Toma de decisiones para pérdidas y ganancias riesgosas entre estudiantes universitarios con trastorno de juegos de Internet (2015)

Resumen

Las personas con trastorno de juego en Internet (IGD) tienden a exhibir riesgos desfavorables en la toma de decisiones no solo en su vida real sino también en tareas de laboratorio. La toma de decisiones es una función multifacética compleja y diferentes procesos cognitivos están involucrados en la toma de decisiones para ganancias y pérdidas. Sin embargo, la relación entre el deterioro de la toma de decisiones y el procesamiento de la ganancia frente a la pérdida en el contexto de la IGD es poco conocida. El objetivo principal del presente estudio fue evaluar por separado la toma de decisiones para ganancias y pérdidas de riesgo entre los estudiantes universitarios con IGD que utilizan la tarea Copas. Además, también examinamos los efectos de la magnitud de los resultados y el nivel de probabilidad en la toma de decisiones relacionadas con ganancias y pérdidas de riesgo, respectivamente. Participaron sesenta estudiantes universitarios con controles sanos (IG) emparejados con IGD y 42. Los resultados indicaron que los sujetos con IGD exhibieron generalmente mayores tendencias de riesgo que los HC. En comparación con los HC, los sujetos con IGD tomaron decisiones de riesgo más desventajosas en el dominio de pérdida (pero no en el dominio de ganancia). Los análisis de seguimiento indicaron que el deterioro se asoció con la insensibilidad a los cambios en la magnitud de los resultados y el nivel de probabilidad de pérdidas riesgosas entre los sujetos con IGD. Además, las puntuaciones más altas de gravedad de la adicción a Internet se asociaron con el porcentaje de opciones de riesgo desfavorable en el dominio de pérdida. Estos hallazgos enfatizan el efecto de la insensibilidad a las pérdidas en decisiones desfavorables bajo riesgo en el contexto de la IGD, que tiene implicaciones para futuros estudios de intervención.

Figuras

 

Cita:Yao YW, Chen PR, Li S, Wang LJ, Zhang JT, y otros. (2015) Toma de decisiones para pérdidas y ganancias riesgosas entre estudiantes universitarios con trastorno de juegos de Internet. PLoS ONE 10 (1): e0116471. doi: 10.1371 / journal.pone.0116471

Editor Académico: Ingmar HA Franken, Universidad Erasmus de Rotterdam, PAÍSES BAJOS

Recibido: Julio 17, 2014; Aceptado: Diciembre 9, 2014; Publicado: Enero 23, 2015

Este es un artículo de acceso abierto, libre de todos los derechos de autor, y puede ser reproducido, distribuido, transmitido, modificado, construido o utilizado de otra manera por cualquier persona para cualquier propósito legal. El trabajo está disponible bajo la Creative Commons CC0 dedicación de dominio público

Disponibilidad de datos:Todos los datos relevantes están dentro del documento y sus archivos de información de respaldo.

Fondos:Este estudio fue apoyado por la Fundación Nacional de Ciencias Naturales de China (No. 31170990 y No. 81100992), los fondos de investigación fundamentales para las universidades centrales (No. 2012WYB01), y los Programas de la Fundación Nacional Innovadora para Estudiantes Universitarios de China (No. 201310027028). SWY recibió apoyo salarial de la subvención de NIDA (T32 DA007238-23). Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de los datos o la preparación del manuscrito.

Conflicto de intereses: Los autores han declarado que no existen intereses en pugna.

Introducción

El trastorno de los juegos de Internet (IGD) se define como un juego en línea excesivo e incontrolado a pesar de la experiencia de consecuencias negativas, incluido el insomnio, el bajo rendimiento académico y el aislamiento social [1,2]. IGD es cada vez más reconocido como un problema de salud mental en todo el mundo [3], como lo destaca su reciente, incluida en la Sección III del DSM-5 como un tema que merece más estudios futuros [4]. Además, dado que Internet está disponible de forma gratuita en los campus, la mayoría de los estudiantes universitarios juegan juegos en Internet para recreaciones, lo que, sin embargo, los convierte en una de las poblaciones más susceptibles al IGD [5,6].

La toma de decisiones no adaptativa es uno de los síntomas clave de la adición [7–9]. Los hallazgos anteriores sugieren que las personas con abuso de sustancias o dependencia tienen un rendimiento deficiente en una variedad de tareas de toma de decisiones [10–14]. Estudios recientes indican déficits en la toma de decisiones en IGD. Por ejemplo, los investigadores encontraron que los individuos con IGD tomaron decisiones más desfavorables en la Tarea Juego de Dados en relación con los sujetos sanos de comparación no jugables [15], y que tales deterioros pueden ser en parte resultado de una falla en la utilización de la retroalimentación [16]. La evidencia también sugiere que los individuos con adicción a Internet se ven perjudicados en la toma de decisiones bajo ambigüedad medida por la Tarea de Juego de Iowa [17,18]. Los estudios de neuroimagen que utilizan otros paradigmas (p. Ej., Tarea de adivinación, tarea de descuento de probabilidad) también sugieren alteraciones en las respuestas neuronales entre individuos con IGD durante los procesos de toma de decisiones, que incluyen la anticipación y el procesamiento de recompensas y castigos [19–21] y evaluando riesgos [22].

La toma de decisiones es una función cognitiva compleja, y la evidencia acumulada sugiere que diferentes procesos están involucrados en la toma de decisiones para ganancias y pérdidas [23–26]. Algunos investigadores han descubierto que las personas con trastornos relacionados con la adicción tomaron decisiones significativamente más desfavorables, principalmente en la ganancia, en comparación con la pérdida, del dominio [27,28], mientras que los datos existentes también sugieren que la insensibilidad a las pérdidas juega un papel esencial en los déficits en la toma de decisiones entre individuos con dependencia de sustancias [29,30]. Sin embargo, aún no se conoce bien hasta qué punto la deficiente toma de decisiones entre los sujetos con IGD es atribuible a las alteraciones en el procesamiento de la ganancia frente a la pérdida. La investigación por separado de las características de la búsqueda de recompensas y la evitación de pérdidas entre los individuos con IGD mejorará la comprensión actual de los mecanismos subyacentes a los déficits en la toma de decisiones en esta población, y puede ayudar en el desarrollo de intervenciones más efectivas para la IGD.

