Internet und Spielsucht: Eine systematische Literaturübersicht zu Neuroimaging-Studien (2012)

Gehirn Sci. 2012, 2(3), 347-374; doi:10.3390 / Gehirneci2030347
 
Daria J. Kuss* und Mark D. Griffiths
 
International Gaming Research Unit, Nottingham Trent Universität, Nottingham NG1 4BU, UK
 
* Autor, an den die Korrespondenz gerichtet werden sollte.
 
Erhalten: 28 Juni 2012; in überarbeiteter Form: 24 August 2012 / Akzeptiert: 28 August 2012 / Veröffentlicht: 5 September 2012
 
(Dieser Artikel gehört zur Sonderausgabe Sucht und Neuroadaptation)

Abstract:

In den letzten zehn Jahren hat sich die Forschung angesammelt, was darauf hindeutet, dass übermäßige Internetnutzung zur Entwicklung einer Verhaltenssucht führen kann. Die Internetsucht wurde als ernsthafte Bedrohung für die psychische Gesundheit angesehen, und die übermäßige Nutzung des Internets wurde mit einer Vielzahl negativer psychosozialer Folgen in Verbindung gebracht. Das Ziel dieser Übersicht ist es, alle bisherigen empirischen Studien zu identifizieren, die bildgebende Verfahren verwenden, um das aufkommende neurowissenschaftliche Problem der Internet- und Spielsucht aus neurowissenschaftlicher Sicht zu beleuchten.

Neuroimaging-Studien bieten einen Vorteil gegenüber der traditionellen Umfrage- und Verhaltensforschung, da mit dieser Methode bestimmte Hirnareale, die an der Entstehung und Aufrechterhaltung von Sucht beteiligt sind, unterschieden werden können. Eine systematische Literatursuche wurde durchgeführt, um 18-Studien zu identifizieren. Diese Studien liefern überzeugende Beweise für die Ähnlichkeiten zwischen verschiedenen Arten von Süchten, insbesondere substanzbezogenen Süchten und Internet- und Spielsucht, auf verschiedenen Ebenen.

Auf molekularer Ebene ist die Internetabhängigkeit durch einen allgemeinen Belohnungsdefizit gekennzeichnet, der mit einer verringerten dopaminergen Aktivität einhergeht.

Auf der Ebene der neuronalen Schaltkreise führten Internet- und Spielsucht zu Neuroadaptation und strukturellen Veränderungen, die als Konsequenz einer länger anhaltenden erhöhten Aktivität in mit Sucht assoziierten Gehirnbereichen auftreten.

Auf der Verhaltensebene scheinen Internet- und Spielsüchtige in Bezug auf ihre kognitiven Funktionen in verschiedenen Bereichen eingeschränkt zu sein.

Das Papier zeigt, dass das Verständnis der neuronalen Korrelate, die mit der Entwicklung der Internet- und Spielsucht verbunden sind, die zukünftige Forschung fördern und den Weg für die Entwicklung von Suchtbehandlungsansätzen ebnen wird.

Stichwörter: Internetsucht; Spielsucht; Neuroimaging; Literaturische Rezension

 

1. Einleitung

In den letzten zehn Jahren häufen sich Forschungsergebnisse, die darauf hindeuten, dass übermäßige Internetnutzung zur Entwicklung einer Verhaltenssucht führen kann (z. B.1,2,3,4]). Klinische Beweise deuten darauf hin, dass Internet-Abhängige eine Anzahl von biopsychosozialen Symptomen und Konsequenzen erfahren [5]. Dazu gehören Symptome, die traditionell mit substanzbedingten Süchten assoziiert sind, wie Salienz, Stimmungsschwankungen, Toleranz, Entzugssymptome, Konflikte und Rückfälle [6]. Internet-Sucht umfasst ein heterogenes Spektrum von Internet-Aktivitäten mit einem potenziellen Krankheitswert, wie zum Beispiel Gaming, Shopping, Glücksspiel oder Social Networking. Das Spielen stellt einen Teil des postulierten Konstrukts der Internetabhängigkeit dar, und Spielsucht scheint bis heute die am meisten untersuchte spezifische Form der Internetsucht zu sein [7]. Psychische Gesundheitsexperten und Forscher umfangreiche Vorschläge zur Internet-Sucht als psychische Störung in der bevorstehenden fünften Ausgabe des Diagnostic and Statistical Manual of Mental Disorders (DSM-V) wird zum Tragen kommen, wie die American Psychiatric Association akzeptierte, Internet-Nutzung Störung zu berücksichtigen als ein Problem der psychischen Gesundheit, das einer weiteren wissenschaftlichen Untersuchung würdig ist [8].

Die übermäßige Nutzung des Internets ist mit einer Vielzahl negativer psychosozialer Konsequenzen verbunden. Dazu gehören psychische Störungen wie Somatisierung, Zwangsstörungen und andere Angststörungen, Depressionen [9] und Dissoziation [10], sowie Persönlichkeitsmerkmale und Pathologie, wie Introversion und Psychotizismus [11]. Die Prävalenzschätzungen reichen von 2% [12] zu 15% [13], abhängig von den jeweiligen soziokulturellen Kontext, Stichprobe und Bewertungskriterien verwendet. Internetsucht wird in asiatischen Ländern mit umfassender Breitbandnutzung, insbesondere in Südkorea und China, als ernsthafte Bedrohung für die psychische Gesundheit angesehen [14].

 

 

1.1. Der Aufstieg der Neuroimaging

In Übereinstimmung mit dem cartesianischen Dualismus vertrat der französische Philosoph Descartes die Ansicht, dass der Geist eine vom Körper getrennte Entität ist.15]. Die kognitiven Neurowissenschaften haben ihn jedoch als falsch erwiesen und versöhnen die physische Einheit des Körpers mit der schwer fassbaren Entität des Geistes [16]. Moderne bildgebende Verfahren verbinden kognitive Prozesse (dh Descartes 'Denkgeist) mit dem tatsächlichen Verhalten (dh Descartes' beweglichem Körper) durch Messung und Abbildung der Gehirnstruktur und -aktivität. Veränderte Aktivität in Gehirnbereichen, die mit Belohnung, Motivation, Gedächtnis und kognitiver Kontrolle assoziiert sind, wurde mit Sucht assoziiert [17].

Die Forschung befasste sich mit den neuronalen Korrelaten der Entwicklung von Drogenabhängigkeit durch klassische und operante Konditionierung [18,19]. Es wurde festgestellt, dass während der Anfangsphase der freiwilligen und kontrollierten Verwendung einer Substanz die Entscheidung, das Medikament zu verwenden, durch spezifische Gehirnregionen, nämlich den präfrontalen Kortex (PFC) und das ventrale Striatum (VS), getroffen wird. Wenn sich Gewöhnung und Zwang entwickeln, verändert sich die Aktivität des Gehirns, indem die dorsalen Regionen des Striatums (DS) zunehmend über dopaminerge Innervation (dh Dopaminfreisetzung) aktiviert werden.20]. Langfristiger Drogenkonsum führt zu Veränderungen der dopaminergen Signalwege im Gehirn (insbesondere des anterioren Cingulats (AC), des orbitofrontalen Kortex (OFC) und des Nucleus Accumbens (NAc)), was zu einer Verringerung der Empfindlichkeit gegenüber biologischen Belohnungen führen kann Kontrolle über das Suchen und schließlich das Nehmen von Drogen.21,22]. Auf molekularer Ebene wurde die Langzeitdepression (LTD; dh die Reduktion) der synaptischen Aktivität mit der Adaptation des Gehirns als Folge von substanzbezogenen Süchten in Verbindung gebracht [23]. Drogenabhängige werden für das Medikament sensibilisiert, weil im Laufe der verlängerten Einnahme die synaptische Stärke im ventralen Tegmentum zunimmt, ebenso wie das Glutamat-Glutathion im Nucleus accumbens, was zum Verlangen führt [24].

Zur gleichen Zeit wird das Gehirn (dh NAc, OFC, DLPFC) zunehmend auf Drogenhinweise reagieren (z. B. Verfügbarkeit, bestimmter Kontext) durch Verlangen21,25]. Sucht nach Drogenkonsum beinhaltet eine komplexe Interaktion zwischen einer Vielzahl von Hirnregionen. Die Aktivität im Nucleus accumbens nach wiederholter Medikamenteneinnahme führt zu Lernassoziationen zwischen Drogenhinweisen und verstärkenden Wirkungen der Droge [26]. Darüber hinaus spielt der orbitofrontale Cortex, der für die Motivation wichtig ist, Verhaltensweisen zu spielen, die Amygdala (AMG) und der Hippocampus (Hipp) als Haupthirnregionen, die mit Gedächtnisfunktionen in Verbindung stehen, eine Rolle bei Intoxikation und Verlangen nach einer Substanz.17].

Natürliche Belohnungen wie Nahrung, Lob und / oder Erfolg verlieren allmählich ihre hedonische Wertigkeit. Aufgrund der Gewöhnung an lohnende Verhaltensweisen und Einnahme von Drogen entwickelt sich ein charakteristisches Abhängigkeitssymptom (dh Toleranz). Um den gewünschten Effekt zu erzielen, sind zunehmende Mengen der Substanz oder zunehmende Beteiligung an den jeweiligen Verhaltensweisen erforderlich. Infolgedessen wird das Belohnungssystem mangelhaft. Dies führt zur Aktivierung des Anti-Reward-Systems, das die Fähigkeit des Süchtigen, biologische Verstärker zu erleben, als angenehm empfindet. Stattdessen benötigt er stärkere Verstärker, dh sein Medikament oder Verhalten der Wahl, in größeren Mengen (dh Toleranz entwickelt sich), um Belohnung zu erfahren.27]. Darüber hinaus erklärt der Mangel an Dopamin in den mesokortikolimbischen Bahnen während der Abstinenz charakteristische Entzugssymptome. Dem wird mit einer erneuten Einnahme von Medikamenten entgegengewirkt [17]. Rückfall und die Entwicklung eines bösartigen Verhaltenszyklus sind die Folge [28]. Verlängerte Einnahme von Drogen und / oder Engagement in einem belohnenden Verhalten führt zu Veränderungen im Gehirn, einschließlich Dysfunktionen in präfrontalen Regionen, wie der OFC und dem Cingulum Gyrus (CG).17,29].

Die Forschung zeigt, dass Veränderungen der Gehirnaktivität, die üblicherweise mit substanzbedingten Suchterkrankungen einhergehen, nach dem zwanghaften Engagement in Verhaltensweisen, wie zum Beispiel pathologischem Glücksspiel, auftreten.30]. In Übereinstimmung damit wird vermutet, dass ähnliche Mechanismen und Veränderungen in der Internet- und Spielsucht involviert sind. Das Ziel dieser Übersicht ist es daher, alle bisher von Experten geprüften empirischen Studien zu identifizieren, die bildgebende Verfahren verwenden, um das aufkommende neurowissenschaftliche Problem der Internet- und Spielsucht aus einer neurowissenschaftlichen Perspektive zu beleuchten. Neuroimaging umfasst im Allgemeinen eine Reihe von verschiedenen Techniken. Dies sind Elektroenzephalogramm (EEG), Positronen-Emissions-Tomographie (PET), SPECT Single-Photon-Emissions-Computertomographie (SPECT), funktionelle Magnetresonanztomographie (fMRI) und strukturelle Magnetresonanztomographie (sMRI), wie Voxel-basierte Morphometrie (VBM) und Diffusions-Tensor-Bildgebung (DTI). Diese werden kurz nacheinander erläutert, bevor die Studien untersucht werden, die diese Techniken für Studien über Internet- und Spielsucht verwendet haben.

 

 

1.2. Arten von Neuroimaging verwendet, um süchtig Gehirnaktivität zu studieren

Elektroenzephalogramm (EEG): Mit einem EEG kann neuronale Aktivität in der Großhirnrinde gemessen werden. Eine Anzahl von Elektroden ist an bestimmten Bereichen (dh anterior, posterior, links und rechts) des Kopfes des Teilnehmers befestigt. Diese Elektroden messen Spannungsschwankungen (dh Stromfluss) zwischen Elektrodenpaaren, die durch Anregung neuronaler Synapsen erzeugt werden [31]. Mit event-related potentials (ERPs) können die Beziehungen zwischen Gehirn und Verhalten über eine elektrophysiologische neuronale Antwort auf einen Stimulus gemessen werden [32].

Positronen-Emissions-Tomographie (PET): PET ist eine bildgebende Methode, die es ermöglicht, die Gehirnfunktion auf molekularer Ebene zu untersuchen. In PET-Studien wird die metabolische Aktivität im Gehirn über Photonen aus Positronenemissionen gemessen (dh positiv geladene Elektronen). Das Subjekt wird mit einer radioaktiven 2-Deoxyglucose (2-DG) -Lösung injiziert, die von aktiven Neuronen im Gehirn aufgenommen wird. Die Mengen an 2-DG in Neuronen und Positronenemissionen werden zur Quantifizierung der metabolischen Aktivität im Gehirn verwendet. Somit kann neuronale Aktivität während der Ausführung einer bestimmten Aufgabe abgebildet werden. ichEinzelne Neurotransmitter können mit PET unterschieden werden, was letztere gegenüber MRI-Techniken vorteilhaft macht. Es kann die Aktivitätsverteilung im Detail messen. Zu den Einschränkungen der PET gehören eine relativ geringe räumliche Auflösung, die Zeit, die benötigt wird, um einen Scan zu erhalten, sowie ein potenzielles Strahlungsrisiko [33].

