Psiquiatría de frente. 2018 Abr 23; 9: 154. doi: 10.3389 / fpsyt.2018.00154. eCollection 2018.
Liu L1,2, Yao yw2, Li CR3,4, Zhang JT2, Xia CC5, Lan j1, Masa1, Zhou N1, Colmillo xy1.
Resumen
El trastorno de los juegos de Internet (IGD) se caracteriza por deficiencias cognitivas y emocionales. Estudios previos han reportado la co-ocurrencia de IGD y depresión. Sin embargo, la investigación existente en imágenes cerebrales se ha centrado en gran medida en los déficits cognitivos en la IGD. Pocos estudios han abordado la comorbilidad entre la IGD y los síntomas de depresión y los mecanismos neurales subyacentes. Aquí, investigamos sistemáticamente este problema mediante la combinación de un estudio de encuesta longitudinal, un estudio de conectividad funcional de estado de reposo (rsFC) y un estudio de intervención. El modelado cruzado autoregresivo en un conjunto de datos longitudinales de estudiantes universitarios mostró que la gravedad y la depresión del IGD son recíprocamente predictivas. A nivel neural, los individuos con IGD mostraron un rsFC mejorado entre la amígdala izquierda y la corteza prefrontal dorsolateral derecha (DLPFC), la circunvolución frontal y precentral inferior, en comparación con los participantes de control, y la conectividad amígdala-frontoparietal en la línea de base con una reducción pronosticada negativamente en la depresión. Después de una intervención de psicoterapia. Además, después de la intervención, los individuos con IGD mostraron una conectividad disminuida entre la amígdala izquierda y el giro frontal central izquierdo y precentral, en comparación con el grupo sin intervención. Estos hallazgos en conjunto sugieren que la IGD puede estar estrechamente asociada con la depresión; El rsFC aberrante entre la emoción y las redes de control ejecutivo puede subyacer a la depresión y representar un objetivo terapéutico en individuos con IGD. Nombre de registro: El mecanismo del comportamiento y del cerebro de la IGD; URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405; Número de registro: NCT02550405.
PALABRAS CLAVE:
amígdala; depresión; fMRI; trastorno de juego en internet; conectividad funcional en estado de reposo; corteza cingulada anterior subgenual
PMID: 29740358
PMCID: PMC5924965
DOI: 10.3389 / fpsyt.2018.00154
URL: https://www.clinicaltrials.gov/ct2/show/NCT02550405;
Número de registro: NCT02550405.
Introducción
Las adicciones conductuales y los trastornos por el uso de sustancias comparten muchas manifestaciones clínicas, incluidas comorbilidades como la depresión [1]. La adicción a Internet (IA) ha sido considerada como una adicción putativa del comportamiento. El trastorno del juego en Internet (IGD), como la forma más frecuente de IA, se ha incluido en la quinta edición del Manual diagnóstico y estadístico de trastornos mentales (DSM-5) como una condición que justifica un estudio adicional [2]. Las enfermedades psiquiátricas se han considerado convencionalmente como entidades categóricamente distintas. Sin embargo, en la iniciativa de Criterios de Dominio de Investigación (RDoC), los marcadores neurobiológicos de disfunciones cognitivas y emocionales se consideran de importancia significativa en la clasificación diagnóstica y pueden compartirse entre condiciones neuropsiquiátricas [3]. En particular, las imágenes cerebrales han proporcionado una herramienta eficiente para identificar estos marcadores neuronales. Estudios previos examinaron las bases neuronales de las alteraciones cognitivas, como el control inhibitorio deficiente y la toma de decisiones inadaptada en la IGD [4, 5]. Sin embargo, las disfunciones emocionales (p. Ej., Depresión) y los mecanismos neuronales subyacentes en esta población permanecieron poco claros a pesar de la alta comorbilidad de la DID y la depresión.
Los síntomas de depresión ocurren con frecuencia en individuos con IA / IGD [6]. Un metanálisis informó una proporción significativamente mayor de pacientes con depresión en individuos con IA (26.3%) que en controles sanos (11.7%) [7]. Los estudios en IGD también informaron tendencias depresivas más altas en individuos con riesgo de IGD, así como reducción de la depresión durante la remisión de la IGD [8–10]. Sin embargo, estos hallazgos transversales no pudieron aclarar la direccionalidad entre IA / IGD y la depresión [11, 12]. Un estudio prospectivo ayudaría a revelar aún más la interrelación entre los síntomas de IGD y la depresión.
La IRMf en estado de reposo se ha convertido en una herramienta ampliamente utilizada para investigar la actividad cerebral intrínseca [13, 14] y disfunción cerebral en muchos trastornos neuropsiquiátricos, incluyendo IGD y trastorno depresivo mayor (MDD) [15, 16]. Es importante destacar que IGD y MDD parecen compartir alteraciones de la conectividad funcional en estado de reposo (rsFC) en la red emocional, que comprenden la amígdala y la corteza cingulada anterior subgenual (sgACC). Específicamente, la amígdala contribuye a la detección e integración de la información interceptiva y autónoma y los estímulos emocionales, y a la formación y almacenamiento de memorias de emociones negativas [11, 15, 17–19]. El sgACC desempeña un papel crítico en la regulación de la excitación en respuesta a estímulos emocionales y otros estímulos salientes [20, 21]. Estudios previos informaron interacciones maladaptativas de la amígdala con las regiones de la red de control ejecutivo, incluida la corteza prefrontal lateral (PFC), en relación con las respuestas excesivas a los estímulos negativos tanto en el TDM [22–24] e IGD [25]. El sgACC es fundamental para la regulación afectiva [15, 22] y la patogenia de la depresión [15, 26]. Interconectado con el sgACC y la amígdala, el PFC es parte del circuito de control de tareas que regula la emoción [27]. Los pacientes con TDM mostraron una conectividad elevada entre el sgACC y el PFC dorsolateral / dorsomedial, en asociación con un exceso de rumia autodirigida [28, 29]. También se ha encontrado un aumento en la conectividad sgACC-PFC en personas con adicción a las drogas [30, 31]. Por lo tanto, el examen de las conectividades funcionales entre la amígdala, sgACC y PFC, así como su relación con la depresión y la gravedad de la adicción pueden revelar fenotipos neuronales críticos de la IGD.
Además, estudios previos mostraron que las intervenciones conductuales son efectivas para mejorar la gravedad de ambas adicciones [32, 33] y síntomas de depresión en individuos con IGD o IA en general [34–36]. Examinar cómo las intervenciones conductuales influyen en la conectividad de la red emocional y sus asociaciones con la reducción de la depresión y los síntomas de adicción proporcionarían evidencia adicional en apoyo de los sustratos neuronales compartidos de la DID y la depresión.
En el estudio actual, presentamos los resultados de una encuesta longitudinal de 4 durante un año para explorar la interrelación entre la gravedad de los síntomas de la depresión y la adicción en la IGD. Además, para dilucidar las redes neuronales que subyacen a la depresión en individuos con IGD, realizamos un estudio transversal de rsFC centrado en la amígdala y sgACC. Finalmente, examinamos cómo el tratamiento conductual mejoró la depresión y la disfunción del circuito remediada en relación con la depresión en individuos con IGD. Basado en evidencia de comportamiento anterior [11, 12, 37], hipotetizamos una relación bidireccional entre el pasado y la gravedad futura de los síntomas de adicción / depresión de Internet. Además, basado en estudios neuropsiquiátricos anteriores [25, 38], planteamos la hipótesis de que los individuos con IGD mostrarían síntomas de depresión y rsFC alterados de la amígdala y sgACC con regiones de la red de control ejecutivo, lo que podría aliviarse con la intervención conductual para la IGD.