En el estudio actual, tratamos de evaluar por separado la toma de decisiones sobre ganancias y pérdidas entre estudiantes universitarios con IGD. Para ello, adoptamos la tarea de Copas [26], que aísla la toma de decisiones para los dominios de ganancia y pérdida. Además, tratamos de examinar los efectos de dos componentes esenciales, la magnitud del resultado y el nivel de probabilidad, en la toma de decisiones relacionadas con ganancias y pérdidas de riesgo. Basado en estudios previos [15,16,21], planteamos la hipótesis de que: (1) los sujetos con IGD, en comparación con los controles sanos emparejados (HCs) harían elecciones significativamente más arriesgadas en general; (2) los sujetos con IGD, en comparación con los HC, obtendrían peores resultados en ensayos con desventajas de riesgo en los dominios de ganancia y pérdida; (3) los déficits en la toma de decisiones entre los sujetos con IGD se asociaron a la insensibilidad a la magnitud del resultado y al nivel de probabilidad; y (4) los puntajes de gravedad de IGD se asociaron positivamente con las opciones de riesgo desventajosas realizadas en la tarea de Copas.

Métodos

Declaración de Ética

El protocolo de este estudio fue aprobado por la Junta de Revisión Institucional de la Escuela de Psicología de la Universidad Normal de Beijing. Todos los participantes dieron su consentimiento informado por escrito antes del experimento y recibieron una compensación monetaria por su participación.

Participantes

Un total de estudiantes universitarios de 102 (sujetos de 60 IGD y 42 HC) fueron reclutados de universidades por publicidad en línea en Beijing, China. Dada la mayor prevalencia de IGD en hombres frente a mujeres [1,31–33], solo se seleccionaron sujetos masculinos. Ningún participante reportó experiencia previa con drogas ilícitas (por ejemplo, cocaína) o juegos de azar (incluyendo juegos de azar en línea). Además, los participantes que informaron antecedentes de enfermedades psiquiátricas o neurológicas, el uso de medicamentos psicotrópicos que afectan el sistema nervioso central se excluyeron de un estudio adicional.

El diagnóstico de IGD se estableció por el tiempo de juego semanal en Internet y la escala de adicción a Internet de Chen (CIAS) [34]. El CIAS consta de elementos 26, basados ​​en una escala Likert de 4-point, que evalúa las dimensiones 5 de la adicción a Internet: uso compulsivo, retiro, tolerancia, problemas de relaciones interpersonales y gestión del tiempo. La confiabilidad y validez del CIAS entre los estudiantes universitarios ha sido demostrada anteriormente [33]. Los criterios de inclusión para los sujetos con IGD fueron: (1) con una puntuación 67 o superior en CIAS [33,35], (2) pasó más tiempo en juegos de Internet que cualquier otra aplicación de Internet, y (3) pasó al menos 14 horas a la semana durante al menos un año. Para confirmar aún más que los sujetos con IGD eran adictos a los juegos de Internet y descartar los efectos de otras actividades en línea (especialmente los juegos de azar en línea) en la toma de decisiones, se pidió a los sujetos del IGD que enumeraran las tres primeras actividades de Internet que ocupaban la mayor parte de su tiempo en línea. Todos ellos clasificaron los juegos de Internet en primer lugar e indicaron que son "adictos" a los juegos de Internet, pero ninguno de ellos incluyó juegos de apuestas en línea o juegos de póquer en sus listas. Los criterios de inclusión para los HC fueron: (1) clasificación ≤ 50 en CIAS, (2) ocasionalmente en juegos de Internet (≤ 2 horas por semana) o nunca jugar juegos en línea en su vida.

La Tarea De Copas

La versión china computarizada de Cups task fue adaptada de la tarea original desarrollada por [26]. La tarea consiste en ensayos 54 divididos en dominios de pérdidas y ganancias por igual. En cada prueba, se pidió a los participantes que eligieran entre una opción riesgosa y una opción segura, y la opción segura está representada por una sola taza y está asociada con una probabilidad 100% de ganar o perder el yuan 100. La opción de riesgo está representada por las copas 2, 3 o 4 y está asociada con 50%, 33% o 25% de ganar o perder una cantidad mayor de dinero (posible resultado: 200 yuan, 300 yuan o 400 yuan). Dentro de cada dominio, cada combinación de nivel de probabilidad y nivel de resultado se produce tres veces, por lo que los dominios de ganancia y pérdida se presentan como dos bloques separados de ensayos aleatorios de 27. Los participantes indicaron su elección presionando el botón izquierdo o derecho. Después de cada elección, los participantes recibieron retroalimentación inmediata sobre el resultado del ensayo. Los veinte participantes que obtuvieron los puntajes totales más altos recibirán un bono adicional.

Basándose en una manipulación independiente del nivel de probabilidad y el nivel de resultado, las combinaciones son: (1) riesgo ventajoso (RA), lo que significa que el valor esperado (EV) de la opción de riesgo es más favorable que el de la opción segura; (2) riesgo desventajoso (RD), lo que significa que el EV de la opción de riesgo es menor que el de la opción segura; o (3) neutral al riesgo, lo que significa que las opciones seguras y riesgosas tienen los mismos valores esperados (EQEV).