Single-Photon-Emissions-Computertomographie (SPECT): SPECT ist eine Unterform von PET. Ähnlich wie bei PET wird eine radioaktive Substanz (ein "Tracer") in den Blutstrom injiziert, der schnell zum Gehirn gelangt. Je stärker die Stoffwechselaktivität in bestimmten Hirnregionen ist, desto stärker ist die Anreicherung von Gammastrahlen. Die emittierte Strahlung wird entsprechend den Gehirnschichten gemessen, und die metabolische Aktivität wird unter Verwendung von Computertechniken abgebildet. Im Gegensatz zu PET ermöglicht SPECT das Zählen einzelner Photonen, jedoch ist seine Auflösung schlechter, da bei SPECT die Auflösung von der Nähe der Gammakamera abhängt, die die neuronale Radioaktivität misst [34].

Funktionelle Magnetresonanztomographie (fMRT): Mit fMRT werden Veränderungen im Blutsauerstoffspiegel im Gehirn gemessen, die auf neuronale Aktivität hinweisen. Insbesondere wird das Verhältnis von Oxyhämoglobin (dh Hämoglobin, das Sauerstoff im Blut enthält) zu Desoxyhämoglobin (dh Hämoglobin, das Sauerstoff freigesetzt hat) im Gehirn bewertet, da der Blutfluss in "aktiven" Gehirnbereichen zunimmt, um mehr Glukose zu transportieren, auch bringend in sauerstoffreicheren Hämoglobinmolekülen. Die Beurteilung dieser Stoffwechselaktivität im Gehirn ermöglicht eine feinere und detailliertere Bildgebung des Gehirns im Vergleich zur strukturellen MRT. Die Vorteile der fMRT liegen in der Geschwindigkeit der Bildgebung des Gehirns, der räumlichen Auflösung und dem Fehlen eines potenziellen Gesundheitsrisikos im Vergleich zu PET-Scans [35].

Strukturelle Magnetresonanztomographie (sMRI): sMRI verwendet eine Vielzahl von Techniken, um die Gehirnmorphologie abzubilden [36].

  • Eine solche Technik ist die Voxel-basierte Morphometrie (VBM). VBM wird verwendet, um das Volumen der Hirnareale und die Dichte der grauen und weißen Substanz zu vergleichen [37].
  • Eine weitere sMRI-Technik ist Diffusion-Tensor Imaging (DTI). DTI ist eine Methode zur Darstellung der weißen Substanz. Es untersucht die Diffusion von Wassermolekülen im Gehirn, um mithilfe von fraktioneller Anisotropie (FA) die Identifizierung von miteinander verbundenen Hirnstrukturen zu unterstützen. Dieses Maß ist ein Indikator für die Faserdichte, den axonalen Durchmesser und die Myelinisierung in der weißen Substanz [38].

 

 

2. Methode

Eine umfassende Literaturrecherche wurde mit der Datenbank Web of Knowledge durchgeführt. Die folgenden Suchbegriffe (und ihre Ableitungen) wurden in Bezug auf die Internetnutzung eingegeben: "Sucht", "Überschuss", "Problem" und "Zwang". Darüber hinaus wurden zusätzliche Studien aus ergänzenden Quellen wie Google Scholar identifiziert, und diese wurden hinzugefügt, um eine umfassendere Literaturübersicht zu erstellen. Die Studien wurden gemäß den folgenden Einschlusskriterien ausgewählt. Studien mussten (i) Internet- oder Online-Spielsucht oder direkte Auswirkungen von Spielen auf neurologische Funktionen bewerten, (ii) bildgebende Verfahren verwenden, (iii) in einem Peer-Review-Journal veröffentlicht werden und (iv) als Volltext verfügbar sein Englische Sprache. Für die Literatursuche wurde kein Zeitraum angegeben, da bildgebende Verfahren relativ neu sind, so dass erwartet wurde, dass die Studien aktuell sind (dh fast alle wurden zwischen 2000 und 2012 veröffentlicht).

3. Ergebnisse

Insgesamt wurden 18-Studien identifiziert, die die Einschlusskriterien erfüllten. Von diesen war die Methode der Datenerfassung fMRI in acht Studien [39,40,41,42,43,44,45,46] und sMRI in zwei Studien [47,48], zwei Studien verwendeten PET-Scans [49,50], von denen eine mit einer MRT kombiniert wurde [49], eine verwendete SPECT [51], und sechs Studien verwendeten EEG [52,53,54,55,56,57]. Es sollte auch beachtet werden, dass zwei von ihnen tatsächlich die gleiche Studie mit einem als ein Brief veröffentlicht wurden [53] und eine als Volltext veröffentlicht [54]. Eine Studie [57] erfüllte alle Kriterien, wurde jedoch ausgeschlossen, da die Diagnosedetails der Internetabhängigkeit nicht ausreichten, um gültige Schlussfolgerungen zu ziehen. Darüber hinaus haben zwei Studien Internet- und Spielsucht nicht direkt bewertet [43,50], bewertete jedoch die direkten Auswirkungen von Spielen auf die neurologische Aktivität unter Verwendung eines experimentellen Paradigmas und wurde daher in der Übersicht beibehalten. Detaillierte Informationen zu den eingeschlossenen Studien finden Sie in Tabelle 1.

3.1. fMRI-Studien

Höft et al. [43] untersuchte geschlechtsspezifische Unterschiede im mesokortikolimbischen System während des Computerspielspiels bei 22-gesunden Schülern (Altersgruppe = 19-23 Jahre; 11-Frauen). Alle Teilnehmer erhielten fMRI (3.0-T Signa-Scanner (General Electric, Milwaukee, WI, USA), vervollständigten die Symptom-Checkliste 90-R [58], und das NEO-Persönlichkeitsinventar-R [59]. FMRI wurde während 40-Blöcken von entweder einem 24-s-Ballspiel ausgeführt, mit dem Ziel, Raum oder eine ähnliche Kontrollbedingung zu erhalten, die kein spezifisches Spielziel beinhaltete (wie auf seiner Strukturschöpfung basierend). Die Ergebnisse zeigten, dass es eine Aktivierung von neuronalen Schaltkreisen gab, die an der Belohnung und der Sucht im experimentellen Zustand beteiligt sind (dh Insula, NAc, DLPFC und OFC). Das Vorhandensein eines tatsächlichen Spielziels (eine Eigenschaft der meisten herkömmlichen Online-Spiele, die eher regelbasiert sind als reine Rollenspiele), veränderte folglich die Gehirnaktivität über das Verhalten. Hier zeigt sich eine klare Ursache-Wirkungs-Beziehung, die die Ergebnisse stärkt.

Die Ergebnisse zeigten auch, dass männliche Teilnehmer eine größere Aktivierung (in rNAc, blOFC, rAMG) und funktionelle Konnektivität (lNAc, rAMG) im mesocorticelimbischen Belohnungssystem im Vergleich zu Frauen hatten. Die Ergebnisse zeigten weiterhin, dass das Spielen des Spiels die rechte Insula (rI; autonome Erregungssignale), rechte dorso-laterale PFC (Belohnungs- oder Veränderungsverhalten maximieren), bilaterale prämotorische Kortizes (blPMC; Vorbereitung auf Belohnung) und den Precuneus, LNAc und die rOFC (Bereiche der visuellen Verarbeitung, visuell-räumliche Aufmerksamkeit, motorische Funktion und sensorisch-motorische Transformation) im Vergleich zum Ruhezustand [43]. Die Insula wurde mit dem bewussten Verlangen nach Suchtmitteln in Verbindung gebracht, indem Entscheidungsprozesse mit Risiko und Belohnung in Zusammenhang gebracht wurden. Insuladysfunktion kann neurologische Aktivitäten erklären, die auf einen Rückfall hinweisen [60]. Aufgrund ihrer experimentellen Natur war diese Studie in der Lage, Einblicke in idiosynkratische Gehirnaktivierung als eine Folge von Spielen in einer gesunden (dh nicht süchtigen) Population zu geben.

TischTabelle 1. Enthaltene Studien.   

Klicken Sie hier, um die Tabelle anzuzeigen

 

Koet al. [44] versuchten, die neuralen Substrate der Online - Spielsucht zu identifizieren, indem Gehirnareale untersucht wurden, die an Online - Spielen von zehn männlichen Online - Spielsüchtigen beteiligt sind (mehr als 30 ha week). Im Vergleich zu zehn männlichen Kontrollen (deren Online - Nutzung) war weniger als zwei Stunden pro Tag). Alle Teilnehmer haben die Diagnostischen Kriterien für Internet-Sucht für College-Studenten (DCIA-C; [.74]), das Mini-International Neuropsychiatric Interview [75], die Chen Internet Sucht-Skala (CIAS) [71], der Alcohol Use Disorder Identification Test (AUDIT) [76] und der Fagerstrom-Test für Nikotinabhängigkeit (FTND) [77]. Die Autoren stellten spielbezogene und gepaarte Mosaikbilder während des fMRI-Scans (3T MRscanner) vor, und Kontraste in BOLD-Signalen in beiden Bedingungen wurden unter Verwendung eines Cue-Reaktivitäts-Paradigmas analysiert.25]. Die Ergebnisse zeigten, dass das cue-induzierte Craving bei Personen mit Substanzabhängigkeit üblich ist. Es gab eine unterschiedliche Gehirnaktivierung unter Spielsüchtigen nach der Präsentation von spielrelevanten Hinweisen im Vergleich zu Kontrollen und verglichen mit der Präsentation von Mosaikbildern, einschließlich der rOFC, rNAc, blAC, mFC, rDLPFC und des rechten Nucleus caudatus (rCN). Diese Aktivierung korrelierte mit dem Spieltrieb und einer Erinnerung an das Spielerlebnis. Es wurde argumentiert, dass es eine ähnliche biologische Basis verschiedener Süchte gibt, einschließlich Online-Spielsucht. Der quasi-experimentelle Charakter dieser Studie, die künstlich herbeigeführtes Verlangen in einer experimentellen und kontrollierten Umgebung induzierte, erlaubte den Autoren, auf Gruppenunterschieden zu schließen und somit den Online-Spielsuchtstatus mit der Aktivierung von Gehirnbereichen zu verbinden, die mit Symptomen traditionellerer ( dh substanzbezogene) Süchte.

Han et al. [42] untersuchten die Unterschiede in der Gehirnaktivität vor und während des Videospielspiels bei Universitätsstudenten, die über einen Zeitraum von sieben Wochen spielten. Alle Teilnehmer haben das Beck Depression Inventory abgeschlossen78], die Internet Addiction Scale [67] und eine 7-Point visuelle Analogskala (VAS), um das Verlangen nach Internet-Videospielen zu beurteilen. Die Stichprobe umfasste Studenten der 21-Universität (14 männlich; mittleres Alter = 24.1 Jahre, SD = 2.6; Computernutzung = 3.6, SD = 1.6 ha Tag; mittlere IAS-Punktzahl = 38.6, SD = 8.3). Diese waren weiter in zwei Gruppen unterteilt: die exzessive Internet-Gaming-Gruppe (die mehr als 60 über einen 42-Tag Internet-Videospiele spielte; n = 6) und die allgemeine Spielergruppe (die weniger als 60 min a Tag über den gleichen Zeitraum; n = 15). Die Autoren verwendeten 3T Blutsauerstoffspiegel abhängige fMRT (mit Philips Achieva 3.0 Tesla TX-Scanner) und berichteten, dass Gehirnaktivität im anterioren cingulären und orbitofrontalen Kortex in der exzessiven Internet-Spielgruppe nach Exposition gegenüber Internet-Videospiel-Hinweise im Vergleich zu allgemeinen Spielern erhöht. Sie berichteten auch, dass das erhöhte Verlangen nach Internet-Videospielen mit einer erhöhten Aktivität im anterioren Cingulum für alle Teilnehmer korrelierte. Diese quasi-experimentelle Studie ist aufschlussreich, da sie nicht nur eine ungleiche Hirnaktivität bei Online-Spielsüchtigen im Vergleich zu einer allgemeinen Spielerkontrollgruppe belegt, sondern auch die Gehirnaktivierung, die als Folge des Spielens in beiden Gruppen auftritt, aufgeklärt hat. Dies zeigt, dass (i) das Verlangen nach Online-Spielen die Gehirnaktivität unabhängig vom Suchtstatus verändert und daher als (Prodromalsymptom) der Sucht angesehen werden kann, und dass (ii) süchtige Spieler von nicht-süchtigen Online-Spielern durch andere unterschieden werden können Form der Gehirnaktivierung.

Liuet al. [45] hat die Methode der regionalen Homogenität (ReHo) angewendet, um die enzephalen Funktionsmerkmale von Internet-Abhängigen im Ruhezustand zu analysieren. Die Stichprobe umfasste 19-Studenten mit Internetabhängigkeit und 19-Kontrollen. Die Internetabhängigkeit wurde anhand der Kriterien von Bart und Wolf bewertet [72]. FMRI mit 3.0T Siemens Tesla Trio Tim Scanner wurde durchgeführt. Regionale Homogenität zeigt zeitliche Homogenität der Sauerstoffgehalte im Gehirn in interessierenden Hirnregionen an. Es wurde berichtet, dass Internet-Abhängige an funktionellen Veränderungen des Gehirns litten, was zu Abweichungen in der regionalen Homogenität im Vergleich zur Kontrollgruppe führte, insbesondere in Bezug auf die Belohnungswege, die traditionell mit Substanzabhängigkeiten verbunden sind. Bei den Internetsüchtigen waren die Gehirnregionen in ReHo im Ruhezustand erhöht (Kleinhirn, Hirnstamm, rCG, bilateraler Parahippocampus (blPHipp), rechter Frontallappen, linker vorderer frontaler Gyrus (lSFG), rechter unterer temporaler Gyrus (rITG), linker oberer temporaler Gyrus) (lSTG) und mittlerer temporaler Gyrus (mTG), relativ zur Kontrollgruppe. Die temporalen Regionen sind an der auditiven Verarbeitung, dem Verstehen und dem verbalen Gedächtnis beteiligt, während die okzipitalen Regionen für die visuelle Verarbeitung zuständig sind. Das Kleinhirn reguliert die kognitive Aktivität. Der Gyrus cinguli betrifft die Integration von sensorischen Informationen und die Überwachung von Konflikten. Die Hippocampi sind an dem mesokortikolimbischen System des Gehirns beteiligt, das mit Belohnungswegen assoziiert ist. Zusammengefasst liefern diese Befunde Hinweise auf eine Veränderung in einer Vielzahl von Gehirnregionen als Folge der Internetabhängigkeit. Da in dieser Studie regionale Homogenität im Ruhezustand untersucht wurde, ist unklar, ob die bei Internetsüchtigen beobachteten Veränderungen im Gehirn eine Ursache oder Folge der Sucht sind. Daher können keine kausalen Schlussfolgerungen gezogen werden.

