Sci Rep . 2016; 6: 34122.
Publicado en línea el 23 de septiembre de 2016. doi: 10.1038/srep34122
PMCID: PMC5034231
Resumen
La obesidad es uno de los mayores desafíos que enfrentan los sistemas de salud, afectando al 20% de la población mundial. Existe una gran controversia sobre si la obesidad puede considerarse un trastorno adictivo o no. Recientemente, se ha desarrollado el cuestionario de la Escala de Adicción a la Comida de Yale como herramienta para identificar a personas con rasgos de adicción a la comida. Utilizando datos clínicos y de EEG localizados, dicotomizamos la obesidad. La actividad cerebral en personas obesas con y sin adicción a la comida se compara con la de controles delgados con y sin adicción al alcohol.
Mostramos que la adicción a la comida comparte la actividad neuronal del cerebro común con la adicción al alcohol. Esta "actividad cerebral neural de la adicción" consiste en la corteza cingulada anterior dorsal y pregenual, el área parahipocampal y el precuneus. Además, la obesidad neural común también tiene actividad cerebral neural. La 'actividad neural cerebral de la obesidad' consiste en córtex cingulado anterior dorsal y pregenual, el cingulado posterior se extiende hacia el precuneus / cuneus, así como el parahipocampal y el área parietal inferior. Sin embargo, los adictos a los alimentos difieren de las personas obesas no adictas a los alimentos por la actividad opuesta en el giro cingulado anterior. Esta dicotomía de adicción a la comida y obesidad no a adicción a la comida demuestra que hay al menos 2 diferentes tipos de obesidad con actividad de red superpuesta, pero diferente en la actividad de la corteza cingulada anterior.
La obesidad y sus comorbilidades asociadas representan un importante desafío de salud pública para el mundo actual. La prevalencia mundial aproximada de sobrepeso y obesidad es del 50 % y el 20 %, respectivamente¹ . Esto conlleva enormes costos relacionados con la atención médica, que en Estados Unidos se han calculado en más de 215 mil millones de dólares anuales¹ . Hasta la fecha, las estrategias de salud pública no han logrado prevenir el rápido aumento de las tasas de obesidad² , lo que evidencia la necesidad urgente de desarrollar intervenciones eficaces tanto a nivel poblacional como individual.
La obesidad se considera un trastorno complejo en el que factores genéticos, fisiológicos, psicológicos y ambientales interactúan para producir el fenotipo obeso. Sin embargo, ha sido difícil identificar subgrupos fisiopatológicos dentro de las poblaciones obesas. También es probable que los tratamientos efectivos solo se logren con tratamientos personalizados dirigidos a anomalías fisiopatológicas específicas. Si bien se ha reconocido desde hace tiempo que los centros homeostáticos del cerebro desempeñan un papel fundamental en la regulación del peso corporal, más recientemente se han implicado áreas cerebrales similares a las involucradas en la adicción a las drogas en el consumo de alimentos 3.
Existe una controversia significativa sobre la plausibilidad del concepto de adicción a la comida, con argumentos a favor y en contra 3 , 4. Una perspectiva considera la obesidad como consecuencia de la adicción a la comida 5 , que propone que ciertos alimentos (aquellos con alto contenido de grasa, sal y azúcar) son similares a las sustancias adictivas en la medida en que activan sistemas cerebrales y producen adaptaciones conductuales comparables a las generadas por las drogas de abuso 4 , 5. Una segunda perspectiva es que la adicción a la comida es un fenotipo conductual que se observa en un subgrupo de personas con obesidad y se asemeja a la adicción a las drogas 3 , 5. Esta perspectiva se basa en los paralelismos entre los criterios del DSM-IV para un síndrome de dependencia de sustancias y los patrones observados de sobrealimentación, como en el trastorno por atracones 4. Las similitudes clínicas han llevado a la idea de que la obesidad y la adicción al alcohol pueden compartir mecanismos moleculares, celulares y sistémicos comunes 3. Los argumentos a favor del vínculo entre la adicción a la comida y la adicción al alcohol se han discutido anteriormente 3 , 4 . Existe (1) una superposición clínica entre la obesidad y la adicción a las drogas, (2) una vulnerabilidad compartida tanto a la obesidad como a la adicción a las sustancias, a través del alelo menor Taq 1A (A1) del gen del receptor de dopamina D2 ( DRD2 ), que se ha asociado con el alcoholismo; trastornos por abuso de sustancias, incluyendo cocaína, tabaquismo y dependencia de opioides y obesidad (3) Se han descrito cambios análogos en los neurotransmisores que consisten en niveles más bajos de receptores de dopamina estriatales en humanos obesos y adictos, así como (4) existen diferentes respuestas cerebrales a estímulos relacionados con los alimentos en individuos obesos en comparación con controles no obesos en estudios de imágenes funcionales.
Todos estos argumentos han sido criticados afirmando que la gran mayoría de las personas con sobrepeso no han mostrado un perfil conductual o neurobiológico convincente que se asemeje a la adicción, y que la enorme inconsistencia que surge de una revisión de la literatura de neuroimagen sugiere que la obesidad es un trastorno altamente heterogéneo 4.
Así, surge la pregunta de si existe realmente un subgrupo de personas obesas que son adictas a la comida. Esta comprensión podría conducir al desarrollo de tratamientos específicos basados en la fisiopatología cerebral para subgrupos de pacientes obesos. Recientemente se ha desarrollado una medida psicométrica cuantitativa y validada de la adicción a la comida, la Escala de Adicción a la Comida de Yale (YFAS) 6. El contenido de la Escala de Adicción a la Comida de Yale (YFAS) se compone de preguntas basadas en los criterios de dependencia de sustancias del DSM-IV-TR y escalas utilizadas para evaluar adicciones conductuales, como el juego, el ejercicio y el sexo, incluyendo el Cuestionario de Juego de South Oaks, la Escala de Dependencia del Ejercicio y la Herramienta de Detección de Adicción Sexual de Carnes 6. Para el diagnóstico de adicción a la comida, que se asemeja a un diagnóstico de dependencia de sustancias, se consideró que se cumplían los criterios si los participantes respaldaban tres o más de los siete criterios del DSM-IV-R, así como al menos uno de los dos ítems de significación clínica (deterioro o malestar) 6 . Estos criterios son: (1) Sustancia tomada en mayor cantidad y durante un período más prolongado del previsto, (2) Deseo persistente o intento repetido e infructuoso de dejar de consumirla, (3) Mucho tiempo/actividad para obtenerla, usarla y recuperarse, (4) Actividades sociales, laborales o recreativas importantes que se abandonan o reducen, (5) El consumo continúa a pesar del conocimiento de las consecuencias adversas (por ejemplo, incumplimiento de las obligaciones del rol, consumo cuando es físicamente peligroso), (6) Tolerancia (aumento marcado de la cantidad; disminución marcada del efecto), (7) Síntomas de abstinencia característicos; sustancia tomada para aliviar la abstinencia.
Se han investigado los correlatos neuronales de la adicción a la comida según los criterios YFAS mediante fMRI en un contexto evocado, observando cómo el cerebro de personas obesas con adicción a la comida difiere de controles delgados en su respuesta a un estímulo alimentario (batido de chocolate) 7 . Los participantes con puntuaciones más altas frente a puntuaciones más bajas de adicción a la comida mostraron mayor activación en la corteza prefrontal dorsolateral y el núcleo caudado en respuesta a la recepción anticipada de comida, pero menor activación en la corteza orbitofrontal lateral en respuesta a la recepción de comida. Además, en un análisis de correlación, las puntuaciones de adicción a la comida se correlacionaron con mayor activación en la corteza cingulada anterior, la corteza orbitofrontal medial y la amígdala en respuesta a la recepción anticipada de comida 7 . Este estudio sugirió que patrones similares de activación neuronal están implicados en el comportamiento alimentario de tipo adictivo y la dependencia de sustancias 7 . De hecho, se identificó mayor activación del circuito de recompensa en respuesta a señales alimentarias y menor activación de regiones inhibitorias en respuesta a la ingesta de alimentos 7.
