Verringerte Modulation durch das Risikoniveau bei der Gehirnaktivierung während der Entscheidungsfindung bei Jugendlichen mit Internet-Spielstörung (2015)

Front Behav Neurosci. 2015; 9: 296.

Veröffentlicht online 2015 Nov 3. doi:  10.3389 / fnbeh.2015.00296

PMCID: PMC4630310

 

Abstrakt

Größere Impulse und Risikobereitschaft sowie verminderte Entscheidungsfähigkeit wurden als die wichtigsten Verhaltensauffälligkeiten bei Personen mit einer Internet-Spielstörung (IGD) bezeichnet, die weltweit zu einem ernsthaften Problem der psychischen Gesundheit geworden ist. Es ist jedoch noch nicht klar, wie das Risiko die Gehirnaktivität während des Entscheidungsprozesses bei IGD-Patienten moduliert. In dieser Studie wurden 23 - Jugendliche mit IGD - und 24 - gesunden Kontrollen (HCs) ohne IGD rekrutiert, und die Ballonanalog - Risikoaufgabe (BART) wurde in einem funktionellen Magnetresonanztomografie - Experiment zur Bewertung der Modulation des Risikoniveaus (die Wahrscheinlichkeit von Ballonexplosion) auf die Hirnaktivität bei riskanten Entscheidungen bei IGD-Jugendlichen. Eine reduzierte Modulation des Risikoniveaus bei der Aktivierung des rechten dorsolateralen präfrontalen Kortex (DLPFC) während der aktiven BART wurde in der IGD-Gruppe im Vergleich zu den HCs gefunden. In der IGD-Gruppe gab es eine signifikante negative Korrelation zwischen der risikobezogenen DLPFC-Aktivierung während der aktiven BART und der Barratt-Impulsivitätsskala (BIS-11), die in der IGD-Gruppe im Vergleich zu den HCs signifikant höher war. Unsere Studie zeigte, dass die richtige DLPFC als kritische entscheidungsrelevante Hirnregion bei IGD-Jugendlichen gegenüber Risikofaktoren weniger risikoempfindlich ist, was zu einer höheren Impulsivität bei IGD-Jugendlichen beitragen kann.

Stichwort: Internet Gaming Disorder, BART, dorsaler lateraler präfrontaler Kortex, fMRI, riskante Entscheidungsfindung

Einleitung

Internet Gaming Disorder ist in der ganzen Welt, vor allem in Asien (; ) und hat negative Auswirkungen auf verschiedene verhaltensbezogene und psychosoziale Aspekte (). Verhaltensforschung legte nahe, dass eine verminderte risikoreiche Entscheidungsfähigkeit eine der wichtigsten Verhaltensbeeinträchtigungen bei IGD-Personen ist (; ). Zum Beispiel fanden die Forscher heraus, dass IGD-Individuen in der Game of Dice-Aufgabe mehr nachteilige Entscheidungen trafen als HC, und dass solche Beeinträchtigungen teilweise das Ergebnis der Nicht-Verwendung von Feedback sein können (; ). Darüber hinaus zeigten Studien, dass IGD-Probanden eine verminderte Berücksichtigung von erfahrungsbezogenen Ergebnissen bei zukünftigen Entscheidungen zeigen (). Riskante Entscheidungsfindung ist eine kognitive Funktion auf hoher Ebene und ist essentiell für das Überleben der Menschen in einer unsicheren Umgebung (). Risikoaversion ist ein wesentlicher Teil des Entscheidungsprozesses in einer normalen Bevölkerung (). IGD-Individuen neigen jedoch dazu, nachteilige riskante Entscheidungen zu treffen und auf widrigere Situationen zu treffen (), was zu negativen Auswirkungen auf IGD-Personen und die Gesellschaft führen kann. Daher ist es wichtig, die neuronalen Mechanismen zu untersuchen, die den veränderten riskanten Entscheidungen bei IGD-Patienten zugrunde liegen.

Die neuronalen Schaltkreise, die mit riskanten Entscheidungen verbunden sind, wurden bei gesunden Probanden wild untersucht, und ein verteiltes subkortikal-kortikales Netzwerk, das hauptsächlich aus präfrontalen, parietalen, limbischen und subkortikalen Regionen besteht, war an riskanten Entscheidungen beteiligt (; ; ; ; ), und die Aktivierungsebenen des Gehirns in diesen Regionen wurden mit der Risikostufe assoziiert (; ; ; ; ). Allerdings konzentrierten sich nur wenige Neuroimaging-Studien auf die Wirkung von IGD auf die neuralen Substrate für riskante Entscheidungen. Eine fMRI Studie von festgestellt, dass Personen mit Internet-Sucht-Störung mehr Gehirn Ressourcen benötigt, um die Entscheidungsfindung Aufgabe zu vervollständigen und ignoriert das Feedback der früheren Ergebnisse, die ein wesentliches Merkmal der riskanten Entscheidungsfindung in HCs ist. Eine Studie von zeigten, dass die Aktivierungswerte des linken inferioren frontalen Gyrus und des linken präzentralen Gyrus bei IGD-Individuen bei Durchführung einer Wahrscheinlichkeitsrabatt-Aufgabe abnahmen, was eine gestörte Risikobewertung bei IGD-Individuen nahelegte. Obwohl diese Studien nahelegen, dass IGD bei riskanten Entscheidungsprozessen mit abnormaler Hirnaktivität assoziiert ist, ist bei IGD-Individuen noch immer unklar, wie das Risikoniveau die Gehirnaktivierung während der Entscheidungsfindung moduliert. Nach unserer Kenntnis konzentrierte sich bisher keine Studie auf die Kovarianz zwischen Gehirnaktivierung und den Risikoniveaus während des Entscheidungsprozesses bei IGD-Personen, was das aktuelle Verständnis der Mechanismen verbessern könnte, die Entscheidungsdefiziten bei IGD-Individuen zugrunde liegen.