Yuanet al. [46] untersuchten die Auswirkungen der Internetabhängigkeit auf die mikrostrukturelle Integrität der wichtigsten neuronalen Faserwege und mikrostrukturelle Veränderungen, die mit der Dauer der Internetabhängigkeit verbunden sind. Ihre Stichprobe umfasste 18-Studenten mit Internetabhängigkeit (12-Männer; mittleres Alter = 19.4, SD = 3.1 Jahre; mittleres Online-Spiel = 10.2 h pro Tag, SD = 2.6; Dauer der Internetabhängigkeit = 34.8 Monate, SD = 8.5) und 18 Nicht-Internet-abhängige Kontrollteilnehmer (mittleres Alter = 19.5 Jahre, SD = 2.8). Alle Teilnehmer haben den modifizierten Diagnosefragebogen für Internetsucht ausgefüllt [72], eine Selbstbewertungs-Angstskala (keine Details zur Verfügung gestellt) und eine Selbsteinschätzungs-Depressionsskala (keine Details zur Verfügung gestellt). Die Autoren verwendeten fMRI und verwendeten die optimierte Voxel-basierte Morphometrie (VBM) -Technik. Sie analysierten fraktionelle Anisotropieveränderungen (FA) der weißen Substanz, indem sie mithilfe der Diffusions-Tensor-Bildgebung (DTI) strukturelle Veränderungen des Gehirns als Folge der Internet-Abhängigkeitslänge erkennen konnten. Die Ergebnisse zeigten, dass die Internetabhängigkeit zu Veränderungen in der Gehirnstruktur führte und dass die gefundenen Veränderungen des Gehirns denen ähnlich sind, die bei Drogenabhängigen gefunden wurden.

Bei der Kontrolle von Alter, Geschlecht und Gehirnvolumen wurde festgestellt, dass unter Internet-Abhängigen das Volumen der grauen Substanz im bilateralen dorsolateralen präfrontalen Kortex (DLPFC), der ergänzenden motorischen Region (SMA), dem orbitofrontalen Kortex (OFC), dem Kleinhirn und der linken Seite sank rostral ACC (rACC), eine erhöhte FA der linken hinteren Gliedmaße der inneren Kapsel (PLIC) und reduzierte FA in der weißen Substanz im rechten parahippocampalen Gyrus (PHG). Es gab auch eine Korrelation zwischen den Volumina der grauen Substanz in DLPFC, rACC, SMA und FA-Änderungen der PLIC mit der Länge der Zeit, die die Person süchtig nach dem Internet war. Dies zeigt, dass je länger eine Person süchtig nach dem Internet ist, desto schwerer wird die Hirnatrophie. Angesichts der Methode ist aus der Beschreibung der Autoren nicht ersichtlich, inwieweit in ihrer Stichprobe diejenigen enthalten waren, die per süchtig nach dem Internet waren oder Online-Spiele spielten. Die Einfügung einer spezifischen Frage, die nach Häufigkeit und Dauer des Online-Glücksspiels (und nicht nach möglichen anderen Internet-Aktivitäten) fragt, deutet darauf hin, dass die fragliche Gruppe aus Spielern bestand. Darüber hinaus können die präsentierten Ergebnisse keinen anderen Faktor ausschließen, der mit der Internetabhängigkeit in Verbindung gebracht werden könnte (zB depressive Symptomatik), der möglicherweise zu der erhöhten Schwere der Hirnatrophie beigetragen hat.

Dong et al. [39] untersuchte die Belohnungs- und Bestrafungsverarbeitung bei Internetabhängigen im Vergleich zu gesunden Kontrollen. Erwachsene Männer (n = 14) mit Internetabhängigkeit (mittleres Alter = 23.4, SD = 3.3 Jahre) wurden mit 13 gesunden erwachsenen Männern verglichen (mittleres Alter = 24.1 Jahre, SD = 3.2). Teilnehmer absolvierten ein strukturiertes psychiatrisches Interview [79], das Beck Depressions Inventar [78], der chinesische Internet-Suchtest [62,63] und der Internet Suchtest (IAT;61]). Die IAT misst psychische Abhängigkeit, zwanghafte Nutzung, Rückzug, damit verbundene Probleme in der Schule, Arbeit, Schlaf, Familie und Zeitmanagement. Die Teilnehmer mussten über 80 (von 100) auf der IAT punkten, um als Internetsucht eingestuft zu werden. Darüber hinaus verbrachten alle Internet-Süchtigen jeden Tag mehr als sechs Stunden online (mit Ausnahme der arbeitsbedingten Internetnutzung) und dies über einen Zeitraum von mehr als drei Monaten.

Alle Teilnehmer führten eine realitätssimulierte Ratespielaufgabe für Geldgewinn oder Verlust mit Hilfe von Spielkarten durch. Die Teilnehmer unterzogen sich fMRI mit Stimuli, die über einen Monitor in der Kopfspule präsentiert wurden, und ihre BOLD-Aktivierung (Blutsauerstoffspiegelabhängigkeit) wurde in Bezug auf Gewinne und Verluste bei der Aufgabe gemessen. Die Ergebnisse zeigten, dass die Internetabhängigkeit in verstärkungsstudien mit einer erhöhten Aktivierung in der OFC assoziiert war, und verringerte die anteriore cingulate Aktivierung in Verluststudien im Vergleich zu normalen Kontrollen. Internet-Süchtige zeigten im Vergleich zur Kontrollgruppe erhöhte Belohnungsempfindlichkeit und verringerte Verlustempfindlichkeit39]. Der quasi-experimentelle Charakter dieser Studie ermöglichte einen tatsächlichen Vergleich der beiden Gruppen, indem sie einer Spielsituation ausgesetzt wurden und so künstlich eine neuronale Reaktion hervorriefen, die eine Folge des Engagements in der Aufgabe war. Daher erlaubte diese Studie die Befreiung eines kausalen Zusammenhangs zwischen der Exposition gegenüber Glücksspielen und der daraus resultierenden Gehirnaktivierung. Dies kann als empirischer Beweis für die Belohnungssensitivität bei Internet-Abhängigen im Vergleich zu gesunden Kontrollen angesehen werden.

Han et al. [40] verglichen die regionalen grauen Substanzvolumina bei Patienten mit Online-Spielsucht und professionellen Spielern. Die Autoren führten fMRI mit einem 1.5 Tesla Espree Scanner (Siemens, Erlangen) durch und führten einen voxelweisen Vergleich des Volumens der grauen Substanz durch. Alle Teilnehmer absolvierten das strukturierte klinische Interview für DSM-IV [80], das Beck Depressions Inventar [78], die Barratt Impulsiveness-Skala-Koreanische Version (BIS-K9) [81,82] und die Internet Addiction Scale (IAS) [67]. Diejenigen (i), die über 50 (von 100) auf dem IAS gewertet wurden, (ii) mehr als vier Stunden pro Tag / 30 h pro Woche und (iii) beeinträchtigtes Verhalten oder Distress als Folge des Online-Spiels wurden klassifiziert als Internet-Spiel Süchtige. Die Stichprobe umfasste drei Gruppen. Die erste Gruppe umfasste 20-Patienten mit Online-Spielsucht (mittleres Alter = 20.9, SD = 2.0; mittlere Krankheitsdauer = 4.9 Jahre, SD = 0.9; mittlere Spielzeit = 9.0, SD = 3.7 h / Tag; mittlere Internetnutzung = 13.1, SD = 2.9 h / Tag; mittlere IAS-Werte = 81.2, SD = 9.8). Die zweite Gruppe bestand aus 17-Profispielern (mittleres Alter = 20.8 Jahre, SD = 1.5; mittlere Spielzeit = 9.4, SD = 1.6 h / Tag; durchschnittliche Internetnutzung = 11.6, SD = 2.1 h / Tag; mittlere IAS-Punktzahl = 40.8, SD = 15.4). Die dritte Gruppe beinhaltete gesunde 18-Kontrollen (mittleres Alter = 12.1, SD = 1.1 Jahre; mittleres Spiel = 1.0, SD = 0.7 h / Tag; mittlere Internetnutzung = 2.8, SD = 1.1 h / Tag; mittlere IAS-Punktzahl = 41.6, SD = 10.6).

Die Ergebnisse zeigten, dass Spielsüchtige eine höhere Impulsivität, hartnäckige Fehler, ein erhöhtes Volumen in der linken grauen Substanz des Thalamus und ein verringertes Volumen der grauen Substanz in ITG, rechtem mittleren Occipital-Gyrus (RmOG) und linkem inferioren Occipital-Gyrus (IIOG) relativ zur Kontrollgruppe aufwiesen . Professionelle Spieler hatten bei lCG ein erhöhtes Volumen an grauer Substanz und bei lmOG und rITG eine Abnahme der grauen Substanz relativ zur Kontrollgruppe, erhöhte graue Substanz in ICG und verminderte graue Substanz im linken Thalamus relativ zu den problematischen Online-Spielern. Die Hauptunterschiede zwischen den Spielsüchtigen und den Profispielern liegen in den erhöhten Graumaterialwerten der professionellen Spieler in lCG (wichtig für die Exekutivfunktion, Salienz und visuell-räumliche Aufmerksamkeit) und dem linken Thalamus der Spielersüchtigen (wichtig in Verstärkung und Alarmierung) [40]. Aufgrund des nicht-experimentellen Charakters der Studie ist es schwierig, die aufgezeigten Unterschiede in der Struktur des Gehirns über die Gruppen hinweg dem tatsächlichen Abhängigkeitsstatus zuzuordnen. Mögliche Störvariablen können nicht ausgeschlossen werden, die zu den festgestellten Unterschieden beigetragen haben könnten.

Han et al. [41] testeten die Auswirkungen der Behandlung mit Bupropion-Retardtabletten auf die Gehirnaktivität bei Internet-Spielsüchtigen und gesunden Kontrollpersonen. Alle Teilnehmer absolvierten das strukturierte klinische Interview für DSM-IV [80], das Beck Depressions Inventar [78], die Internet Addiction Scale [61], und das Craving für Internet-Videospiel wurde mit einer visuellen 7-Point-Analogskala bewertet. Diejenigen Teilnehmer, die mehr als vier Stunden am Tag im Internet spielten, erzielten mehr als 50 (von 100) auf der IAS und hatten ein beeinträchtigtes Verhalten und / oder Notlagen, wurden als Internet-Spielsüchtige eingestuft. Die Stichprobe umfasste 11-Internet-Spielsüchtige (mittleres Alter = 21.5, SD = 5.6 Jahre; mittlerer Craving-Score = 5.5, SD = 1.0; mittlere Spielzeit = 6.5, SD = 2.5 h / Tag; mittlere IAS-Punktzahl = 71.2, SD = 9.4 ), und 8 gesunde Kontrollen (mittleres Alter = 11.8, SD = 2.1 Jahre; mittlerer Craving-Score = 3.9, SD = 1.1; mittlere Internetnutzung = 1.9, SD = 0.6 h / Tag; mittlere IAS-Punktzahl = 27.1, SD = 5.3) . Während der Exposition gegenüber Spielsignalen hatten Internetspielsüchtige mehr Gehirnaktivierung im linken Occipitallappencuneus, linken dorsolateralen präfrontalen Kortex und linken parahippokampalen Gyrus relativ zur Kontrollgruppe. Teilnehmer mit Internet-Spielsucht unterzogen sich einer sechswöchigen Behandlung mit Bupropion-Retardtherapie (150 mg / Tag für die erste Woche und 300 mg / Tag danach). Die Gehirnaktivität wurde zu Beginn und nach der Behandlung unter Verwendung eines 1.5 Tesla Espree fMRI-Scanners gemessen. Die Autoren berichteten, dass Bupropion-Behandlung mit verzögerter Freisetzung für Internet-Spielsüchtige ähnlich funktioniert wie für Patienten mit Substanzabhängigkeit. Nach der Behandlung nahmen das Verlangen, die Spielzeit und die durch das Stichwort induzierte Gehirnaktivität unter den Internetspielsüchtigen ab. Der longitudinale Charakter dieser Studie ermöglicht die Bestimmung von Ursache und Wirkung, was die Validität und Zuverlässigkeit der präsentierten Ergebnisse unterstreicht.