Análisis estadístico

Los análisis estadísticos se realizaron utilizando SPSS versión 20.0 y R versión 3.1.0. Todas las pruebas fueron de dos colas y el criterio de significación se estableció en P <.05. En primer lugar, utilizamos pruebas t de muestras independientes para explorar las diferencias de grupo en las variables demográficas. En segundo lugar, para comparar el desempeño de los sujetos IGD y los HC en la tarea Cups, utilizamos análisis de varianza (ANOVA) con mediciones repetidas. Para explorar los efectos de interacción, se realizaron análisis de efectos simples. Cuando las pruebas de Mauchly mostraron una violación del supuesto de esfericidad, se utilizaron correcciones de Greenhouse-Geisser. Los análisis post-hoc se realizaron utilizando pruebas t con corrección de Bonferroni. En tercer lugar, separamos EV en dos componentes: nivel de probabilidad y magnitud del resultado, con el fin de explorar el efecto de estos dos componentes en la toma de decisiones para cada ensayo, utilizando la función R lmer de la biblioteca lme4. Finalmente, para investigar la relación entre la gravedad de la adicción a Internet y el desempeño en la toma de decisiones para lograr ganancias y evitar pérdidas, se utilizaron las correlaciones de Pearson para explorar asociaciones entre los puntajes CIAS y el porcentaje de decisiones de riesgo tomadas durante los tres niveles de EV (RA, EQEV, RD ) para los dominios de pérdidas y ganancias respectivamente.

Resultados

Características demográficas

Como se muestra en Tabla 1, los sujetos con IGD y los HC no difirieron en edad, promedio de duración de la educación y años de uso de Internet de por vida. De acuerdo con nuestros criterios de inclusión (es decir, puntuación CIAS ≥ 67 para sujetos IGA y ≤ 50 para HC), los sujetos con IGD tuvieron puntuaciones CIAS significativamente más altas, t (100) = 27.14, P <.001. Veintidós de 42 HC jugaron ocasionalmente juegos de Internet, sin embargo, los sujetos de IGD pasaron significativamente más tiempo en juegos de Internet semanalmente que los HC. t (80) = 15.41, P <.001.

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (72KB)

• TIFF

  imagen original (375KB)

Tabla 1. Demográfico, uso de Internet de por vida, los puntajes CIAS y el tiempo dedicado a los sujetos con IGD y HC.

doi: 10.1371 / journal.pone.0116471.t001

La tasa de consumo de tabaco y alcohol fue baja para ambos grupos: tres sujetos con IGD y un HC informaron fumar ocasionalmente (menos de una vez al mes). Diecinueve sujetos con IGD y 12 HC informaron sobre el consumo de alcohol durante toda su vida, pero todos con bajas frecuencias (una vez a la semana o menos), y estas tasas no difirieron entre los grupos. t (29) = 1.27, P = .216.

Riesgo de propensión

La propensión a asumir riesgos es una medida de la tendencia de un individuo a elegir la opción arriesgada sobre la opción segura en cada uno de los tres niveles de EV (RA, EQEV, RD) calculados por separado para el dominio de ganancia y pérdida [36]. Realizamos un 2 (dominio: ganancia, pérdida) × 3 (nivel EV: RA, EQEV, RD) × 2 (grupo: sujetos con IGD, HC) medidas repetidas ANOVA. Como se esperaba, observamos un efecto principal del grupo, F (1, 100) = 5.67, P = .019, η parcial² = .05, lo que indica que los sujetos con IGD eligieron opciones más riesgosas en general que los HC en el dominio tanto de ganancia como de pérdida; y un efecto principal del nivel EV, F (2, 200) = 289.64, P <001, η parcial² = .74. Los análisis post-hoc mostraron que los participantes realizaron opciones más riesgosas cuando el nivel de EV fue RA que el RD. La interacción de tres vías entre el nivel de EV, grupo y dominio no alcanzó significación, F (2, 200) = 1.43, P = .242, η parcial² = .01. Sin embargo, encontramos un nivel de EV × interacción grupal, F (2, 200) = 6.08, P = .006, η parcial² = .06, y el análisis simple del efecto mostró que la interacción significativa se debió principalmente a un mayor riesgo en los senderos RD entre los sujetos con IGD en comparación con los HC, F (2, 99) = 7.54, P = .001, η parcial² = .13. También encontramos una interacción significativa entre el nivel EV y el dominio, F (2, 200) = 7.70, P = .001, η parcial² = .07, y el análisis simple del efecto mostró que los participantes eligieron opciones significativamente más riesgosas en el dominio de pérdida en comparación con el dominio de ganancia en los ensayos EQEV (no RA y RD), F (1, 100) = 7.57, P = .007, η parcial² = .07.

Se llevaron a cabo ANOVAs separados para cada dominio. Para el dominio de pérdida, además de los efectos principales significativos del grupo y el nivel de EV, hubo un efecto de interacción significativo del nivel de EV × interacción de grupo, F (2, 200) = 6.90, P = .002, η parcial² = .07. Los hallazgos de los análisis de efectos simples indicaron que los sujetos con IGA tomaron decisiones más arriesgadas que los HC en los ensayos de RD, F (1, 100) = 15.11, P <001, η parcial² = .13, pero no difirió de los HC en el número de opciones de riesgo en los ensayos de AR y EQEV ( ). En contraste, para el dominio de ganancia, no hubo efectos principales o de interacción significativos del grupo o nivel de EV × grupo (P = .092 Y P = .138, Respectivamente).

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (104KB)

• TIFF

  imagen original (227KB)

Figura 1. Rendimiento de toma de decisiones para los sujetos de IGD y HC en la tarea Copas.

 

Porcentaje medio de elecciones arriesgadas realizadas en (A) la ganancia y (B) el dominio de pérdida, como una función del nivel y grupo de EV. Las barras de error reflejan errores estándar. IGD = trastorno de juego de Internet; HCs = controles sanos; EV = valor esperado; RA = riesgo ventajoso; EQEV = igual valor esperado; RD = riesgo desventajoso.

doi: 10.1371 / journal.pone.0116471.g001

Sensibilidad a la magnitud del resultado y nivel de probabilidad

Además, separamos el EV en dos componentes: magnitud de resultado y nivel de probabilidad. Para examinar el efecto de estos dos componentes en la toma de decisiones de riesgo, realizamos modelos jerárquicos logísticos utilizando la función R lmer de la biblioteca lme4 para tener en cuenta la variación de prueba por prueba en la toma de riesgos de los sujetos, siguiendo el procedimiento descrito. en un estudio previo [37]. Dos modelos base, respectivamente para los dominios de ganancia y pérdida, incluyeron el grupo (0 = HCs, 1 = sujetos IGD), nivel de probabilidad (probabilidad representada de ganar o perder para opciones de riesgo: 0.25, 0.33, 0.50), magnitud de resultado (2, 3 4 representó 200, 300, 400 en opciones arriesgadas) e interacciones del grupo × nivel de probabilidad y la magnitud del resultado de grupo × como predictores de efectos fijos, y las diferencias individuales en la elección como efectos aleatorios. La variable dependiente fue la elección de los sujetos para cada ensayo (0 = opción segura, 1 = opciones riesgosas).