Se investigaron los cambios cerebrales relacionados con el deseo compulsivo mediante la técnica de estimulación cerebral y la resonancia magnética funcional (fMRI). Se identificó actividad relacionada con el deseo compulsivo en el hipocampo, la ínsula y el núcleo caudado, tres áreas que también se han relacionado con el deseo compulsivo de drogas, lo que respalda la hipótesis del sustrato común para los deseos compulsivos de comida y drogas 8.
En un estudio reciente, que analizó los correlatos neuronales de la adicción a la comida en reposo con EEG localizado en la fuente, cinco minutos después de probar un solo batido de chocolate, los pacientes con tres o más síntomas de adicción a la comida mostraron un aumento de la potencia delta en el giro frontal medio derecho (Área de Brodmann [AB] 8) y en el giro precentral derecho (AB 9), y potencia theta en la ínsula derecha (AB 13) y en el giro frontal inferior derecho (AB 47). Además, en comparación con los controles, los pacientes con tres o más síntomas de adicción a la comida mostraron un aumento de la conectividad funcional en las áreas frontoparietales tanto en la banda theta como en la alfa. El aumento de la conectividad funcional también se asoció positivamente con el número de síntomas de adicción a la comida 9 . Este estudio sugirió que la adicción a la comida tiene correlatos neurofisiológicos similares a otras formas de trastornos relacionados con sustancias y adicciones, lo que sugiere mecanismos psicopatológicos similares 9.
El objetivo de este estudio fue investigar si las personas obesas con y sin adicción a la comida presentan una " actividad neuronal cerebral de la obesidad" común , así como si, basándose en la literatura previa, se podría identificar una "actividad neuronal cerebral de la adicción" común entre las personas con adicción al alcohol y las personas con adicción a la comida.
Métodos
Temas de investigacion
Veinte adultos sanos con peso normal y 46 obesos participantes fueron incluidos en el estudio. Todos los participantes fueron reclutados de la comunidad a través de anuncios en los periódicos. Además, recopilamos datos de individuos de 14 que cumplieron con los criterios de adicción al alcohol.
Procedimientos
Todos los participantes potenciales acudieron a las instalaciones de investigación para una visita de selección y para proporcionar el consentimiento informado. El protocolo del estudio fue aprobado por el Comité de Ética de Salud y Discapacidad del Sur en la Universidad de Otago (LRS/11/09/141/AM01) y se llevó a cabo de acuerdo con las directrices aprobadas. Se obtuvo el consentimiento informado de todos los participantes. Los criterios de inclusión fueron participantes masculinos o femeninos de entre 20 y 65 años y un IMC de 19–25 kg/m² ( grupo delgado) o >30 kg/m² ( grupo obeso). Se excluyó a los participantes que presentaban otras comorbilidades significativas, como diabetes, cáncer, cardiopatía, hipertensión no controlada, enfermedad psiquiátrica (según la pregunta de si habían sido diagnosticados previamente con una enfermedad psiquiátrica), traumatismo craneoencefálico previo o cualquier otra afección médica significativa. Los participantes obesos no estaban recibiendo ninguna intervención para la obesidad en el momento de la recopilación de datos. A todos los participantes se les realizaron mediciones antropométricas, un examen físico, una medición del gasto energético en reposo y un análisis de la composición corporal. Posteriormente, los participantes que cumplieron con los criterios de inclusión acudieron a la clínica tras un ayuno nocturno para el análisis del EEG, la extracción de sangre y la cumplimentación de cuestionarios. Los criterios de inclusión para los pacientes alcohólicos fueron participantes de ambos sexos, de entre 20 y 65 años, que cumplieran los criterios de dependencia del alcohol según el DSM-IVr, basados en la evaluación de un psiquiatra. Además, debían obtener una puntuación alta en la escala de deseo obsesivo-compulsivo, haber recibido al menos un tratamiento residencial, tratamiento previo con al menos un medicamento para reducir el deseo de consumir alcohol y al menos una intervención ambulatoria de atención médica profesional. Se excluyó a los pacientes que presentaban trastornos psiquiátricos con síntomas psicóticos o maníacos, antecedentes de traumatismo craneoencefálico o cualquier otra afección médica significativa. Esto se realizó preguntándoles si habían sido diagnosticados previamente con alguna enfermedad psiquiátrica.
Aquellos participantes que cumplieron con los criterios de inclusión asistieron después de la abstinencia de alcohol durante la noche para el análisis de EEG, la recolección de sangre y las evaluaciones del cuestionario.
Medidas de comportamiento y de laboratorio.
Cuestionarios
Yale Food Addiction Scale
Cada participante completó la Escala de Adicción a la Comida de Yale, que es un cuestionario estandarizado de autoinforme, basado en los códigos del DSM-IV para los criterios de dependencia de sustancias, para identificar individuos con alto riesgo de adicción a la comida, independientemente del peso corporal 6 , 10 , 11. Si bien actualmente no existe un diagnóstico oficial de "adicción a la comida", la YFAS se creó para identificar personas que exhibían síntomas de dependencia hacia ciertos alimentos. Los alimentos con potencial adictivo identificados principalmente por la YFAS incluyen aquellos con alto contenido de grasa y azúcar. La YFAS es una herramienta psicométricamente validada que consta de 27 preguntas que identifican patrones de alimentación similares a los comportamientos observados en áreas clásicas de adicción (2). Utilizando la escala del sistema de puntuación continua, calculamos una puntuación YFAS de 0 a 7 para cada participante (2). Se aplicó una división por la mediana en la YFAS para diferenciar los grupos de obesidad. Los participantes que tenían una puntuación igual a la mediana (=3) fueron excluidos del análisis. Los participantes con una puntuación inferior a la mediana fueron asignados al grupo YFAS bajo, es decir, al grupo de obesidad sin adicción a la comida (NFAO), mientras que aquellos con una puntuación superior a la mediana fueron asignados al grupo YFAS alto, es decir, al grupo de obesidad con adicción a la comida (FAO).
Escalas de calificación numérica (NRS) del 0 al 10 que miden el hambre (¿Cuánta hambre sientes?); la satisfacción (¿Qué tan satisfecho te sientes?); la plenitud (¿Qué tan lleno te sientes?); el aprecio (¿Cuánto crees que puedes comer ahora mismo?); y el deseo/antojo de comida (¿Te gustaría comer algo ahora mismo?).
BIS / BAS
Las escalas del sistema de inhibición conductual/sistema de aproximación conductual (BIS/BAS) se desarrollaron para evaluar las diferencias individuales en la sensibilidad de dos sistemas motivacionales generales que subyacen al comportamiento¹² . Se dice que el BIS regula los motivos aversivos, cuyo objetivo es alejarse de algo desagradable. Se cree que el BAS regula los motivos apetitivos, cuyo objetivo es acercarse a algo deseado.
DEBQ
Los participantes completaron una copia del Cuestionario Holandés de Comportamiento Alimentario (DEBQ) indicando en qué medida comen por razones emocionales, razones externas y restricción 13.
BES
La escala de atracones (BES, por sus siglas en inglés) es un cuestionario que evalúa la presencia de ciertos comportamientos de atracones que pueden ser indicativos de un trastorno alimentario 14.
Conciencia de la comida
La conciencia alimentaria se cuantifica mediante una subescala del cuestionario de alimentación consciente 15 y mide la sensibilidad afectiva de los estados internos y la conciencia organoléptica (es decir, la apreciación consciente de los efectos de los alimentos en cada uno de los sentidos).
Mediciones de laboratorio y visita.
Las muestras de sangre venosa se enviaron al laboratorio del Hospital Público de Dunedin para medir la glucosa, los lípidos y la función hepática mediante métodos estándar. La composición corporal se midió utilizando un análisis de impedancia bioeléctrica (BIA) (analizador de composición corporal segmentaria multifrecuencia Tanita MC-780). El gasto energético en reposo se midió por calorimetría indirecta (Fitmate, COSMED).