Materiales y Métodos
Participantes
Para el Estudio 1, los datos se recopilaron como parte de un estudio longitudinal sobre el uso de Internet de los estudiantes universitarios en una universidad de Beijing, en cuatro oleadas, a partir del año 2011. Mediante una herramienta de encuesta en línea, una cohorte de estudiantes de primer año los estudiantes fueron evaluados anualmente. Todos los participantes dieron su consentimiento informado por escrito y fueron compensados económicamente por su tiempo, de acuerdo con un protocolo aprobado por la Junta de Revisión Institucional de la Facultad de Psicología de la Universidad Normal de Beijing.
Los participantes de la encuesta se incluyeron en el estudio solo si habían jugado juegos en línea y gastaron en promedio más del 20% de su tiempo diario usando Internet para jugar durante cada uno de los cuatro años consecutivos de los cuales se tomaron los datos. De un total de estudiantes 2,182, 1,619 (mujeres 1,253, hombres 366) no cumplieron con los criterios de inclusión y se excluyeron del estudio. La tasa de exclusión de mujeres (90.99%) fue mayor que en los hombres (45.47%) (2 = 550.056, P <0.001). Así, para el estudio se obtuvieron encuestas de un total de 563 estudiantes (124 mujeres y 439 hombres). Su edad osciló entre 16 y 21 años (media ± SD = 18.31 ± .89) en el tiempo 1.
Los estudios 2 y 3 eran partes de un proyecto más amplio de desarrollo y evaluación de una intervención conductual para IGD. Los participantes fueron reclutados a través de Internet y anuncios publicados en universidades locales, con los siguientes criterios de inclusión: (1) una puntuación> 67 en el CIAS [39]; (2)> 14 h por semana dedicados a juegos de Internet, durante un mínimo de 1 año. Los criterios de inclusión para los participantes sanos de control (HC) fueron: (1) una puntuación <60 en el CIAS; (2) nunca haber pasado más de 2 horas por semana participando en juegos de Internet. Todos los participantes eran hombres diestros. Los criterios de exclusión fueron cualquier uso actual o anterior de sustancias ilegales y juegos de azar (incluidos los juegos de azar en línea), cualquier historial de enfermedad psiquiátrica o neurológica y el uso actual de medicamentos psicotrópicos, según lo evaluado mediante una entrevista semiestructurada. Un total de 76 personas con IGD y 41 HC participaron en el Estudio 2. Para el Estudio 3, se reclutó a 63 personas con IGD, de las cuales 44 aceptaron participar en una intervención conductual de deseo (grupo CBI +) y el resto 19 estaban en el grupo de control (Grupo CBI−) debido a su horario de trabajo. Veintitrés individuos dentro del grupo CBI + participaron en fMRI en estado de reposo antes y después de CBI. Dieciséis de 19 CBI- se escanearon de manera similar en los mismos puntos de tiempo. Los estudios 2 y 3 fueron aprobados por la Junta de Revisión Institucional del Laboratorio Estatal Clave de Neurociencia Cognitiva y Aprendizaje de la Universidad Normal de Beijing.
Medidas
Para el Estudio 1, 2 y 3, medimos la gravedad de la adicción a Internet entre los jugadores universitarios que utilizan la Escala de Adicción a Internet de China (CIAS; 40), que consta de elementos 26 en una escala Likert de puntos 4 que evalúa las dimensiones de los síntomas / consecuencias de 5, incluido el uso compulsivo, el retiro, la tolerancia y los problemas de las relaciones interpersonales y la gestión de la salud / tiempo. La confiabilidad y validez de los CIAS han sido demostradas previamente para estudiantes universitarios [40], y en el experimento actual, los coeficientes alfa de Cronbach de esta escala fueron 0.933–0.950 en los cuatro puntos temporales. Para el Estudio 1, medimos los síntomas depresivos utilizando los trece elementos de la Lista de verificación de síntomas (SCL-90) [41]. Estos ítems se calificaron en una escala del 1 (nunca verdadero) al 4 (siempre verdadero). En el experimento actual, los coeficientes alfa de Cronbach para esta escala fueron de 0.888 a 0.936 en los cuatro puntos temporales. En los estudios 2 y 3, los síntomas de depresión de los participantes se midieron mediante el Inventario de Depresión de Beck (BDI) [42].
Adquisición de datos de MRI
Para los estudios 2 y 3, la adquisición de datos de MRI y el preprocesamiento se describieron en detalle en un estudio anterior [33]. Brevemente, los datos de IRMf en estado de reposo se obtuvieron en un escáner 3.0 T Siemens Trio en Brain Imaging Center, Beijing Normal University. Los parámetros para los datos de EPI fueron: tiempo de repetición = 2,000 ms, tiempo de eco = 30 ms, ángulo de giro = 90 °, campo de visión = 200 × 200 mm2, matriz de adquisición = 64 × 64, tamaño de vóxel = 3.1 × 3.1 × 3.5 mm3, slice = 33, punto de tiempo = 200. También se adquirió un escaneo T1 con los siguientes parámetros: tiempo de repetición = 2,530 ms, tiempo de eco = 3.39 ms, ángulo de giro = 7 °, campo de visión = 256 × 256 mm2, tamaño de vóxel = 1 × 1 × 1.33 mm3, número de segmento = 144.
Deseo de intervención conductual (CBI)
El CBI se desarrolló sobre la base de una intervención conductual desarrollada anteriormente [33]. Procesos psicológicos complejos entrelazados con disfunción emocional [43], el deseo puede desempeñar un papel fundamental en el desarrollo y mantenimiento de la IGD. Las intervenciones que ayudan a las personas a sobrellevar y reducir el deseo pueden promover resultados positivos y prevenir recaídas (consulte la sección Métodos de los Materiales complementarios para obtener más detalles).
Análisis estadístico
Modelado autorregresivo cruzado
Para el Estudio 1, empleamos modelos autorregresivos de retardo cruzado (ACLM) para evaluar las relaciones longitudinales y recíprocas entre la gravedad de la adicción y los síntomas depresivos. El ACLM es adecuado para examinar las relaciones entre dos constructos a lo largo del tiempo. En ACLM, el parámetro autorregresivo representa qué tan bien una medida anterior yt predice la medida posterior de y(t + 1)y el parámetro de retraso cruzado representa cómo una medida anterior zt predice una medida posterior de y(t + 1) por encima y más allá de la medida anterior de yt [44, 45]. El ACLM se ha utilizado ampliamente en la investigación de las interrelaciones temporales de los síntomas clínicos de la adicción, incluidos [37, 46, 47]. El conjunto de modelos con retraso cruzado autorregresivo se probó en Mplus 7.4 [48]. Mplus utiliza el método de estimación de máxima verosimilitud (FIML) de la información completa para manejar los datos faltantes (consulte Materiales complementarios para obtener más detalles). SPSS 20.0 se utilizó para estadísticas descriptivas.
Prueba de invariancia a través del tiempo
El ACLM incluía ocho construcciones: depresión y gravedad de la adicción en los tiempos 1, 2, 3 y 4. En cada punto temporal, las subescalas CIAS constituyeron la variable latente de la gravedad de la adicción a Internet, y la gravedad de la depresión se indizó por la puntuación de subescala de depresión de SCL-90. Para evaluar los efectos autorregresivos y de retardo cruzado, examinamos secuencialmente la invariabilidad de configuración, métrica (es decir, carga) y estructural. Comparamos los índices de ajuste de modelo de cuatro modelos anidados (Tabla 1).
Tabla 1. Comparación de los modelos autorregresivos de retardo cruzado.