 

 

3.2. sMRI-Studien

Linet al. [48] untersuchten die Integrität der weißen Substanz bei Jugendlichen mit Internetabhängigkeit. Alle Teilnehmer absolvierten eine modifizierte Version des Internet Suchtests [72], das Edinburgh-Händigkeits-Inventar [83], das Mini International Neuropsychiatric Interview für Kinder und Jugendliche (MINI-KID) [84], die Zeitmanagement-Dispositionsskala [85], die Barratt Impulsivitätsskala [86], der Bildschirm für emotionale Angststörungen bei Kindern (SCARED) [87] und das Familienbewertungsgerät (FAD) [88]. Die Stichprobe umfasste 17-Internet-Abhängige (14-Männer; Altersgruppe = 14-24 Jahre; IAS-Mittelwert = 37.0, SD = 10.6) und 16-Gesunde-Kontrollen (14-Männer; Altersgruppe = 16-24 Jahre; IAS-Mittelwert = 64.7 , SD = 12.6). Die Autoren führten eine Voxel-weise Analyse der fraktionellen Anisotropie (FA) mittels Trakt-basierter räumlicher Statistik (TBSS) durch, und das Volumen der Interessenanalyse wurde mittels Diffusions-Tensor-Bildgebung (DTI) mittels eines 3.0-Tesla Phillips-Achieva-medizinischen Scanners durchgeführt .

Die Ergebnisse deuteten darauf hin, dass die OFC mit emotionalen Prozessen und suchtbezogenen Phänomenen in Verbindung gebracht wurde (z. B. Verlangen, zwanghaftes Verhalten, unangemessene Entscheidungsfindung). Eine abnormale Integrität der weißen Substanz im anterioren cingulären Kortex war mit verschiedenen Süchten verbunden und zeigte eine Beeinträchtigung der kognitiven Kontrolle. Die Autoren berichteten auch von beeinträchtigter Faserkonnektivität im Corpus callosum, die häufig bei Personen mit Substanzabhängigkeit gefunden wird. Internet-Süchtige zeigten niedrigere FA im gesamten Gehirn (orbito-frontale weiße Substanz Corpus Callosum, Cingulum, inferior-occipital Faszikel, Korona-Strahlung, innere und äußere Kapseln) im Vergleich zu Kontrollen, und es gab negative Korrelationen zwischen FA im linken Genu des Corpus Callosum und emotionale Störungen und FA in der linken äußeren Kapsel und Internet-Sucht. Insgesamt hatten Internet-Abhängige abnormale Integrität der weißen Substanz in Hirnregionen, die mit emotionaler Verarbeitung, exekutiver Aufmerksamkeit, Entscheidungsfindung und kognitiver Kontrolle im Vergleich zur Kontrollgruppe verbunden sind. Die Autoren wiesen auf Ähnlichkeiten in den Gehirnstrukturen zwischen Internet-Abhängigen und Drogenabhängigen hin [48]. Angesichts des nicht-experimentellen und Querschnittscharakters der Studie können alternative Erklärungen für andere Gehirnveränderungen als die Sucht nicht ausgeschlossen werden.

Zhouet al. [47] untersuchten Veränderungen der Gehirngraustärke (Grey Matter Density, GMD) bei Jugendlichen mit Internetabhängigkeit mittels Voxel-basierter Morphometrie (VBM) -Analyse an hochauflösenden T1-gewichteten strukturellen Magnetresonanzbildern. Ihre Stichprobe umfasste 18-Jugendliche mit Internetabhängigkeit (16-Männer; mittleres Alter = 17.2 Jahre, SD = 2.6) und 15-gesunde Kontrollteilnehmer ohne psychiatrische Krankheitsgeschichte (13-Männer; mittleres Alter = 17.8 Jahre, SD = 2.6). Alle Teilnehmer absolvierten den modifizierten Internet Suchtest [72]. Die Autoren verwendeten hochauflösende T1-gewichtete MRI, die mit einem 3T-MR-Scanner (3T, Achieva Philips) durchgeführt wurden, gescannte MPRAGE-Pulssequenzen für Grau- und Weißmateriekontraste und VBM-Analyse wurde verwendet, um GMD zwischen Gruppen zu vergleichen. Die Ergebnisse zeigten, dass Internet-Abhängige niedrigere GMD in der LACC (notwendig für motorische Kontrolle, Kognition, Motivation), lPCC (Selbstreferenz), linke Insula (speziell im Zusammenhang mit Verlangen und Motivation) und den linken lingualen Gyrus (dh Bereiche, die sind mit emotionaler Verhaltensregulation verbunden und damit verbunden mit emotionalen Problemen von Internetsüchtigen). Die Autoren geben an, dass ihre Studie neurobiologische Beweise für strukturelle Veränderungen des Gehirns bei Jugendlichen mit Internetabhängigkeit liefert und dass ihre Ergebnisse Auswirkungen auf die Entwicklung der Suchtpsychopathologie haben. Trotz der Unterschiede zwischen den Gruppen können die Befunde nicht ausschließlich auf den Suchtstatus einer der Gruppen zurückgeführt werden. Mögliche Störvariablen könnten einen Einfluss auf Gehirnveränderungen haben. Außerdem kann die Direktionalität der Beziehung in diesem Fall nicht mit Sicherheit erklärt werden.

 

 

3.3. EEG-Studien

Dong et al. [53] untersuchte die Response-Inhibition bei Internet-Abhängigen neurologisch. Die Aufzeichnungen von ereignisbezogenen Hirnpotentialen (ERPs) mittels EEG wurden in 12 männlichen Internet-Abhängigen (mittleres Alter = 20.5 Jahre, SD = 4.1) untersucht und mit 12 gesunden Kontroll-Universitätsstudenten (mittleres Alter = 20.2, SD = 4.5) verglichen eine Go / NoGo-Aufgabe durchlaufen. Die Teilnehmer absolvierten psychologische Tests (z. B. Symptom-Checkliste-90 und 16 Personal Factors [89]) und der Internet Suchtest [65]. Die Ergebnisse zeigten, dass Internet-Süchtige geringere NoGo-N2-Amplituden (Represent-Inhibition-Konflikt-Monitoring), höhere NoGo-P3-Amplituden (Inhibitor-Prozesse-Response-Bewertung) und längere NoGo-P3-Peak-Latenz im Vergleich zu Kontrollen hatten. Die Autoren folgerten, dass Internet-Süchtige (i) im Vergleich zur Kontrollgruppe eine geringere Aktivierung in der Konflikterkennungsphase hatten, (ii) mehr kognitive Ressourcen zur Vervollständigung des späteren Stadiums der Hemmungsaufgabe verwendeten, (iii) weniger effizient in der Informationsverarbeitung waren, und (iv) hatte eine niedrigere Impulskontrolle.

Dong et al. [52] verglichen Internet-Süchtige und gesunde Kontrollen ereignisbezogener Potentiale (ERP) über EEG, während sie eine Farbwort-Stroop-Aufgabe durchführten. Männliche Teilnehmer (n = 17; Durchschnittsalter = 21.1 Jahre, SD = 3.1) und 17 männliche gesunde Universitätsstudenten (Durchschnittsalter = 20.8 Jahre, SD = 3.5) schlossen psychologische Tests ab (dh die Symptomcheckliste-90 und die 16 Personalfaktoren Maßstab [89]) und der Internet Suchtest [64]. Diese Version des IAT umfasste acht Items (Voreingenommenheit, Toleranz, erfolglose Abstinenz, Rückzug, Kontrollverlust, Interessen, Täuschung, Eskapismusmotivation) und die Items wurden dichotom bewertet. Diejenigen Teilnehmer, die vier oder mehr Punkte unterstützten, wurden als Internetsüchtige eingestuft. Die Ergebnisse zeigten, dass Internet-Abhängige im Vergleich zu Kontrollen eine längere Reaktionszeit und mehr Response-Fehler bei inkongruenten Bedingungen hatten. Die Autoren berichteten auch von einer verminderten Abneigung der medialen Frontalnegativität (MFN) bei inkongruenten Bedingungen als von den Kontrollpersonen. Ihre Ergebnisse deuten darauf hin, dass Internet-Süchtige die Kontrolle der Exekutive im Vergleich zu Kontrollen beeinträchtigt haben.

Ge et al. [55] untersuchten den Zusammenhang zwischen der P300-Komponente und der Internetabhängigkeit bei 86-Teilnehmern. Von diesen waren 38 Internet-Suchtpatienten (21-Männchen; mittleres Alter = 32.5, SD = 3.2-Jahre) und 48 waren gesunde Collegestudentenkontrollen (25 Männchen; Durchschnittsalter = 31.3, SD = 10.5 Jahre). In einer EEG-Studie wurde P300 ERP unter Verwendung einer standardmäßigen auditorischen Oddball-Aufgabe unter Verwendung des amerikanischen Nicolet BRAVO-Instruments gemessen. Alle Teilnehmer absolvierten das strukturierte klinische diagnostische Interview für psychische Störungen [80] und der Internetsuchtest [64]. Diejenigen, die fünf oder mehr (von den acht Items) unterstützten, wurden als Internetsüchtige eingestuft. Die Studie ergab, dass Internet-Abhängige im Vergleich zur Kontrollgruppe längere P300-Latenzen aufwiesen und dass Internet-Süchtige ähnliche Profile hatten wie andere substanzbezogene Süchtige (dh Alkohol, Opioid, Kokain) in ähnlichen Studien. Die Ergebnisse deuteten jedoch nicht darauf hin, dass Internet-Abhängige einen Mangel an Wahrnehmungsgeschwindigkeit und Verarbeitung von auditorischen Stimuli hatten. Dies scheint darauf hinzuweisen, dass die Internetabhängigkeit keine Auswirkungen auf diese spezifischen Gehirnfunktionen haben kann, anstatt die Wahrnehmungsgeschwindigkeit und die Verarbeitung von auditorischen Stimuli zu beeinträchtigen. Die Autoren berichteten auch, dass die mit der Internetabhängigkeit verbundenen kognitiven Dysfunktionen durch eine kognitiv-behaviorale Therapie verbessert werden können und dass diejenigen, die drei Monate lang kognitiv-behavioral behandelt wurden, ihre P300-Latenzen verringerten. Das abschließende longitudinale Ergebnis ist besonders aufschlussreich, da es die Entwicklung im Laufe der Zeit beurteilt, die den vorteilhaften Wirkungen der Therapie zugeschrieben werden kann.

Little et al. [56] untersuchte die Fehlerverarbeitung und die Response-Inhibition bei exzessiven Spielern. Alle Teilnehmer haben den Videogame Addiction Test (VAT) abgeschlossen.73], die niederländische Version des Eysenck Impulsivitätsfragebogens90,91] und der Mengen-Frequenz-Variabilitätsindex für Alkoholkonsum [92]. Die Stichprobe umfasste 52-Schüler, die in zwei Gruppen von 25-Exzessivspielern gruppiert waren (23-Männer; mehr als 2.5 auf Mehrwertsteuer; Durchschnittsalter = 20.5, SD = 3.0 Jahre; MWST = 3.1, SD = 0.4; Durchschnittsspiel = 4.7 ha Tag , SD = 2.3) und 27-Kontrollen (10-Männchen; mittleres Alter = 21.4, SD = 2.6; mittleres Vat-Ergebnis = 1.1, SD = 0.2; durchschnittliches Spiel = 0.5 ha Tag, SD = 1.2). Die Autoren verwendeten ein Go / NoGo-Paradigma mit EEG- und ERP-Aufzeichnungen. Ihre Ergebnisse zeigten Ähnlichkeiten mit Substanzabhängigkeit und Impulskontrollstörungen in Bezug auf eine schlechte Hemmung und eine hohe Impulsivität bei übermäßigen Spielern im Vergleich zur Kontrollgruppe. Sie berichteten auch, dass exzessive Spieler FRONO-zentrale ERN-Amplituden nach fehlerhaften Versuchen im Vergleich zu korrekten Versuchen reduziert hatten und dass dies zu einer schlechten Fehlerverarbeitung führte. Übermäßige Spieler zeigten auch weniger Hemmungen sowohl bei Selbstanzeige- als auch Verhaltensmaßregeln. Die Stärke dieser Studie liegt in ihrem quasi-experimentellen Charakter sowie der Verifizierung von Selbstberichten mit Verhaltensdaten. Daher sind die Validität und Zuverlässigkeit der Befunde erhöht.

 

 

3.4. SPECT-Studien

Houet al. [51] untersuchten die Dopamintransporterlevel von Belohnungsschaltungen bei Internetabhängigen im Vergleich zu einer Kontrollgruppe. Die Internetsüchtigen umfassten fünf Männer (mittleres Alter = 20.4, SD = 2.3), deren durchschnittliche tägliche Internetnutzung 10.2 h (SD = 1.5) war und die seit mehr als sechs Jahren an Internetabhängigkeit litt. Die altersentsprechende Kontrollgruppe umfasste neun Männer (mittleres Alter = 20.4, SD = 1.1 Jahre), deren durchschnittliche tägliche Verwendung 3.8 h war (SD = 0.8 h). Die Autoren führten mit dem Siemens Diacam / e.cam / icon Doppeldetektor SPECT 99mTc-TRODAT-1 Einzelphotonen-Emissions-Computertomographie (SPECT) -Scans durch. Sie berichteten, dass reduzierte Dopamintransporter auf Abhängigkeit hinweisen und dass ähnliche neurobiologische Anomalien mit anderen Verhaltenssüchten vergleichbar sind. Sie berichteten auch, dass striatale Dopamin-Transporter (DAT) -Spiegel unter Internetabhängigen sanken (notwendig für die Regulierung der Striatum-Dopaminspiegel) und dass Volumen, Gewicht und Aufnahmeverhältnis des Corpus striatum im Vergleich zu Kontrollen reduziert waren. Es wurde berichtet, dass die Dopamin-Spiegel denen von Menschen mit Substanzabhängigkeit ähnlich sind und dass Internet-Sucht "ernsthafte Schädigungen des Gehirns verursachen kann" ([51], p. 1). Diese Schlussfolgerung kann nicht als vollständig genau für die Direktionalität des berichteten Effekts angesehen werden, die mit der verwendeten Methode nicht festgestellt werden kann.