Comparaciones de grupos
Se aplicó una división por la mediana en el YFAS para diferenciar los grupos de obesidad. Ocho participantes tuvieron una puntuación igual a la mediana (=3) y fueron excluidos del análisis. Los participantes con una puntuación inferior a la mediana fueron asignados al grupo YFAS bajo, es decir, el grupo de obesidad sin adicción a la comida (NFAO), mientras que aquellos con una puntuación superior a la mediana fueron asignados al grupo YFAS alto, es decir, el grupo de obesidad con adicción a la comida (FAO). Técnicamente hablando, solo 3 participantes cumplieron realmente los criterios de adicción a la comida, es decir, tres o más de los siete criterios del DSM-IV-R, así como al menos uno de los dos ítems de significación clínica (deterioro o malestar) (Gearhardt, Corbin et al. 6 ).
Se realizó una comparación entre los grupos de peso normal, YFAS bajo y YFAS alto para los diferentes cuestionarios mediante un MANOVA. Como variables dependientes, todos los cuestionarios se incluyeron en un único modelo, tal como se muestra en la Tabla 1. La variable independiente fue el grupo (peso normal, YFAS bajo y YFAS alto). Se aplicó una corrección para comparaciones múltiples mediante la corrección de Bonferroni (p < 0.05) para comparar los tres grupos. Se incluyó la variable edad como covariable para controlar el efecto de la edad en nuestros hallazgos.
Realizamos un estudio que analizó datos bioquímicos y clínicos, así como cuestionarios relacionados con la alimentación y la obesidad (véanse las Tablas 1 y 2 ), complementados con la actividad EEG cerebral en estado de reposo en un grupo de personas obesas (IMC > 30 kg/m 2 ) (n = 38) con puntuaciones YFAS bajas (n = 18) y altas (n = 20) y las comparamos con un grupo de controles delgados no adictos (n = 20), utilizando registros EEG localizados en la fuente.
Además, para verificar si un puntaje alto de YFAS refleja un fenotipo adictivo, comparamos los grupos de YFAS alto y bajo con un grupo de personas adictas al alcohol intratable (n = 13), buscando una red de adicción neural común, así como el neural Sustratos de comida y antojo de alcohol.
Correlación entre la adicción a la comida y el atracón
En vista de la correlación conocida entre la adicción a la comida y los atracones (BES > 17) 11 , 16 se realizó un análisis de correlación entre YFAS y BES. Además, el grupo BES se dividió en un grupo BES alto (>17) y un grupo BES bajo, y esto se relacionó con el grupo YFAS (YFAS alto versus YFAS bajo).
Neuroimagen eléctrica
Recopilación de datos EEG
Los datos de EEG se obtuvieron como procedimiento estándar. Las grabaciones se obtuvieron en una habitación completamente iluminada con cada participante sentado erguido en una silla pequeña pero cómoda. La grabación propiamente dicha duró aproximadamente cinco minutos. El EEG se muestreó utilizando amplificadores Mitsar-201 (NovaTech http://www.novatecheeg.com/ ) con 19 electrodos colocados según la colocación internacional estándar 10-20 (Fp1, Fp2, F7, F3, Fz, F4, F8, T7, C3, Cz, C4, T8, P7, P3, Pz, P4, P8, O1, O2). Los participantes se abstuvieron de consumir alcohol 24 horas antes de la grabación del EEG y de consumir bebidas con cafeína el día de la grabación para evitar cambios en el EEG inducidos por el alcohol 17 o una disminución de la potencia alfa inducida por la cafeína 18 , 19 . La vigilancia de los participantes se monitorizó mediante parámetros de EEG como la ralentización del ritmo alfa o la aparición de husos, ya que la somnolencia se refleja en un aumento de la potencia theta 20. Se comprobó que las impedancias se mantuvieran por debajo de 5 kΩ. Los datos se recopilaron con los ojos cerrados (frecuencia de muestreo = 500 Hz, paso de banda 0.15–200 Hz). Los datos fuera de línea se remuestrearon a 128 Hz, se filtraron paso de banda en el rango de 2–44 Hz y posteriormente se transpusieron al software Eureka! 21 , se graficaron y se inspeccionaron cuidadosamente para el rechazo manual de artefactos. Todos los artefactos episódicos, incluidos parpadeos, movimientos oculares, apretar los dientes, movimientos corporales o artefactos de ECG, se eliminaron del flujo del EEG. Además, se realizó un análisis de componentes independientes (ICA) para verificar aún más si se habían excluido todos los artefactos. Para investigar el efecto del posible rechazo de componentes ICA, comparamos los espectros de potencia con dos enfoques: (1) después del rechazo de artefactos visuales solamente, y (2) después del rechazo adicional de componentes ICA. La potencia media en las bandas delta (2–3.5 Hz), theta (4–7.5 Hz), alfa1 (8–10 Hz), alfa2 (10–12 Hz), beta1 (13–18 Hz), beta2 (18.5–21 Hz), beta3 (21.5–30 Hz) y gamma (30.5–44 Hz) 22 , 23 , 24 no mostró una diferencia estadísticamente significativa entre los dos enfoques. Por lo tanto, confiamos en informar los resultados de los datos de corrección de artefactos en dos pasos, es decir, el rechazo de artefactos visuales y el rechazo adicional de componentes independientes. Se calcularon matrices espectrales cruzadas de Fourier promedio para las ocho bandas.
Localización de la fuente
Tomografía electromagnética cerebral estandarizada de baja resolución (sLORETA25,26) se usó para estimar las fuentes eléctricas intracerebrales que generaron los siete componentes del grupo BSS. Como procedimiento estándar una transformación de referencia media común.25 Se realiza antes de aplicar el algoritmo sLORETA. sLORETA calcula la actividad neuronal eléctrica como densidad de corriente (A / m2) sin suponer un número predefinido de fuentes activas. El espacio de solución utilizado en este estudio y la matriz de campos de plomo asociados son aquellos implementados en el software LORETA-Key (disponible gratuitamente en http://www.uzh.ch/keyinst/loreta.htm). Este software implementa coordenadas de electrodos realistas revisadas (Jurcak Figura XNUMX 2007) y el campo principal producido por Fuchs Figura XNUMX27 aplicando el método del elemento límite en la plantilla de Mazziotta MNI-152 (Instituto neurológico de Montreal, Canadá) Figura XNUMX28,29. La plantilla anatómica sLORETA-key divide y etiqueta el volumen del MNI-152 neocortical (incluido el hipocampo y la corteza cingulada anterior) en voxels 6,239 de dimensión 5 mm3, basado en probabilidades devueltas por el Demon Atlas30,31. El registro conjunto utiliza la traducción correcta del espacio MNI-152 al Talairach y Tournoux.32 espacio33.
Análisis de correlación
La metodología utilizada para las correlaciones sLORETA es no paramétrica. Se basa en la estimación, mediante aleatorización, de la distribución de probabilidad empírica para el estadístico máximo, bajo las comparaciones de hipótesis nula 34. Esta metodología corrige las pruebas múltiples (es decir, para la colección de pruebas realizadas para todos los vóxeles y para todas las bandas de frecuencia). Debido a la naturaleza no paramétrica del método, su validez no depende de ninguna suposición de gaussianidad 34. Los mapas de contraste estadístico sLORETA se calcularon a través de múltiples comparaciones vóxel por vóxel. El umbral de significación se basó en una prueba de permutación con 5000 permutaciones. Las correlaciones se calculan para los grupos de alcohol, YFAS bajo y YFAS alto con las escalas de antojo, hambre, saciedad y conciencia.
Análisis de conjunción
Además de la comparación de grupos entre YFAS bajo y YFAS alto, YFAS alto y participantes adictos al alcohol también realizamos un análisis de conjunción 35 , 36 , 37 , 38. Un análisis de conjunción identifica un "componente de procesamiento común" para dos o más tareas/situaciones al encontrar áreas activadas en sustracciones independientes 35 , 36 , 37 , 38. Friston et al. 36 también indicaron que aunque el análisis de conjunción general se usa en una condición dentro del grupo, también se puede aplicar entre grupos y se aplicó en algunos artículos recientes 39 , 40. Optamos por restar imágenes del grupo delgado de los grupos YFAS bajo y YFAS alto, YFAS alto y adictos al alcohol para que solo la actividad patológica (actividad que se desvió de los sujetos sanos) permanezca para YFAS bajo y YFAS alto, YFAS alto y grupo adicto al alcohol por separado. Basándonos en las imágenes de personas con niveles bajos y altos de YFAS, así como de personas con niveles altos de YFAS y adictas al alcohol, realizamos un análisis de conjunción para determinar qué actividad patológica tienen en común.