El modelo 1 sirvió como modelo base sin restricciones de invariancia para probar la invariancia de configuración. En el Modelo 2, probamos la invariancia métrica al restringir que las cargas factoriales sean iguales en el tiempo (Tabla S2), para asegurar que las construcciones tengan el mismo significado en cada punto de tiempo [50, 51]. En el Modelo 3, restringimos las trayectorias cruzadas para la gravedad de la depresión (T) 
severidad de la adicción (T + 1) y severidad de la adicción (T) la gravedad de la depresión (T + 1) para ser igual a lo largo del tiempo, respectivamente. Finalmente, en el Modelo 4, restringimos las rutas autorregresivas para que la depresión y la gravedad de la adicción a lo largo del tiempo sean iguales (Figura 1). Luego comparamos los índices de ajuste del modelo de los cuatro modelos de forma secuencial para seleccionar el mejor modelo. El χ2 El valor, el índice de ajuste comparativo (CFI), el índice de Tucker-Lewis (TLI) y el error cuadrático medio de aproximación (RMSEA) se aplicaron para comparar el ajuste del modelo [49].
Figura 1 y XNUMX. El análisis de regresión cruzada. Indicamos la invariancia métrica, la invariancia de configuración y la invariancia de covarianza de error a través del tiempo usando letras en las rutas. Los números son coeficientes de trayectoria estandarizados (*P <0.05; ***P <0.001).
Análisis estadístico de datos de comportamiento
En el estudio 2, dos muestras. t-Se realizaron pruebas para comparar la adicción y la gravedad de la depresión entre los grupos IGD y HC. Los análisis de varianza (ANOVA) con medidas repetidas se utilizaron en el estudio 3 para examinar los efectos de CBI en las características de los juegos de Internet, con el grupo (CBI + y CBI−) como un factor entre sujetos, y una sesión (línea de base y segunda prueba) como Un factor dentro del sujeto.
Preprocesamiento de datos de resonancia magnética
Los datos fueron preprocesados y analizados utilizando DPABI versión 1.2 (http://rfmri.org/dpabi) y SPM8 (http://www.fil.ion.ucl.ac.uk/spm). Los primeros volúmenes de 10 fueron descartados. Los datos individuales de EPI se corrigieron en tiempo de corte. Se excluyeron los participantes cuyo movimiento de la cabeza excediera 3.0 mm en la traslación o 3 ° en rotación (sujetos 2 IGD). Redujimos aún más posibles confusiones del movimiento de la cabeza con la corrección de Friston-24. Regresamos las señales del líquido cefalorraquídeo y la sustancia blanca para reducir los posibles efectos de los artefactos fisiológicos. Los datos de EPI se normalizaron entonces al espacio del Instituto de Neurología de Montreal (MNI). Se utilizó un filtro espacial de 4 mm de ancho total en la mitad del núcleo gaussiano máximo. Posteriormente, se aplicó un filtro temporal de paso de banda (0.01 – 0.10 Hz) para reducir las desviaciones de baja frecuencia y el ruido de alta frecuencia.
Cálculos rsFC
Se identificaron semillas de amígdala y ACC subgenual bilateral a partir de un atlas de parcelación basado en conectividad [52], y del atlas del área de Brodmann (área 34 de Brodmann, ver Figura S1). La serie de tiempo promedio dentro de cada semilla se retrocedió contra los voxels de cerebro completo para generar mapas de correlación cruzada. Los coeficientes de correlación se convirtieron en puntuaciones Z con la transformada r-a-z de Fisher.
Contrastamos el rsFC de los grupos IGD y HC en el sgACC y la amígdala para el Estudio 2, y contrastamos los cambios de rsFC entre los grupos CBI + y CBI− ([rsFC en el segundo escaneo] - [rsFC al inicio del estudio]) en el Estudio 3 con dos -muestra t-Las pruebas y los mapas de diferencia de grupo se corrigieron mediante la teoría de campos aleatorios de Gauss (GRFT, nivel de vóxel P <0.001 combinado con nivel de clúster P <0.05 corregido por error familiar).
Dentro del grupo IGD en el Estudio 2, realizamos análisis de regresión basados en ROI para examinar las relaciones entre BDI, puntuación CIAS y rs-FC, con el ROI identificado a partir de comparaciones entre grupos de todo el cerebro. Informamos activaciones cerebrales significativas dentro de las ROI corregidas por medio de GRFT con nivel de voxel P <0.005 y a nivel de clúster P <0.05 (PSVC-FWE <0.05).
Para el Estudio 3, se realizaron análisis de regresión basados en el ROI dentro del grupo CBI + para examinar las relaciones entre los cambios en BDI y en la puntuación CIAS y rsFC alterado según se identificó en las dos muestras t-pruebas (nivel de voxel P <0.005 y a nivel de clúster P <0.05; PSVC-FWE <0.05).
Resultados
Estudio 1: un estudio longitudinal de la depresión y la gravedad de la adicción en los jugadores de Internet
Las correlaciones bivariables demostraron una estabilidad moderada de las mismas variables en las cuatro ondas, correlaciones concurrentes significativas entre las variables dentro de cada onda y correlaciones longitudinales significativas a través de las ondas (consulte la Tabla S1). Específicamente, en las cuatro oleadas, la severidad de la adicción a Internet más temprano se asoció con una mayor depresión más tarde (r 's que van desde 0.19 a 0.27, P <0.01), y una depresión más alta antes se asoció con una mayor gravedad de la adicción más tarde (r 's que van desde 0.25 a 0.30, P <0.01).
Para probar las relaciones bidireccionales entre la adicción y la gravedad de la depresión, primero ajustamos el Modelo 1 sin covariables ni restricciones. El modelo adecuado para este modelo básico era bueno [χ2(210)
= 441.049, P <0.001, CFI = 0.972, RMSEA = 0.044, SRMR = 0.070]. El modelo 1 sirvió como modelo base para la comparación con modelos más restringidos, donde cada una de las rutas rezagadas cruzadas se restringió para ser igual en todas las mediciones. De acuerdo con nuestras hipótesis, el Modelo 2 mostró un mejor ajuste que el Modelo 1 con mejor RMSEA pero sin diferencias significativas en χ2, Valores CFI y TLI [Δχ2(12)
= 10.912, P > 0.05; ΔCFI <0.01, ΔTLI <0.01]. Por lo tanto, se apoyó la invariancia métrica de la adicción a Internet, lo que sugiere que los jugadores en línea entendieron y evaluaron la gravedad de la adicción como la misma durante los 4 años. En segundo lugar, el Modelo 3 fue mejor en comparación con el Modelo 2, con RMSEA ligeramente mejor pero el mismo CFI, TLI y χ2 valor. Es decir, los efectos cruzados de las dos relaciones [gravedad de la depresión / adicción (T) la gravedad de la adicción / depresión (T + 1)] fue idéntica en todos los años de 4. A continuación, el modelo 4 difería del modelo 3 en χ2 pero no otros índices de ajuste (ΔCFI <0.01, ΔTLI <0.01, ΔRMSEA <0.01), lo que sugiere que cada efecto autorregresivo de las dos variables fue estable e idéntico durante los 4 años. Por tanto, el modelo 4 se seleccionó como modelo final para este estudio.
Mesa 2 enumera los coeficientes de ruta del Modelo 1 y 4, y muestra que la gravedad de los síntomas de adicción y depresión en Internet se correlacionó positivamente con el tiempo. Además, el impacto de la depresión en la gravedad de la adicción (β = 0.118, 0.126, 0.127) fue mayor que el impacto de la gravedad de la adicción en la depresión (β = 0.070, 0.066, 0.070). En conjunto, estos resultados proporcionan medidas estadísticas de la interrelación temporal entre la depresión y la gravedad de la adicción.
Tabla 2. Estimaciones de parámetros del modelo básico y del modelo ARCL 6.
Estudio 2: Correlaciones neuronales de la depresión en trastornos de juegos de Internet
Demografía y características de los juegos en Internet de los sujetos con IGD y HC
Los sujetos con IGD y HC no difirieron en cuanto a la edad, la educación o el consumo de alcohol y las medidas para fumar cigarrillos. Como era de esperar, los sujetos con IGD informaron una mayor IDB (8.78 ± 5.54 frente a 2.85 ± 3.64; t = 6.91, P <0.001) y puntuaciones CIAS más altas (78.46 ± 8.40 frente a 43.49 ± 9.64; t = 20.27, P <0.001), en comparación con los sujetos con HC (Tabla S3).