In dieser Studie wurden 23-IGD-Jugendliche und 24-HCs eingeschlossen und fMRT-Daten wurden erhalten, während die Teilnehmer die BART () zu evaluieren, wie das Risikoniveau die Gehirnaktivierung während der Entscheidungsprozesse bei IGD-Jugendlichen im Vergleich zu den HC moduliert. Die BART, bei der die Teilnehmer virtuelle Ballons aufblasen, die entweder größer werden oder explodieren können, liefert ein ökologisch valides Modell zur Beurteilung der Risikobereitschaft und des Verhaltens von Menschen und bietet den Teilnehmern eine Auswahl bei der Bestimmung des Risikoniveaus für jeden Ballon; Je größer der Ballon aufgeblasen wurde, desto größer ist das Risiko, das die Teilnehmer eingehen. Im Gegensatz zu anderen Risikoaufgaben war das Risiko in der BART direkter und ökologischer definiert als die Wahrscheinlichkeit einer Explosion für jeden Ballon; Somit ist das BART adaptiv hinsichtlich der Bewertung der Modulation des Risikoniveaus bei der Gehirnaktivierung während des Entscheidungsprozesses. Das BART wurde erfolgreich bei gesunden Probanden eingesetzt, und es wurde gezeigt, dass mehrere Hirnregionen mit dem Risiko in Verbindung stehen, einschließlich DLPFC, ventromedialer präfrontaler Kortex, ACC / medialer frontaler Kortex, Striatum und Insula (; ; ; ). Das BART wurde auch in Suchtstudien verwendet, und die abnormale Aktivierung des Gehirns wurde im DLPFC und Striatum von methamphetaminabhängigen Personen nachgewiesen () und im präfrontalen Kortex und ACC alkoholabhängiger Individuen (; ). Als besondere Verhaltenssucht (; ), Kann IGD auch die Aktivität in den risikobezogenen Hirnregionen beeinflussen. Daher haben wir in dieser Studie mittels fMRI mit BART untersucht, ob die Modulation des Risikoniveaus auf die Gehirnaktivierung während des Entscheidungsprozesses bei IGD-Jugendlichen im Vergleich zu HCs verändert ist. Diese Studie wird zum Verständnis der neuronalen Mechanismen des risikofreudigen und impulsiven Verhaltens von IGD-Jugendlichen beitragen.

Materialen und Methoden

Teilnehmerauswahl

Weil die diagnostischen Standards für IGD noch nicht eindeutig sind (; ) wurden in dieser Studie relativ strenge Einschlusskriterien ausgewählt. Erstens, die YDQ für Internet-Sucht () wurde verwendet, um das Vorhandensein einer Internetabhängigkeit festzustellen. YDQ bestand aus acht "Ja" oder "Nein" Fragen bezüglich der Internetnutzung. Teilnehmer, die fünf oder mehr "Ja" Antworten gaben, wurden mit einer Internet-Sucht-Störung diagnostiziert (). Ein Ergebnis von 50 oder höher auf IAT () wurde als zweites Einschlusskriterium verwendet. Darüber hinaus wurden nur IGD-Jugendliche rekrutiert, die angaben, durchschnittlich vier oder mehr Stunden pro Tag mit Internetspielen zu verbringen (> 80% der gesamten Online-Zeit). Nach diesen Einschlusskriterien wurden in dieser Studie 26 rechtshändige männliche IGD-Jugendliche rekrutiert. Aufgrund der relativ geringen Anzahl von Frauen mit Internet-Spielerfahrung wurden nur die männlichen Probanden untersucht. 2 männliche Teilnehmer wurden als HCs rekrutiert. HCs wurden als Probanden definiert, die die Kriterien für eine YDQ-Diagnose nicht erfüllten, weniger als 50 Stunden pro Tag im Internet verbrachten und deren IAT-Wert weniger als 11 betrug. Alle Teilnehmer waren medikamentenfrei und berichteten über keinen Drogenmissbrauch in der Vorgeschichte oder Kopfverletzungen. Die Impulsivität wurde für alle Teilnehmer mit dem BIS-XNUMX bewertet (). Der IQ aller Teilnehmer wurde mit SPM getestet. Die Daten von drei 26 IGD Adoleszenten und einer von 25 HC wurden aufgrund der offensichtlichen Kopfbewegung während des fMRT-Experiments aus dieser Studie verworfen (maximale Verlagerung in alle Himmelsrichtungen ist mehr als 2 mm und / oder maximaler Spin ist mehr als 2 °) . Die Daten für die verbleibenden 23 IGD Adoleszenten und 24 HCs wurden für weitere Analysen verwendet. Alter, Bildung und IQ waren gut zwischen den beiden Gruppen abgestimmt, und die BIS-Scores und IAT-Scores waren signifikant höher in der IGD-Gruppe als in HCs (Tisch Tabelle11).

Tabelle 1 

Demographische und klinische Merkmale der Probanden (Mittelwert ± SD).

Diese Studie wurde vom Ethikkomitee des Allgemeinen Krankenhauses der Medizinischen Universität Tianjin genehmigt, und von jedem Fach wurde eine schriftliche Einverständniserklärung eingeholt.

Aufgabe und Vorgehensweise

In der vorliegenden Studie haben wir die fMRI-adaptierte Version des von BART verwendeten BART angepasst . Kurz, den Teilnehmern wurde ein virtueller Ballon präsentiert und sie wurden gebeten, einen von zwei Knöpfen zu drücken, um entweder den Ballon aufzublasen (pumpen) oder auszahlen zu lassen. Die größeren Ballons waren mit größeren Belohnungen und einem größeren Explosionsrisiko verbunden. Die Teilnehmer können jederzeit aufhören, den Ballon aufzublasen, um die Wette zu gewinnen oder die Inflation fortzusetzen, bis der Ballon explodiert. In diesem Fall verlieren sie die Wette. Die maximale Anzahl von Pumpen, die Teilnehmer für jeden Ballon verwenden konnten, war 12. Ein Kontrollsignal (die Farbe eines kleinen Kreises änderte sich von rot nach grün) wurde verwendet, um die Teilnehmer anzuweisen, mit der Inflation zu beginnen. Nachdem die Teilnehmer erfolgreich einen Knopf gedrückt und den Ballon gepumpt hatten, wurde der kleine Kreis sofort in einem zufälligen Intervall zwischen 1.5 und 2.5 s rot. Der Hinweis wurde dann wieder grün, um die nächste Inflationsperiode anzuzeigen. Nach dem Ende jedes Ballonversuchs gab es vor dem nächsten Ballonversuch auch ein variierendes 2-4-Intervall. Das Gewinn- oder Verlustbild wurde für 1.5 s präsentiert. Das Bild des explodierten Ballons wurde für 20 ms vorgestellt. Das Risiko einer Ballonexplosion (die Wahrscheinlichkeit einer Ballonexplosion) wurde als "Risikoniveau" definiert. Die Kovarianz zwischen dem Risikoniveau und der Aktivierung der Hirnregionen wurde als "Modulation" definiert.

Wir haben zwei Modi von BART in unserer Studie verwendet: aktive Wahl und passive No-Choice-Modi. Im aktiven Wahlmodus konnten die Teilnehmer das Risikoniveau bestimmen und beschlossen, entweder den Ballon aufzublasen oder auszuzahlen. Im passiven No-Choice-Modus füllten die Teilnehmer den Ballon jedoch nur kontinuierlich auf, während der Computer den Endpunkt sowie den Gewinn oder Verlust für jeden Ballon festlegte. Die Anzahl der Ballons, die Teilnehmer während des Scans absolvierten, war nicht im Voraus festgelegt, sondern abhängig von der Reaktionsgeschwindigkeit im aktiven oder passiven Modus. Der einzige Unterschied zwischen den beiden Modi ist die Option im aktiven Modus, die Inflation einzustellen und den Einsatz zu gewinnen. Die Gehirnaktivierungspegel des aktiven Wahlmodus im Vergleich zu dem passiven Nicht-Wahlmodus (aktiv-passiv) reflektieren die neurale Basis des Entscheidungsprozesses. Nach dem Experiment erhielten die Teilnehmer den äquivalenten Geldbetrag, der während des Experiments im aktiven Modus verdient wurde.