 

 

3.5. PET-Studien

Koeppet al. [50] war das erste Forschungsteam, das Beweise für striatale Dopaminfreisetzung während des Videospielspiels (dh ein Spiel, das einen Behälter für monetären Anreiz navigiert) zur Verfügung stellt. In ihrer Studie unterzogen sich acht männliche Videospiel-Spieler (Altersgruppe = 36-46 Jahre) Positronen-Emissions-Tomographie (PET) während des Videospiels und in Ruhezustand. Die PET-Scans verwendeten eine 953B-Siemens / CTIPET-Kamera, und es wurde eine Region-of-Interest (ROI) -Analyse durchgeführt. Extrazelluläre Dopaminspiegel wurden über Unterschiede in11C] RAC-Bindungspotential an Dopamin D2 Rezeptoren in ventralen und dorsalen Striata. Die Ergebnisse zeigten, dass ventrale und dorsale Striata mit zielgerichtetem Verhalten assoziiert waren. Die Autoren berichteten auch, dass die Veränderung des Bindungspotentials während des Videospiels ähnlich der nach Amphetamin- oder Methylphenidat-Injektionen war. Vor diesem Hintergrund wurde die früheste Studie in dieser Übersicht [50] konnte bereits Veränderungen der neurochemischen Aktivität als Folge von Spielen im Vergleich zu einer Ruhekontrolle hervorheben. Dieser Befund ist von immenser Bedeutung, weil er deutlich zeigt, dass die Aktivität des Spielens tatsächlich mit der Verwendung psychoaktiver Substanzen verglichen werden kann, wenn man sie von einer biochemischen Ebene aus betrachtet.

Kim et al. [49] testeten, ob die Internetabhängigkeit mit einer verringerten Verfügbarkeit von dopaminergen Rezeptoren im Striatum assoziiert war. Alle Teilnehmer absolvierten das strukturierte klinische Interview für DSM-IV [80], das Beck Depressions Inventar [93], die koreanische Wechsler Adult Intelligence Scale [94], der Internet Suchtest [69] und die Internet Suchtdiagnose Kriterien (IADDC; [68]). Internetabhängigkeit wurde definiert als jene Teilnehmer, die mehr als 50 (von 100) auf dem IAT erzielten und drei oder mehr der sieben Kriterien auf der IADDC bestätigten.

Ihre Stichprobe umfasste fünf männliche Internetsüchtige (mittleres Alter = 22.6, SD = 1.2 Jahre; IAT Mittelwert = 68.2, SD = 3.7; durchschnittliche tägliche Internetstunden = 7.8, SD = 1.5) und sieben männliche Kontrollen (Durchschnittsalter = 23.1, SD = 0.7 Jahre, IAT-Mittelwert = 32.9, SD = 5.3, mittlere tägliche Internet-Stunden = 2.1, SD = 0.5). Die Autoren führten eine PET-Studie durch und verwendeten einen radioaktiv markierten Liganden [11C] raclopride und Positronenemissionstomographie mittels ECAT EXACT Scanner zum Test von Dopamin D2 Rezeptorbindungspotential. Sie führten auch fMRI mit einem General Electric Signa Version 1.5T MRI-Scanner durch. Die Methode zur Bewertung von D2 Rezeptor-Verfügbarkeit untersucht Regionen von Interesse (ROI) Analyse in ventralen Striatum, dorsalen Caudate, dorsalen Putamen. Die Autoren berichteten, dass die Internetsucht mit neurobiologischen Anomalien im dopaminergen System, wie sie in substanzbedingten Süchten vorkommen, in Zusammenhang steht. Es wurde auch berichtet, dass Internet-Süchtige Dopamin D reduziert hatten2 Rezeptorverfügbarkeit im Striatum (dh bilateraler dorsaler Caudatus, rechtes Putamen) im Vergleich zu den Kontrollen, und dass es eine negative Korrelation der Verfügbarkeit von Dopaminrezeptoren mit der Schwere der Internetabhängigkeit gab [49]. Aus dieser Studie ist jedoch nicht klar, in welchem ​​Ausmaß Internetabhängigkeit die Unterschiede in der Neurochemie im Vergleich zu anderen Störvariablen verursacht haben könnte, und in ähnlicher Weise, ob es die unterschiedliche Neurochemie ist, die zur Pathogenese geführt haben könnte.

 

 

4. Diskussion

Die Ergebnisse der fMRT-Studien zeigen, dass Gehirnregionen, die mit Belohnung, Sucht, Verlangen und Emotionen assoziiert sind, während des Spiels und der Präsentation von Spielhinweisen aktiviert werden, insbesondere für süchtige Internetnutzer und Spieler, einschließlich NAc, AMG, AC, DLPFC, IC, rCN, rOFC, Insula, PMC, Precuneus [42,43]. Gaming-Queues erschienen als starke Prädiktoren für das Verlangen männlicher Online-Spielsüchtiger [44]. Darüber hinaus konnte gezeigt werden, dass assoziierte Symptome wie Heißhunger, Spielhirn-induzierte Hirnaktivität und kognitive Dysfunktionen nach einer psychopharmakologischen oder kognitiv-behavioralen Behandlung reduziert werden können.41,55].

Darüber hinaus wurden strukturelle Veränderungen bei Internet-Abhängigen im Vergleich zu Kontrollen, einschließlich des Kleinhirns, Hirnstamms, rCG, blPHipp, des rechten Frontallappens, LSFG, rITG, lSTG und mTG gezeigt. Insbesondere schienen diese Bereiche erhöht und kalibriert zu sein, was darauf hindeutet, dass bei Internetabhängigen eine Neuroadaptation auftritt, die eine Vielzahl von Hirnregionen synchronisiert. Diese umfassen, ohne darauf beschränkt zu sein, das weithin beschriebene mesokortikolimbische System, das an Belohnung und Abhängigkeit beteiligt ist. Darüber hinaus scheinen Gehirne von Internet-Abhängigen in der Lage zu sein, sensomotorische und perzeptuelle Informationen besser zu integrieren.45]. Dies kann durch eine häufige Interaktion mit Internetanwendungen wie Spielen erklärt werden, die eine stärkere Konnektivität zwischen Hirnregionen erfordern, damit gelerntes Verhalten und Reaktionen auf suchtrelevante Hinweise automatisch auftreten.

Darüber hinaus wurde im Vergleich zu Kontrollen festgestellt, dass Internet-Süchtige ein verringertes Volumen der grauen Substanz in den blDLPFC, SMA, OFC, Kleinhirn, ACC, lPCC, erhöhte FA lPLIC und verringerte FA in der weißen Substanz im PHG hatten.46]. Der LACC ist für die motorische Kontrolle, Kognition und Motivation notwendig, und seine verminderte Aktivierung wurde mit der Kokainsucht in Verbindung gebracht [95]. Das OFC ist an der Verarbeitung von Emotionen beteiligt und es spielt eine Rolle bei Verlangen, unangemessenen Entscheidungsprozessen sowie dem Engagement in zwanghaften Verhaltensweisen, von denen jedes Bestandteil der Sucht ist [96]. Darüber hinaus korrelierte die Länge der Internetabhängigkeit mit Veränderungen bei DLPFC, rACC, SMA und PLIC, was im Laufe der Zeit den Anstieg der Schwere der Hirnatrophie belegt [46]. Die DLPFC, rACC, ACC und PHG wurden mit Selbstkontrolle verbunden [22,25,44], während die SMA die kognitive Kontrolle vermittelt [97]. Atrophie in diesen Regionen kann den Kontrollverlust erklären, den ein Süchtiger in Bezug auf seine Droge oder seine bevorzugte Aktivität erlebt. Die PCC hingegen ist wichtig bei der Vermittlung von emotionalen Prozessen und Gedächtnis [98], und eine Abnahme der Dichte der grauen Substanz kann auf Anomalien hinweisen, die mit diesen Funktionen verbunden sind.

Der Anstieg der inneren Kapsel wurde mit motorischer Handfunktion und Motorik in Verbindung gebracht [99,100], und kann möglicherweise durch die häufige Beteiligung an Computerspielen erklärt werden, die Augen-Hand-Koordination erfordert und signifikant verbessert [101]. Darüber hinaus wurde eine verminderte Faserdichte und Myelierung der weißen Substanz, gemessen mit FA, in der vorderen Extremität der inneren Kapsel, der äußeren Kapsel, der Koronastrahlung, dem inferioren Hinterhauptsfaszikulus und dem präzentralen Gyrus bei Internet-Abhängigen im Vergleich zu gesunden Kontrollen gefunden [48]. Ähnliche Anomalien der weißen Substanz wurden bei anderen substanzbezogenen Süchten berichtet [102,103]. In ähnlicher Weise wurde festgestellt, dass die Faserkonnektivität im Corpus callosum bei Internetsüchtigen im Vergleich zu gesunden Kontrollen verringert ist, was darauf hindeutet, dass Internetabhängigkeit ähnliche degenerative Konsequenzen in Bezug auf Verbindungen zwischen den Hemisphären haben kann. Diese Ergebnisse stimmen mit denen überein, die in substanzbedingten Süchten berichtet wurden [104].

Darüber hinaus schienen geschlechtsspezifische Unterschiede in der Aktivierung so zu sein, dass für Männer die Aktivierung und Konnektivität von Hirnregionen, die mit dem mesokortikolimbischen Belohnungssystem assoziiert sind, im Vergleich zu Frauen stärker war. Dies könnte die deutlich höhere Gefährdung für Männer erklären, eine Spielsucht und das Internet zu entwickeln, von denen in Berichten der empirischen Literatur berichtet wurde (dh7,105]).

Zusätzlich zu den MRT-Befunden bieten die EEG-Studien, die die Internet- und Spielsucht bis heute untersuchen, eine Vielzahl wichtiger Befunde, die dazu beitragen können, Verhaltens- und Funktionskorrelate dieser aufkommenden Psychopathologie zu verstehen. Darüber hinaus ermöglicht der experimentelle Charakter aller eingeschlossenen EEG-Studien die Bestimmung eines kausalen Zusammenhangs zwischen den bewerteten Variablen. Es wurde gezeigt, dass Internetsüchtige im Vergleich zu Kontrollen verringerte P300-Amplituden und eine erhöhte P300-Latenz hatten. Typischerweise spiegelt diese Amplitude die Aufmerksamkeitszuweisung wider. Die Unterschiede in der Amplitude zwischen Internet-Süchtigen und Kontrollen zeigen, dass entweder Internet-Süchtige eine beeinträchtigte Fähigkeit zur Aufmerksamkeit haben oder sie nicht in der Lage sind, Aufmerksamkeit angemessen zuzuweisen [55,57]. Kleine P300-Amplituden wurden in einer Metaanalyse mit genetischer Vulnerabilität für Alkoholismus in Verbindung gebracht [106]. Eine verminderte P300-Latenz wurde außerdem gefunden, um starke soziale Trinker von niedrigen sozialen Trinkern zu unterscheiden.107]. Demnach scheint es eine gemeinsame Veränderung der neuronalen Spannungsschwankungen bei süchtigen Personen und das Engagement bei der Internetnutzung gegenüber nicht süchtigen Menschen zu geben. Dementsprechend scheint die Internetabhängigkeit einen Effekt auf die neuroelektrische Funktion zu haben, der den Substanzabhängigkeiten ähnlich ist. Im Allgemeinen schienen die Gehirne von Internet-Abhängigen in Bezug auf Informationsverarbeitung und Response-Inhibition im Vergleich zu gesunden Gehirnteilnehmern weniger effizient zu sein.54,56]. Dies deutet darauf hin, dass die Internetabhängigkeit mit einer geringen Impulskontrolle und der Nutzung einer erhöhten Menge an kognitiven Ressourcen verbunden ist, um bestimmte Aufgaben zu erfüllen [53]. Darüber hinaus scheinen Internet-Abhängige eine eingeschränkte exekutive Kontrolle im Vergleich zu Kontrollen zu haben [56,53]. Diese Ergebnisse stehen im Einklang mit einer verringerten exekutiven Kontrollfähigkeit bei Kokainsüchtigen, was eine verminderte Aktivität in prä- und midfrontalen Hirnregionen impliziert, die impulsgesteuerte Aktionen ermöglichen würden [108].

Aus biochemischer Sicht liefern die Ergebnisse von PET-Studien Hinweise auf striatale Dopaminfreisetzung während des Spiels [50]. Häufige Spiele und Internetnutzung verringerten die Dopaminspiegel (aufgrund der verringerten Verfügbarkeit von Dopamintransportern) und führten zu neurobiologischen Dysfunktionen im dopaminergen System bei Internetsüchtigen [49,51]. Die verringerte Verfügbarkeit war mit der Schwere der Internetabhängigkeit verbunden [49]. Reduzierte Dopaminspiegel wurden in Abhängigkeit immer wieder berichtet [26,109,110]. Darüber hinaus wurden strukturelle Anomalien des Corpus striatum berichtet [51]. Schäden am Corpus striatum wurden mit Heroinsucht in Verbindung gebracht [111].