Diferencias rsFC entre los sujetos con IGD y HC
En comparación con la HC, los sujetos con IGD mostraron un rsFC significativamente mayor entre la amígdala izquierda y la DLPFC derecha (Figura 2 y mesa 3). Sin embargo, no se observaron diferencias significativas entre los grupos para las semillas de amígdala derecha o sgACC bilateral. Mediante el uso de un criterio más liberal (nivel de voxel P <0.005 y a nivel de clúster P <0.05), los sujetos IGD mostraron una rsFC significativamente mayor entre la sgACC izquierda y la DLPFC derecha (Figura S2 y Tabla S4).
Figura 2 y XNUMX. Conectividad funcional en estado de reposo en sujetos IGD y HC. (A) y asociación con depresión en grupo IGD (B).
Tabla 3. Ubicaciones y regiones de semillas que muestran diferencias significativas en la conectividad entre los sujetos con IGD y HC (GRFT, nivel de voxel P <0.001 y a nivel de clúster P <0.05).
Relaciones cerebro-comportamiento
Dentro del grupo IGD, la puntuación de depresión se correlacionó negativamente con la conectividad entre la amígdala izquierda y la DLPFC derecha (MNI: 57, 9, 30; r = −0.35; Figura 2). No hubo una correlación significativa entre la severidad de la adicción y la amígdala izquierda, la conectividad DLPFC derecha.
Estudio 3: Los efectos de la intervención conductual en la depresión y las bases neuronales de la eficacia terapéutica
Demografía y características de juegos de Internet
El ANOVA con medidas repetidas mostró una interacción de grupo (CBI + y CBI−) por sesión (primera y segunda evaluación) para la gravedad de IGD [F(1, 59) = 22.62, P <0.001] y puntuación BDI [F(1, 59) = 7.89, P <0.01] (Tabla 4). En comparación con el grupo de control, el grupo de intervención mostró reducciones significativas en los puntajes de CIAS y de depresión después del tratamiento.
Tabla 4. Comparaciones de variables medidas entre el CBI + y el CBI− group en los puntos de tiempo de antes y después de la intervención.
Cambios en rsFC en los grupos CBI + y CBI−
En comparación con el grupo CBI−, el grupo CBI + mostró una reducción significativa de rsFC de la amígdala izquierda con giro a la izquierda central y DLPFC, después de la intervención (Figura 3A y mesa 5). Sin embargo, no se observaron diferencias significativas entre los grupos para las semillas de amígdala derecha o sgACC bilateral. Con un criterio más liberal (nivel de voxel). P <0.005 y a nivel de clúster P <0.05), los sujetos CBI + mostraron una conectividad funcional significativamente disminuida entre el sgACC izquierdo y la circunvolución poscentral izquierda (Figura S3 y Tabla S5).
Figura 3 y XNUMX. Resultados en el estudio 3. Comparaciones de los cambios de rsFC ([rsFC en la segunda exploración] - [rsFC en la línea de base]) entre los grupos CBI + y CBI− sobre la amígdala izquierda con MFG, Gyrus precentral y SFG (A); Asociación negativa entre la FC de la amígdala izquierda y la DLPFC derecha al inicio del estudio con un cambio en la puntuación de la depresión en el grupo de CBI + (B); Se muestra el diagrama de dispersión de la correlación entre la puntuación modificada del BDI y los valores beta para el grupo que sobrevive en el valor basal rsFC de la amígdala-DLPFC (C).
Tabla 5. Ubicaciones y regiones de semillas que muestran diferencias significativas en la conectividad entre los grupos CBI + y CBI− (GRFT, nivel de voxel P <0.001 y a nivel de clúster P <0.05).
Relaciones cerebro-comportamiento
Aunque no se observaron asociaciones significativas entre los cambios de rsFC y los niveles de depresión o gravedad de la adicción en el grupo de CBI +, la conectividad entre la amígdala izquierda y la DLPFC derecha al inicio del estudio se asoció negativamente con un cambio en la puntuación de depresión ([Post-Pre], MNI: 42, 15, 27, r = 0.63; SVC; Figuras 3B, C) en el grupo CBI +. Sin embargo, la asociación no fue más significativa cuando se controló la gravedad de la depresión de referencia.
Discusión
Evaluamos la relación entre los síntomas de la depresión y la adicción y los mecanismos neuronales subyacentes mediante la combinación de un estudio de encuesta longitudinal, un estudio transversal de conectividad funcional en estado de reposo (FCFC) y un estudio de intervención. En general, la adicción a Internet y la depresión mantienen una relación bidireccional entre los jugadores de Internet, ya que las severidades de la adicción y la depresión se influyen recíprocamente entre sí durante un período de 4. Al comparar directamente a los individuos con sujetos con IGD y HC, encontramos que el grupo con IGD mostró una mayor gravedad de depresión y amígdala-DLPFC rsFC, con la fuerza de la conectividad asociada negativamente con la depresión en el grupo con IGD. Además, los individuos con IGD mostraron una reducción en la gravedad de la depresión y rsFC entre la amígdala y la DLPFC después de recibir una intervención conductual para la IGD. Las interacciones aberrantes entre las redes de control emocional y ejecutivo pueden contribuir a los síntomas de depresión en la IGD, y las intervenciones dirigidas a estas aberraciones pueden aliviar tanto los síntomas de la adicción a Internet como la depresión. Juntos, estos hallazgos brindan un fuerte respaldo de que la adicción a los juegos de Internet y los síntomas de depresión están estrechamente relacionados entre sí.
Los resultados son consistentes con la hipótesis de que los síntomas de adicción y depresión de los jugadores de Internet están influenciados recíprocamente entre sí. Específicamente, la gravedad de la depresión / adicción a Internet en un momento anterior predice positivamente la gravedad de la adicción / depresión en un momento posterior. Por lo tanto, la gravedad de la adicción y la depresión en los jugadores en línea están relacionadas bidireccionalmente, de acuerdo con los hallazgos en otros trastornos adictivos [53, 54]. Aunque estudios anteriores han revelado una mayor depresión entre los jugadores en línea [5, 16, 55, 56], así como las relaciones recíprocas entre la depresión y la gravedad de la adicción utilizando datos longitudinales [57], los resultados actuales son los primeros en demostrar una relación bidireccional estable entre los síntomas de la depresión y la adicción en los jugadores de Internet. La relación bidireccional puede transcurrir porque (1) los individuos enfrentan su angustia emocional jugando juegos de Internet [2, 58]; (2) los juegos de Internet prolongados inducen la depresión debido a la falta o el retiro de las relaciones de la vida real [58, 59]. Además, algunos factores compartidos, como los eventos biológicos, sociales o de la vida temprana, pueden aumentar el riesgo de depresión e IGD, así como su asociación [58, 60]. Además, el impacto de la depresión en la gravedad de la adicción parece ser mayor que el impacto de la adicción en la depresión, un problema que requiere mayor investigación.