Resultados
Medidas de comportamiento
YFAS
La comparación entre los grupos delgado, bajo y alto de YFAS muestra una diferencia significativa ( F = 104.18, p < 0.001) que indica que el grupo delgado y el grupo bajo de YFAS no difieren entre sí, pero que ambos grupos difieren del grupo alto de YFAS ( Tabla 3 ). Al observar las diferentes subescalas del YFAS, el uso excesivo de alimentos, el tiempo dedicado a la comida, el aislamiento social, los síntomas de abstinencia y los relacionados con la comida son las subescalas que diferencian a los sujetos con YFAS alto de los sujetos con YFAS bajo. Sin embargo, el grupo alto de YFAS no difiere del grupo bajo de YFAS y del grupo delgado en las subescalas de uso persistente a pesar de la adversidad y tolerancia. En ninguna de las subescalas los sujetos con YFAS bajo difieren de los sujetos delgados. La Tabla 3 proporciona una descripción general detallada.
Correlación entre la adicción a la comida y el atracón
La puntuación YFAS para el grupo total se correlacionó con la puntuación BES (r = 0.50, p < 0.01) ( Tabla 4 ). Para el grupo con YFAS baja no se encontró una correlación significativa (r = 0.18, p < 0.05) ( Tabla 4 ), para el grupo con YFAS alta se encontró una correlación significativa (r = 0.56, p < 0.05) ( Tabla 4 ).
Demografía, antropometría y medidas de laboratorio.
Una comparación entre los grupos YFAS bajo y alto muestra un fenotipo común. Ambos grupos no se pueden separar en función del análisis bioquímico ( F = 0.89, p = 0.572), signos vitales ( F = 0.75, p = 0.532), peso y otras medidas antropométricas ( F = 1.17, p = 0.342) incluyendo la composición de grasa corporal ( F = 0.66, p = 0.684), gasto energético en reposo ( F = 0.77, p = 0.387). Ambos grupos obesos fueron significativamente diferentes del grupo delgado. Los pacientes adictos al alcohol tienen un peso corporal, altura e IMC normales. Su puntuación de antojo fue de 8.32/10 y su puntuación en la prueba de identificación de trastornos por consumo de alcohol (auditoría) de 36.21 (normal <20). Véase la Tabla 2 para una visión general.
Cuestionarios
Tanto el grupo YFAS bajo como el alto informan que tienen menos hambre que el grupo delgado. El grupo YFAS alto informa que se siente más lleno que el grupo YFAS bajo y el grupo delgado. No se demostraron diferencias significativas para la satisfacción, el aprecio y el deseo de comida. En el cuestionario BIS/BAS, el grupo YFAS alto informa una puntuación más alta que el grupo YFAS bajo y el grupo delgado en el BIS, pero no en el BAS. En las tres subescalas diferentes del DEBQ se obtuvo un efecto significativo. Para la subescala 'restringido', tanto el grupo YFAS bajo como el grupo YFAS alto informaron una puntuación más alta en comparación con el grupo delgado, pero no difieren entre sí. La subescala 'externa' indica que los sujetos YFAS alto tienen una puntuación más alta que los sujetos YFAS bajo y delgado, pero que el grupo YFAS bajo tiene una puntuación más baja que los grupos delgado y YFAS alto. La subescala 'emocional' muestra una diferencia entre el grupo YFAS alto y los sujetos YFAS bajo y delgado. Además, el grupo con un alto puntaje en la escala YFAS obtuvo una puntuación más alta en atracones y conocimiento sobre la alimentación en comparación con el grupo con un bajo puntaje en la escala YFAS y el grupo de peso normal. En cuanto al conocimiento sobre la alimentación, también se observó una diferencia significativa entre el grupo con bajo puntaje en la escala YFAS y el grupo de peso normal. La Tabla 3 resume los resultados. Asimismo, la Tabla 4 muestra la correlación entre los diferentes cuestionarios para el grupo de personas obesas en su conjunto, así como para los grupos con bajo y alto puntaje en la escala YFAS, por separado.
Neuroimagen eléctrica
Análisis de correlación
Grupo entero
Un análisis de correlación de todo el cerebro y el YFAS revelaron una correlación positiva significativa con la corteza cingulada anterior rostral (rACC) para las bandas de frecuencia theta (r = 0.23, p = 0.041) y beta3 (r = 0.22, p = 0.041) ( Fig. 1 ).
Grupo YFAS bajo
Un análisis de correlación para todo el cerebro y el puntuación de hambre reveló un efecto significativo para las bandas de frecuencia theta y beta1 y beta2. Las puntuaciones de hambre se correlacionan positivamente con la actividad del EEG en estado de reposo theta en la ínsula posterior, así como con la corteza somatosensorial izquierda (r = 0.69, p = 0.0007) (Fig. 2A) y se correlaciona negativamente con la actividad del EEG en estado de reposo beta1 en la corteza cingulada anterior dorsal (dACC) (r = −0.49, p = 0.019) (Fig. 2B). Una correlación negativa para la actividad del EEG en estado de reposo beta2 en la corteza cingulada anterior rostral (RACC) y la ínsula izquierda (r = −0.48, p = 0.022) también se encuentra (Fig. 2C). No hubo efectos significativos para el delta, alpha1, alpha2, beta3 y la banda de frecuencia gamma. Se obtuvo una correlación positiva entre los percepción de plenitud y la actividad beta 3 en la corteza cingulada posterior (PCC), que se extiende a la corteza precuneus y somatosensorial (r = 0.52, p = 0.013) (ver Fig. 2D) y con actividad gamma en la corteza cingulada anterior pregenual (pgACC) (r = 0.61, p = 0.004) (Fig. 2E). Se obtuvo una correlación positiva entre conciencia de la comida y la actividad theta en el RACC y la corteza somatosensorial (r = 0.44, p = 0.034) (Fig. 2F). Se obtuvo una correlación negativa con la actividad beta1 en el pgACC (r = −0.90, p <0.00001) (Fig. 2G). Además, se demostró una correlación negativa con la actividad beta2 en el dACC y la corteza cingulada anterior subgenual (sgACC) que se extiende hacia la amígdala (r = −0.73, p = 0.0003) (Fig. 2H). Además, se encontró una correlación negativa (azul) con actividad gamma en el dACC y PCC (r = −0.61, p = 0.004) (Fig. 2I). No se obtuvieron otros efectos significativos. No se identificó ningún efecto entre la actividad cerebral y la escala de hambre para el grupo de YFAS bajo.
Grupo alto de YFAS
Se identificó una correlación significativa entre las puntuaciones de hambre y la densidad de corriente de la banda gamma en la corteza cingulada anterior rostral (rACC) que se extiende hasta la corteza prefrontal medial dorsal (dmPFC) (r = 0.56, p = 0.005) ( Fig. 2J ). No se identificó ningún efecto significativo para las bandas de frecuencia delta, theta, alfa1, alfa2, beta1, beta2 y beta3. No se encontraron correlaciones significativas entre la actividad cerebral y las escalas de hambre, saciedad y consciencia.
Grupo de adiccion al alcohol
Se identificó una correlación significativa entre las puntuaciones de deseo de alcohol y la densidad de corriente de la banda gamma para la rACC que se extiende hasta la dmPFC (r = 0.72, p = 0.002) ( Fig. 3 ).
Análisis de conjunción
Un análisis de conjunción de la actividad en estado de reposo entre los grupos YFAS alto y bajo muestra actividad beta2 en el sgACC, pgACC, área parahipocampal, áreas parietal inferior derecha y temporal media (Z = 1.99, p = 0.023) ( Fig. 4A ) y actividad gamma en el PCC que se extiende al precúneo y cuneus (Z = 1.99, p = 0.023) ( Fig. 4B ). Se identificó actividad anticorrelacionada en la frecuencia beta2 en las áreas rACC/dmPFC entre los grupos YFAS alto y YFAS bajo (Z = −2.03, p = 0.021) ( Fig. 4A ).