Como se muestra en tabla 2, hubo efectos principales significativos del nivel de probabilidad y la magnitud del resultado en los dominios de ganancia y pérdida. Estos efectos indicaron, tanto para los dominios de ganancia como de pérdida, que tanto en los sujetos con IGD como en los HC, los sujetos corrieron menos riesgos ya que la probabilidad de la opción arriesgada se volvió menos favorable (efecto principal del nivel de probabilidad) y que los sujetos tomaron más riesgos como resultado. aumento de la magnitud de la opción de riesgo (efecto principal de la magnitud del resultado).

Descargar: 

• PPT

  Diapositiva de PowerPoint

• PNG

  Ampliar imagen (86KB)

• TIFF

  imagen original (511KB)

Tabla 2. Efecto del nivel de probabilidad y la magnitud de los resultados en la toma de riesgos en función de los dominios y grupos.

doi: 10.1371 / journal.pone.0116471.t002

En el dominio de ganancia, no hubo efectos de interacción significativos entre ninguna de las tres variables exploradas. En contraste, en el dominio de pérdida hubo interacciones significativas entre el nivel de probabilidad × del grupo y la magnitud de resultado × del grupo, lo que indica que los sujetos con IGD, en relación con los HC, tenían menos probabilidades de ajustar sus decisiones en función del nivel de probabilidad y la magnitud del resultado en el dominio de pérdida. .

Correlación entre la severidad de la adicción a internet y la toma de decisiones

Las correlaciones de Pearson también se realizaron entre las puntuaciones CIAS y la cantidad de opciones de riesgo para los tres niveles de EV (RA, EQEV, RD) por separado para los dominios de ganancia y pérdida. En el dominio de pérdida, los resultados indicaron que las puntuaciones CIAS se asociaron positivamente y se tomaron decisiones de riesgo en los ensayos de RD, r = .22, P = .001. La asociación entre las puntuaciones CIAS se correlacionó marginalmente con el número de opciones de riesgo en los ensayos de RD para el dominio de ganancia, r = .19, P = 0.056.

Discusión

Por lo que sabemos, el estudio actual es el primero en evaluar la toma de decisiones de riesgo entre los sujetos con IGD por separado para detectar posibles pérdidas y ganancias. De acuerdo con nuestra primera hipótesis, los sujetos con IGD demostraron generalmente mayores tendencias de riesgo en la tarea de Copas, en comparación con los HC. Parcialmente coherente con nuestra segunda y tercera hipótesis, los sujetos con IGD tomaron decisiones significativamente más arriesgadas que los HC en los ensayos de RD para el dominio de pérdida, pero no de ganancia, y el deterioro se asoció a la insensibilidad a los cambios en la magnitud de los resultados y el nivel de probabilidad de riesgo. Pérdidas entre sujetos con IGD. De acuerdo con nuestra cuarta hipótesis, los análisis correlacionales demostraron asociaciones significativamente positivas entre los puntajes de severidad de la adicción a Internet y las opciones desventajosas en el dominio de pérdida. En conjunto, estos datos proporcionan evidencia adicional de deficiencias en las decisiones bajo riesgo entre los individuos con IGD, y además sugieren que el procesamiento de la pérdida de alteraciones (en comparación con la ganancia) puede subyacer a los déficits de toma de decisiones en esta población.

En el dominio de pérdida, los sujetos con IGD tomaron decisiones más arriesgadas en los ensayos de DR en relación con los HC, y el análisis ensayo por ensayo indicó además que era menos probable que los sujetos con IGD ajustaran sus decisiones en función del nivel de probabilidad y la magnitud de los resultados en este dominio. Estos hallazgos son consistentes con los de estudios previos que utilizan tareas similares de toma de decisiones y demuestran deficiencias en la toma de decisiones relacionadas con la evitación de pérdidas entre individuos con adicciones a sustancias [38], trastornos de la alimentación [39], e IGD [16, 19]. Una posible explicación de estos hallazgos es que, a través de la repetición de sus comportamientos de juego, los individuos con IGD pueden involucrarse más frecuentemente en la resolución de problemas relacionados con la pérdida, lo que puede hacerlos más tolerantes al castigo. Además, nuestro hallazgo de una toma de decisiones relacionada con la pérdida alterada es consistente con la presentación clínica de los individuos con IGD de que tienden a subestimar las posibles consecuencias negativas de la vida real para persistir en el juego en línea [2,40,41].

Estudios previos han demostrado conductas de riesgo elevadas y desventajosas en el dominio de la ganancia entre individuos con trastornos relacionados con la adicción caracterizados por deficiencias en el control de los impulsos, como el juego patológico [28] y la dependencia del alcohol [27]. Sin embargo, ni los resultados de ANOVA ni los análisis de prueba por prueba indicaron aumentos en las decisiones de riesgo en las pruebas de ganancia entre los sujetos con IGA. Existen varias explicaciones posibles para estas diferencias. Específicamente, los individuos con juego patológico exhiben respuestas de recompensa mayores a recompensas monetarias en lugar de no monetarias [42], y esto puede resultar en una mayor toma de riesgos desventajosa en el dominio de ganancia (versus pérdida), como se informó anteriormente [28]. Para las personas con dependencia del alcohol, el consumo excesivo y prolongado de alcohol puede alterar las estructuras cerebrales y las funciones relacionadas, incluidas las regiones clave en el procesamiento de recompensas, como la amígdala [43,44]. La evidencia indicó que los pacientes con lesiones de la amígdala demostraron déficits en la toma de decisiones, principalmente en el dominio de ganancia [26]. Aunque se necesita más investigación para confirmar estas hipótesis, la ausencia de un mayor riesgo de ganancias entre los sujetos con IGD podría reflejar un procesamiento relativamente normativo de las recompensas monetarias (pero no las pérdidas) en esta población. Además, estos hallazgos resaltan la importancia de evaluar diferentes aspectos de la toma de decisiones en diferentes trastornos relacionados con la adicción.