Die Studien, die in diese Literaturrecherche aufgenommen wurden, scheinen überzeugende Beweise für die Ähnlichkeiten zwischen verschiedenen Arten von Süchten, insbesondere substanzbezogenen Süchten und Internetabhängigkeit, auf verschiedenen Ebenen zu liefern. Auf molekularer Ebene wurde gezeigt, dass die Internetabhängigkeit durch einen allgemeinen Belohnungsdefizit charakterisiert ist, der durch eine verminderte dopaminerge Aktivität gekennzeichnet ist. Die Richtung dieser Beziehung muss noch erforscht werden. Die meisten Studien konnten nicht ausschließen, dass sich eine Abhängigkeit als Folge eines mangelhaften Belohnungssystems entwickelt und nicht umgekehrt. Die Möglichkeit, dass Defizite im Belohnungssystem bestimmte Personen zur Entwicklung einer Droge oder einer Verhaltenssucht wie Internetsucht prädisponieren, kann ein Individuum einem größeren Risiko für die Psychopathologie aussetzen. Bei Internetsüchtigen kann negative Affektivität als Ausgangszustand angesehen werden, in dem der Süchtige mit der Nutzung des Internets und des Spiels beschäftigt ist, um seine Stimmung zu verändern. Dies wird durch die Aktivierung des Anti-Reward-Systems bewirkt. Aufgrund der exzessiven Nutzung des Internets und des Online-Glücksspiels scheinen sich Gegenprozesse in Gang gesetzt zu haben, die den Süchtigen schnell an das Engagement im Internet gewöhnen, was zu Toleranz führt und, wenn der Konsum eingestellt wird, den Entzug [27]. Dementsprechend kann ein vermindertes neuronales Dopamin, wie es bei der Internetabhängigkeit auftritt, mit häufig berichteten Komorbiditäten mit affektiven Störungen, wie Depressionen, in Verbindung gebracht werden.112], bipolare Störung [113] und Borderline-Persönlichkeitsstörung [10].

Auf der Ebene der neuronalen Verschaltung tritt die Neuroadaptation als Folge einer erhöhten Gehirnaktivität in Gehirnbereichen auf, die mit Abhängigkeit und strukturellen Veränderungen als Folge von Internet- und Spielsucht verbunden sind. Die zitierten Studien liefern ein klares Bild von der Pathogenese der Internet- und Spielsucht und betonen, wie schlechtadaptive Verhaltensmuster, die auf Abhängigkeit hinweisen, aufrechterhalten werden. Das Gehirn passt sich dem häufigen Gebrauch von Drogen oder der Beschäftigung mit Suchtverhalten an, so dass es für natürliche Verstärker desensibilisiert wird. Wichtig ist, dass die Funktion und die Struktur des OFC und des Gyrus cinguli verändert sind, was zu einem erhöhten Drogen- oder Verhaltensausmaß und einem Verlust der Kontrolle über das Verhalten führt. Lernmechanismen und erhöhte Motivation für Konsum / Engagement resultieren in zwanghaften Verhaltensweisen [114].

Auf der Verhaltensebene scheinen Internet- und Spielsüchtige in Bezug auf ihre Impulskontrolle, Verhaltenshemmung, exekutive Funktionskontrolle, Aufmerksamkeitsfähigkeiten und allgemeine kognitive Funktionen eingeschränkt zu sein. Im Gegenzug werden bestimmte Fähigkeiten entwickelt und verbessert als Folge der häufigen Beschäftigung mit der Technologie, wie die Integration von Wahrnehmungsinformationen in das Gehirn über die Sinne und die Hand-Auge-Koordination. Es scheint, dass die übermäßige Beschäftigung mit der Technologie zu einer Reihe von Vorteilen für Spieler und Internetnutzer führt, jedoch auf Kosten der grundlegenden kognitiven Funktionen.

Zusammenfassend begründet die in diesem Review vorgestellte Studie ein Syndrommodell von Süchten, denn es scheint neurobiologische Gemeinsamkeiten bei verschiedenen Süchten zu geben [115]. Nach diesem Modell erhöhen Neurobiologie und psychosozialer Kontext das Risiko, abhängig zu werden. Die Exposition gegenüber dem Suchtmittel oder Verhalten und spezifische negative Ereignisse und / oder die fortgesetzte Verwendung der Substanz und Engagement in das Verhalten führt zu Verhaltensänderung. Die Konsequenz ist die Entwicklung von ausgewachsenen Süchten, die sich im Ausdruck unterscheiden (zB Kokain, Internet und Spiele), aber in Symptomen ähnlich sind [115], dh Stimmungsänderung, Salienz, Toleranz, Rückzug, Konflikt und Rückfall [6].

Trotz der aufschlussreichen Ergebnisse müssen einige Einschränkungen berücksichtigt werden. Zunächst erscheinen methodische Probleme, die die Stärke der berichteten empirischen Befunde verringern können. Die gemeldeten Gehirnveränderungen in Verbindung mit Internet- und Online-Spielsucht, die in diesem Test beschrieben werden, können auf zwei verschiedene Arten erklärt werden. Auf der einen Seite könnte man argumentieren, dass Internetabhängigkeit zu Gehirnveränderungen im Vergleich zu Kontrollen führt. Auf der anderen Seite können Menschen mit ungewöhnlichen Hirnstrukturen (wie die in der vorliegenden Studie beobachteten) besonders anfällig für die Entwicklung von Suchtverhalten sein. Nur experimentelle Studien erlauben eine Bestimmung von Ursache-Wirkungs-Beziehungen. Angesichts der Sensibilität dieser Forschung, die im Wesentlichen potenzielle Psychopathologie bewertet, werden ethische Überlegungen die Möglichkeiten der experimentellen Forschung in diesem Bereich einschränken. Um dieses Problem zu überwinden, sollten zukünftige Forscher Gehirnaktivität und Gehirnveränderungen während einer Anzahl von Gelegenheiten während des Lebens einer Person longitudinal beurteilen. Dies würde die Extraktion von unschätzbaren Informationen in Bezug auf die Beziehungen der Pathogenese und verwandter Gehirnveränderungen in einer ausgefeilteren und, wichtiger, kausalen Weise ermöglichen.

Zweitens umfasste diese Überprüfung Neuroimaging-Studien sowohl von Internet-Süchtigen als auch von Online-Spielsüchtigen. Auf der Grundlage der gesammelten Beweise scheint es schwierig zu sein, irgendwelche Schlussfolgerungen hinsichtlich der spezifischen Aktivitäten zu ziehen, die die Süchtigen online durchführen, abgesehen von einigen Autoren, die sich speziell mit Online-Spielsucht befassen. Andere wiederum verwendeten die Kategorien Internetsucht und Internetspielsucht fast austauschbar, was keine Rückschlüsse auf Unterschiede und Gemeinsamkeiten zwischen beiden zulässt. Vor diesem Hintergrund wird den Forschern empfohlen, das tatsächliche Online-Verhalten klar zu bewerten und gegebenenfalls den Begriff des Spielens auf andere potenziell problematische Online-Verhaltensweisen auszudehnen. Letztendlich werden die Menschen nicht süchtig nach dem Medium Internet, sondern vielmehr die Aktivitäten, die sie betreiben, können problematisch sein und zu süchtig machendem Online-Verhalten führen.

 

 

 

   

5. Schlussfolgerungen

Ziel dieses Reviews war es, alle bisherigen empirischen Studien zu identifizieren, die bildgebende Verfahren eingesetzt haben, um die neuronalen Korrelate von Internet und Spielsucht zu erkennen. Es gibt relativ wenige Studien (n = 19), und deshalb ist es wichtig, zusätzliche Studien durchzuführen, um die Ergebnisse der bereits durchgeführten Studien zu wiederholen. Die bisherigen Studien haben sowohl strukturelle als auch funktionelle Paradigmen verwendet. Die Verwendung jedes dieser Paradigmen ermöglicht die Befreiung von Informationen, die für die Feststellung einer veränderten neuronalen Aktivität und Morphologie, wie sie durch Internet und Spielsucht ausgelöst werden, entscheidend sind. Insgesamt weisen die Studien darauf hin, dass Internet- und Spielsucht sowohl mit Funktionsveränderungen als auch mit der Struktur des Gehirns in Zusammenhang steht. Daher erhöht diese Verhaltenssucht nicht nur die Aktivität in Gehirnregionen, die üblicherweise mit substanzbedingten Süchten verbunden sind, sondern scheint auch zu einer Neuroadaptation zu führen, so dass sich das Gehirn selbst als Folge einer übermäßigen Interaktion mit dem Internet und Spielen verändert .

In Bezug auf die Methode bieten Neuroimaging-Studien einen Vorteil gegenüber der traditionellen Umfrage- und Verhaltensforschung, da es mit diesen Techniken möglich ist, bestimmte Gehirnareale zu unterscheiden, die an der Entwicklung und Aufrechterhaltung von Sucht beteiligt sind. Messungen der erhöhten glutamatergen und elektrischen Aktivität geben Einblick in die Funktionsweise des Gehirns, während Messungen der Morphometrie des Gehirns und der Wasserdiffusion einen Hinweis auf die Struktur des Gehirns liefern. Es hat sich gezeigt, dass diese als Folge von Internet- und Spielsucht erhebliche Veränderungen erfahren.

Zusammenfassend wird das Verständnis der neuronalen Korrelate, die mit der Entwicklung von Suchtverhalten im Zusammenhang mit der Nutzung des Internets und dem Spielen von Online-Spielen verbunden sind, die zukünftige Forschung fördern und den Weg für die Entwicklung von Suchtbehandlungsansätzen ebnen. In der klinischen Praxis ist die Erweiterung unseres Wissens über die Pathogenese und Aufrechterhaltung der Internet- und Spielsucht essentiell für die Entwicklung spezifischer und wirksamer Behandlungen. Dazu gehören psychopharmakologische Ansätze, die speziell auf der Ebene der Biochemie und Neurochirurgie auf Internet- und Spielsucht abzielen, sowie psychologische Strategien, die darauf abzielen, erlernte maladaptive kognitive und Verhaltensmuster zu modifizieren.

 

 

 

   

Conflict of Interest

Die Autoren erklären keinen Interessenkonflikt.

 

 

 

   