A nivel neural, en comparación con la HC, el grupo con IGD mostró un rsFC significativamente mayor entre la amígdala izquierda y la DLPFC derecha, que se asoció negativamente con la gravedad de la depresión dentro del grupo con IGD. La amígdala desempeña un papel fundamental en el procesamiento emocional, el reconocimiento y la formación de la memoria [11, 17, 19]. Es importante destacar que la reactividad de la amígdala puede ser modulada por el PFC, y la interacción neuronal aberrante entre estas dos regiones se ha caracterizado en la depresión. Además, la reactividad de la amígdala puede ser modulada por el PFC, y la interacción neuronal aberrante entre estas dos regiones se ha caracterizado en la depresión. Por ejemplo, un rsFC más débil entre la amígdala y el PFC se ha demostrado en estudios previos del estado de reposo en la depresión [23, 24, 61], IGD [25], y el abuso del alcohol [62]. Disminución de la conectividad funcional PFC-amígdala durante las tareas relacionadas con la emoción también se ha informado en MDD [27, 38, 63]. El DLPFC apoya tanto el control cognitivo como el afectivo [64], y la conectividad alterada entre la DLPFC y la amígdala puede estar asociada con dificultades o interrupciones en la regulación de la emoción negativa. En contraste con la mayoría de los estudios previos en MDD, los hallazgos actuales mostraron una elevada conectividad amígdala-DLPFC. Un ad-hoc la explicación es que los participantes de la IGD pueden seguir jugando como una estrategia de afrontamiento para escapar de las emociones negativas [58, 61], involucrando al DLPFC en el control de la emoción negativa, que puede estar relativamente intacta en individuos con IGD [65], en relación con aquellos con MDD. Cabe señalar que los sujetos con IGD con síntomas de mayor depresión mostraron una menor conectividad entre la amígdala y la DLPFC, lo que sugiere que la relación entre la depresión y la conectividad de la amígdala y la DLPFC puede no ser lineal. Por lo tanto, los sujetos con IGD con síntomas de depresión más bajos pueden aumentar el control prefrontal sobre la actividad de la amígdala para manejar los problemas emocionales, pero dicha modulación no fue tan eficaz ni interrumpida en aquellos con síntomas de depresión más severos. En conjunto, la direccionalidad de las alteraciones en la conectividad centrada en la amígdala requiere más investigación, con consideraciones cuidadosas de la metodología, la gravedad de la depresión, la heterogeneidad funcional de las subregiones prefrontales y los efectos de los tratamientos con medicamentos ".
Coherente con los de un metaanálisis de intervenciones conductuales en la DAG [34], el estudio de intervención actual mostró una reducción significativa en la adicción a Internet y los síntomas de depresión en el grupo CBI + después de recibir la intervención en comparación con el grupo CBI−. Además, el grupo CBI + mostró una reducción de rsFC de la amígdala con regiones corticales frontales. Por lo tanto, CBI parece normalizar la conectividad amígdala-DLPFC al reducir directamente la prominencia de los estímulos emocionales negativos, de modo que los sujetos con IGD requieren menos recursos cognitivos para la regulación emocional. En conjunto, estos hallazgos sugieren que las interacciones funcionales entre la amígdala y la DLPFC pueden servir como un posible marcador neurobiológico de los síntomas de la depresión en la IGD y el objetivo candidato para las intervenciones clínicas.
Contrariamente a los hallazgos de MDD [15, 29, 64], no se encontró una alteración significativa de rsFC centrada en sgACC en individuos con IGD, ni el efecto de CBI en la remediación de rsFC entre sgACC y la corteza prefrontal. Una posible explicación fue que, en el estudio 2 y 3, excluimos a los sujetos con IGD con depresión grave para controlar los posibles factores de confusión, y la disconectividad de sgACC puede no manifestarse en individuos con depresión menos grave. Otra posibilidad se refiere a los diferentes mecanismos que subyacen a los síntomas de depresión superior en sujetos con IGD y pacientes con TDM, un problema que se investigará más a fondo en estudios de individuos con diagnósticos únicos y comórbidos. Sin embargo, se debe tener en cuenta que los resultados mostraron patrones de red similares entre el sgACC y la amígdala, lo cual fue consistente con los estudios en MDD de que la rsFC aberrante de la red afectiva se superpuso en la corteza prefrontal [23, 29].
El estudio reveló una relación bidireccional entre la depresión y la gravedad de la adicción, así como sus mecanismos neuronales subyacentes en la IGD. Como mínimo, estos hallazgos proporcionan evidencia de un fenotipo neuronal importante: un potencial RDoC [3] —De IGD. Estos resultados también pueden arrojar nueva luz sobre el desarrollo de intervenciones más efectivas para la IGD. La disfunción emocional, incluida la depresión, se considera un objetivo terapéutico importante en las adicciones debido a su asociación con recaída [66]. Sobre la base de los hallazgos actuales, la depresión y otras disfunciones emocionales deben tenerse en cuenta al diseñar las intervenciones y evaluar los resultados terapéuticos para la IGD. Por ejemplo, enfoques como la realimetría de resonancia magnética funcional en tiempo real [67] para modular rsFC de la amígdala y sgACC puede mejorar de manera efectiva los síntomas de la IGD y la depresión y complementar otras intervenciones para lograr mejores resultados.
Algunas limitaciones deben tenerse en cuenta. Primero, el Estudio 1 usó la subescala del SCL-90, mientras que el Estudio 2 y 3 usaron el BDI para medir la depresión. Aunque ambas son herramientas de evaluación ampliamente utilizadas con buenas propiedades psicométricas, los hallazgos aún debían ser confirmados por los estudios que utilizan mediciones consistentes. Segundo, la IGD es uno de los subtipos más estudiados de IA. Sin embargo, se debe tener cuidado de generalizar estos hallazgos a otros subtipos de IA (p. Ej., Adicción al cibersexual) [68]. En tercer lugar, el estudio actual se centró en los adultos jóvenes. La adolescencia es otro período crítico para el desarrollo de la IGD y muchos problemas emocionales, incluida la depresión [69]. Existe una necesidad urgente de estudios futuros para examinar la comorbilidad entre la DIT y la depresión y los mecanismos neuronales subyacentes en los adolescentes. Cuarto, los hallazgos actuales no aclaran la relación causal entre la depresión y la IGD. Los estudios doble ciego, aleatorizados, controlados con placebo que utilizan una combinación de fMRI y un medicamento antidepresivo pueden abordar directamente este problema. En quinto lugar, en el estudio 3, los sujetos con IGD no se asignaron al azar a los grupos CBI + y CBI−. Por lo tanto, no podemos excluir posibles factores de confusión, como la motivación para recibir tratamiento sobre el comportamiento actual y los hallazgos de imagen. Finalmente, determinamos la IGD según los puntajes CIAS y el tiempo de juego semanal. Sin embargo, tal definición basada en síntomas puede carecer de una base teórica sólida y correr el riesgo de patologizar comportamientos comunes [70]. Por lo tanto, para futuros estudios se recomiendan nuevas herramientas de diagnóstico basadas en una definición operativa adecuada de IGD y que consideren criterios exclusivos críticos.
En conclusión, utilizando una combinación de encuesta longitudinal, fMRI y estudios de intervención, informamos que los síntomas de la adicción a Internet y la depresión estaban altamente correlacionados con las influencias recíprocas entre los jugadores de Internet. Los individuos con IGD mostraron una mayor conectividad amígdala-DLPFC, que se asoció negativamente con los síntomas de depresión, y dichas alteraciones, así como la conectividad fronto-cingulada, disminuyeron después de una intervención conductual para la IGD. Juntos, los síntomas de depresión alta y la disfunción del circuito fronto-cingulato-amígdala deben tenerse en cuenta para la clasificación diagnóstica de la DID y el desarrollo de intervenciones para la DCI.
Contribuciones de autor
J-TZ y X-YF fueron responsables del concepto y diseño del estudio; LL, C-CX, JL y S-SM contribuyeron a la práctica de intervención y adquisición de datos; Y-WY, LL, J-TZ y CL asistieron con el análisis de datos y la interpretación de los hallazgos; LL y Y-WY redactaron el manuscrito. J-TZ, CL y X-YF proporcionaron una revisión crítica del manuscrito para el contenido intelectual. Todos los autores revisaron críticamente y aprobaron la versión final del manuscrito enviado para publicación.