Un análisis de conjunción entre el grupo obeso con alto YFAS y el grupo con adicción al alcohol mostró un efecto significativo para la banda de frecuencia alfa1 en ACC/dmPFC y precúneo (Z = 2.24, p = 0.013) ( Fig. 4C ) y para la actividad alfa2 en sgACC y corteza orbitofrontal (OFC), así como en el lóbulo temporal (área fusiforme/parahipocampal) (Z = 2.78, p = 0.003) ( Fig. 4D ). No se observó ningún efecto significativo entre los grupos con bajo YFAS y el grupo con adicción al alcohol.
Discusión
Estos resultados sugieren que una puntuación alta en la escala YFAS sí representa un estado adictivo. El análisis de conjunción demostró que el grupo con puntuación alta en la escala YFAS y el grupo con adicción al alcohol comparten una actividad cerebral patológica común, ausente en el grupo con puntuación baja en la escala YFAS . El sustrato neural visualizado se considera patológico, ya que se controla tanto en el grupo con puntuación alta en la escala YFAS como en el grupo con adicción al alcohol mediante la sustracción de la actividad cerebral de un grupo de control sano, delgado y no adicto. Esta actividad cerebral patológica asociada a la adicción involucra la corteza cingulada anterior/corteza prefrontal dorsomedial, la corteza cingulada anterior pregenual que se extiende hasta la corteza orbitofrontal medial (mOFC), el área parahipocampal y el precúneo, áreas cerebrales que pueden ser moduladas por tratamientos farmacológicos o cognitivos para la adicción 41. Un estudio previo de resonancia magnética funcional mostró que las puntuaciones de la escala YFAS se correlacionaban con la actividad evocada por señales en la corteza cingulada anterior rostral (rACC) y la corteza orbitofrontal medial (mOFC) 7, lo que sugiere que estas áreas cerebrales responden a las señales alimentarias. Nuestros resultados indican que también son más activos en estado de reposo, a diferencia de un estudio previo de EEG en estado de reposo realizado con LORETA⁹ . Por lo tanto, la adicción al alcohol y a la comida podrían, además de aspectos celulares, genéticos y conductuales³ , compartir también un sustrato neurofisiológico común a nivel de actividad cerebral macroscópica.
Sin embargo, ambos grupos YFAS tienen un fenotipo común, obesidad, y no pueden separarse según el análisis bioquímico, los signos vitales, el peso y otras medidas antropométricas, incluida la composición de la grasa corporal, el gasto de energía en reposo, ni las puntuaciones de calificación relacionadas con los alimentos, excepto la percepción de plenitud (Tabla 2). TSu similitud clínica se refleja en la "actividad cerebral por obesidad" neurobiológica común compartida por los grupos YFAS bajo y alto. Un análisis de conjunción (controlado por magro) mostró una actividad beta patológica común en el subgenual y pgACC, con la actividad gamma en el PCC que se extiende a precuneus y cuneus, y se combina con la actividad beta en el área parahipocampal y en el área parietal inferior derecha y en el medio temporal. Estas áreas constituyen esencialmente la red de modo predeterminado, que está involucrada en el procesamiento de información auto-referencial y de sensaciones corporales.42. Sin embargo, es interesante que diferentes partes de la red de modo predeterminado procesan información en diferentes frecuencias. Se ha sugerido que la red de modo predeterminado consiste en subredes 343. Una parte consta de pgACC / vmPFC y es un elemento crítico en una red de áreas que reciben información sensorial del mundo externo y del cuerpo, y actúa como un enlace sensorio-visceromotor relacionado con el comportamiento social, el control del estado de ánimo y el impulso motivacional43. Esta parte en las personas obesas oscila en la actividad beta, que está involucrada en las predicciones sensoriales44 y el proceso de status quo45. Cuando se integra esto en un concepto recientemente desarrollado de cambios de comportamiento46 en el cual el pgACC calcula la confiabilidad del comportamiento actual, esto podría sugerir hipotéticamente que en las personas obesas el pgACC calcula que el estado obeso es la referencia aceptada. El PCC / Precuneus oscila en la actividad gamma. La actividad gamma se ha relacionado con los errores de predicción, o en otras palabras, el cambio, y el PCC / precuneus es el centro principal de la auto-referencia47,48 red de modo por defecto. Se puede suponer que el PCC / Precuneus restablece las referencias, es decir, controla la alostasis49, mediante restablecimiento de referencia predictiva49. La alostasis ha sido implicada en la adicción.50, así como la obesidad (adicción a la comida)49. En el área parahipocampal y en el derecho inferior, se observan oscilaciones beta y gamma del área parietal y medio temporal. El parahipocampal está involucrado en el procesamiento contextual.51,52, mientras que el área parietal inferior derecha está involucrada en el centro de integración sensorial multimodal53. El acoplamiento beta / gamma se ha vinculado a estímulos omitidos44. Se podría especular que la actividad beta y gamma en estas áreas está relacionada con no procesar (omitir los estímulos derivados de alimentos) en el área sensorial multimodal y no ponerlo en un contexto. Así, en las personas obesas, los estímulos alimentarios podrían ser procesados hipotéticamente en un marco descontextualizado. Es decir, independientemente del contexto, los alimentos pueden ser apetitosos. Por otro lado, también se identificaron diferencias significativas entre los grupos YFAS bajo y alto. El análisis de conjunción entre los grupos YFAS bajo y YFAS alto demostró actividad beta patológica anti-correlacionada en estado de reposo en el rACC / dmPFC. Esta diferencia es aún más sorprendente en los análisis de correlación con el hambre. El aumento del hambre se correlaciona con el aumento de la actividad gamma en el rACC / dmPFC en el grupo de alto YFAS, similar al área de rACC correlacionada con el aumento del deseo de adicción al alcohol ( medio, S1C-D). La misma área es activada por las señales de los alimentos, generando supuestamente el deseo, en las personas con puntajes YFAS más altos en un estudio de resonancia magnética funcional7. Por el contrario, en el grupo de YFAS bajo, el hambre demostró una correlación negativa con la actividad en la misma área de RACC. Estudios previos han demostrado que el RACC está implicado en el deseo de alcohol54, y tanto el deseo legal como el ilícito de drogas.55. Nuestro hallazgo sugiere que también está involucrado en el deseo de comida. Las diferencias, aunque no significativas, en la actividad en el ACC entre individuos obesos con síntomas de adicción a los alimentos más altos (> 3) versus más bajos (≤2) se han reportado previamente9. Los hallazgos de este estudio pueden explicar por qué los estudios previos de neuroimagen en obesidad han arrojado resultados contradictorios.
La ACC ha sido denominada la parte más interesante del cerebro 56 debido a sus numerosas funciones propuestas. Estas incluyen la atribución de prominencia 57 , el procesamiento del error de predicción bayesiano 58 , la representación de los requisitos necesarios para mantener el equilibrio homeostático 59 y la generación de respuestas conductuales apropiadas 60. Este estudio sugiere que en el grupo con alto YFAS, existe una mayor prominencia asociada a la comida, lo que estimula el deseo de comer 60.
El hambre en el grupo NFAO se correlaciona positivamente con un aumento de la actividad theta en la ínsula posterior izquierda, un área que procesa tanto la información sensorial somatosensorial como la visceral, y la parte caudal izquierda de la corteza somatosensorial, que procesa el gusto así como la información sensorial intraabdominal 61 , 62. Por el contrario, el hambre se correlaciona negativamente con la actividad beta en la ínsula anterior izquierda, que participa en el procesamiento de la información afectiva de la ínsula posterior a través del sistema nervioso autónomo 62. Esto sugiere que el procesamiento sensorial y afectivo de la información visceral en la ínsula está disociado en este grupo. Es tentador especular que la resistencia a las señales homeostáticas podría ser responsable de este efecto. Se requieren más estudios para investigar esta posibilidad.
