz korreliert. Jugendliche mit einem niedrigeren GMV in den Hirnregionen, die auf sensomotorischen Prozess und kognitive Kontrolle bezogen waren, hatten eine höhere IGD-Tendenz.
Es stimmte mit der Hypothese überein, dass der GMV in der MFG als Teil des präfrontalen Kortex an kognitiven Kontrollen beteiligt war (35, 36) korrelierte negativ mit der IGD-Tendenz. Bei Personen mit IGD wurde häufig über strukturelle und funktionelle Anomalien berichtet (37-40). Zum Beispiel wurde in der IA weniger Aktivierung im präfrontalen Kortex gefunden (40). Frühere Studien haben gezeigt, dass die GV-Dichte und der GMV im präfrontalen Kortex bei IGD-Individuen niedriger sind (37, 39). Eine geringere Amplitude der niederfrequenten Fluktuation innerhalb der rechten MFG wurde auch bei den IGD-Individuen festgestellt (41). Eine abnormale Aktivierung im präfrontalen Kortex wurde auch bei drogenabhängigen Personen wie den Marihuana-Konsumenten und den abstinenten Kokainmissbrauchern (42-44). Ähnliche Veränderungen in der funktionellen Konnektivität des präfrontalen Kortex zeigten sich bei Personen mit Alkoholabhängigkeit und bei Personen mit IGD (45, 46). Diese Studien zeigten, dass der strukturelle oder funktionelle Zustand des präfrontalen Kortex mit der Sucht zusammenhängt. In dieser Studie korrelierte der GMV der rechten MFG negativ mit dem IAT-Score und war in der Subgruppe mit hohem IAT-Score niedriger als in der Subgruppe mit niedrigem IAT-Score. Strukturelle Anomalien in der rechten MFG können zu einer Beeinträchtigung der kognitiven Kontrolle bei Online-Spielern führen. Infolgedessen konnten die Spieler des Online-Spiels ihr problematisches Spielen nicht kontrollieren und zeigten eine höhere Tendenz zur IGD.
In Übereinstimmung mit der Hypothese fanden wir nicht, dass der GMV des ventralen Striatum mit dem IAT-Score korrelierte. Das ventrale Striatum ist eine kritische Region, die mit der Sucht zusammenhängt, und zeigt normalerweise eine abnormale Aktivierung bei Personen mit Sucht (26, 27). In unserer Studie konzentrierten wir uns auf jugendliche Spieler von Online-Spielen, aber nicht nur auf die IGD-Individuen. Dies könnte eine mögliche Erklärung für das negative Ergebnis des ventralen Striatums sein. Dieses negative Ergebnis sollte jedoch in der zukünftigen Studie mit großer Stichprobengröße überprüft werden.
Unerwarteterweise zeigten preCG, postCG und pMCC, die am sensomotorischen Prozess beteiligt sind, negative Korrelationen mit dem IAT-Score. Das preCG spielte eine wichtige Rolle bei der motorischen Planung und Durchführung (47). Die Pubertät ist eine kritische Phase der neuronalen Entwicklung und neigt dazu, von den Umweltfaktoren beeinflusst zu werden. Frühere Studien haben gezeigt, dass der Alkohol- und Drogenkonsum die GMV im sich entwickelnden Gehirn von Jugendlichen verändern kann (48). Eine Studie zeigte, dass der längere Einsatz von Methamphetamin mit der Reduktion der GMV-Werte im PreCG verbunden war (49). In unserer Studie war der GMV von preCG in der Subgruppe mit hohem IAT-Score niedriger als in der Subgruppe mit niedrigem IAT-Score. Die Berücksichtigung der Vorbeugung und Unterdrückung der Wirkung ist konzeptionell mit dem primären Motorkortex verbunden (50) könnte der verringerte GMV von PreCG mit der IGD-Tendenz zusammenhängen. Das postCG besteht aus dem primären sensorischen Kortex und ist an der Integration sensorischer Informationen beteiligt (24). Die negative Korrelation zwischen dem GMV der postCG und dem IAT-Score bedeutet den niedrigeren GMV dieser Region bei Personen mit höherem IAT-Score. Bei Jugendlichen mit IGD wurde eine abnormale Funktionskonnektivität des postCG festgestellt (51). Die verringerte GMV und die kortikale Dicke der postCG zeigten sich auch bei Heroinkonsumenten (52) und Jugendliche mit Online-Spielsucht (53). Die beeinträchtigte postCG kann zu Anomalien beim Empfang, der Verarbeitung und Integration körperrelevanter Signale führen und das laufende Verhalten im Zusammenhang mit Erregung, Aufmerksamkeit, Stress, Belohnung und Konditionierung nicht lenken und schließlich mit der Sucht zusammenhängen (54). In dieser Studie wurden auch negative strukturelle Korrelationen zum IAT-Score im linken pMCC gefunden. Das pMCC weist eine umfassende funktionelle Konnektivität mit Hirnregionen auf, die am sensomotorischen Netzwerk beteiligt sind (55, 56) und spielt eine wichtige Rolle bei der Verarbeitung der Sensormotorintegration und der Motorsteuerung (57). Die sensomotorischen Bereiche steuern nicht nur die grundlegenden Aspekte der Bewegung, sondern können auch das menschliche Verhalten beeinflussen (58). Die funktionalen Eigenschaften eines sensomotorischen Netzwerks können für automatisierte / zwanghafte Verhaltensweisen in der Sucht relevant sein (59). Bei Personen mit Kokainsucht wurden auch sensorimotorische Cortex-Beeinträchtigungen berichtet (60, 61) und Alkoholeinnahme (62). Zusammengenommen könnte die Verringerung der GMVs innerhalb der preCG, postCG und des pMCC mit den Abnormalitäten des sensomotorischen Netzwerks zusammenhängen und weiter mit der IGD-Tendenz zusammenhängen.
In der vorliegenden Studie verschwanden die negativen Korrelationen zwischen dem IAT-Score und den GMVs des rechten preCG / postCG, des linken IPL und des rechten Precuneus, nachdem die Auswirkungen auf die Gesamtzeit des Online-Spiels kontrolliert wurden. Das preCG / postCG war am sensomotorischen Prozess beteiligt (63); das IPL und der rechte Precuneus standen in engem Zusammenhang mit der visuellen und vorsätzlichen Verarbeitung (64-66). Beim Spielvorgang müssen die Spieler lange Zeit der winzigen Veränderung des Bildschirms die volle Aufmerksamkeit schenken und dann ihre Sehfähigkeit beeinträchtigen (65), die möglicherweise einen Bezug zur GMV-Reduktion in den visuellen Aufmerksamkeitsbereichen haben. Frühere Studien haben gezeigt, dass der GMV des Precuneus (8) und verringerte kortikale Dicke des IPL (53) bei Personen mit Online-Spielsucht. Unsere Ergebnisse zeigten, dass die GMV-Reduktion in einigen Hirnregionen, die mit der visuellen Aufmerksamkeit und dem Sensomotorik-Prozess in Zusammenhang steht, durch die Gesamtzeit des Online-Spiels beeinflusst wurde, nämlich einen kumulativen Effekt auf das Online-Spiel hatte.
In unserer Studie sind einige Einschränkungen zu beachten. Erstens, obwohl einige Korrelationen zwischen dem GMV und dem IAT-Score des Gehirns aufgedeckt wurden, kann die Kausalität in dieser Korrelationsanalyse nicht geklärt werden. Die beobachtete niedrigere GMV bei Jugendlichen mit einem höheren IAT-Wert kann auf ein übermäßiges Spielen von Online-Spielen oder auf eine vorbestehende Erkrankung zurückzuführen sein, die IGD-empfindlich ist. Zweitens handelt es sich bei der IAT um einen subjektiven Fragebogen, und es sind objektivere Methoden zur Bewertung der Tendenz zur IGD erforderlich. Drittens war die Gesamtzeit für das Spielen von Online-Spielen nur eine wahrscheinliche Maßnahme und ist möglicherweise nicht genau genug. Viertens konnten wir die Auswirkungen des Spielgenres auf die Ergebnisse nicht ausschließen, was in der zukünftigen Studie berücksichtigt werden sollte. Schließlich wurden in unserer Studie nur männliche Jugendliche rekrutiert. Daher sind die vorliegenden Ergebnisse auf männliche jugendliche Spieler von Online-Spielen beschränkt.