Datenerfassung

Die funktionelle MRI wurde auf einem Siemens 3.0T-Scanner (Magnetom Verio, Siemens, Erlangen, Deutschland) unter Verwendung einer Gradienten-abgerufenen Echo-Planar-Bildgebungssequenz mit den folgenden Parametern durchgeführt: Wiederholungszeit (TR) = 2000 ms, Echozeit (TE) = 30 ms, Sichtfeld = 220 mm × 220 mm, Matrix = 64 × 64, Schichtdicke = 4 mm und Schichtabstand = 1 mm. Die Aufgaben-Reize wurden auf einen Bildschirm vor der Magnetbohrung projiziert und die Teilnehmer sahen die Reize durch einen Spiegel an der Kopfspule. Die Teilnehmer antworteten auf die Aufgabe durch Drücken der Schaltfläche auf der fMRI-kompatiblen Antwortbox. Das formale Experiment wurde durchgeführt, nachdem die Teilnehmer die Aufgaben gelernt und geübt hatten. Alle Teilnehmer absolvierten zwei 10 min-Funktionsläufe, einen für jeden Aufgabenmodus. Die Scan-Reihenfolge der beiden Aufgaben wurde über die Teilnehmer innerhalb jeder Gruppe ausgeglichen.

Verhaltensanalyse

Im fMRI-Experiment umfassten die Verhaltensvariablen des BART die Versuchsnummer, die Gesamt- und Durchschnittsanzahl der Pumpen, die Anzahl der Gewinne und Verluste, die angepasste Anzahl der Pumpen (definiert als die durchschnittliche Anzahl der Pumpen ohne die explodierten Ballons), die Belohnung Sammelrate (die Anzahl der Gewinnversuche dividiert durch die Anzahl der gesamten Versuche) und die durchschnittliche RT für alle Pumpen. Nur Verhaltensdaten während des aktiven Modus wurden analysiert, da die Teilnehmer gezwungen waren, das Ergebnis, das durch den Computer bestimmt wurde, für jeden Ballon während des passiven Modus zu akzeptieren. Eine Zwei-Probe t-Test wurde verwendet, um den Unterschied in den Verhaltensdaten während des aktiven Modus zwischen den IGD-Individuen und den HCs zu vergleichen. Statistische Analysen wurden mit SPSS 21.0 durchgeführt, und das Signifikanzniveau wurde auf P <0.05.

Funktionelle MRI-Datenvorverarbeitung

Die funktionelle MRT-Datenvorverarbeitung wurde mit SPM8 (http://www.fil.ion.ucl.ac.uk/spm/software/spm8). Für jeden Teilnehmer wurden die Funktionsbilder hinsichtlich der Akquisitionszeitverzögerung zwischen den verschiedenen Schichten und korrigierten geometrischen Verschiebungen entsprechend der geschätzten Kopfbewegung korrigiert. Die Bilder wurden dann mit dem ersten Band neu ausgerichtet. Basierend auf den Bewegungskorrekturschätzungen wurden Teilnehmer, die eine maximale Verschiebung in irgendeiner der x-, y- oder z-Richtungen, die größer als 2-mm oder mehr als 2 ° der Winkeldrehung (x, y oder z) waren, von dieser Studie ausgeschlossen . Nach diesem Schritt wurden alle neu ausgerichteten Bilder räumlich auf die MNI-EPI-Schablone normiert, erneut auf 3 × 3 × 3 mm abgetastet und anschließend mit 6 × mm FWHM geglättet.

Statistische Analyse

Der GLM wurde für die Voxel-basierte individuelle Datenanalyse verwendet. Die BOLD-Zeitreihendaten wurden unter Verwendung einer Standard-HRF mit einer zeitlichen Ableitung modelliert. Die Kopfbewegungsparameter jedes Subjekts wurden als Kovariaten ohne Interesse modelliert. Ein Hochpassfilter mit einem Cut-Off bei 128 s wurde verwendet, um Niederfrequenzschwankungen zu entfernen.

Der GLM umfasste drei Arten von Ereignissen, die aus einem Knopfdruck resultierten: eine Inflation des Ballons, ein Gewinn oder ein Verlust. Somit enthielt der GLM für eine aktive oder eine passive Aufgabe drei Regressoren, die jeweils drei Arten von Ereignissen repräsentieren. Das mit jeder Inflation verbundene Risikoniveau (dh die Wahrscheinlichkeit einer Explosion, orthogonalisiert durch eine mittlere zentrale Korrektur) wurde ebenfalls in das Modell als eine lineare parametrische Modulation des Ballon-Inflationsregressors eingegeben. Für jeden Probanden wurde der risikobezogene Kontrast in aktiven und passiven Aufgaben definiert, um die mit der Risikostufe einhergehenden Hirnaktivierungen zu untersuchen.

Die Random-Effekt-Analysen der zweiten Ebene wurden unter Verwendung eines 2 (Gruppe: IGD und HCs) × 2 (Wahlmodus: aktive und passive) ANOVA zu den risikobezogenen Kontrasten mit vollständig faktoriellem in SPM8 und den risikobezogenen Kontrasten in der aktive und passive Modi innerhalb desselben Teilnehmers wurden als wiederholte Maßnahmen verarbeitet. Hauptziel dieser Studie war es, den Unterschied zwischen den Gruppen der risikobezogenen Aktivierung des Gehirns während des Entscheidungsprozesses zu untersuchen, der sich durch die Aktivierung im aktiven Modus im Vergleich zum passiven Modus (aktiv-passiv) widerspiegelt. Daher wurde der interaktive Effekt zwischen der Gruppe und dem Wahlmodus HCs (aktiv-passiv) - IGD (aktiv-passiv) in dieser Studie analysiert. Eine Korrektur für Mehrfachvergleiche wurde unter Verwendung der Monte - Carlo - Simulation durchgeführt, was zu einem korrigierten Schwellenwert von P <0.05 (AlphaSim-Programm, Parameter einschließlich: Einzelvoxel P = 0.005, 1000-Simulationen, Halbwertsbreite = 6 mm, Clusterverbindungsradius r = 5 mm und die Maske der globalen grauen Substanz). Die Hirnregionen mit interaktiven Effekten wurden als ROIs etabliert. Die durchschnittlichen β-Schätzungen innerhalb der ROIs wurden extrahiert und a post hocDer Test wurde durchgeführt.

Die Korrelation zwischen den durchschnittlichen β-Schätzungen innerhalb von ROIs, BIS-Scores und IAT-Scores wurde mit einer Pearson-Korrelationsanalyse in der IGD-Gruppe mit SPSS 21.0 untersucht. Das Signifikanzniveau wurde auf P <0.05.