Las puntuaciones de gravedad de la adicción a Internet se asociaron positivamente con el número de elecciones de riesgo desfavorables realizadas en la tarea Copas, lo que indica que los sujetos con puntuaciones más altas de gravedad de la adicción a Internet tomaron decisiones más desfavorables relacionadas con las pérdidas de riesgo durante los ensayos de DR. Estos hallazgos coinciden con los estudios previos que también informaron que la preferencia por alternativas de riesgo desventajosas se asoció con la gravedad de la IGD utilizando paradigmas similares, como la Tarea Juego de Dados [15,16] y la tarea de descuento de probabilidad [22]. Estos hallazgos apoyan la hipótesis de que las deficiencias en la toma de decisiones relacionadas con las pérdidas de riesgo están relacionadas con el nivel de severidad de la adicción a Internet (es decir, las puntuaciones CIAS) y, por lo tanto, pueden ser un objetivo terapéutico apropiado para el tratamiento de la IGD.

En general, nuestros hallazgos sugieren deficiencias en la toma de decisiones de riesgo en el contexto de la evitación de pérdidas entre individuos con IGD. Se necesitan más investigaciones para establecer las bases neurobiológicas de estas alteraciones. Una hipótesis es que la toma de decisiones desventajosa en el dominio de la pérdida puede relacionarse con alteraciones en el funcionamiento corticoestiatial entre individuos con IGD, como se ha informado entre individuos con adicciones conductuales y de drogas [45–47]. En particular, la ínsula juega un papel crítico en la biología de la adicción y la toma de decisiones [9,48,49] y está implicado en la anticipación de pérdidas y el aprendizaje de evitación [50]. Por lo tanto, una hipótesis especulativa es que las deficiencias en la toma de decisiones relacionadas con la evitación de pérdidas pueden estar relacionadas con el funcionamiento insular entre individuos con IGD.

Cabe señalar varias limitaciones de este estudio. Primero, dado que la IGD es más frecuente entre los hombres [1,32], este estudio no incluyó mujeres participantes. Por lo tanto, se necesitan más estudios para evaluar la toma de decisiones sobre ganancias y pérdidas entre las mujeres con IGD. Segundo, nuestro reclutamiento de solo estudiantes universitarios limita la generalización de nuestros hallazgos. Aunque los estudiantes universitarios son una de las poblaciones más susceptibles al IGD [5,33], se requieren estudios futuros para explorar la asociación entre la toma de riesgos para ganancias y pérdidas potenciales y la IGD dentro de muestras clínicas. Finalmente, se necesitan estudios con diseños longitudinales para investigar si las alteraciones en la toma de decisiones son una consecuencia o un precursor de la IGD.

En conclusión, este estudio es el primero en evaluar la toma de decisiones en los dominios de pérdidas y ganancias por separado entre los estudiantes universitarios con IGA que utilizan la tarea Copas. Los sujetos con IGD demostraron mayores tendencias de riesgo que los HC. Además, los sujetos con IGD tomaron decisiones significativamente más arriesgadas que los HC en los ensayos de RD en el dominio de pérdida pero no en ganancia, y tal deterioro se asoció con la insensibilidad a la magnitud de los resultados y el nivel de probabilidad relacionado con las pérdidas de riesgo. Además, los puntajes de severidad de la adicción a Internet se asociaron positivamente con las opciones de riesgo desventajoso realizadas en el dominio de pérdida. En conjunto, estos hallazgos sugieren que el procesamiento de la pérdida de alteraciones (en comparación con la ganancia) puede subyacer a los déficits de toma de decisiones en esta población.

información de soporte

AGRADECIMIENTOS

Los autores agradecen a la Dra. Elaine Bossard por proporcionar la demostración de la versión original de Cups task, y al Dr. Shan Luo por la ayuda con los análisis de datos.

Contribuciones de autor

Concebido y diseñado los experimentos: YWY PRC JTZ LYD QXL XYF. Realizó los experimentos: YWY PRC SL LJW JTZ. Analizó los datos: YWY SL JTZ GC. Reactivos aportados / materiales / herramientas de análisis: JTZ XYF. Escribió el papel: YWY JTZ SWY XYF.