¿Cómo es posible que la actividad patológica opuesta en estado de reposo en la dACC dé como resultado el mismo fenotipo obeso? Aunque aún no existe una explicación, es tentador especular que podría estar involucrado un mecanismo cerebral bayesiano, ya que esta área se ha relacionado con el aprendizaje bayesiano y el procesamiento del error de predicción 58 , 63. En el grupo con alto YFAS, un problema de cálculo del error de predicción podría estar impulsando un impulso de ingesta de alimentos que conduce a la obesidad 64 , análogo a lo que se ha sugerido para el alcohol y otras adicciones 65. Sin embargo, en el grupo con bajo YFAS, planteamos la hipótesis de que las señales viscerales inadecuadas dan como resultado un cálculo de predicción erróneo.
Se sabe que la adicción a la comida y los atracones se correlacionan altamente (r = 0.78) (Imperatori, Innamorati et al. 2014) y que la asociación entre la adicción a la comida y la psicopatología está mediada por los atracones en una población clínica (Imperatori, Innamorati et al. 2014). Y, de hecho, vemos una correlación entre las puntuaciones de YFAS y BES. Sin embargo, debido al bajo número de personas realmente adictas a la comida (n = 3) y atracones reales (n = 2), este estudio no puede confirmar este hallazgo al analizarlo más a fondo. De hecho, cuando la actividad cerebral se correlacionó con la puntuación de hambre, satisfacción, plenitud, aprecio y deseo de comida, en ambos grupos de YFAS bajo y alto, estas puntuaciones no se correlacionaron con la puntuación de BES. Esta es una debilidad de este estudio. Sin embargo, es interesante que en un grupo sin psicopatología diagnosticada se pueda encontrar una diferencia neurofisiológica entre YFAS bajo y alto, que no se identifica en el grupo intermedio. Esto sugiere que, si bien este grupo con un alto nivel de YFAS podría no representar una muestra representativa de personas con adicción a la comida desde un punto de vista psicopatológico, en un grupo sin enfermedad psiquiátrica diagnosticada todavía existen diferencias entre niveles bajos y altos de YFAS, y que existe un grupo sin psicopatología que aún presenta características electrofisiológicas comunes con la adicción típica, en este caso la adicción al alcohol.
Una debilidad del estudio es que los hallazgos del EEG podrían ser meramente correlacionales. Sin embargo, para la superposición de la "actividad neuronal de la adicción", entre la adicción al alcohol y a la comida, hay cierta evidencia preliminar de que el papel del dACC en el deseo podría ser causal . De hecho, en un informe de caso que utilizó una TMS de doble cono dirigida al dACC, se demostró que la rTMS podía inducir una reducción temporal (2-3 semanas) en el deseo de alcohol 66. Además, en un informe de caso posterior, se implantó un electrodo en el dACC de un paciente adicto al alcohol para una solución más permanente para su adicción al alcohol, con un resultado positivo más permanente 67. Esto sugiere que el dACC podría estar involucrado en la codificación del deseo en general, como lo sugiere un metaanálisis previo que examinó el correlato neuronal del deseo en diferentes sustancias de abuso 55.
Otra debilidad del estudio es que solo se utilizó una medida indirecta para el deseo específico de alimentos, es decir, el deseo de alimentos (¿Le gustaría comer algo en este momento?). Aunque el deseo de comer es un deseo intenso de obtener y consumir alimentos, por lo general, el deseo de comer es un deseo intenso de consumir un alimento específico (p. Ej., Muy comúnmente el chocolate) y es diferente del hambre normal.
Una tercera limitación de este estudio es la baja resolución de la localización de la fuente que resulta inherentemente de un número limitado de sensores (electrodos 19) y la falta de modelos anatómicos avanzados específicos del sujeto. Esto es suficiente para la reconstrucción de la fuente, pero da como resultado una mayor incertidumbre en la localización de la fuente y una menor precisión anatómica, por lo que la precisión espacial del presente estudio es considerablemente menor que la de la RM funcional. Sin embargo, la tomografía sLORETA ha recibido una validación considerable de los estudios que combinan LORETA con otros métodos de localización más establecidos, como la imagen de resonancia magnética funcional (fMRI)68,69, resonancia magnética estructural70, Tomografía por Emisión de Positrones (PET)71,72,73 y se usó en estudios previos para detectar, por ejemplo, la actividad en la corteza auditiva74,75,76. La validación adicional de sLORETA se ha basado en aceptar como verdad fundamental los hallazgos de localización obtenidos a partir de electrodos de profundidad implantados invasivos, en cuyo caso hay varios estudios en epilepsia77,78 y ERPs cognitivos79. Vale la pena enfatizar que las estructuras profundas como la corteza cingulada anterior80y lóbulos temporales mesiales.81 Se puede localizar correctamente con estos métodos. Sin embargo, una mayor investigación podría mejorar la precisión espacial y la precisión mediante el uso de EEG de alta densidad (p. Ej., Electrodos 128 o 256) y modelos de cabezas específicas del sujeto y grabaciones MEG.
En conclusión, demostramos que en individuos obesos, a pesar de presentar características fenotípicas idénticas, existen al menos dos mecanismos neurobiológicos fisiopatológicos . La diferencia más notable entre estos dos grupos de obesos radica en la actividad opuesta de la corteza cingulada anterior dorsal (dACC). Asimismo, se observa una sorprendente similitud entre los grupos con adicción a la comida y al alcohol, lo que sugiere que una puntuación alta en la escala YFAS indica un trastorno adictivo relacionado con la comida y con procesos neurobiológicos similares a los de la adicción al alcohol. Nuestros resultados también sugieren que los tratamientos para la obesidad, como la medicación o la neuromodulación, deben individualizarse según la fisiopatología neurobiológica subyacente.
Información Adicional
Cómo citar este artículo : De Ridder, D. et al. El cerebro, la obesidad y la adicción: un estudio de neuroimagen EEG. Sci. Rep. 6 , 34122; doi: 10.1038/srep34122 (2016).
Notas a pie de página
Contribuciones de los autores : DDR: diseño del estudio, redacción del manuscrito. PM: diseño del estudio, redacción del manuscrito. SLL: recopilación de datos, redacción del manuscrito. SR: recopilación de datos, preprocesamiento. WS: recopilación de datos, preprocesamiento. CH: diseño del estudio, cuestionarios. SV: análisis, redacción del manuscrito.
Referencias
- Hammond RA y Levine R. El impacto económico de la obesidad en los Estados Unidos. Diabetes, síndrome metabólico y obesidad: objetivos y terapia 3, 285–295 (2010). [Artículo gratuito de PMC] [PubMed]
- Cornelsen L., Green R., Dangour A. y Smith R. Por qué los impuestos sobre la grasa no nos harán adelgazar. Revista de salud pública (2014). [PubMed]
- Kenny PJ. Mecanismos celulares y moleculares comunes en la obesidad y la drogadicción. Revisiones de la naturaleza. Neurociencia 12, 638 – 651 (2011). ElPubMed]
- Ziauddeen H., Farooqi IS & Fletcher PC La obesidad y el cerebro: ¿qué tan convincente es el modelo de adicción? Reseñas de la naturaleza. Neuroscience 13, 279–286 (2012). [PubMed]
- Volkow ND & Wise RA ¿Cómo puede la adicción a las drogas ayudarnos a comprender la obesidad? Nat Neurosci 8, 555-560 (2005). [PubMed]
- Gearhardt AN, Corbin WR & Brownell KD Validación preliminar de la escala de adicción a los alimentos de Yale. Appetite 52, 430–436 (2009). [PubMed]
- Gearhardt AN Figura XNUMX Correlatos neurales de la adicción a la comida. Arch Gen Psychiatry 68, 808 – 816 (2011). ElArtículo gratuito de PMC] [PubMed]
- Pelchat ML, Johnson A., Chan R., Valdez J. y Ragland JD Imágenes del deseo: activación del deseo de comer durante la resonancia magnética funcional. Neuroimage 23, 1486–1493 (2004). [PubMed]
- Imperatori C. Figura XNUMX Modificación de la conectividad funcional EEG y los espectros de potencia EEG en pacientes con sobrepeso y obesos con adicción a la comida: un estudio eLORETA. Imagen de cerebro de comportamiento (2014). ElPubMed]
- Clark SM & Saules KK Validación de la escala de adicción a los alimentos de Yale entre una población de cirugía de pérdida de peso. Eat Behav 14, 216–219 (2013). [PubMed]
- Innamorati M. Figura XNUMX Propiedades psicométricas de la Escala italiana de adicción a la comida de Yale en pacientes con sobrepeso y obesos. Coma peso desordenado (2014). ElPubMed]
- Carver CS & White TL Inhibición del comportamiento, activación del comportamiento y respuestas afectivas a la recompensa y el castigo inminentes: las escalas BIS / BAS. Revista de personalidad y psicología social 67, 319–333 (1994).