Die Ergebnisse

Verhaltensresultate

Tisch Tabelle22 zeigt die Verhaltensergebnisse während des fMRI-Experiments. Die Zwei-Probe t-Test ergab, dass die durchschnittliche RT in der IGD-Gruppe kürzer war als in den HCs, während der aktive Modus stattfand (P = 0.03) war die Anzahl der Gesamtpumpen in der IGD-Gruppe signifikant höher (P <0.001). Es gab keinen signifikanten Unterschied in der angepassten Anzahl von Pumpen, der Versuchsnummer, der mittleren Anzahl von Pumpen, der Anzahl von Gewinnen und Verlusten und der Belohnungssammelrate.

Tabelle 2 

Die Verhaltensergebnisse des BART während eines Experiments mit aktiver funktioneller Magnetresonanztomographie (fMRI) (Mean ± SD).

Imaging Ergebnisse

Eine 2 (Gruppe: IGD und HCs) × 2 (Auswahlmodus: aktiv und passiv) ANOVA zu den risikobezogenen Kontrasten zeigte einen signifikanten interaktiven Effekt auf die Aktivierung der richtigen DLPFC (MNI-Koordinate: 24, 54, 12; Voxel: 38; t = 3.78; P <0.05, AlphaSim-Korrektur; Abbildung Abbildung1A1A). Die post hoc-Test ergab, dass die Modulation des Risikopegels bei Aktivierung des rechten DLPFC im aktiven Modus höher war als im passiven Modus bei HCs, jedoch keinen signifikanten Unterschied zwischen dem aktiven und passiven Modus in der IGD-Gruppe zeigte. Im aktiven Modus nahm die Modulation des Risikopegels bei der Aktivierung des rechten DLPFC in der IGD-Gruppe im Vergleich zu den HCs signifikant ab (Abbildung Abbildung1B1B). Darüber hinaus wurde ein signifikanter interaktiver Effekt für die Aktivierung des linken Kleinhirns gefunden (MNI-Koordinate: -9, -78, -21; Voxel: 72; t = 4.13; P <0.05, AlphaSim-Korrektur; Abbildung Abbildung2A2A). Die post hoc-Test ergab, dass der Unterschied in der Modulation des Risikopegels bei der Aktivierung des linken Kleinhirns zwischen den Modi und zwischen den Gruppen ähnliche Merkmale aufwies wie bei der rechten DLPFC (Abbildung Abbildung2B2B).

FIGUR 1 

Der Intergruppenunterschied in der Modulation nach Risikostufe bei der Gehirnaktivierung des rechten dorsolateralen präfrontalen Kortex (DLPFC). (EIN) Die Modulation des rechten DLPFC durch die Risikostufe auf die Hirnaktivierung zeigt den Unterschied zwischen den Gruppen. (B) ...
FIGUR 2 

Der Intergruppenunterschied in der Modulation nach Risikogehalt der Gehirnaktivierung des linken Kleinhirns. (EIN) Die Modulation durch die Risikostufe der Gehirnaktivierung des linken Kleinhirns zeigt den Unterschied zwischen den Gruppen. (B) Die ROI-Analyse zeigt das ...

Die Modulation des Risikopegels bei Aktivierung des rechten DLPFC während des aktiven Modus zeigte eine signifikant negative Korrelation mit den BIS-Gesamtwerten in der IGD-Gruppe (Abbildung Abbildung33). Es gab keine signifikante Korrelation zwischen der Aktivierung der richtigen DLPFC- und IAT-Werte in der IGD-Gruppe. Darüber hinaus wurde keine signifikante Korrelation zwischen den fMRI-Ergebnissen und den Verhaltensdaten während der Entscheidungsfindung gefunden.

FIGUR 3 

Korrelation zwischen den β-Schätzungen innerhalb des ROI der richtigen DLPFC- und Barratt-Impulsivitätsskala (BIS) in der IGD-Gruppe.

Diskussion

Nach unserem Wissen ist dies die erste Studie, in der die Modulation des Risikostufen der Gehirnaktivierung während des Entscheidungsprozesses bei IGD-Jugendlichen unter Verwendung einer BART-fMRI bewertet wurde. In der IGD-Gruppe wurden geringere risikobezogene Aktivierungen des rechten DLPFC während der aktiven Entscheidungsfindung im Vergleich zu den HCs gefunden, was darauf hindeutete, dass die Aktivierung des rechten DLPFC gegenüber dem Risikogehalt in der IGD-Gruppe weniger empfindlich war als in den HCs. Die Risikomodulation bei der Aktivierung der richtigen DLPFC während des aktiven Entscheidungsprozesses war negativ mit dem BIS-Score in der IGD-Gruppe korreliert. Diese Erkenntnisse können zum Verständnis der neuronalen Mechanismen höherer Impulsivität bei Jugendlichen mit IGD beitragen.

Die riskante Entscheidungsfindung beruht wahrscheinlich auf mehreren Gehirnprozessen, die an der Einschätzung von Wert und Risiko, der Kontrolle durch die Führungskräfte und der emotionalen Verarbeitung beteiligt sind (). Das DLPFC ist eine kritische Gehirnregion, die an der Kontrolle durch die Exekutive beteiligt ist (; ), die zielorientiertes, flexibles und effektives Verhalten regelt und Entscheidungsfindung mit expliziten Risiken vermitteln kann (; ). Die veränderte Struktur und Funktion der DLPFC wurde bei IGD-Individuen gezeigt (; ; ), die mit den Ergebnissen der Studien zur Substanzabhängigkeit (; ) und Verhaltensabhängigkeit (). Während der Entscheidungsfindung kann die DLPFC-Aktivität die Integration von Informationen über Risiko und Wert vermitteln (), Perspektiven darstellen, Ergebnisse bewerten und den späteren Nutzen berechnen (). Die IGD-Jugendlichen zeigten normalerweise eine beeinträchtigte exekutive Kontrollfähigkeit (; ); Es ist daher plausibel zu postulieren, dass die verminderte risikobezogene Aktivierung des richtigen DLPFC während riskanter Entscheidungen bei IGD-Jugendlichen die beeinträchtigte exekutive Kontrollfunktion widerspiegelt, die nachteilige Entscheidungen in riskanten Situationen auslöste. In dieser Studie zeigte das rechte, aber nicht das linke DLPFC eine verminderte risikobedingte Aktivierung bei IGD-Jugendlichen im Vergleich zu den HCs. Diese Lateralität der rechten im Gegensatz zur linken DLPFC-Aktivität, die eine riskante Entscheidungsfindung vermittelt, wurde auch in anderen BART-fMRI-Studien berichtet (; ; ; ) und die transkraniellen Gleichstromstimulationsstudien (). Darüber hinaus wurde diese Lateralität der verminderten Aktivierung des rechten DLPFC auch bei drogensüchtigen Personen gefunden, als sie eine Reihe riskanter Entscheidungsaufgaben ausübten (; ; ). Zusammengenommen deuteten diese Ergebnisse darauf hin, dass die richtige DLPFC-Region eine Schlüsselregion für riskante Entscheidungen war, und der mögliche neuronale Mechanismus, der der Änderung der DLPFC-Aktivierung bei IGD-Jugendlichen zugrunde liegt, kann ähnlich sein wie bei Personen mit Drogenmissbrauch.