Declaracion de conflicto de interes
Los autores declaran que la investigación se llevó a cabo en ausencia de cualquier relación comercial o financiera que pudiera interpretarse como un posible conflicto de intereses.
AGRADECIMIENTOS
Agradecemos a todos los sujetos por participar en nuestro estudio. Este trabajo fue apoyado por la Fundación Nacional de Ciencias Naturales de China (No. 31170990, No. 81100992, No. 31700966); los Fondos Fundamentales de Investigación para las Universidades Centrales (n. 2017XTCX04); una subvención del NIH (no. K02DA026990); y una subvención de la Fundación de Ciencias Postdoctorales de China (No. 2017M620655).
Material suplementario
El Material complementario para este artículo se puede encontrar en línea en: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00154/full#supplementary-material
Referencias
1. Chamberlain SR, Lochner C, Stein DJ, Goudriaan AE, van Holst RJ, Zohar J, et al. Adicción conductual: ¿una marea creciente? Eur Neuropsychopharmacol (2016) 26: 841 – 55. doi: 10.1016 / j.euroneuro.2015.08.013
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
2. Asociación Americana de Psiquiatría. Manual diagnóstico y estadístico de trastornos mentales, 5th Edn. Arlington, VA: Asociación Americana de Psiquiatría (2013).
3. Insel T, Cuthbert B, Garvey M, Heinssen R, Pine DS, Quinn K, et al. Criterios de dominio de investigación (RDoC): hacia un nuevo marco de clasificación para la investigación de trastornos mentales. Am J Psychiatry (2010) 167: 748 – 51. doi: 10.1176 / appi.ajp.2010.09091379
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
4. Lin X, Zhou H, Dong G, Du X. Evaluación de riesgo deficiente en personas con trastornos de los juegos de Internet: evidencia de RMf de una tarea de descuento de probabilidad. Prog Neuropsychopharmacol Biol Psychiatry (2015) 56: 142 – 8. doi: 10.1016 / j.pnpbp.2014.08.016
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
5. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, y otros. Activación del estriado ventral y dorsal durante la reactividad de la señal en el trastorno de los juegos de Internet. Adicto a Biol. (2017) 22: 791 – 801. doi: 10.1111 / adb.12338
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
6. Kaess M, Durkee T, Brunner R, Carli V, Parzer P, Wasserman C, et al. Uso patológico de Internet en adolescentes europeos: psicopatología y conductas autodestructivas. Euro Child Adolesc Psiquiatría (2014) 23:1093–102. doi: 10.1007/s00787-014-0562-7
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
7. Ho RC, Zhang MW, Tsang TY, Toh AH, Pan F, Lu Y, et al. La asociación entre la adicción a internet y la comorbilidad psiquiátrica: un meta-análisis. BMC Psiquiatría (2014) 14:183. doi: 10.1186/1471-244X-14-183
8. King, DL, y Delfabbro, PH La psicopatología cognitiva del trastorno de los juegos de Internet en la adolescencia. J Abnorm Child Psychol. (2016) 44:1635–45. doi: 10.1007/s10802-016-0135-y
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
9. Lin PC, Su CH, Yen JY, Ko CH. La asociación entre los síntomas psiquiátricos comórbidos y la remisión del trastorno de los juegos de Internet entre estudiantes universitarios y adultos no estudiantes. Taiwán J Psiquiatría (2016) 30: 279 – 88. doi: 10.1016 / j.eurpsy.2010.04.011
10. Stetina BU, Kothgassner OD, Lehenbauer M, Kryspin-Exner I. Más allá de la fascinación de los juegos en línea: sondear el comportamiento adictivo y la depresión en el mundo de los juegos en línea. Comp Hum Behav (2011) 27: 473 – 9. doi: 10.1016 / j.chb.2010.09.015
11. Gentile DA, Choo H, Liau A, Sim T, Li D, Fung D, et al. Uso patológico de videojuegos entre los jóvenes: estudio longitudinal de dos años. Pediatría (2011). 127:319–27. doi: 10.1542/peds.2010-1353
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
12. Joven KS, Rogers RC. La relación entre la depresión y la adicción a internet. CyberPsychol Behav. (1998) 1: 25 – 8. doi: 10.1089 / cpb.1998.1.25
13. Sutherland MT, McHugh MJ, Pariyadath V, Stein EA. Estado de reposo conectividad funcional en la adicción: lecciones aprendidas y un camino por delante. Neuroimagen (2012) 62: 2281 – 95. doi: 10.1016 / j.neuroimage.2012.01.117
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
14. Zhang S, Li CSR. Una medida neural de compromiso conductual: actividad dependiente del nivel de oxigenación de la sangre de baja frecuencia residual de la tarea en el precuneus. Neuroimagen (2010) 49: 1911 – 8. doi: 10.1016 / j.neuroimage.2009.09.004
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
15. Connolly CG, Wu J, Ho TC, Hoeft F, Wolkowitz O, Eisendrath S, et al. Conectividad funcional en estado de reposo de la corteza cingulada anterior subgenual en adolescentes deprimidos. Biol Psychiatry (2013) 74: 898 – 907. doi: 10.1016 / j.biopsych.2013.05.036
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
16. Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L, et al. Se modificó la conectividad funcional en estado de reposo de la ínsula en adultos jóvenes con trastornos de los juegos de Internet. Adicto a Biol. (2016a) 21: 743 – 51. doi: 10.1111 / adb.12247
17. Adolphs R, Tranel D, Damasio H, Damasio A. Deterioro del reconocimiento de la emoción en las expresiones faciales después de un daño bilateral en la amígdala humana. Naturaleza (1994) 372:669–72. doi: 10.1038/372669a0
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
18. Gottfried JA, O'Doherty J, Dolan RJ. Codificación del valor de recompensa predictiva en la amígdala humana y la corteza orbitofrontal. Ciencia: (2003) 301: 1104 – 7. doi: 10.1126 / science.1087919
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
19. Phelps EA, LeDoux JE. Contribuciones de la amígdala al procesamiento de las emociones: desde modelos animales hasta el comportamiento humano. Neurona (2005) 48: 175 – 87. doi: 10.1016 / j.neuron.2005.09.025
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
20. Zhang S, Hu S, Chao HH, Ide JS, Luo X, Farr OM, et al. La corteza prefrontal ventromedial y la regulación de la excitación fisiológica. Soc Cogn Afectan Neurosci. (2013) 9: 900 – 8. doi: 10.1093 / scan / nst064
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
21. Zhang S, Hu S, Chao HH, Luo X, Farr OM, Li CSR. Correlatos cerebrales de las respuestas de conductancia de la piel en una tarea cognitiva. Neuroimagen (2012) 62: 1489 – 98. doi: 10.1016 / j.neuroimage.2012.05.036
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
22. Kaiser RH, Andrews-Hanna JR, Wager TD, Pizzagalli DA. Disfunción de red a gran escala en el trastorno depresivo mayor: un metanálisis de la conectividad funcional en estado de reposo. Archives of General Psychiatry (2015) 72: 603 – 11. doi: 10.1001 / jamapsychiatry.2015.0071
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
23. Tahmasian M, Knight DC, Manoliu A, Schwerthöffer D, Scherr M, Meng C, et al. La conectividad intrínseca aberrante del hipocampo y la amígdala se superponen en la corteza fronto-insular y dorsomedial-prefrontal en el trastorno depresivo mayor. Front Hum Neurosci. (2013) 7: 639. doi: 10.3389 / fnhum.2013.00639
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