- van Strien T., Frijters JE, Bergers G. & Defares PB El cuestionario de comportamiento alimentario holandés (DEBQ) para evaluar el comportamiento alimentario restringido, emocional y externo. Revista Internacional de Trastornos de la Alimentación 5, 295-315 (1986).
- Gormally J., Black S., Daston S. y Rardin D. La evaluación de la gravedad de los atracones entre las personas obesas. Addict Behav 7, 47–55 (1982). [PubMed]
- Framson C. Figura XNUMX Desarrollo y validación del cuestionario de alimentación consciente. J Am Diet Assoc 109, 1439 – 1444 (2009). ElArtículo gratuito de PMC] [PubMed]
- Imperatori C. Figura XNUMX La asociación entre la adicción a la comida, la ingesta compulsiva y la psicopatología en pacientes obesos y con sobrepeso que asisten a una terapia de dieta de baja energía. Comprende la psiquiatría 55, 1358 – 1362 (2014). ElPubMed]
- Volkow ND Figura XNUMX Asociación entre la disminución relacionada con la edad en la actividad de la dopamina cerebral y el deterioro en el metabolismo frontal y cingulado. AJ Psychiatry 157, 75 – 80 (2000). ElPubMed]
- Logan JM, Sanders AL, Snyder AZ, Morris JC & Buckner RL Reclutamiento insuficiente y reclutamiento no selectivo: mecanismos neuronales disociables asociados con el envejecimiento. Neuron 33, 827–840 (2002). [PubMed]
- Gates GA & Cooper JC Incidencia de disminución de la audición en los ancianos. Acta Otolaryngol 111, 240–248 (1991). [PubMed]
- Moazami-Goudarzi M., Michels L., Weisz N. y Jeanmonod D. Realce temporoinsular de EEG de frecuencias bajas y altas en pacientes con tinnitus crónico. Estudio QEEG de pacientes con tinnitus crónico. Neurociencia de BMC 11, 40 (2010). [Artículo gratuito de PMC] [PubMed]
- EureKa! (Versión 3.0) [Software del ordenador]. Knoxville, TN: NovaTech EEG Inc. Freeware disponible en www.NovaTechEEG. (2002).
- Canción jj Figura XNUMX Oscilaciones cerebrales patológicas asociadas con hiperacusia en el cerebro del acúfeno: una red de hiperreactividad con la corteza auditiva paradójicamente inactiva. Función Struct cerebral (2013). ElPubMed]
- Song JJ, De Ridder D., Schlee W., Van de Heyning P. y Vanneste S. "Envejecimiento angustiado": las diferencias en la actividad cerebral entre el tinnitus de aparición temprana y tardía. Neurobiol Aging 34, 1853–1863 (2013). [PubMed]
- Song JJ, Punte AK, De Ridder D., Vanneste S. y Van de Heyning P. Sustratos neurales que predicen la mejora del tinnitus después del implante coclear en pacientes con sordera unilateral. Escuche la resolución 299, 1–9 (2013). [PubMed]
- Pascual-Marqui RD Tomografía electromagnética cerebral estandarizada de baja resolución (sLORETA): detalles técnicos. Métodos Encontrar Exp Clin Pharmacol 24 Suppl D, 5 – 12 (2002). ElPubMed]
- Pascual-Marqui RD, Esslen M., Kochi K. & Lehmann D. Imagen funcional con tomografía electromagnética cerebral de baja resolución (LORETA): una revisión. Métodos Buscar Exp Clin Pharmacol 24 Suppl C, 91–95 (2002). [PubMed]
- Fuchs M., Kastner J., Wagner M., Hawes S. & Ebersole JS Un modelo de conductor de volumen de método de elemento de contorno estandarizado. Clin Neurophysiol 113, 702–712 (2002). [PubMed]
- Mazziotta J. Figura XNUMX Un atlas probabilístico y un sistema de referencia para el cerebro humano: International Consortium for Brain Mapping (ICBM). Philos Trans R Soc Lond B Biol Sci 356, 1293 – 1322 (2001). ElArtículo gratuito de PMC] [PubMed]
- Mazziotta J. Figura XNUMX Un atlas probabilístico de cuatro dimensiones del cerebro humano. J Am Med Inform Asoc 8, 401 – 430 (2001). ElArtículo gratuito de PMC] [PubMed]
- Lancaster JL Figura XNUMX Normalización espacial anatómica global. Neuroinformática 8, 171 – 182 (2010). ElArtículo gratuito de PMC] [PubMed]
- Lancaster JL Figura XNUMX Sesgo entre las coordenadas MNI y Talairach analizadas utilizando la plantilla de cerebro ICBM-152. Mapeo del cerebro humano 28, 1194 – 1205 (2007). ElPubMed]
- Talairach J. & Tornoux P. Atlas estereotáxico coplanar del cerebro humano: sistema proporcional tridimensional: un enfoque de las imágenes cerebrales. (Georg Thieme, 3).
- Brett M., Johnsrude IS y Owen AM El problema de la localización funcional en el cerebro humano. Nat Rev Neurosci 3, 243–249 (2002). [PubMed]
- Nichols TE & Holmes AP Pruebas de permutación no paramétricas para neuroimagen funcional: un manual con ejemplos. Mapeo del cerebro humano 15, 1–25 (2002). [PubMed]
- Price CJ & Friston KJ Cognitive conjunción: un nuevo enfoque para los experimentos de activación cerebral. Neuroimage 5, 261-270 (1997). [PubMed]
- Friston KJ, Holmes AP, Price CJ, Buchel C. y Worsley KJ Estudios de resonancia magnética funcional y análisis de conjunciones de múltiples sujetos. NeuroImage 10, 385–396 (1999). [PubMed]
- Friston KJ, Penny WD y Glaser DE Conjunction revisados. NeuroImage 25, 661–667 (2005). [PubMed]
- Nichols T., Brett M., Andersson J., Wager T. & Poline JB Inferencia de conjunción válida con el estadístico mínimo. NeuroImage 25, 653–660 (2005). [PubMed]
- Heuninckx S., Wenderoth N. & Swinnen SP Neuroplasticidad de sistemas en el cerebro que envejece: reclutamiento de recursos neuronales adicionales para un desempeño motor exitoso en personas mayores. The Journal of Neuroscience: la revista oficial de la Society for Neuroscience 28, 91–99 (2008). [PubMed]
- Bangert m. Figura XNUMX Redes compartidas para procesamiento auditivo y motor en pianistas profesionales: evidencia de la conjunción fMRI. NeuroImage 30, 917 – 926 (2006). ElPubMed]
- Konova AB, Moeller SJ y Goldstein RZ Objetivos neuronales comunes y distintos del tratamiento: cambio de la función cerebral en la adicción a sustancias. Neurosci Biobehav Rev 37, 2806–2817 (2013). [Artículo gratuito de PMC] [PubMed]
- Buckner RL, Andrews-Hanna JR y Schacter DL La red predeterminada del cerebro: anatomía, función y relevancia para la enfermedad. Ann NY Acad Sci 1124, 1–38 (2008). [PubMed]
- Raichle ME La red de modo por defecto del cerebro. Annu Rev Neurosci 38, 433 – 447 (2015). ElPubMed]
- Arnal LH & Giraud AL Oscilaciones corticales y predicciones sensoriales. Trends Cogn Sci 16, 390–398 (2012). [PubMed]
- Engel AK & Fries P. Oscilaciones de banda beta: ¿señalan el status quo? Curr Opin Neurobiol 20, 156-165 (2010). [PubMed]
- Donoso M., Collins AG y Koechlin E. Cognición humana. Fundamentos del razonamiento humano en la corteza prefrontal. Science 344, 1481–1486 (2014). [PubMed]
- Cavanna AE y Trimble MR El precuneus: una revisión de su anatomía funcional y correlatos conductuales. Brain 129, 564–583 (2006). [PubMed]