Vor kurzem wurde die IGD als Verhaltensabhängigkeit oder Impulskontrollstörung (; ) und kann mit einer Beeinträchtigung der Hemmungsfunktion (; ), was dem in der anderen Verhaltenssucht () wie pathologisches Glücksspiel (; ). Eine Überprüfung ergab, dass die impulsive Hemmung Teil der Entscheidungsfindung ist (), und die Forschung hat erfolgreich gezeigt, dass die DLPFC eine wichtige Rolle im Prozess der Impulshemmung spielt (; ; ,; ). In der aktuellen Studie implizierten die höheren BIS-11-Scores bei IGD-Patienten im Vergleich zu den HCs eine höhere Impulsivität bei IGD-Jugendlichen, was mit den Ergebnissen anderer Studien zur impulsiven Kontrolle bei IGD-Patienten übereinstimmte (; ; ). Daher kann die verminderte Modulation des Risikoniveaus bei der Aktivierung der richtigen DLPFC bei IGD-Jugendlichen in unserer Studie mit impulsiven Inhibitionsbeeinträchtigungen einhergehen. Darüber hinaus wurde eine signifikante negative Korrelation zwischen der verringerten Modulation des Risikoniveaus bei der Aktivierung des richtigen DLPFC während der aktiven Wahl und dem BIS-11-Score bei IGD-Jugendlichen gefunden, was bedeutet, dass die IGD-Jugendlichen mit höherer Impulsivität eine geringere Modulation zeigten das Risikoniveau bei der Aktivierung des richtigen DLPFC während des Entscheidungsprozesses. Die richtige DLPFC-Aktivierung war bei IGD-Jugendlichen mit höheren impulsiven Neigungen weniger risikoempfindlich während des Entscheidungsprozesses. Die verminderte Modulation des Risikoniveaus bei der Aktivierung der richtigen DLPFC bei IGD-Jugendlichen kann dazu führen, dass sie das Risiko ignorieren.

Unsere Studie ergab, dass neben der richtigen DLPFC auch die Modulation des Risikoniveaus bei der Aktivierung des linken Kleinhirns während des aktiven Entscheidungsprozesses in der IGD-Gruppe abgenommen hat. Obwohl in früheren fMRI-Studien mit BART Veränderungen der Kleinhirn-Aktivierung berichtet wurden (; ,; ) und andere Aufgaben, die die Entscheidungsprozesse; ) wurde der neurale Mechanismus nicht eindeutig bestimmt. Frühere Studien haben gezeigt, dass das Kleinhirn eine kritische Komponente bei Suchtproblemen ist (; ), und das Volumen der grauen Substanz des Kleinhirns, insbesondere des linken Kleinhirns, bei Subjekten mit). Darüber hinaus ist das verringerte Volumen der grauen Substanz () und die verbesserte regionale Homogenität () im linken Kleinhirn wurde auch bei IGD-Personen berichtet. Daher lohnt es sich, weitere Studien durchzuführen, die an der Assoziation zwischen der Kleinhirnaktivität und der riskanten Entscheidungsfindung bei IGD-Individuen beteiligt sind.

In der vorliegenden Studie sollten einige Einschränkungen berücksichtigt werden. Erstens war die Stichprobengröße relativ klein, was die Leistung reduzieren und einige Gehirnaktivierungen mit geringer Signifikanz nicht erfassen konnte. Zweitens wurde die maximale Anzahl möglicher Ballonpumpen in dieser modifizierten BART-Aufgabe auf 12 reduziert, und die meisten Teilnehmer absolvierten nur 30-Ballonversuche während der 10 min BOLD-Untersuchung. Die Einschränkungen, die diesem experimentellen Design innewohnen, könnten daher die Sensitivität der Erkennung von Intergruppenunterschieden in der Verhaltensleistung verringert haben (). Schließlich kann mit dieser Querschnittsstudie der kausale Zusammenhang zwischen der veränderten Hirnaktivierung und der IGD nicht bestimmt werden. Eine Längsschnittstudie kann hilfreich sein, um diese Beziehung zu bewerten.

Zusammenfassung

Es wird angenommen, dass dies die erste Studie ist, die die Modulation des Risikoniveaus bei der Gehirnaktivierung während des Entscheidungsprozesses mit dem BART bei IGD-Jugendlichen testet. Unsere Studie zeigte, dass die Modulation des Risikoniveaus bei der Aktivierung der richtigen DLPFC bei IGD-Jugendlichen abnahm und die verminderte risikobezogene Aktivierung der rechten DLPFC negativ mit den BIS-Scores korrelierte. Unsere Ergebnisse legen nahe, dass die richtige DLPFC als eine kritische Gehirnregion, die mit der Entscheidungsfindung zusammenhängt, weniger empfindlich auf das Risiko von IGD-Jugendlichen im Vergleich zu den HC reagiert, was zur höheren Impulsivität bei IGD-Jugendlichen beitragen könnte.

Autorenbeiträge

XQ, YY, XL und QZ entwickelten Forschung; XQ, XD, PG, YZ, GD und QZ führten Forschungen durch; YY, PG war an der klinischen Beurteilung beteiligt; XQ, YZ, GD, WQ und QZ analysierten Daten; XQ, 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.

ABKÜRZUNGEN

ACCanterior cingulate
BARTBallon-Analog-Risiko-Aufgabe
BIS-11Barratt-Impulsivitätsskala
DLPFCdorsolateraler präfrontaler Kortex
fMRIfunktionellen Magnetresonanztomographie
FWHMVolle Weite bei der Hälfte des Maximums
GLMallgemeines lineares Modell
HCgesunde Kontrollen
HRFhämodynamische Antwortfunktion
IATYoung's Online-Internet-Suchtest
IGDInternet-Spielstörung
IQIntelligenzquotient
MNIMontreal Neurologisches Institut
ROI Region von Interesse
RTAnsprechzeit
SPMStandard Raven's ProgressiveMatrices
SPM8Statistische Parametrische Mapping-Software
YDQJunger Diagnosefragebogen
 