Referencias

1. 1. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, et al. (2014) 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 53: 103 – 110. doi: 10.1016 / j.jpsychires.2014.02.008. pmid: 24581573
   • Ver artículo
   • PubMed / NCBI
   • Google Scholar
2. 2. Petry NM, Rehbein F, Gentile DA, Lemmens JS, Rumpf HJ, et al. (2014) Un consenso internacional para evaluar el trastorno de los juegos de Internet utilizando el nuevo enfoque DSM-5. Adicción 109: 1399 – 1406. doi: 10.1111 / add.12457. pmid: 24456155
3. Ver artículo
4. PubMed / NCBI
5. Google Scholar
6. Ver artículo
7. PubMed / NCBI
8. Google Scholar
9. 3. King DL, Delfabbro PH (2014) La psicología cognitiva del trastorno de los juegos de Internet. Clin Psychol Rev 34: 298 – 308. doi: 10.1016 / j.cpr.2014.03.006. pmid: 24786896
10. Ver artículo
11. PubMed / NCBI
12. Google Scholar
13. Ver artículo
14. PubMed / NCBI
15. Google Scholar
16. Ver artículo
17. PubMed / NCBI
18. Google Scholar
19. Ver artículo
20. PubMed / NCBI
21. Google Scholar
22. Ver artículo
23. PubMed / NCBI
24. Google Scholar
25. Ver artículo
26. PubMed / NCBI
27. Google Scholar
28. Ver artículo
29. PubMed / NCBI
30. Google Scholar
31. Ver artículo
32. PubMed / NCBI
33. Google Scholar
34. Ver artículo
35. PubMed / NCBI
36. Google Scholar
37. Ver artículo
38. PubMed / NCBI
39. Google Scholar
40. Ver artículo
41. PubMed / NCBI
42. Google Scholar
43. Ver artículo
44. PubMed / NCBI
45. Google Scholar
46. Ver artículo
47. PubMed / NCBI
48. Google Scholar
49. Ver artículo
50. PubMed / NCBI
51. Google Scholar
52. Ver artículo
53. PubMed / NCBI
54. Google Scholar
55. Ver artículo
56. PubMed / NCBI
57. Google Scholar
58. Ver artículo
59. PubMed / NCBI
60. Google Scholar
61. Ver artículo
62. PubMed / NCBI
63. Google Scholar
64. Ver artículo
65. PubMed / NCBI
66. Google Scholar
67. Ver artículo
68. PubMed / NCBI
69. Google Scholar
70. Ver artículo
71. PubMed / NCBI
72. Google Scholar
73. Ver artículo
74. PubMed / NCBI
75. Google Scholar
76. Ver artículo
77. PubMed / NCBI
78. Google Scholar
79. Ver artículo
80. PubMed / NCBI
81. Google Scholar
82. Ver artículo
83. PubMed / NCBI
84. Google Scholar
85. Ver artículo
86. PubMed / NCBI
87. Google Scholar
88. Ver artículo
89. PubMed / NCBI
90. Google Scholar
91. Ver artículo
92. PubMed / NCBI
93. Google Scholar
94. Ver artículo
95. PubMed / NCBI
96. Google Scholar
97. Ver artículo
98. PubMed / NCBI
99. Google Scholar
100. Ver artículo
101. PubMed / NCBI
102. Google Scholar
103. Ver artículo
104. PubMed / NCBI
105. Google Scholar
106. Ver artículo
107. PubMed / NCBI
108. Google Scholar
109. Ver artículo
110. PubMed / NCBI
111. Google Scholar
112. Ver artículo
113. PubMed / NCBI
114. Google Scholar
115. Ver artículo
116. PubMed / NCBI
117. Google Scholar
118. Ver artículo
119. PubMed / NCBI
120. Google Scholar
121. Ver artículo
122. PubMed / NCBI
123. Google Scholar
124. Ver artículo
125. PubMed / NCBI
126. Google Scholar
127. Ver artículo
128. PubMed / NCBI
129. Google Scholar
130. Ver artículo
131. PubMed / NCBI
132. Google Scholar
133. Ver artículo
134. PubMed / NCBI
135. Google Scholar
136. Ver artículo
137. PubMed / NCBI
138. Google Scholar
139. Ver artículo
140. PubMed / NCBI
141. Google Scholar
142. Ver artículo
143. PubMed / NCBI
144. Google Scholar
145. Ver artículo
146. PubMed / NCBI
147. Google Scholar
148. 4. Association Psychiatric Association (2013) Manual diagnóstico y estadístico de trastornos mentales (5th ed.). Arlington, VA: Autor.
149. 5. Chou C, Condron L, Belland JC (2005) Una revisión de la investigación sobre la adicción a Internet. Educ Psychol Rev 17: 363 – 388. doi: 10.1007 / s10648-005-8138-1.
150. 6. Ko CH, Hsiao S, Liu GC, Yen JY, Yang MJ, et al. (2010) Las características de la toma de decisiones, el potencial de asumir riesgos y la personalidad de los estudiantes universitarios con adicción a Internet. Psychiat Res 175: 121 – 125. doi: 10.1016 / j.psychres.2008.10.004. pmid: 19962767
151. 7. Bechara A (2005) Toma de decisiones, control de impulsos y pérdida de la fuerza de voluntad para resistir las drogas: una perspectiva neurocognitiva. Nat Neurosci 8: 1458 – 1463. doi: 10.1038 / nn1584. pmid: 16251988
152. 8. Lucantonio F, Stalnaker TA, Shaham Y, Niv Y, Schoenbaum G (2012) El impacto de la disfunción orbitofrontal en la adicción a la cocaína. Nat Neurosci 15: 358 – 366. doi: 10.1038 / nn.3014. pmid: 22267164
153. 9. Paulus MP (2007) Disfunciones en la toma de decisiones en psiquiatría: ¿Alteró el procesamiento homeostático? Ciencia 318: 602 – 606. doi: 10.1126 / science.1142997. pmid: 17962553
154. 10. Bechara A, Damasio H (2002) Toma de decisiones y adicción (parte I): Activación deteriorada de estados somáticos en individuos dependientes de sustancias cuando se consideran decisiones con consecuencias negativas en el futuro. Neuropsychologia 40: 1675 – 1689. doi: 10.1016 / S0028-3932 (02) 00015-5. pmid: 11992656
155. 11. Bechara A, Dolan S, Hindes A (2002) Toma de decisiones y adicción (parte II): ¿Miopía de futuro o hipersensibilidad para recompensar? Neuropsychologia 40: 1690 – 1705. doi: 10.1016 / S0028-3932 (02) 00016-7. pmid: 11992657