- Gusnard DA, Akbudak E., Shulman GL y Raichle ME Corteza prefrontal medial y actividad mental autorreferencial: relación con un modo predeterminado de función cerebral. Proc Natl Acad Sci USA 98, 4259–4264 (2001). [Artículo gratuito de PMC] [PubMed]
- Sterling P. Alostasis: un modelo de regulación predictiva. Physiol Behav 106, 5 – 15 (2012). ElPubMed]
- Koob GF & Le Moal M. Adicción a las drogas, desregulación de la recompensa y alostasis. Neuropsychopharmacology 24, 97-129 (2001). [PubMed]
- Aminoff E., Gronau N. & Bar M. La corteza parahipocampal media en asociaciones espaciales y no espaciales. Cereb Cortex 17, 1493-1503 (2007). [PubMed]
- Aminoff EM, Kveraga K. y Bar M. El papel de la corteza parahipocampal en la cognición. Tendencias en ciencias cognitivas 17, 379–390 (2013). [Artículo gratuito de PMC] [PubMed]
- De Ridder D., Van Laere K., Dupont P., Menovsky T. y Van de Heyning P. Visualización de la experiencia extracorporal en el cerebro. The New England Journal of Medicine 357, 1829–1833 (2007). [PubMed]
- Schacht JP, Anton RF & Myrick H. Estudios de neuroimagen funcional de la reactividad de la señal de alcohol: un metanálisis cuantitativo y una revisión sistemática. Biología de la adicción 18, 121-133 (2013). [Artículo gratuito de PMC] [PubMed]
- Kuhn S. & Gallinat J. Biología común del ansia entre drogas legales e ilegales: un metaanálisis cuantitativo de la respuesta cerebral de reactividad a señales. Eur J Neurosci 33, 1318-1326 (2011). [PubMed]
- Behrens TE, Fox P., Laird A. & Smith SM ¿Cuál es la parte más interesante del cerebro? Trends Cogn Sci 17, 2–4 (2013). [PubMed]
- Seeley WW Figura XNUMX Redes de conectividad intrínseca disociable para procesamiento de prominencia y control ejecutivo. J Neurosci 27, 2349 – 2356 (2007). ElArtículo gratuito de PMC] [PubMed]
- Ide JS, Shenoy P., Yu AJ & Li CS Predicción y evaluación bayesiana en la corteza cingulada anterior. J Neurosci 33, 2039-2047 (2013). [Artículo gratuito de PMC] [PubMed]
- Weston CS Otra función importante de la corteza cingulada anterior: la representación de los requisitos. Neurosci Biobehav Rev 36, 90 – 110 (2012). ElPubMed]
- Jackson SR, Parkinson A., Kim SY, Schuermann M. y Eickhoff SB Sobre la anatomía funcional del impulso de acción. Neurociencia cognitiva 2, 227–243 (2011). [Artículo gratuito de PMC] [PubMed]
- Drewes AM Figura XNUMX El "homúnculo visceral humano" al dolor evocado en el esófago, estómago, duodeno y colon sigmoide. Exp Brain Res 174, 443 – 452 (2006). ElPubMed]
- Ostrowsky K. Figura XNUMX Mapeo funcional de la corteza insular: implicación clínica en la epilepsia del lóbulo temporal. Epilepsia 41, 681 – 686 (2000). ElPubMed]
- Behrens TE, Woolrich MW, Walton ME y Rushworth MF Aprendiendo el valor de la información en un mundo incierto. Nat Neurosci 10, 1214-1221 (2007). [PubMed]
- Mayer EA Gut sensaciones: la biología emergente de la comunicación cerebro-tripa. Nat Rev Neurosci 12, 453 – 466 (2011). ElArtículo gratuito de PMC] [PubMed]
- Berridge KC El debate sobre el papel de la dopamina en la recompensa: el caso de la importancia del incentivo. Psicofarmacología (Berl) (2006). ElPubMed]
- De Ridder D., Vanneste S., Kovacs S., Sunaert S. y Dom G. Supresión transitoria del deseo de alcohol mediante rTMS del cingulado anterior dorsal: un estudio de resonancia magnética funcional y electroencefalograma LORETA. Cartas de neurociencia 496, 5–10 (2011). [PubMed]
- De Ridder D. Figura XNUMX Implante cingulado anterior para la dependencia del alcohol. Neurocirugía (2016). ElPubMed]
- Mulert C. Figura XNUMX Integración de fMRI y EEG simultáneos: hacia una comprensión completa de la localización y el curso temporal de la actividad cerebral en la detección de objetivos. NeuroImage 22, 83 – 94 (2004). ElPubMed]
- Vitacco D., Brandeis D., Pascual-Marqui R. y Martin E. Correspondencia de tomografía potencial relacionada con eventos e imágenes de resonancia magnética funcional durante el procesamiento del lenguaje. Hum Brain Mapp 17, 4-12 (2002). [PubMed]
- Worrell GA Figura XNUMX Localización del foco epiléptico mediante tomografía electromagnética de baja resolución en pacientes con una lesión demostrada por resonancia magnética. Topografía del cerebro 12, 273 – 282 (2000). ElPubMed]
- Dierks T. Figura XNUMX El patrón espacial del metabolismo cerebral de la glucosa (TEP) se correlaciona con la localización de los generadores de EEG intracerebrales en la enfermedad de Alzheimer. Clin Neurofisiol 111, 1817 – 1824 (2000). ElPubMed]
- Pizzagalli DA Figura XNUMX Anormalidades de la corteza prefrontal subgenual funcionales pero no estructurales en la melancolía. Mol Psiquiatría 9 (325), 393 – 405 (2004). ElPubMed]
- Zumsteg D., Wennberg RA, Treyer V., Buck A. & Wieser HG H2 (15) O o 13NH3 PET y tomografía electromagnética (LORETA) durante el estado epiléptico parcial. Neurology 65, 1657-1660 (2005). [PubMed]
- Zaehle T., Jancke L. y Meyer M. Las imágenes cerebrales eléctricas evidencian la participación de la corteza auditiva izquierda en la discriminación del habla y la no expresión basada en características temporales. Behav Brain Funct 3, 63 (2007). [Artículo gratuito de PMC] [PubMed]
- Vanneste S., Plazier M., van der Loo E., Van de Heyning P. y De Ridder D. La diferencia entre la percepción fantasma auditiva uni y bilateral. Clin Neurophysiol (2010). [PubMed]
- Vanneste S., Plazier M., van der Loo E., Van de Heyning P. y De Ridder D. La diferencia entre la percepción fantasma auditiva uni y bilateral. Clin Neurophysiol 122, 578–587 (2011). [PubMed]
- Zumsteg D., Lozano AM y Wennberg RA El electrodo de profundidad registró respuestas cerebrales con estimulación cerebral profunda del tálamo anterior para la epilepsia. Clin Neurophysiol 117, 1602–1609 (2006). [PubMed]
- Zumsteg D., Lozano AM, Wieser HG & Wennberg RA Activación cortical con estimulación cerebral profunda del tálamo anterior para la epilepsia. Clin Neurophysiol 117, 192-207 (2006). [PubMed]
- Volpe u. Figura XNUMX Los generadores corticales de P3a y P3b: un estudio de LORETA. Boletín de investigación del cerebro 73, 220 – 230 (2007). ElPubMed]
- Pizzagalli D. Figura XNUMX La actividad cingulada anterior como predictor del grado de respuesta del tratamiento en la depresión mayor: evidencia del análisis de tomografía eléctrica cerebral. Soy J Psychiatry 158, 405 – 415 (2001). ElPubMed]
- Zumsteg D., Lozano AM & Wennberg RA Inhibición temporal mesial en un paciente con estimulación cerebral profunda del tálamo anterior por epilepsia. Epilepsia 47, 1958-1962 (2006). [PubMed]