Zusammenfassung
In dieser Studie wurde der strukturelle Zusammenhang mit der IGD-Tendenz in einer Gruppe jugendlicher Spieler von Online-Spielen untersucht. Es wurde festgestellt, dass die GMV von Hirnregionen, die sich auf den Sensomotorikprozess und die kognitive Kontrolle beziehen, mit dem IAT-Score in Zusammenhang stehen. Der niedrigere GMV der Regionen, die sich auf sensomotorische Prozesse und kognitive Kontrolle beziehen, könnte auf die hohe Tendenz zur IGD zurückzuführen sein, was zu neuen Zielen für die Prävention und Behandlung der IGD bei Jugendlichen führen könnte.
Ethik-Erklärung
Die vorliegende Studie wurde von der Ethikkommission des Allgemeinen Krankenhauses der Tianjin Medical University genehmigt, und alle Teilnehmer und ihre Vormünder gaben eine schriftliche Einwilligung nach institutionellen Richtlinien.
Autorenbeiträge
NP, YY, XL und QZ entwickelten die Forschung. Forschungen wurden von XQ, XD, GD, YZ und QZ durchgeführt. YY war an der klinischen Beurteilung beteiligt. NP, YZ, GD und QZ analysierten Daten. NP, YZ, XL, YY und QZ schrieben die Zeitung.
Interessenkonflikt
Die Autoren erklären, dass die Untersuchung in Abwesenheit von kommerziellen oder finanziellen Beziehungen durchgeführt wurde, die als möglicher Interessenkonflikt ausgelegt werden könnten.
Fußnoten
Bibliographie
1. Block JJ. Probleme für DSM-V: Internetsucht. Am J Psychiatry (2008) 165(3):306–7. doi:10.1176/appi.ajp.2007.07101556
2. Li Y, Zhang X, Lu F, Zhang Q, Wang Y. Internetsucht bei Grund- und Mittelschülern in China: eine national repräsentative Stichprobe. Cyberpsychol Behav Soc Netw (2014) 17(2):111–6. doi:10.1089/cyber.2012.0482
3. Hayakawa YK, Sasaki H., Takao H., Mori H., Hayashi N., Kunimatsu A., et al. Strukturelle Anomalien des Gehirns bei Frauen mit subklinischer Depression, wie durch Voxel-basierte Morphometrie und Diffusionstensor-Imaging gezeigt. J Affect Disord (2013) 144(3):263–8. doi:10.1016/j.jad.2012.10.023
4. Takeuchi H, Taki Y, Sassa Y, Hashizume H, Sekiguchi A, Nagase T, et al. Regionales Volumen der grauen und weißen Substanz in Verbindung mit Stroop-Interferenz: Evidenz durch Voxel-basierte Morphometrie. Neuroimage (2012) 59(3):2899–907. doi:10.1016/j.neuroimage.2011.09.064
5. Liu F, Guo W, Yu D, Gao Q, Gao K, Xue Z et al. Klassifizierung verschiedener therapeutischer Reaktionen einer Major Depression mit multivariater Musteranalyse auf der Grundlage struktureller MR-Scans. PLoS One (2012) 7(7):e40968. doi:10.1371/journal.pone.0040968
6. Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X. et al. Mikrostrukturanomalien bei Jugendlichen mit Internet-Suchtstörung. PLoS One (2011) 6(6):e20708. doi:10.1371/journal.pone.0020708
7. Weng CB, Qian RB, Fu XM, Lin B., Han XP, Niu CS, et al. Anomalien der grauen Substanz und der weißen Substanz in der Spielsucht von Online-Spielen. Eur J Radiol (2013) 82(8):1308–12. doi:10.1016/j.ejrad.2013.01.031
8. Sun Y, Sun J, Zhou Y, Ding W, Chen X, Zhuang Z et al. Beurteilung von In-vivo-Mikrostrukturveränderungen in der grauen Substanz mit DKI in der Spielsucht im Internet. Behav Gehirnfunkt (2014) 10:37. doi:10.1186/1744-9081-10-37
9. Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. Veränderte Dichte der grauen Substanz und gestörte funktionale Konnektivität der Amygdala bei Erwachsenen mit einer Internet-Spielstörung. Prog Neuropsychopharmacol Biol Psychiatrie (2015) 57:185–92. doi:10.1016/j.pnpbp.2014.11.003
10. Lin X, Dong G, Wang Q, Du X. Ungewöhnliche Mengen an grauer Substanz und weißer Substanz bei Internet-Spielsüchtigen. Süchtigkeitsverhalten (2015) 40:137–43. doi:10.1016/j.addbeh.2014.09.010
11. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR et al. Graue Substanz Abnormalitäten in der Internetsucht: eine Voxel-basierte Morphometrie-Studie. Eur J Radiol (2011) 79(1):92–5. doi:10.1016/j.ejrad.2009.10.025
12. Kuhn S., Gleich T., Lorenz RC, Lindenberger U, Gallinat J. Das Spielen von Super Mario induziert strukturelle Plastizität des Gehirns: graue Substanz verändert sich durch das Training mit einem kommerziellen Videospiel. Mol Psychiatrie (2014) 19(2):265–71. doi:10.1038/mp.2013.120
13. Przybylski AK, Weinstein N, Murayama K. Internet-Gaming-Störung: Untersuchung der klinischen Relevanz eines neuen Phänomens. Am J Psychiatry (2017) 174(3):230–6. doi:10.1176/appi.ajp.2016.16020224
14. Wen T, Hsieh S. Netzwerkbasierte Analyse zeigt funktionale Konnektivität im Zusammenhang mit der Tendenz zur Internetsucht. Vorderhum Neurosci (2016) 10:6. doi:10.3389/fnhum.2016.00006
15. Li W, Li Y, Yang W, Zhang Q, Wei D., Li W, et al. Gehirnstrukturen und funktionale Konnektivität, die mit individuellen Unterschieden in der Internet-Tendenz bei gesunden jungen Erwachsenen verbunden sind. Neuropsychologia (2015) 70:134–44. doi:10.1016/j.neuropsychologia.2015.02.019
16. Kuhn S, Gallinat J. Brains online: Strukturelle und funktionale Korrelate der gewohnheitsmäßigen Internetnutzung. Süchtiger Biol (2015) 20(2):415–22. doi:10.1111/adb.12128
17. Cai C, Yuan K, Yin J, Feng D, Bi Y, Li Y et al. Die Striatum-Morphometrie ist mit kognitiven Kontrolldefiziten und dem Schweregrad der Symptome bei einer Internet-Spielstörung verbunden. Gehirn Imaging Behav (2016) 10(1):12–20. doi:10.1007/s11682-015-9358-8
18. Zhou F., Montag C., Sariyska R., Lachmann B., Reuter M., Weber B., et al. Defekte der orbitofrontalen grauen Substanz als Marker für Internet-Gaming-Störungen: konvergierende Beweise aus einem Querschnitt und einem prospektiven Längsschnitt. Süchtiger Biol (2017). doi: 10.1111 / adb.12570
19. Ac-Nikolic E, Zaric D, Niciforovic-Surkovic O. Prävalenz der Internetsucht bei Schülern in Novi Sad. Srp Arh Celok Lek (2015) 143(11–12):719–25. doi:10.2298/SARH1512719A
20. Gonzalvez MT, Espada JP, Orgiles M, Morales A, Sussman S. Nikotinabhängigkeit als Vermittler der Wirkungen von Projekt EX zur Reduzierung des Tabakkonsums bei Wissenschaftlern. Frontpsychol (2016) 7:1207. doi:10.3389/fpsyg.2016.01207
21. Colby SM, Nargiso J, Tevyaw TO, Barnett NP, Metrik J, Lewander W, et al. Verbesserte Motivationsinterviews im Vergleich zu kurzen Ratschlägen für das Rauchen von Jugendlichen: Ergebnisse einer randomisierten klinischen Studie. Süchtigkeitsverhalten (2012) 37(7):817–23. doi:10.1016/j.addbeh.2012.03.011
22. Thanki D, Domingo-Salvany A, Barrio Anta G, Sanchez Manez A, Llorens Aleixandre N, Suelves JM, et al. Die Wahl des Screening-Instruments ist wichtig: Bei problematischem Cannabiskonsum-Screening in der spanischen Bevölkerung von Jugendlichen. ISRN Addict (2013) 2013:723131. doi:10.1155/2013/723131