Bibliographie

  • Asahi S., Okamoto Y., Okada G., Yamawaki S., Yokota N. (2004). Negative Korrelation zwischen der rechten präfrontalen Aktivität während der Response-Inhibition und der Impulsivität: eine fMRI-Studie. EUR. Bogen. Psychiatrie Clin. Neurosc 254 245–251. 10.1007/s00406-004-0488-z [PubMed] [Kreuz Ref]
  • Bari A., Robbins TW (2013). Inhibition und Impulsivität: Verhaltens- und neurale Basis der Response Control. Prog. Neurobiol. 108 44-79. 10.1016 / j.pneurobio.2013.06.005 [PubMed] [Kreuz Ref]
  • Blaszczynski A. (2008). Kommentar: Eine Antwort auf "Probleme mit dem Konzept des Videospiels" Sucht ": einige Fallbeispiele". Int. J. Psychische Gesundheit Addict. 6 179–181. 10.1007/s11469-007-9132-2 [Kreuz Ref]
  • Bogg T., Fukunaga R., Finn PR, Braun JW (2012). Die kognitive Kontrolle verbindet den Alkoholkonsum, die Enthemmung der Merkmale und die reduzierte kognitive Kapazität: Beweise für eine Dysregulation der medialen präfrontalen Kortex während des Belohnungs-Suchverhaltens. Drogenabhängigkeit. 122 112-118. 10.1016 / j.drugalcdep.2011.09.018 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Bolla KI, Eldreth DA, Matochik JA, Kadett JL (2005). Neurale Substrate fehlerhafter Entscheidungsfindung bei abstinenten Marihuana-Konsumenten. Neuroimage 26 480-492. 10.1016 / j.neuroimage.2005.02.012 [PubMed] [Kreuz Ref]
  • Marke M., Labudda K., Markowitsch HJ (2006). Neuropsychologische Korrelate der Entscheidungsfindung in mehrdeutigen und riskanten Situationen. Neuronales Netz 19 1266-1276. 10.1016 / j.neu.net.2006.03.001 [PubMed] [Kreuz Ref]
  • Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., et al. (2013). Der Zusammenhang zwischen pathologischer Internetnutzung und komorbider Psychopathologie: eine systematische Übersicht. psychopathology 46 1-13. 10.1159 / 000337971 [PubMed] [Kreuz Ref]
  • Claus ED, Hutchison KE (2012). Neurale Mechanismen der Risikobereitschaft und Beziehungen zu gefährlichem Alkoholkonsum. Alkohol. Clin. Exp. Res. 36 932-940. 10.1111 / j.1530-0277.2011.01694.x [PubMed] [Kreuz Ref]
  • Crockford DN, Goodyear B., Edwards J., Quickfall J., El-Guebaly N. (2005). Stimmungsinduzierte Hirnaktivität bei pathologischen Spielern. Biol. Psychiatrie 58 787-795. 10.1016 / j.biopsych.2005.04.037 [PubMed] [Kreuz Ref]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Merkmals-Impulsivität und gestörte präfrontale Impuls-Inhibitionsfunktion bei Jugendlichen mit Internet-Spielsucht, die durch eine Go / No-Go fMRI-Studie aufgedeckt wurden. Verhalten Gehirnfunkt. 10:20 10.1186/1744-9081-10-20 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Dong G., Hu Y., Lin X., Lu Q. (2013). Was macht Internet-Süchtige auch bei schwerwiegenden negativen Folgen online weiter? Mögliche Erklärungen aus einer fMRI-Studie. Biol. Psychol. 94 282-289. 10.1016 / j.biopsycho.2013.07.009 [PubMed] [Kreuz Ref]
  • Dong G., Huang J., Du X. (2012). Veränderungen in der regionalen Homogenität der Ruhe-statstatie-Hirnaktivität bei Internet-Spielsüchtigen. Verhalten Gehirnfunkt. 8:41 10.1186/1744-9081-8-41 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Dong G., Lin X., Hu Y., Xie C., Du X. (2015). Unausgeglichene funktionale Verbindung zwischen dem exekutiven Kontrollnetzwerk und dem Belohnungsnetzwerk erklärt das Online-Spiel, das nach Verhaltensweisen in der Internetspielstörung sucht. Sci. Rep. 5: 9197 10.1038 / srep09197 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Dong G., Potenza MN (2014). Ein kognitiv-behaviorales Modell der Internet-Spielstörung: theoretische Grundlagen und klinische Implikationen. J. Psychiatr. Res. 58 7-11. 10.1016 / j.jpsychires.2014.07.005 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Ernst M., Paulus MP (2005). Neurobiologie der Entscheidungsfindung: eine selektive Überprüfung aus einer neurokognitiven und klinischen Perspektive. Biol. Psychiatrie 58 597-604. 10.1016 / j.biopsych.2005.06.004 [PubMed] [Kreuz Ref]
  • Ersche KD, Fletcher PC, Lewis SJ, Clark L., Stocks-Gee G., London M., et al. (2005). Abnormale frontale Aktivierungen im Zusammenhang mit der Entscheidungsfindung bei gegenwärtigen und ehemaligen Amphetamin- und Opiatabhängigen. Psychopharmakologie (Berl.) 180 612–623. 10.1007/s00213-005-2205-7 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Gabay AS, Radua J., Kempton MJ, Mehta MA (2014). Das Ultimatumspiel und das Gehirn: Eine Metaanalyse von Neuroimaging-Studien. Neurosc Biobehav. Rev. 47 549-558. 10.1016 / j.neubiorev.2014.10.014 [PubMed] [Kreuz Ref]
  • Galván A., Schönberg T., Mumford J., Kohno M., Poldrack RA, London ED (2013). Größere Risikosensitivität des dorsolateralen präfrontalen Kortex bei jungen Rauchern als bei Nichtrauchern. Psychopharmakologie (Berl.) 229 345–355. 10.1007/s00213-013-3113-x [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Garavan H., Hester R., Murphy K., Fassbender C., Kelly C. (2006). Individuelle Unterschiede in der funktionellen Neuroanatomie der inhibitorischen Kontrolle. Gehirn Res. 1105 130-142. 10.1016 / j.brainres.2006.03.029 [PubMed] [Kreuz Ref]
  • Gorini A., Lucchiari C., Russell-Edu W., Pravettoni G. (2014). Modulation von riskanten Entscheidungen bei kürzlich abstinenten abhängigen Kokainkonsumenten: eine transkranielle Gleichstromstimulationsstudie. Vorderseite. Summen. Neurosc 8: 661 10.3389 / fnhum.2014.00661 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Gowin JL, Mackey S., Paulus MP (2013). Veränderte risikobezogene Verarbeitung bei Substanznutzern: Ungleichgewicht von Schmerz und Gewinn. Drogenabhängigkeit. 132 13-21. 10.1016 / j.drugalcdep.2013.03.019 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Einführung in Verhaltenssüchte. Bin ich J. Drogenmissbrauch 36 233-241. 10.3109 / 00952990.2010.491884 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Griffiths MD (2008). Videospielsucht: weitere Gedanken und Beobachtungen. Int. J. Psychische Gesundheit Addict. 6 182–185. 10.1007/s11469-007-9128-y [Kreuz Ref]