24. Tang Y, Kong L, Wu F, Womer F, Jiang W, Cao Y, et al. Disminución de la conectividad funcional entre la amígdala y la corteza prefrontal ventral izquierda en pacientes sin tratamiento previo con trastorno depresivo mayor: un estudio de imágenes de resonancia magnética funcional en estado de reposo. Psychol Med. (2013) 43: 1921 – 7. doi: 10.1017 / S0033291712002759
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
25. Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. La densidad de materia gris alterada y la conectividad funcional interrumpida de la amígdala en adultos con trastornos de los juegos de Internet. Prog Neuropsychopharmacol Biol Psychiatry (2015) 57: 185 – 92. doi: 10.1016 / j.pnpbp.2014.11.003
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
26. Huebl J, Brücke C, Merkl A, Bajbouj M, Schneider GH, Kühn AA. El procesamiento de los estímulos emocionales se refleja en las modulaciones de la actividad de la banda beta en la corteza cingulada anterior subgenual en pacientes con depresión resistente al tratamiento. Soc. Cogn Afectan Neurosci. (2016) 11: 1290 – 8. doi: 10.1093 / scan / nsw038
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
27. Kong L, Chen K, Womer F, Ren L, Jiang W, Cao Y, et al. Conectividad funcional entre la amígdala y la corteza prefrontal en individuos sin tratamiento previo con trastorno depresivo mayor. J Psiquiatría Neurosci. (2013) 38: 417 – 22. doi: 10.1503 / jpn.120117
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
28. Hamilton JP, Chen G, Thomason ME, Schwartz ME, Gotlib IH. Investigación de la primacía neural en el trastorno depresivo mayor: análisis multivariado de causalidad mayor de datos de series temporales de RMR en estado de reposo. Psiquiatría mol (2011) 16: 763 – 72. doi: 10.1038 / mp.2010.46
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
29. Sheline YI, Price JL, Yan Z, Mintun MA. La MRI funcional en estado de reposo en la depresión desenmascara una mayor conectividad entre redes a través del nexo dorsal. Proc Natl Acad Sci USA (2010) 107: 11020 – 5. doi: 10.1073 / pnas.1000446107
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
30. Camchong J, MacDonald AW, Mueller BA, Nelson B, Specker S, Slaymaker V, et al. Cambios en la conectividad funcional en reposo durante la abstinencia en el trastorno por uso de estimulantes: una comparación preliminar de recurrentes y abstinentes. Drogas alcohol dependiente (2014) 139: 145 – 51. doi: 10.1016 / j.drugalcdep.2014.03.024
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
31. Camchong J, Stenger A, Fein G. Sincronía en estado de reposo en alcohólicos abstinentes a largo plazo. Alcohol Clin Exp Res. (2013) 37:75–85. doi: 10.1111/j.1530-0277.2012.01859.x
32. Zhang JT, Ma SS, Li CSR, Liu L, Xia CC, Lan J, et al. Deseo de intervención conductual para el trastorno del juego en Internet: remediación de la conectividad funcional del estriado ventral. Adicto a Biol. (2018) 23: 337 – 46. doi: 10.1111 / adb.12474
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
33. Zhang JT, Yao YW, Potenza MN, Xia CC, Lan J, Liu L, et al. Alteración de la actividad neuronal en estado de reposo y cambios después de un deseo de intervención conductual para el trastorno del juego en Internet. Sci Rep. (2016b) 6: 28109. doi: 10.1038 / srep28109
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
34. Winkler A, Dörsing B, Rief W, Shen Y, Glombiewski JA. Tratamiento de la adicción a internet: un meta-análisis. Clin Psychol Rev. (2013) 33: 317 – 29. doi: 10.1016 / j.cpr.2012.12.005
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
35. Deng LY, Liu L, Xia CC, Lan J, Zhang JT, Fang XY. Intervención de conducta ansiosa en la mejora del trastorno de los juegos de Internet de estudiantes universitarios: un estudio longitudinal. Frente Psychol. (2017) 8: 526. doi: 10.3389 / fpsyg.2017.00526
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
36. Yao YW, Chen PR, Chiang-shan RL, Hare TA, Li S, Zhang JT, y otros. La terapia de realidad combinada y la meditación de atención plena disminuyen la impulsividad decisional intertemporal en adultos jóvenes con trastornos de los juegos de Internet. Comp Hum Behav. (2017a) 68: 210 – 6. doi: 10.1016 / j.chb.2016.11.038
37. Liang L, Zhou D, Yuan C, Shao A, Bian Y. Diferencias de género en la relación entre la adicción a Internet y la depresión: un estudio con retraso en adolescentes chinos. Comp Hum Behav. (2016) 63: 463 – 70. doi: 10.1016 / j.chb.2016.04.043
38. Siegle GJ, Thompson W, Carter CS, Steinhauer SR, Thase ME. Aumento de la amígdala y disminución de las respuestas BOLD prefrontal dorsolaterales en la depresión unipolar: características relacionadas e independientes. Biol Psychiatry (2007) 61: 198 – 209. doi: 10.1016 / j.biopsych.2006.05.048
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
39. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC, Yen CF. Los criterios de diagnóstico propuestos y la herramienta de detección y diagnóstico de la adicción a Internet en estudiantes universitarios. Psiquiatría comp (2009) 50: 378 – 84. doi: 10.1016 / j.comppsych.2007.05.019
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
40. Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. El cerebro se correlaciona con la inhibición de la respuesta en el trastorno de los juegos de Internet. Psiquiatría Clin Neurosci. (2015) 69: 201 – 9. doi: 10.1111 / pcn.12224
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
41. Derogatis LR, Lipman RS, Covi L. El SCL-90: un informe preliminar de la escala de calificación de pacientes ambulatorios. Psicofarmacol toro. (1973) 9: 13-28.
42. Beck AT, Ward CH, Mendelson M, Mock J, Erbaugh J. Un inventario para medir la depresión. Arch Gen Psychiatry (1961) 4: 561 – 71. doi: 10.1001 / archpsyc.1961.01710120031004
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
43. Kober H, Mendesiedlecki P, Kross EF, Weber J, Mischel W, Hart CL, et al. La vía prefrontal-estriada subyace a la regulación cognitiva del deseo. Proc Natl Acad Sci USA (2010) 107: 14811 – 6. doi: 10.1073 / pnas.1007779107
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
44. Bast J, Reitsma P. Matthew efectos en la lectura: una comparación de modelos de curva de crecimiento latente y modelos simplex con medios estructurados. Comportamiento Multivariado (1997) 32:135–67. doi: 10.1207/s15327906mbr3202_3
45. Curran PJ, Bollen KA. Lo mejor de ambos mundos: combinación de modelos de curva autorregresivos y latentes. En Collins LM y Sayer AG, editores. Nuevos métodos para el análisis del cambio. Washington, DC: Asociación Americana de Psicología (2001). pag. 107 – 135.
46. Jun S. Las relaciones recíprocas longitudinales entre la adicción a los teléfonos móviles y los síntomas depresivos entre los adolescentes coreanos. Comp Hum Behav (2016) 58: 179 – 86. doi: 10.1016 / j.chb.2015.12.061
47. Song TM, An JY, Hayman LL, Kim GS, Lee JY, Jang HL. Un análisis de panel con retraso cruzado autorregresivo de tres años sobre la dependencia a la nicotina y el consumo promedio de tabaco. Res. Informática Sanitaria. (2012) 18: 115 – 24. doi: 10.4258 / hir.2012.18.2.115