23. Kuhn S., Romanowski A., Schilling C., Lorenz R., Morsen C., Seiferth N., et al. Die neuronale Basis des Videospiels. Transl Psychiatrie (2011) 1:e53. doi:10.1038/tp.2011.53
24. S. Tanaka, Ikeda H., Kasahara K., Kato R., Tsubomi H., Sugawara SK et al. Größeres Volumen der rechten hinteren Partie bei Action-Videospielexperten: eine Verhaltens- und Voxel-basierte Morphometrie (VBM) -Studie. PLoS One (2013) 8(6):e66998. doi:10.1371/journal.pone.0066998
25. Lee D., Namkoong K., Lee J., Jung YC. Ungewöhnliches Volumen und Impulsivität der grauen Substanz bei jungen Erwachsenen mit Internet-Spielstörung. Süchtiger Biol (2017). doi: 10.1111 / adb.12552
26. Ashby FG, Turner BO, Horvitz JC. Kortikale und Basalganglien tragen zum Gewohnheitslernen und zur Automatisierung bei. Trends Cogn Sci (2010) 14(5):208–15. doi:10.1016/j.tics.2010.02.001
27. Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F. Addiction: Jenseits der Dopamin-Belohnungsschaltung. Proc Natl Acad Sci USA (2011) 108(37):15037–42. doi:10.1073/pnas.1010654108
28. Walter M., Wang Y, Yin Y, Sun YW, Zhou Y, Chen X, et al. Verminderte interhemisphärische funktionelle Konnektivität des präfrontalen Lappens bei Jugendlichen mit Internet-Gaming-Störung: eine primäre Studie, die fMRI im Ruhezustand verwendet. PLoS One (2015) 10(3):e0118733. doi:10.1371/journal.pone.0118733
29. Koob GF, Volkow ND. Neurokreislauf der Sucht. Neuropsychopharmakologie (2009) 35(1):217–38. doi:10.1038/npp.2009.110
30. Yu L, Shek DT. Internetsucht bei Jugendlichen in Hongkong: eine dreijährige Längsschnittstudie. J Pediatr Adolesc Gynecol (2013) 26(3 Suppl):S10–7. doi:10.1016/j.jpag.2013.03.010
31. Junge KS. Im Netz erwischt: Wie erkennt man die Anzeichen einer Internetsucht - und eine Gewinnstrategie für die Genesung. Beurteilung (1998) 21(6):713–22.
32. Ashburner J. Ein schneller Algorithmus zur Registrierung von diffeomorphen Bildern. Neuroimage (2007) 38(1):95–113. doi:10.1016/j.neuroimage.2007.07.007
33. Nichols TE, Holmes AP. Nichtparametrische Permutationstests für funktionelles Neuroimaging: ein Primer mit Beispielen. Hum Gehirn Mapp (2002) 15(1):1–25. doi:10.1002/hbm.1058
34. Smith SM, Nichols TE. Schwellenwertfreie Clusterverbesserung: Behebung von Problemen der Glättung, der Abhängigkeit von Schwellenwerten und der Lokalisierung bei der Clusterinferenz. Neuroimage (2009) 44(1):83–98. doi:10.1016/j.neuroimage.2008.03.061
35. Rd MDA, Cohen JD, Stenger VA, Carter CS. Dissoziation der Rolle des dorsolateralen präfrontalen und anterioren cingulären Cortex bei der kognitiven Kontrolle. Wissenschaft (2000) 288(5472):1835. doi:10.1126/science.288.5472.1835
36. Yuan P, Raz N. Präfrontaler Kortex und exekutive Funktionen bei gesunden Erwachsenen: Eine Meta-Analyse struktureller Neuroimaging-Studien. Neurosci Biobehav Rev (2014) 42(5):180–92. doi:10.1016/j.neubiorev.2014.02.005
37. Wang H, Jin C, Yuan K, Shakir TM, Mao C, Niu X et al. Die Veränderung des Volumens der grauen Substanz und der kognitiven Kontrolle bei Jugendlichen mit Internet-Spielstörungen. Front Behav Neurosci (2015) 9:64. doi:10.3389/fnbeh.2015.00064
38. Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, et al. Hirnaktivierung zur Antworthemmung bei Spielereignissen bei Internet-Spielstörungen. Kaohsiung J Med. Sci (2014) 30(1):43–51. doi:10.1016/j.kjms.2013.08.005