156. 12. Marca M, Roth-Bauer M, Driessen M, Markowitsch HJ (2008) Funciones ejecutivas y toma de decisiones de riesgo en pacientes con dependencia de opiáceos. Droga Alcohol Depen 97: 64 – 72. doi: 10.1016 / j.drugalcdep.2008.03.017. pmid: 18485620
157. 13. Rogers RD, Everitt B, Baldacchino A, Blackshaw A, Swainson R, et al. (1999) Déficits disociables en la toma de decisiones cognitivas de los consumidores crónicos de anfetaminas, los adictos a los opiáceos, los pacientes con daño focal en la corteza prefrontal y los voluntarios normales con insuficiencia de triptófano: evidencia de mecanismos monoaminérgicos. Neuropsychopharmacol 20: 322 – 339. doi: 10.1016 / S0893-133X (98) 00091-8. pmid: 10088133
158. 14. Monterosso J, Ehrman R, Napier KL, O'Brien CP, Childress AR (2001) Tres tareas de toma de decisiones en pacientes dependientes de la cocaína: ¿miden el mismo constructo? Adicción 96: 1825 – 1837. doi: 10.1046 / j.1360-0443.2001.9612182512.x. pmid: 11784475
159. 15. Pawlikowski M, Marca M (2011) Juego excesivo de Internet y toma de decisiones: ¿Los jugadores excesivos de World of Warcraft tienen problemas para tomar decisiones en condiciones de riesgo? Psychiat Res 188: 428 – 433. doi: 10.1016 / j.psychres.2011.05.017. pmid: 21641048
160. 16. Yao YW, Chen PR, Chen C, Wang LJ, Zhang JT, y otros. (2014) La falta de uso de la retroalimentación causa déficits en la toma de decisiones entre los jugadores de Internet excesivos. Psychiat Res 219: 583 – 588. doi: 10.1016 / j.psychres.2014.06.033. pmid: 25024056
161. 17. Sun D, ​​Chen Z, Ma N, Zhang X, Fu X, et al. (2009) Funciones de toma de decisiones y de inhibición de respuesta prepotente en usuarios de Internet excesivos. CNS Spectrums 14: 75 – 81. pmid: 19238122
162. 18. Xu S (2012) Comportamiento de los adictos a Internet: Evidencia de la Tarea de Juego de Iowa. Acta Psychol Sin 44: 1523 – 1534. doi: 10.3724 / sp.j.1041.2012.01523
163. 19. Dong G, Hu Y, Lin X, Lu Q (2013) ¿Qué hace que los adictos a Internet sigan jugando en línea incluso cuando se enfrentan a graves consecuencias negativas? Posibles explicaciones de un estudio fMRI. Biol Psychol 94: 282 – 289. doi: 10.1016 / j.biopsycho.2013.07.009. pmid: 23933447
164. 20. Dong G, Hu Y, Lin X (2013) Sensibilidades de recompensa / castigo entre adictos a Internet: implicaciones para sus conductas adictivas. Prog Neuro-Psychoph 46: 139 – 145. doi: 10.1016 / j.pnpbp.2013.07.007. pmid: 23876789
165. 21. Dong G, Huang J, Du X (2011) Sensibilidad de recompensa mejorada y sensibilidad de pérdida disminuida en adictos a Internet: un estudio de resonancia magnética funcional durante una tarea de adivinación. J Psychiatr Res 45: 1525 – 1529. doi: 10.1016 / j.jpsychires.2011.06.017. pmid: 21764067
166. 22. Lin X, Zhou H, Dong G, Du X (2015) Evaluación de riesgo deficiente en personas con trastornos de los juegos de Internet: evidencia de fMRI de una tarea de descuento de probabilidad. Prog Neuro-Psychoph 56C: 142 – 148. doi: 10.1016 / j.pnpbp.2014.08.016. pmid: 25218095
167. 23. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Codificación segregada e integrada de recompensa y castigo en la corteza del cingulado. J Neurofisiol 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008. pmid: 19339460
168. 24. Seymour B, Daw N, Dayan P, Singer T, Dolan R (2007) Codificación diferencial de pérdidas y ganancias en el cuerpo estriado humano. J Neurosci 27: 4826 – 4831. doi: 10.1523 / JNEUROSCI.0400-07.2007. pmid: 17475790
169. 25. Levin IP, Xue G, Weller JA, Reimann M, Lauriola M, et al. (2011) Un enfoque neuropsicológico para comprender la toma de riesgos para las ganancias y pérdidas potenciales. Frente Neurosci 6: 15 – 15. doi: 10.3389 / fnins.2012.00015. pmid: 22347161
170. 26. Weller JA, Levin IP, Shiv B, Bechara A (2007) correlacion Neural de la toma de decisiones adaptativa para pérdidas y ganancias riesgosas. Psychol Sci 18: 958 – 964. doi: 10.1111 / j.1467-9280.2007.02009.x. pmid: 17958709
171. 27. Criadores D, Bechara A, Cleeremans A, Kornreich C, Verbanck P, et al. (2014) Toma de decisiones deficiente bajo riesgo en personas con dependencia del alcohol. Alcohol Clin Exp Res 38: 1924 – 1931. doi: 10.1111 / acer.12447. pmid: 24948198
172. 28. Criadores D, Cleeremans A, Goudriaan AE, Bechara A, Kornreich C, et al. (2012) La toma de decisiones bajo ambigüedad, pero no bajo riesgo, está relacionada con la gravedad del problema del juego. Psychiat Res 200: 568 – 574. doi: 10.1016 / j.psychres.2012.03.053.
173. 29. Wesley MJ, Hanlon CA, Porrino LJ (2011) La mala toma de decisiones de los usuarios crónicos de marihuana se asocia con una disminución de la capacidad de respuesta funcional a las consecuencias negativas. Psychiat Res-Neuroim 191: 51 – 59. doi: 10.1016 / j.pscychresns.2010.10.002. pmid: 21145211
174. 30. Gowin JL, Stewart JL, May AC, Ball TM, Wittmann M, et al. (2014) Activación de la corteza insular y cingulada alterada durante la toma de riesgos en la dependencia de la metanfetamina: las pérdidas pierden impacto. Adicción 109: 237 – 247. doi: 10.1111 / add.12354. pmid: 24033715