  • Hastie R. (2001). Probleme der Beurteilung und Entscheidungsfindung. Annu. Rev. Psychol. 52 653-683. 10.1146 / annurev.psych.52.1.653 [PubMed] [Kreuz Ref]
  • Helfinstein SM, Schönberg T., Congdon E., Karlsgodt KH, Mumford JA, Sabb FW, et al. (2014). Vorhersage von riskanten Entscheidungen aus Hirnaktivitätsmustern. Proc. Natl. Acad. Sci. USA 111 2470-2475. 10.1073 / pnas.1321728111 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Karim R., Chaudhri P. (2012). Verhaltensabhängigkeit: ein Überblick. J. Psychoaktive Drogen 44 5-17. 10.1080 / 02791072.2012.662859 [PubMed] [Kreuz Ref]
  • Ko CH, Hsiao S., GC Liu, Yen JY, Yang MJ, CF Yen (2010). Die Merkmale der Entscheidungsfindung, das Risiko und die Persönlichkeit von College-Studenten mit Internet-Sucht. Psychiatrie Res. 175 121-125. 10.1016 / j.psyches.2008.10.004 [PubMed] [Kreuz Ref]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Veränderte Gehirnaktivierung während der Reaktionshemmung und Fehlerverarbeitung bei Personen mit Internet-Spielstörungen: eine funktionelle Magnetresonanztomographie-Studie. EUR. Bogen. Psychiatrie Clin. Neurosc 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Kreuz Ref]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Gehirn korreliert das Verlangen nach Online-Gaming unter Cue-Exposition in Fächern mit Internet-Spielsucht und remittierten Themen. Süchtiger. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Kreuz Ref]
  • Kohno M., Ghahremani DG, Morales AM, Robertson CL, Ishibashi K., Morgan AT, et al. (2015). Risikoverhalten: Dopamin d2 / d3-Rezeptoren, Feedback und frontolimbische Aktivität. Cereb. Kortex 25 236-245. 10.1093 / cercor / bht218 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Kohno M., Morales AM, Ghahremani DG, Hellemann G., London ED (2014). Riskante Entscheidungsfindung, präfrontaler Kortex und mesokortikolimbische funktionelle Konnektivität in Methamphetaminabhängigkeit. JAMA Psychiatrie 71 812-820. 10.1001 / jamapsychiatry.2014.399 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Krain AL, Wilson AM, Arbuckle R., Castellanos FX, Milham MP (2006). Deutliche neuronale Mechanismen von Risiko und Ambiguität: eine Meta-Analyse der Entscheidungsfindung. Neuroimage 32 477-484. 10.1016 / j.neuroimage.2006.02.047 [PubMed] [Kreuz Ref]
  • Kräplin A., Dshemuchadse M., Behrendt S., Scherbaum S., Goschke T., Bühringer G. (2014). Dysfunktionelle Entscheidungsfindung im pathologischen Spiel: Musterspezifität und die Rolle der Impulsivität. Psychiatrie Res. 215 675-682. 10.1016 / j.psyches.2013.12.041 [PubMed] [Kreuz Ref]
  • Kühn S., Romanowski A., Schilling C., Mobascher A., ​​Warbrick T., Winterer G., et al. (2012). Defizite der Gehirnerweichung bei Rauchern: Konzentration auf das Kleinhirn. Gehirnstruktur. Funkt. 217 517–522. 10.1007/s00429-011-0346-5 [PubMed] [Kreuz Ref]
  • Kuss DJ (2013). Internet-Spielsucht: aktuelle Perspektiven. Psychol. Res. Verhalten Manag. 6 125-137. 10.2147 / PRBM.S39476 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Lejuez CW, Lesen JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, et al. (2002). Bewertung eines Verhaltensmaßes der Risikobereitschaft: die Ballon-Analog-Risiko-Aufgabe (BART). J. Exp. Psychol. Appl. 8 75–84. 10.1037//1076-898X.8.2.75 [PubMed] [Kreuz Ref]
  • Lin X., Zhou H., Dong G., Du X. (2015). Gefährdete Risikobewertung bei Menschen mit einer Internet-Spielstörung: fMRI-Hinweise aus einer Wahrscheinlichkeitsrabattaufgabe. Prog. Neuro-Psychopharmacol. Biol. Psychiatrie 56 142-148. 10.1016 / j.pnpbp.2014.08.016 [PubMed] [Kreuz Ref]
  • Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, et al. (2014). Brain Aktivierung für die Antwort Hemmung unter Gaming Cue Ablenkung in Internet-Gaming-Störung. Kaohsiung J. Med. Sci. 30 43-51. 10.1016 / j.kjms.2013.08.005 [PubMed] [Kreuz Ref]
  • Macoveanu J., Rowe JB, Hornboll B., Elliott R., Paulson OB, Knudsen GM, et al. (2013). Auf Nummer sicher gehen, aber trotzdem serotonerge Signalisierung negativer Ergebnisse im dorsomedialen präfrontalen Kortex im Rahmen der Risikoaversion verlieren. EUR. Neuropsychopharmacol. 23 919-930. 10.1016 / j.euroneuro.2012.09.006 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Metcalf O., Pammer K. (2014). Impulsivität und verwandte neuropsychologische Merkmale in regelmäßigen und süchtig machenden Ego-Shooter-Gaming. Cyberpsychol. Verhalten Soc. Netz 17 147-152. 10.1089 / cyber.2013.0024 [PubMed] [Kreuz Ref]
  • Miedl SF, Peters J., Büchel C. (2012). Geänderte neuronale Belohnungsdarstellungen bei pathologischen Spielern, aufgedeckt durch Verzögerung und Wahrscheinlichkeitsdiskontierung. Bogen. Gen. Psychiatrie 69 177-186. 10.1001 / archgenpsychiatry.2011.1552 [PubMed] [Kreuz Ref]
  • Moeller SJ, Froböse MI, Konova AB, Misyrlis M., Parvaz MA, Goldstein RZ, et al. (2014). Gemeinsame und unterschiedliche neuronale Korrelate der inhibitorischen Dysregulation: Stroop-fMRI-Studie zur Kokainabhängigkeit und intermittierende explosive Störung. J. Psychiatr. Res. 58 55-62. 10.1016 / j.jpsychires.2014.07.016 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Moreno-López L., Perales JC, Van Son D., Albein-Urios N., Soriano-Mas C., Martinez-Gonzalez JM, et al. (2015). Der Kokainkonsum und die zerebelläre graue Substanz sind mit kinetischen Defiziten bei Kokainabhängigen assoziiert. Süchtiger. Biol. 20 546-556. 10.1111 / adb.12143 [PubMed] [Kreuz Ref]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Das Kleinhirn und die Sucht: Erkenntnisse aus der bildgebenden Forschung. Süchtiger. Biol. 19 317-331. 10.1111 / adb.12101 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., et al. (2008a). Somato-motorische inhibitorische Verarbeitung beim Menschen: eine ereignisbezogene funktionelle MRT-Studie. Neuroimage 39 1858-1866. 10.1016 / j.neuroimage.2007.10.041 [PubMed] [Kreuz Ref]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., et al. (2008b). Exekutive Funktionen mit unterschiedlichen motorischen Leistungen bei somatosensorischen Go / Nogo-Aufgaben: eine ereignisbezogene funktionelle MRT-Studie. Gehirn Res. Stier. 77 197-205. 10.1016 / j.brainresbull.2008.07.008 [PubMed] [Kreuz Ref]