39. Choi J, Cho H, Kim JY, Jung DJ, Ahn KJ, Kang HB, et al. Strukturelle Veränderungen im präfrontalen Kortex vermitteln die Beziehung zwischen Internet-Spielstörungen und depressiver Stimmung. Sci Rep (2017) 7(1):1245. doi:10.1038/s41598-017-01275-5
40. Seok JW, Lee KH, Sohn S, Sohn JH. Neuronale Substrate für riskante Entscheidungen bei Personen mit Internetsucht. Austin NZJ Psychiatrie (2015) 49(10):923–32. doi:10.1177/0004867415598009
41. Park SY, Kim SM, Roh S., Soh MA, Lee SH, Kim H. et al. Die Auswirkungen eines Virtual-Reality-Behandlungsprogramms für Online-Spielsucht. Computermethodenprogramme Biomed (2016) 129:99–108. doi:10.1016/j.cmpb.2016.01.015
42. Bolla K., Ernst M., Kiehl K., Mouratidis M., Eldreth D., Contoreggi C., et al. Präfrontale kortikale Dysfunktion bei abstinenten Kokainmissbrauchern. J Clin Neurosci Neuropsychiatrie (2004) 16(4):456. doi:10.1176/jnp.16.4.456
43. Bolla KI, Eldreth DA, Matochik JA, Cadet JL. Neuronale Substrate für fehlerhafte Entscheidungen bei abstinenten Marihuana-Konsumenten. Neuroimage (2005) 26(2):480–92. doi:10.1016/j.neuroimage.2005.02.012
44. Bolla KI, Eldreth DA, London ED, Kiehl KA, Mouratidis M, Contoreggi C, et al. Orbitofrontale Kortexdysfunktion bei abstinenten Kokainmissbrauchern bei der Entscheidungsfindung. Neuroimage (2003) 19(3):1085. doi:10.1016/S1053-8119(03)00113-7
45. Ge X, Sun Y, Han X, Wang Y, Ding W., Cao M., et al. Unterschiedliche funktionelle Konnektivität des dorsolateralen präfrontalen Kortex zwischen Rauchern mit Nikotinabhängigkeit und Personen mit Internet-Spielstörung. BMC Neurosci (2017) 18(1):54. doi:10.1186/s12868-017-0375-y
46. Han JW, Han DH, Bolo N., Kim B., Kim BN, Renshaw PF. Unterschiede in der funktionalen Konnektivität zwischen Alkoholabhängigkeit und Internet-Gaming-Störung. Süchtigkeitsverhalten (2015) 41:12–9. doi:10.1016/j.addbeh.2014.09.006
47. Nock NL, Dimitropolous A, Tkach J, Frasure H, von Gruenigen V. Reduktion der neuronalen Aktivierung auf kalorienreiche Essensreize bei übergewichtigen Endometriumkarzinom-Überlebenden nach einer Verhaltensintervention: eine Pilotstudie. BMC Neurosci (2012) 13:74. doi:10.1186/1471-2202-13-74
48. Squeglia LM, Gray KM. Alkohol- und Drogenkonsum und das sich entwickelnde Gehirn. Curr Psychiatrie Rep (2016) 18(5):46. doi:10.1007/s11920-016-0689-y
49. Hall MG, Alhassoon OM, Stern MJ, Wollman SC, CL Kimmel, Perez-Figueroa A, et al. Graue Substanz Abnormalitäten bei Kokain im Vergleich zu Methamphetamin-abhängigen Patienten: eine Metaanalyse mit Neuroimaging. Am J Drogen Alkoholmissbrauch (2015) 41(4):290–9. doi:10.3109/00952990.2015.1044607
50. Stinear CM, Coxon JP, Byblow WD. Primärer motorischer Kortex und Bewegungsverhinderung: Wo sich Stop trifft, gehen Sie hin. Neurosci Biobehav Rev (2009) 33(5):662–73. doi:10.1016/j.neubiorev.2008.08.013
51. Zhang JT, Yao YW, Li CS, Zang YF, Shen ZJ, Liu L, et al. Veränderte funktionale Verbindungsfähigkeit der Insula im Ruhezustand bei jungen Erwachsenen mit Internet-Spielstörung. Süchtiger Biol (2016) 21(3):743–51. doi:10.1111/adb.12247
52. Gardini S, Venneri A. Reduzierte graue Substanz in der hinteren Insula als strukturelle Anfälligkeit oder Diathese zur Abhängigkeit. Brain Res Bull (2012) 87(2–3):205–11. doi:10.1016/j.brainresbull.2011.11.021