Bibliographie

  1. Junge, K. Internetsucht über das Jahrzehnt: Ein persönlicher Rückblick. Weltpsychiatrie 2010, 9, 91. [Google Scholar]
  2. Tao, R .; Huang, XQ; Wang, JN; Zhang, HM; Zhang, Y .; Li, MC Vorgeschlagene Diagnosekriterien für Internet-Sucht. Sucht 2010, 105, 556-564. [Google Scholar]
  3. Shaw, M .; Black, DW Internet-Sucht: Definition, Bewertung, Epidemiologie und klinisches Management. CNS Drogen 2008, 22, 353-365. [Google Scholar] [CrossRef]
  4. Müller, KW; Wölfling, K. Computerspiel und Internetsucht: Aspekte der Diagnostik, Phänomenologie, Pathogenese und therapeutische Intervention. Suchttherapie 2011, 12, 57-63. [Google Scholar] [CrossRef]
  5. Beutel, ME; Hoch, C .; Wölfing, K .; Mueller, KW Klinische Merkmale von Computerspiel und Internetsucht bei Personen, die in einer Ambulanz für Computerspielsucht behandelt werden wollen. Z. Psychosom. Med. Psychother. 2011, 57, 77-90. [Google Scholar]
  6. Griffiths, MD Ein "Komponenten" -Modell der Sucht innerhalb eines biopsychosozialen Rahmens. J. Subst. Benutzen 2005, 10, 191-197. [Google Scholar] [CrossRef]
  7. Kuss, DJ; Griffiths, MD Internet Spielsucht: Eine systematische Überprüfung der empirischen Forschung. Int. J. Ment. Gesundheitssüchtiger. 2012, 10, 278-296. [Google Scholar] [CrossRef]
  8. American Psychiatric Association DSM-5 Entwicklung. Internet-Nutzungsstörung. Online verfügbar: http://www.dsm5.org/ProposedRevision/Pages/proposedrevision.aspx?rid=573# (Zugriff auf 31 Juli 2012).
  9. Adalier, A. Die Beziehung zwischen Internet-Sucht und psychologischen Symptomen. Int. J. Glob. Ausbildung 2012, 1, 42-49. [Google Scholar]
  10. Bernardi, S .; Pallanti, S. Internet-Sucht: Eine deskriptive klinische Studie mit Schwerpunkt auf Komorbiditäten und dissoziativen Symptomen. Kompr. Psychiatrie 2009, 50, 510-516. [Google Scholar] [CrossRef]
  11. Xiuqin, H .; Huimin, Z .; Mengchen, L .; Jinan, W .; Ying, Z .; Ran, T. Psychische Gesundheit, Persönlichkeit und elterliche Erziehung Stile von Jugendlichen mit Internet-Sucht-Störung. Cyberpsychol. Verhalten Soc. Netz 2010, 13, 401-406. [Google Scholar] [CrossRef]
  12. Johansson, A .; Gotestam, KG Internet-Sucht: Merkmale eines Fragebogens und Prävalenz in der norwegischen Jugend (12-18 Jahre). Scand. J. Psychol. 2004, 45, 223-229. [Google Scholar] [CrossRef]
  13. Lin, M.-P .; Ko, H.-C .; Wu, JY-W. Prävalenz und psychosoziale Risikofaktoren im Zusammenhang mit Internet-Sucht in einer landesweit repräsentativen Auswahl von College-Studenten in Taiwan. Cyberpsychol. Verhalten Soc. Netz 2011, 14, 741-746. [Google Scholar]
  14. Fu, KW; Chan, WSC; Wong, PWC; Yip, PSF Internet-Sucht: Prävalenz, diskriminante Validität und korreliert unter Jugendlichen in Hong Kong. Br. J. Psychiatrie 2010, 196, 486-492. [Google Scholar] [CrossRef]
  15. Descartes, R. Abhandlung des Menschen; Prometheus Bücher: New York, NY, USA, 2003. [Google Scholar]
  16. Repovš, G. Kognitive Neurowissenschaften und das "Geist-Körper-Problem". Horiz. Psychol. 2004, 13, 9-16. [Google Scholar]
  17. Volkow, ND; Fowler, JS; Wang, GJ Das süchtige menschliche Gehirn: Einblicke aus Bildgebungsstudien. J. Clin. Investieren. 2003, 111, 1444-1451. [Google Scholar]
  18. Pavlov, IP Conditioned Reflexes: Eine Untersuchung der physiologischen Aktivität der Hirnrinde; Dover: Mineola, NY, USA, 2003. [Google Scholar]
  19. Skinner, BF Wissenschaft und menschliches Verhalten; Macmillan: New York, NY, USA, 1953. [Google Scholar]
  20. Everitt, BJ; Robbins, TW Neuronale Verstärkungssysteme für Drogenabhängigkeit: Von Handlungen über Gewohnheiten zu Zwang. Nat. Neurosc 2005, 8, 1481-1489. [Google Scholar] [CrossRef]
  21. Kalivas, PW; Volkow, ND Die neurale Basis der Sucht: Eine Pathologie der Motivation und Wahl. Bin ich J. Psychiatrie 2005, 162, 1403-1413. [Google Scholar] [CrossRef]
  22. Goldstein, RZ; Volkow, ND Drogensucht und ihre zugrunde liegende neurobiologische Grundlage: Neuroimaging Beweise für die Beteiligung des frontalen Kortex. Bin ich J. Psychiatrie 2002, 159, 1642-1652. [Google Scholar] [CrossRef]
  23. Craven, R. Targeting neuronale Korrelate der Sucht. Nat. Rev. Neurosci. 20067. [Google Scholar]
  24. Brebner, K .; Wong, TP; Liu, L .; Liu, Y .; Campsall, P .; Gray, S .; Phelps, L .; Phillips, AG; Wang, YT Nucleus accumbens Long-Term Depression und der Ausdruck von Verhaltenssensibilisierung. Wissenschaft 2005, 310, 1340-1343. [Google Scholar]
  25. Wilson, SJ; Sayette, MA; Fiez, JA Präfrontale Reaktionen auf Drogenhinweise: Eine neurokognitive Analyse. Nat. Neurosc 2004, 7, 211-214. [Google Scholar]
  26. Di Chiara, G. Nucleus Accumbens Schale und Kern Dopamin: Unterschiedliche Rolle in Verhalten und Sucht. Verhalten Gehirn Res. 2002, 137, 75-114. [Google Scholar] [CrossRef]
  27. Koob, GF; Le Moal, M. Addiction und das Gehirn-Anti-Reward-System. Ann. Rev. Psychol. 2008, 59, 29-53. [Google Scholar]
  28. Prochaska, JO; DiClemente, CC; Norcross, JC Auf der Suche nach dem Wandel der Menschen. Anwendungen für Suchtverhalten. Bin ich Psychol. 1992, 47, 1102-1114. [Google Scholar]
  29. Potenza, MN Sollten zu den Suchterkrankungen nicht substanzbedingte Erkrankungen gehören? Sucht 2006, 101, 142-151. [Google Scholar] [CrossRef]
  30. Grant, JE; Brauer, JA; Potenza, MN Die Neurobiologie von Substanz- und Verhaltenssüchten. ZNS-Spektrum 2006, 11, 924-930. [Google Scholar]
  31. Niedermeyer, E.; da Silva, FL Elektroenzephalographie: Grundprinzipien, klinische Anwendungen und verwandte Gebiete; Lippincot Williams & Wilkins: Philadelphia, PA, USA, 2004. [Google Scholar]
  32. Glück, SJ; Kappenman, ES Das Oxford Handbuch der Event-Related Potential Components; Oxford Universitätspresse: New York, NY, USA, 2011. [Google Scholar]
  33. Bailey, DL; Townsend, DW; Valk, PE; Maisey, MN Positronen-Emissions-Tomographie: Grundlagenforschung; Springer: Secaucus, NJ, USA, 2005. [Google Scholar]
  34. Meikle, SR; Beekman, FJ; Rose, SE Komplementäre molekulare Bildgebungstechnologien: Hochauflösende SPECT, PET und MRI. Drogen Discov. Heute Technol. 2006, 3, 187-194. [Google Scholar] [CrossRef]
  35. Huettel, SA; Lied, AW; McCarthy, G. Funktionelle Magnetresonanztomographie, 2nd ed .; Sinauer: Sunderland, MA, USA, 2008. [Google Scholar]
  36. Syms, M .; Jäger, HR; Schmierer, K .; Yousry, TA Eine Übersicht über strukturelle Magnetresonanz-Bildgebung. J. Neurol. Neurosurg. Psychiatrie 2004, 75, 1235-1244. [Google Scholar] [CrossRef]
  37. Ashburner, J .; Friston, KJ Voxel-basierte Morphometrie-Die Methoden. NeuroImage 2000, 11, 805-821. [Google Scholar] [CrossRef]
  38. Le Bihan, D .; Mangin, JF; Poupn, C .; Clark, CA; Pappata, S .; Molko, N .; Chabriat, H. Diffusion Tensor Imaging: Konzepte und Anwendungen. J. Magn. Reson. Imaging 2001, 13, 534-546. [Google Scholar]
  39. Dong, G .; Huang, J .; Du, X. Verbesserte Belohnungsempfindlichkeit und verringerte Verlustempfindlichkeit bei Internet-Abhängigen: Eine fMRI-Studie während einer Ratespiele. J. Psychiatr. Res. 2011, 45, 1525-1529. [Google Scholar]
  40. Han, DH; Lyoo, IK; Renshaw, PF Differenzielle regionale graue Substanzvolumen bei Patienten mit Online-Spielsucht und professionellen Spielern. J. Psychiatr. Res. 2012, 46, 507-515. [Google Scholar] [CrossRef]
  41. Han, DH; Hwang, JW; Renshaw, PF Die Behandlung mit Bupropion mit verzögerter Wirkstofffreisetzung verringert das Verlangen nach Videospielen und Gehirnaktivität bei Patienten mit Internet-Videospielabhängigkeit. Exp. Clin. Psychopharmacol. 2010, 18, 297-304. [Google Scholar]
  42. Han, DH; Kim, YS; Lee, YS; Min, KJ; Renshaw, PF Veränderungen der cue-induzierten, präfrontalen Kortexaktivität mit Videospiel. Cyberpsychol. Verhalten Soc. Netz 2010, 13, 655-661. [Google Scholar] [CrossRef]
  43. Höft, F .; Watson, CL; Kesler, SR; Bettinger, KE; Reiss, AL Geschlechtsunterschiede im mesocorticelimbischen System beim Computerspiel. J. Psychiatr. Res. 2008, 42, 253-258. [Google Scholar]
  44. Ko, CH; Liu, GC; Hsiao, SM; Yen, JJ; Yang, MJ; Lin, WC; Yen, CF; Chen, CS Brain Aktivitäten mit Spiel Drang der Online-Gaming-Sucht verbunden. J. Psychiatr. Res. 2009, 43, 739-747. [Google Scholar] [CrossRef]
  45. Liu, J .; Gao, XP; Osunde, I .; Li, X .; Zhou, SK; Zheng, HR; Li, LJ Erhöhte regionale Homogenität in der Internet-Suchtstörung: Eine Ruhezustandsfunktionale Magnetresonanztomographie-Studie. Kinn. Med. J. 2010, 123, 1904-1908. [Google Scholar]
  46. Yuan, K .; Qin, W .; Wang, G .; Zeng, F .; Zhao, L .; Yang, X .; Liu, P .; Liu, J .; Sun, J .; von Deneen, KM; et al. Mikrostrukturanomalien bei Jugendlichen mit Internet-Suchtstörungen. Plus eins 2011, 6, e20708. [Google Scholar]
  47. Zhou, Y .; Lin, F.-C .; Du, Y.-S .; Qin, L.-D .; Zhao, Z.-M .; Xu, J.-R .; Lei, H. Gray-Substanz Anomalien in der Internet-Sucht: Eine Voxel-basierte Morphometrie-Studie. EUR. J. Radiol. 2011, 79, 92-95. [Google Scholar]
  48. Lin, F .; Zhou, Y .; Du, Y .; Qin, L .; Zhao, Z .; Xu, J .; Lei, H. Anomale Integrität der weißen Substanz bei Jugendlichen mit Internet-Suchtstörung: Eine raumgestützte räumliche Statistik Studie. Plus eins 2012, 7, e30253. [Google Scholar]
  49. Kim, SH; Baik, SH; Park, CS; Kim, SJ; Choi, SW; Kim, SE Reduzierte striatale Dopamin-D2-Rezeptoren bei Menschen mit Internetabhängigkeit. Neuroreport 2011, 22, 407-411. [Google Scholar] [CrossRef]
  50. Koepp, MJ; Gunn, RN; Lawrence, AD; Cunningham, VJ; Dagher, A .; Jones, T .; Brooks, DJ; Bank, CJ; Grasby, PM Beweise für striatale Dopaminfreisetzung während eines Videospiels. Natur 1998, 393, 266-268. [Google Scholar]
  51. Hou, H .; Jia, S .; Hu, S .; Fan, R .; Sonne, W .; Sonne, T .; Zhang, H. Reduzierte striatale Dopamintransporter bei Menschen mit Internetabhängigkeit. J. Biomed. Biotechnol. 20122012. [Google Scholar]
  52. Dong, G .; Zhou, H .; Zhao, X. Männliche Internetsüchtige zeigen eingeschränkte exekutive Kontrollfähigkeit: Beweise aus einer Farbwort-Stroop-Aufgabe. Neurosc Lette. 2011, 499, 114-118. [Google Scholar] [CrossRef]
  53. Dong, G .; Lu, Q .; Zhou, H .; Zhao, X. Impulshemmung bei Menschen mit Internetabhängigkeit: Elektrophysiologische Beweise aus einer Go / NoGo-Studie. Neurosc Lette. 2010, 485, 138-142. [Google Scholar] [CrossRef]
  54. Dong, G .; Zhou, H. Ist die Fähigkeit zur Impulskontrolle bei Menschen mit Internetabhängigkeit beeinträchtigt: Elektrophysiologische Beweise aus ERP-Studien. Int. J. Psychophysiol. 2010, 77, 334-335. [Google Scholar] [CrossRef]
  55. Ge, L .; Ge, X .; Xu, Y .; Zhang, K .; Zhao, J .; Kong, X. P300 Änderung und kognitive Verhaltenstherapie bei Patienten mit Internet-Sucht-Störung Eine 3-Monat Follow-up-Studie. Neuraler Regen. Res. 2011, 6, 2037-2041. [Google Scholar]
  56. Littel, M .; Luijten, M .; van den Berg, I .; van Rooij, A .; Keemink, L .; Franken, I. Fehlerverarbeitung und Response-Inhibition bei exzessiven Computerspielern: Eine ERP-Studie. Süchtiger. Biol. 2012. [Google Scholar]
  57. Yu, H .; Zhao, X .; Li, N .; Wang, M .; Zhou, P. Auswirkung übermäßiger Internetnutzung auf die Zeit-Frequenz-Charakteristik des EEG. Prog. Nat. Sci. 2009, 19, 1383-1387. [Google Scholar] [CrossRef]
  58. Derogatis, LR SCL-90-R Administrations-, Bewertungs- und Verfahrenshandbuch II; Klinische psychometrische Forschung: Towson, MD, USA, 1994. [Google Scholar]
  59. Costa, PT; McCrae, RR überarbeitetes NEO-Persönlichkeitsinventar (NEO-PI-R) und das NEO-Fünf-Faktoren-Inventar (NEO-FFI): Professionelles Handbuch; Psychologische Bewertungsressourcen: Odessa, FL, USA, 1992. [Google Scholar]