  • Patton JH, Stanford Mitgliedstaat, Barratt ES (1995). Faktorstruktur der Barratt-Impulsivitätsskala. J. Clin. Psychol. 51 768-774. [PubMed]
  • Pawlikowski M., Marke M. (2011). Übermäßiges Spielen im Internet und Entscheidungsfindung: Haben exzessive Spieler von World of Warcraft Probleme bei der Entscheidungsfindung unter riskanten Bedingungen? Psychiatrie Res. 188 428-433. 10.1016 / j.psyches.2011.05.017 [PubMed] [Kreuz Ref]
  • Probst CC, van Eimeren T. (2013). Die funktionelle Anatomie von Impulskontrollstörungen. Curr. Neurol. Neurosc Rep. 13:386 10.1007/s11910-013-0386-8 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Rao H., Korczykowski M., Pluta J., Hoang A., Detre JA (2008). Neuronale Korrelate der freiwilligen und unfreiwilligen Risikoeinnahme im menschlichen Gehirn: eine fMRT-Studie der Balloon Analog Risk Task (BART). NeuroImage 42 902-910. 10.1016 / j.neuroimage.2008.05.046 [PubMed] [Kreuz Ref]
  • Rao H., Mamikonyan E., Detre JA, Siderow AD, Stern MB, Potenza MN, et al. (2010). Verminderte ventrale striatale Aktivität mit Impulskontrollstörungen bei Parkinson-Krankheit. MOV. Unordnung. 25 1660-1669. 10.1002 / mds.23147 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Rao LL, Zhou Y., Liang ZY, Rao H., Zheng R., Sun Y., et al. (2014). Abnehmende ventromediale präfrontale Kortexdeaktivierung bei riskanten Entscheidungen nach simulierter Mikrogravitation: Effekte von -6 Grad Head-Down-Kippbettruhe. Vorderseite. Verhalten Neurosc 8: 187 10.3389 / fnbeh.2014.00187 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Rosenbloom MH, Schmahmann JD, Preis BH (2012). Die funktionelle Neuroanatomie der Entscheidungsfindung. J. Neuropsychiatrie Clin. Neurosc 24 266-277. 10.1176 / appi.neuropsych.11060139 [PubMed] [Kreuz Ref]
  • Sakagami M., Pan X., Uttl B. ​​(2006). Verhaltenshemmung und präfrontaler Kortex bei der Entscheidungsfindung. Neuronales Netz 19 1255-1265. 10.1016 / j.neu.net.2006.05.040 [PubMed] [Kreuz Ref]
  • Schiebener J., Wegmann E., Pawlikowski M., Marke M. (2012). Anchor-Effekte in der Entscheidungsfindung können durch das Zusammenspiel zwischen Zielüberwachung und der Ebene der exekutiven Funktionen des Entscheiders reduziert werden. Cogn. Verarbeiten. 13 321–332. 10.1007/s10339-012-0522-4 [PubMed] [Kreuz Ref]
  • Schönberg T., Fuchs CR, Mumford JA, Congdon E., Trepel C., Poldrack RA (2012). Abnahme der ventromedialen präfrontalen Kortexaktivität während der sequenziellen Risikoübernahme: eine fMRI-Untersuchung der Ballon-Analog-Risiko-Aufgabe. Vorderseite. Neurosc 6: 8010.3389 / fnins.2012.00080 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Tang J., Yu Y., Du Y., Ma Y., Zhang D., Wang J. (2014). Prävalenz von Internetabhängigkeit und deren Zusammenhang mit stressigen Lebensereignissen und psychischen Symptomen bei jugendlichen Internetnutzern. Süchtiger. Verhalten 39 744-747. 10.1016 / j.addbeh.2013.12.010 [PubMed] [Kreuz Ref]
  • Telzer EH, Fuligni AJ, MD Lieberman, Galván A. (2013a). Die Auswirkungen von schlechter Schlafqualität auf die Gehirnfunktion und Risikobereitschaft in der Jugend. Neuroimage 71 275-283. 10.1016 / j.neuroimage.2013.01.025 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Telzer EH, Fuligni AJ, MD Lieberman, Galván A. (2013b). Sinnvolle Familienbeziehungen: neurokognitive Puffer der Risikobereitschaft von Jugendlichen. J. Cogn. Neurosc 25 374-387. 10.1162 / jocn_a_00331 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Trepel C., Fuchs CR, Poldrack RA (2005). Prospect-Theorie über das Gehirn? In Richtung einer kognitiven Neurowissenschaft der Entscheidung unter Risiko. Gehirn Res. Cogn. Gehirn Res. 23 34-50. 10.1016 / j.cogbrainres.2005.01.016 [PubMed] [Kreuz Ref]
  • Wang H., Jin C., Yuan K., Shakir TM, Mao C., Niu X., et al. (2015). Die Veränderung des Volumens der grauen Substanz und der kognitiven Kontrolle bei Jugendlichen mit einer Internet-Spielstörung. Vorderseite. Verhalten Neurosc 9: 64 10.3389 / fnbeh.2015.00064 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Wu X., Chen X., Han J., Meng H., Luo J., Nydegger L., et al. (2013). Prävalenz und Faktoren suchterzeugender Internetnutzung bei Jugendlichen in Wuhan, China: Interaktionen der elterlichen Beziehung mit dem Alter und Hyperaktivität-Impulsivität. PLoS ONE 8: e61782 10.1371 / journal.pone.0061782 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Yao YW, Chen PR, Chen C., Wang LJ, Zhang JT, Xue G., et al. (2014). Wenn Feedback nicht genutzt wird, entstehen bei übermäßigen Internetspielern Entscheidungsdefizite. Psychiatrie Res. 219 583-588. 10.1016 / j.psyches.2014.06.033 [PubMed] [Kreuz Ref]
  • Yao YW, Chen PR, Li S., Wang LJ, Zhang JT, Yip SW, et al. (2015). Entscheidungsfindung für riskante Gewinne und Verluste bei College-Studenten mit Internet-Gaming-Störung. PLoS ONE 10: e0116471 10.1371 / journal.pone.0116471 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Junge K. (1998). Internetsucht: Die Entstehung einer neuen klinischen Störung. CyberPsychol. Verhalten 1 237-244. 10.1089 / cpb.1998.1.237 [Kreuz Ref]
  • Jung, KS, Internet Suchtest [IAT] (2009). Verfügbar um: http://netaddiction.com/index.php?option5combfquiz&view5onepage&catid546&Itemid5106
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X., et al. (2011). Mikrostrukturanomalien bei Jugendlichen mit Internetabhängigkeit. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Yuan P., Raz N. (2014). Präfrontale Kortex- und Exekutivfunktionen bei gesunden Erwachsenen: Eine Meta-Analyse von Studien zur strukturellen Neuroimaging. Neurosc Biobehav. Rev. 42 180-192. 10.1016 / j.neubiorev.2014.02.005 [PMC freier Artikel] [PubMed] [Kreuz Ref]
  • Zhou Z., Yuan G., Yao J. (2012). Kognitive Verzerrungen gegenüber Internet-Spiel-bezogenen Bildern und Exekutivdefiziten bei Personen mit einer Internet-Spielsucht. PLoS ONE 7: e48961 10.1371 / journal.pone.0048961 [PMC freier Artikel] [PubMed] [Kreuz Ref]