53. Yuan K, Cheng P., Dong T., Bi Y, Xing L., Yu D., et al. Kortikale Dickenanomalien in der späten Adoleszenz mit Online-Spielsucht. PLoS One (2013) 8(1):e53055. doi:10.1371/journal.pone.0053055
54. Paulus MP, Stewart JL. Interozeption und Drogenabhängigkeit. Neuropharmacology (2014) 76 (Punkt B): 342 – 50. doi: 10.1016 / j.neuropharm.2013.07.002
55. Picard N, Strick PL. Motorische Bereiche der medialen Wand: Überprüfung der Position und der Funktionsaktivierung. Cereb Cortex (1996) 6(3):342–53. doi:10.1093/cercor/6.3.342
56. Yu C, Zhou Y, Liu Y, Jiang T, Dong H., Zhang Y, et al. Die funktionelle Segregation des humanen cingulären Kortex wird durch neuroanatomische Parzellierung auf Basis der funktionellen Konnektivität bestätigt. Neuroimage (2011) 54(4):2571–81. doi:10.1016/j.neuroimage.2010.11.018
57. Wang D, Zhou Y, Zhuo C., Qin W., Zhu J., Liu H., et al. Veränderte funktionelle Konnektivität der kingulierten Subregionen bei Schizophrenie. Transl Psychiatrie (2015) 5:e575. doi:10.1038/tp.2015.69
58. Casartelli L, Chiamulera C. Der motorische Weg: klinische Implikationen des Verstehens und Gestaltens von Aktionen mit dem motorischen System bei Autismus und Drogensucht. Cogn Affect Behav Neurosci (2016) 16(2):191–206. doi:10.3758/s13415-015-0399-7
59. Gremel CM, Lovinger DM. Assoziative und sensomotorische Cortico-Basalganglien spielen eine Rolle bei der Wirkung von Drogenmissbrauch. Gene Gehirn Behav (2017) 16(1):71–85. doi:10.1111/gbb.12309
60. Porrino LJ, Lyons D., Smith HR, Daunais JB, Nader MA. Die Kokainselbstverwaltung führt zu einer progressiven Beteiligung von limbischen, assoziativen und sensomotorischen striatalen Domänen. J Neurosci (2004) 24(14):3554–62. doi:10.1523/JNEUROSCI.5578-03.2004
61. Hanlon CA, Wesley MJ, Roth AJ, MD Miller, Porrino LJ. Lateralitätsverlust bei chronischen Kokainkonsumenten: eine fMRI-Untersuchung der Sensomotorik. Psychiatry Res (2010) 181(1):15–23. doi:10.1016/j.pscychresns.2009.07.009
62. Nikolaou K, Critchley H, Duka T. Alkohol beeinflusst neuronale Substrate der Antworthemmung, nicht aber der Wahrnehmungsverarbeitung von Reizen, die eine Stoppantwort signalisieren. PLoS One (2013) 8(9):e76649. doi:10.1371/journal.pone.0076649
63. White LE, Andrews TJ, Hulette C, Richards A, M Groelle, Paydarfar J, et al. Struktur des menschlichen sensomotorischen Systems. I: Morphologie und Cytoarchitektur des zentralen Sulcus. Cereb Cortex (1997) 7(1):18–30. doi:10.1093/cercor/7.1.18
64. Cavanna AE, Trimble MR. Der Precuneus: eine Überprüfung seiner funktionalen Anatomie und Verhaltenskorrelate. Gehirn (2006) 129(Pt 3):564–83. doi:10.1093/brain/awl004
65. Feng Q, Chen X, Sun J, Zhou Y, Sun Y, Ding W, et al. Voxel-Vergleich von arterieller spinmarkierter Perfusions-Magnetresonanztomographie bei Jugendlichen mit Spielsucht im Internet. Behav Gehirnfunkt (2013) 9(1):33. doi:10.1186/1744-9081-9-33
66. Aufgrund DL, Hüttel SA, Halle WG, Rubin DC. Aktivierung in mesolimbischen und visuospatialen neuronalen Schaltkreisen, die durch Rauchen hervorgerufen werden: Belege aus der funktionellen Magnetresonanztomographie. Am J Psychiatry (2002) 159(6):954–60. doi:10.1176/appi.ajp.159.6.954
;