  60. Naqvi, NH; Bechara, A. Die versteckte Insel der Sucht: Die Insula. Trends Neurosci. 2009, 32, 56-67. [Google Scholar] [CrossRef]
  61. Jung, KS Internet Suchtest (IAT). Online verfügbar: http://www.netaddiction.com/index.php?option=com_bfquiz&view=onepage&catid=46&Itemid=106 (Zugriff auf 14 May 2012).
  62. Tao, R .; Huang, X .; Wang, J .; Liu, C .; Zang, H .; Xiao, L. Ein vorgeschlagenes Kriterium für die klinische Diagnose der Internet-Sucht. Med. J. Chin. PLA 2008, 33, 1188-1191. [Google Scholar]
  63. Wang, W .; Tao, R .; Niu, Y .; Chen, Q .; Jia, J .; Wang, X. Vorläufig vorgeschlagene diagnostische Kriterien der pathologischen Internetnutzung. Kinn. Ment. Gesundheit J. 2009, 23, 890-894. [Google Scholar]
  64. Young, K. Internet-Sucht: Die Entstehung einer neuen klinischen Störung. Cyberpsychol. Verhalten 1998, 3, 237-244. [Google Scholar] [CrossRef]
  65. Jung, KS; Rogers, RC Die Beziehung zwischen Depression und Internetsucht. Cyberpsychol. Verhalten 1998, 1, 25-28. [Google Scholar] [CrossRef]
  66. Johnson, S. NPD Group: Gesamtumsatz der 2010-Spielesoftware im Vergleich zu 2009. Online verfügbar: http://www.g4tv.com/thefeed/blog/post/709764/npd-group-total-2010-game-software-sales-flat-compared-to-2009 (Zugriff auf 3 Februar 2012).
  67. Young, K. Psychologie der Computerbenutzung: XL. Suchtvolle Nutzung des Internets: Ein Fall, der das Stereotyp bricht. Psychol. Rep. 1996, 79, 899-902. [Google Scholar] [CrossRef]
  68. Goldberg, I. Diagnostische Kriterien für die Internet Addictive Disorder (IAD). Online verfügbar: http://www.psycom.net/iadcriteria.html (Zugriff auf 23 May 2012).
  69. Young, K. Gefangen im Netz; Wiley: New York, NY, USA, 1998. [Google Scholar]
  70. Bentler, PM Vergleichende Fit-Indizes in Strukturmodellen. Psychol. Stier. 1990, 107, 238-246. [Google Scholar] [CrossRef]
  71. Chen, SH; Weng, LC; Su, YJ; Wu, HM; Yang, PF Entwicklung der chinesischen Internet Sucht Skala und ihrer psychometrischen Studie. Kinn. J. Psychol. 2003, 45, 279-294. [Google Scholar]
  72. Bart, KW; Wolf, EM Änderung der vorgeschlagenen Diagnosekriterien für die Internetsucht. Cyberpsychol. Verhalten 2001, 4, 377-383. [Google Scholar] [CrossRef]
  73. Van Rooij, AJ; Schoenmakers, TM; van den Eijnden, RJ; van de Mheen, D. Videogame Suchtest (MwSt.): Gültigkeit und psychometrische Merkmale. Cyberpsychol. Verhalten Soc. Netz 2012. [Google Scholar]
  74. Ko, CH; Yen, JJ; Chen, SH; Yang, MJ; Lin, HC; Yen, CF Vorgeschlagene diagnostische Kriterien und das Screening und Diagnose-Tool der Internet-Sucht bei College-Studenten. Kompr. Psychiatrie 2009, 50, 378-384. [Google Scholar]
  75. Sheehan, DV; Lecrubier, Y .; Sheehan, KH; Amorim, P .; Janvas, J .; Weiller, E .; Hergueta, T .; Bäcker, R .; Dunbar, GC Das Mini-Internationale Neuropsychiatrische Interview (MINI): Die Entwicklung und Validierung eines strukturierten diagnostischen psychiatrischen Interviews für DSM-IV und ICD-10. J. Clin. Psychiatrie 1998, 59, 22-33. [Google Scholar]
  76. Tsai, MC; Tsai, YF; Chen, CY; Liu, CY Test zur Feststellung von Alkoholkonsumstörungen (AUDIT): Ermittlung von Cut-Off-Werten bei einer hospitalisierten chinesischen Bevölkerung. Alkohol. Clin. Exp. Res. 2005, 29, 53-57. [Google Scholar] [CrossRef]
  77. Heatherton, TF; Kozlowski, LT; Frecker, RC; Fagerström, KO Der Fagerstrom-Test für Nikotinabhängigkeit: Eine Überarbeitung des Fagerstrom-Toleranzfragebogens. Br. J. Süchtiger. 1991, 86, 1119-1127. [Google Scholar] [CrossRef]
  78. Beck, A .; Ward, C .; Mendelson, M. Ein Inventar zur Messung der Depression. Bogen. Gen. Psychiatrie 1961, 4, 561-571. [Google Scholar] [CrossRef]
  79. Lebcrubier, Y .; Sheehan, DV; Weiller, E .; Amorim, P .; Bonora, I .; Sheehan, HK; Janavs, J .; Dunbar, GC Das Mini International Neuropsychiatric Interview (MINI). Ein kurzes diagnostisch strukturiertes Interview: Zuverlässigkeit und Validität nach CIDI. EUR. Psychiatrie 1997, 12, 224-231. [Google Scholar]
  80. Erstens, MB; Gibbon, M .; Spitzer, RL; Williams, JBW Structured Clinical Interview für DSM-IV Achse I Störungen: Kliniker Version (SCID-CV): Administration Booklet; Amerikanische psychiatrische Presse: Washington, DC, USA, 1996. [Google Scholar]
  81. Barratt, ES Faktoranalyse einiger psychometrischer Messungen von Impulsivität und Angstzuständen. Psychol. Rep. 1965, 16, 547-554. [Google Scholar] [CrossRef]
  82. Lee, HS Impulsivitätsskala; Korea Anleitung: Seoul, Korea, 1992. [Google Scholar]
  83. Oldfield, RC Die Bewertung und Analyse der Händigkeit: The Edinburgh Inventory. Neuropsychologie 1971, 9, 97-113. [Google Scholar] [CrossRef]
  84. Sheehan, DV; Sheehan, KH; Shyte, RD; Janavs, J .; Bannon, Y .; Rogers, JE; Milo, KM; Lager, SL; Wilkinson, B. Zuverlässigkeit und Validität des Mini International Neuropsychiatric Interview für Kinder und Jugendliche (MINI-KID). J. Clin. Psychiatrie 2010, 71, 313-326. [Google Scholar] [CrossRef]
  85. Huang, X .; Zhang, Z. Die Zusammenstellung der Dispositionsskala der Jugendzeitverwaltung. Acta Psychol. Sünde. 2001, 33, 338-343. [Google Scholar]
  86. Patton, JH; Stanford, MS; Barratt, ES Faktorstruktur der Barratt Impulsivitätsskala. J. Clin. Psychol. 1995, 51, 768-774. [Google Scholar] [CrossRef]
  87. Birmaher, B .; Khetarpal, S .; Brent, D .; Cully, M .; Balach, L .; Kaufman, J .; Neer, SM Der Bildschirm für Angststörungen im Zusammenhang mit Kindern (SCARED): Skalenaufbau und psychometrische Merkmale. Marmelade. Acad. Kind Adolesc. Psychiatrie 1997, 36, 545-553. [Google Scholar]
  88. Epstein, NB; Baldwin, LM; Bishop, DS Das McMaster-Familienbewertungsgerät. J. Eh. Fam. Ther. 1983, 9, 171-180. [Google Scholar] [CrossRef]
  89. Yang, CK; Choe, BM; Baity, M .; Lee, JH; Cho, JS SCL-90-R und 16PF Profile von Oberstufenschüler mit übermäßiger Internetnutzung. Können. J. Psychiatrie 2005, 50, 407-414. [Google Scholar]
  90. Eysenck, SBG; Pearson, PR; Easting, G .; Allsopp, JF Altersnormen für Impulsivität, Wagemut und Empathie bei Erwachsenen. Pers. Individuell Sich unterscheiden. 1985, 6, 613-619. [Google Scholar] [CrossRef]
  91. Lijffijt, M .; Caci, H .; Kenemans, JL Validierung der niederländischen Übersetzung des l7-Fragebogens. Pers. Individuell Sich unterscheiden. 2005, 38, 1123-1133. [Google Scholar] [CrossRef]
  92. Lemmens, P .; Tan, ES; Knibbe, RA Messmenge und Häufigkeit des Trinkens in einer allgemeinen Bevölkerungsbefragung: Ein Vergleich von fünf Indizes. J. Stud. Alkohol 1992, 53, 476-486. [Google Scholar]
  93. Beck, AT; Steer, R. Handbuch für das Beck Depressions Inventar; Die psychologische Gesellschaft: San Antonio, TX, USA, 1993. [Google Scholar]
  94. Yi, YS; Kim, JS Gültigkeit der Kurzformen der Koreanisch-Wechsler Erwachsenen-Intelligenz-Skala. Koreanisch J. Clin. Psychol. 1995, 14, 111-116. [Google Scholar]
  95. Goldstein, RZ; Alia-Klein, N .; Tomasi, D .; Carrillo, JH; Maloney, T .; Woicik, PA; Wang, R .; Telang, F .; Volkow, ND Anterior cingulate Cortex Hypoaktivierungen zu einer emotional herausragenden Aufgabe in Kokainsucht. Proc. Natl. Acad. Sci. Vereinigte Staaten von Amerika 2009, 106, 9453-9458. [Google Scholar]
  96. Schoenebaum, G .; Roesch, MR; Stalnaker, TA Orbitofrontal Cortex, Entscheidungsfindung und Drogenabhängigkeit. Trends Neurosci. 2006, 29, 116-124. [Google Scholar] [CrossRef]
  97. Li, C .; Sinha, R. Inhibitorische Kontrolle und emotionale Stressregulation: Neuroimaging Beweise für frontal-limbische Dysfunktion in psychostimulierende Sucht. Neurosc Biobehav. Rev. 2008, 32, 581-597. [Google Scholar] [CrossRef]
  98. Maddock, RJ; Garrett, AS; Buonocore, MH Aktivierung des posterioren cingulären Cortex durch emotionale Wörter: fMRI-Evidenz aus einer Valenzentscheidungsaufgabe. Summen. Gehirn Mapp. 2003, 18, 30-41. [Google Scholar] [CrossRef]
  99. Schnitzler, A .; Salenius, S .; Salmelin, R .; Jousmäki, V .; Hari, R. Beteiligung des primären motorischen Kortex in motorischen Bildern: Eine neuromagnetische Studie. Neuroimage 1997, 6, 201-208. [Google Scholar] [CrossRef]
  100. Schiemanck, S .; Kwakkel, G .; Post, MWM; Kapelle, JL; Prevo, AJH Auswirkung von Kapselläsionen auf die motorische Handfunktion nach einem Jahr. J. Rehabil. Med. 2008, 40, 96-101. [Google Scholar] [CrossRef]
  101. Rosenberg, BH; Landsattel, D .; Averch, TD Können Videospiele verwendet werden, um laparoskopische Fähigkeiten vorherzusagen oder zu verbessern? J. Endourol. 2005, 19, 372-376. [Google Scholar] [CrossRef]
  102. Bora, E .; Yücel, M .; Fornito, A .; Pantelis, C .; Harrison, BJ; Cocchi, L .; Pell, G .; Lubman, DI Mikrostruktur der weißen Substanz bei Opiatabhängigkeit. Süchtiger. Biol. 2012, 17, 141-148. [Google Scholar] [CrossRef]
  103. Yeh, PH; Simpson, K .; Durazzo, TC; Gazdzinski, S .; Meyerhoff, DJ Tract-Based Spatial Statistics (TBSS) von Diffusions-Tensor-Bildgebungsdaten in Alkoholabhängigkeit: Abnormitäten der neuronalen Schaltkreise. Psychiatrie Res. 2009, 173, 22-30. [Google Scholar] [CrossRef]
  104. Arnone, D .; Abou-Saleh, MT; Barrick, TR Diffusionstensor Bildgebung des Corpus Callosum in Abhängigkeit. Neuuropsychobiologie 2006, 54, 107-113. [Google Scholar] [CrossRef]
  105. Byun, S .; Ruffini, C .; Mühlen, JE; Douglas, Wechselstrom; Niang, M .; Steptschenkowa, S .; Lee, SK; Loutfi, J .; Lee, JK; Atallah, M .; et al. Internet-Sucht: Metasynthese von 1996-2006 quantitativer Forschung. Cyberpsychol. Verhalten 2009, 12, 203-207. [Google Scholar] [CrossRef]
  106. Polich, J .; Pollock, VE; Bloom, FE Meta-Analyse der P300-Amplitude von Männern mit einem Risiko für Alkoholismus. Psychol. Stier. 1994, 115, 55-73. [Google Scholar] [CrossRef]
  107. Nichols, JM; Martin, F. P300 in schweren sozialen Trinkern: Die Wirkung von Lorazepam. Alkohol 1993, 10, 269-274. [Google Scholar] [CrossRef]
  108. Sokhadze, E .; Stewart, C .; Hollifield, M .; Tasman, A. Event-Related Potential Studie von Exekutivdysfunktionen in einer beschleunigten Reaktionsaufgabe bei Kokainsucht. J. Neurother. 2008, 12, 185-204. [Google Scholar] [CrossRef]
  109. Thomas, MJ; Kalivas, PW; Shaham, Y. Neuroplastizität im mesolimbischen Dopaminsystem und Kokainabhängigkeit. Br. J. Pharmacol. 2008, 154, 327-342. [Google Scholar]
  110. Volkow, ND; Fowler, JS; Wang, GJ; Swanson, JM Dopamin bei Drogenmissbrauch und Sucht: Ergebnisse aus bildgebenden Studien und Behandlung Auswirkungen. Mol. Psychiatrie 2004, 9, 557-569. [Google Scholar] [CrossRef]
  111. Jia, SW; Wang, W .; Liu, Y .; Wu, ZM Neuroimaging Studien des Gehirns Corpus Striatum ändert sich bei heroinabhängigen Patienten mit Kräutermedizin, U'finer Kapsel behandelt. Süchtiger. Biol. 2005, 10, 293-297. [Google Scholar] [CrossRef]
  112. Morrison, CM; Gore, H. Die Beziehung zwischen exzessiver Internetnutzung und Depression: Eine Fragebogen-basierte Studie von 1319-Jugendlichen und Erwachsenen. Psychopathologie 2010, 43, 121-126. [Google Scholar] [CrossRef]
  113. Di Nicola, M .; Tedeschi, D .; Mazza, M .; Martinotti, G .; Harnic, D .; Catalano, V .; Bruschi, A .; Pozzi, G .; Bria, P .; Janiri, L. Verhaltensabhängigkeit bei Patienten mit bipolarer Störung: Rolle der Impulsivität und Persönlichkeitsdimensionen. J. Affekt. Unordnung. 2010, 125, 82-88. [Google Scholar] [CrossRef]
  114. Volkow, ND; Fowler, JS; Wang, GJ Das süchtige menschliche Gehirn im Licht von bildgebenden Studien: Gehirnkreisläufe und Behandlungsstrategien. Neuropharmakologie 2004, 47, 3-13. [Google Scholar] [CrossRef]
  115. Shaffer, HJ; LaPlante, DA; LaBrie, RA; Kidman, RC; Donato, AN; Stanton, MV Zu einem Syndrom-Modell der Sucht: Mehrere Ausdrücke, häufige Ätiologie. Harv. Rev. Psychiatrie 2004, 12, 367-374. [Google Scholar] [CrossRef]