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
48. Muthén l. Guía del usuario de Mplus. (2012). Los Ángeles, CA: Muthén & Muthén 1998–2010.
49. Cheung GW, Rensvold RB. Evaluación de índices de bondad de ajuste para probar la invariancia de medición. Struct Equ Model Multidiscpl J. (2002) 9:233–55. doi: 10.1207/S15328007SEM0902_5
50. Ciarrochi J, Parker P, Kashdan T, Heaven P, Barkus E. Esperanza y bienestar emocional. Un estudio longitudinal de seis años para distinguir antecedentes, correlatos y consecuencias. [Publicación anticipada en línea]. J. posit. Psychol. (2015). 10: 520 – 32. doi: 10.1080 / 17439760.2015.1015154
51. Steenkamp JBEM, Baumgartner H. Evaluación de la invariancia de medición en la investigación de consumidores transnacionales. J. Consum. Res. (1998) 25: 78 – 107. doi: 10.1086 / 209528
52. Neubert FX, Mars RB, Sallet J, Rushworth MF. La conectividad revela la relación de las áreas del cerebro para el aprendizaje guiado por recompensa y la toma de decisiones en la corteza frontal humana y de los monos. Proc Natl Acad Sci USA (2015) 112: E2695 – 704. doi: 10.1073 / pnas.1410767112
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
53. Chaiton MO, Cohen JE, O'Loughlin J, Rehm J. Una revisión sistemática de estudios longitudinales sobre la asociación entre la depresión y el tabaquismo en adolescentes. BMC Public Health (2009) 9:356. doi: 10.1186/1471-2458-9-356
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
54. Gilman SE, Abraham HD. Un estudio longitudinal del orden de aparición de la dependencia del alcohol y la depresión mayor. Drogas alcohol dependiente (2001) 63:277–86. doi: 10.1016/S0376-8716(00)00216-7
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
55. Tortolero SR, Peskin MF, Baumler ER, Cuccaro PM, Elliott MN, Davies SL, et al. Videojuegos violentos a diario y depresión en jóvenes preadolescentes. Cyberpsychol Behav Soc Netw. (2014) 17: 609 – 15. doi: 10.1089 / cyber.2014.0091
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
56. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, Yen CF. Evaluación de los criterios de diagnóstico del trastorno de los juegos de Internet en el DSM-5 entre adultos jóvenes en Taiwán. J Psychiatr Res. (2014) 53: 103 – 10. doi: 10.1016 / j.jpsychires.2014.02.008
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
57. Cho SM, Sung MJ, Shin KM, Lim KY, Shin YM. ¿La psicopatología en la infancia predice la adicción a internet en los adolescentes varones? Psiquiatría infantil Hum Dev. (2013) 44:549–55. doi: 10.1007/s10578-012-0348-4
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
58. Rappeneau V, Bérod A. La reconsideración de la depresión como un factor de riesgo para el trastorno por uso de sustancias: perspectivas de los modelos de roedores. Neurosci Biobehav. Rdo. (2017) 77: 303 – 16. doi: 10.1016 / j.neubiorev.2017.04.001
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
59. Choi J, Cho H, Kim JY, Jung DJ, Ahn KJ, Kang HB, y otros. Las alteraciones estructurales en la corteza prefrontal median la relación entre el trastorno de los juegos de Internet y el estado de ánimo deprimido. Sci Rep (2017) 7:1245. doi: 10.1038/s41598-017-01275-5
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
60. Kendler KS, Prescott CA, Myers J, Neale MC. La estructura de los factores de riesgo genéticos y ambientales para los trastornos psiquiátricos y de uso de sustancias comunes en hombres y mujeres. Arch Gen Psychiatry (2003) 60: 929 – 37. doi: 10.1001 / archpsyc.60.9.929
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
61. Pannekoek JN, Werff SJA, Meens PH, Bulk BG, Jolles DD, Veer IM, y otros. Aberrante conectividad funcional en estado de reposo en redes límbicas y de atención en adolescentes sin tratamiento clínico con depresión. J Psiquiatría De Psicología Infantil (2014) 55: 1317 – 27. doi: 10.1111 / jcpp.12266
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
62. Hu S, Ide JS, Chao HH, Zhornitsky S, Fischer KA, Wang W, et al. Estado de reposo, conectividad funcional de la amígdala y consumo de alcohol en bebedores de alcohol no dependientes. Drogas alcohol dependiente (2018) 185: 173 – 180. doi: 10.1016 / j.drugalcdep.2017.11.026
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
63. Dannlowski U, Ohrmann P, Konrad C, Domschke K, Bauer J, Kugel H, et al. Reducción del acoplamiento amígdala-prefrontal en la depresión mayor: asociación con el genotipo MAOA y la gravedad de la enfermedad. Int J Neuropsychopharmacol. (2009) 12: 11 – 22. doi: 10.1017 / S1461145708008973
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
64. Mulders PC, van Eijndhoven PF, Schene AH, Beckmann CF, Tendolkar I. Conectividad funcional en estado de reposo en el trastorno depresivo mayor: una revisión. Neurosci Biobehav Rev (2015) 56: 330 – 44. doi: 10.1016 / j.neubiorev.2015.07.014
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
65. Yao YW, Liu L, Ma SS, Shi XH, Zhou N, Zhang JT, y otros. Alteraciones neuronales funcionales y estructurales en el trastorno de los juegos de Internet: una revisión sistemática y un metanálisis. Neurosci Biobehav Rev. (2017) 83: 313 – 24. doi: 10.1016 / j.neubiorev.2017.10.029
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
66. Li CR, Sinha R. Control inhibitorio y regulación del estrés emocional: evidencia de neuroimagen de disfunción frontal-límbica en la adicción psicoestimulante. Neurosci Biobehav Rev. (2008) 32: 581 – 97. doi: 10.1016 / j.neubiorev.2007.10.003
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
67. Kirsch M, Gruber I, Ruf M, Kiefer F, Kirsch P. El neurofeedback de imágenes de resonancia magnética funcional en tiempo real puede reducir la reactividad de la señal estriatal a los estímulos alcohólicos. Adicto a Biol. (2015) 21: 982 – 92. doi: 10.1111 / adb.12278
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
68. Wéry A, Billieux J. Cibersexo problemático: conceptualización, evaluación y tratamiento. Adicto Behav. (2017) 64: 238 – 46. doi: 10.1016 / j.addbeh.2015.11.007
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
69. Paus T, Keshavan M, Giedd JN. ¿Por qué surgen muchos trastornos psiquiátricos durante la adolescencia? Nat Rev Neurosci. (2008) 9: 947 – 57. doi: 10.1038 / nrn2513
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
70. Kardefelt-Winther D, Heeren A, Schimmenti A, Rooij A, Maurage P, Carras M, et al. ¿Cómo podemos conceptualizar la adicción conductual sin patologizar los comportamientos comunes? Adicción (2017) 112: 1709 – 15. doi: 10.1111 / add.13763
Resumen de PubMed | Texto completo de CrossRef | Google Scholar
Palabras clave: amígdala, depresión, IRMf, trastorno de los juegos de Internet, conectividad funcional en estado de reposo, corteza cingulada anterior subgenual
Cita: Liu L, Yao YW, Li CR, Zhang JT, Xia CC, Lan J, Ma SS, Zhou N y Fang XY (2018) La comorbilidad entre el trastorno y la depresión en los juegos de azar por Internet: la interrelación y los mecanismos neuronales. Frente. Psiquiatría 9: 154. doi: 10.3389 / fpsyt.2018.00154
Recibido: 26 Enero 2018; Aceptado: 04 April 2018;
Publicado: 23 Abril 2018.
Editado por:
Yasser Khazaal, Université de Genève, Suiza
Revisado por:
Qinghua heUniversidad del Suroeste, China
Aviv M. Weinstein, Universidad de Ariel, Israel
Copyright © 2018 Liu, Yao, Li, Zhang, Xia, Lan, Ma, Zhou y Fang. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia de atribución de Creative Commons (CC BY). Se permite el uso, la distribución o la reproducción en otros foros, siempre que se acredite al autor original y al propietario de los derechos de autor y que se cite la publicación original en esta revista, de acuerdo con la práctica académica aceptada. No se permite ningún uso, distribución o reproducción que no cumpla con estos términos.
* Correspondencia: Jin-Tao Zhang, [email protected]
Colmillo Xiao-Yi, [email protected]
†Estos autores han contribuido igualmente a este trabajo.
;