175. 31. Tang J, Yu Y, Du Y, Ma Y, Zhang D, et al. (2014) Prevalencia de la adicción a Internet y su asociación con eventos estresantes de la vida y síntomas psicológicos entre los usuarios de Internet adolescentes. Addict Behav 39: 744 – 747. doi: 10.1016 / j.addbeh.2013.12.010. pmid: 24388433
176. 32. Dalbudak E, Evren C, Topcu M, Aldemir S, Coskun KS, et al. (2013) Relación de la adicción a Internet con la impulsividad y severidad de la psicopatología entre los estudiantes universitarios turcos. Psychiat Res 210: 1086 – 1091. doi: 10.1016 / j.psychres.2013.08.014. pmid: 23998359
177. 33. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC, et al. (2009) Criterios de diagnóstico propuestos y la herramienta de detección y diagnóstico de la adicción a Internet en estudiantes universitarios. Compr Psychiat 50: 378 – 384. doi: 10.1016 / j.comppsych.2007.05.019. pmid: 19486737
178. 34. Chen S, Weng L, Su Y, Wu H, Yang P (2003) Desarrollo de una escala china de adicción a Internet y su estudio psicométrico. Chino J Psychol 45: 279.
179. 35. Mak KK, Lai CM, Ko CH, Chou C, Kim DI, et al. (2014) Propiedades psicométricas de la escala revisada de adicción a Internet de Chen (CIAS-R) en adolescentes chinos. J Abnorm niño psicol 42: 1237 – 1245. doi: 10.1007 / s10802-014-9851-3. pmid: 24585392
180. 36. Jasper JD, Bhattacharya C, Levin IP, Jones L, Bossard E (2013) La capacidad numérica como factor predictivo de la toma de decisiones adaptativa de riesgo. J Behav Dec haciendo 26: 164 – 173. doi: 10.1002 / bdm.1748.
181. 37. Weller JA, Fisher PA (2013) Déficits en la toma de decisiones entre niños maltratados. Maltrato infantil 18: 184 – 194. doi: 10.1177 / 1077559512467846. pmid: 23220788
182. 38. Ersche KD, Roiser JP, Clark L, London M, Robbins TW, et al. (2005) El castigo induce la toma de decisiones de riesgo en usuarios de opiáceos mantenidos con metadona, pero no en usuarios de heroína o voluntarios sanos. Neuropsychopharmacol 30: 2115 – 2124. doi: 10.1038 / sj.npp.1300812. pmid: 15999147
183. 39. Svaldi J, Marca M, Tuschen-Caffier B (2010) Deterioros en la toma de decisiones en mujeres con trastorno por atracón. Appetite 54: 84 – 92. doi: 10.1016 / j.appet.2009.09.010. pmid: 19782708
184. 40. Robbins T, Clark L (2015) Adicciones de comportamiento. Curr Opin Neurobiol 30C: 66 – 72. doi: 10.1016 / j.conb.2014.09.005.
185. 41. Tao R, Huang X, Wang J, Zhang H, Zhang Y, et al. (2010) Criterios diagnósticos propuestos para la adicción a internet. Adicción 105: 556 – 564. doi: 10.1111 / j.1360-0443.2009.02828.x. pmid: 20403001
186. 42. Sescousse G, Barbalat G, Domenech P, Dreher JC (2013) Desequilibrio en la sensibilidad a diferentes tipos de recompensas en el juego patológico. Cerebro 136: 2527 – 2538. doi: 10.1093 / cerebro / awt126. pmid: 23757765
187. 43. Kim SM, Han DH, Min KJ, Kim BN, Cheong JH (2014) Activación cerebral en respuesta a las ansias de ansia y aversión relacionadas con el alcohol en pacientes con dependencia del alcohol. Droga Alcohol Depen 141: 124 – 131. doi: 10.1016 / j.drugalcdep.2014.05.017. pmid: 24939441
188. 44. Gilpin NW, Roberto M (2012) La modulación neuropeptídica de la neuroplasticidad de la amígdala central es un mediador clave de la dependencia del alcohol. Neurosci Biobehav Rev 36: 873 – 888. doi: 10.1016 / j.neubiorev.2011.11.002. pmid: 22101113
189. 45. Balodis IM, Kober H, Worhunsky PD, Stevens MC, Pearlson GD, et al. (2012) Disminución de la actividad frontostriatal durante el procesamiento de recompensas monetarias y pérdidas en el juego patológico. Biol Psychiat 71: 749 – 757. doi: 10.1016 / j.biopsych.2012.01.006. pmid: 22336565
190. 46. Gradin VB, Baldacchino A, Balfour D, Matthews K, Steele JD (2013) Actividad cerebral anormal durante una tarea de recompensa y pérdida en pacientes dependientes de opiáceos que reciben tratamiento de mantenimiento con metadona. Neuropsychopharmacol 39: 885 – 894. doi: 10.1038 / npp.2013.289. pmid: 24132052
191. 47. Yip SW, DeVito EE, Kober H, Worhunsky PD, Carroll KM, et al. (2014) Medidas de pretratamiento de la estructura cerebral y la función cerebral de procesamiento de recompensa en la dependencia del cannabis: un estudio exploratorio de las relaciones con la abstinencia durante el tratamiento conductual. Droga Alcohol Depen 140: 33 – 41. doi: 10.1016 / j.drugalcdep.2014.03.031. pmid: 24793365
192. 48. Naqvi NH, Bechara A (2010) La ínsula y la adicción a las drogas: una visión interoceptiva del placer, los impulsos y la toma de decisiones. Función de la función cerebral 214: 435 – 450. doi: 10.1007 / s00429-010-0268-7. pmid: 20512364
193. 49. Noël X, Brevers D, Bechara A (2013) Un enfoque neurocognitivo para comprender la neurobiología de la adicción. Curr Opin Neurobiol 23: 632 – 638. doi: 10.1016 / j.conb.2013.01.018. pmid: 23395462
194. 50. Samanez-Larkin GR, Hollon NG, Carstensen LL, Knutson B (2008) Las diferencias individuales en la sensibilidad insular durante la anticipación de la pérdida predicen el aprendizaje de evitación. Psychol Sci 19: 320 – 323. doi: 10.1111 / j.1467-9280.2008.02087.x. pmid: 18399882