Disminución de la modulación por el nivel de riesgo en la activación cerebral durante la toma de decisiones en adolescentes con trastorno de juegos de Internet (2015)

Frente Behav Neurosci. 2015; 9: 296.

Publicado en línea 2015 Nov 3. doi  10.3389 / fnbeh.2015.00296

PMCID: PMC4630310

 

Resumen

Se informó que un mayor impulso y riesgo y una capacidad reducida de toma de decisiones como las principales deficiencias de comportamiento en personas con trastorno de juegos de Internet (IGD), que se ha convertido en un grave problema de salud mental en todo el mundo. Sin embargo, hasta la fecha no está claro cómo el nivel de riesgo modula la actividad cerebral durante el proceso de toma de decisiones en individuos con IGD. En este estudio, se reclutaron adolescentes 23 con IGD y controles sanos (HC) sin IGD, y la tarea de riesgo analógico de globo (BART) se usó en un experimento de imágenes de resonancia magnética funcional para evaluar la modulación del nivel de riesgo (la probabilidad de explosión del globo) sobre la actividad cerebral durante la toma de decisiones de riesgo en adolescentes con IGD. La modulación reducida del nivel de riesgo en la activación del córtex prefrontal dorsolateral derecho (DLPFC) durante el BART activo se encontró en el grupo IGD en comparación con los HC. En el grupo con IGD, hubo una correlación negativa significativa entre la activación de la DLPFC relacionada con el riesgo durante el BART activo y las puntuaciones de la escala de impulsividad de Barratt (BIS-24), que fueron significativamente más altas en el grupo con IGD en comparación con los HC. Nuestro estudio demostró que, como una región cerebral relacionada con la toma de decisiones críticas, la DLPFC correcta es menos sensible al riesgo en los adolescentes con IGD en comparación con los HC, lo que puede contribuir al mayor nivel de impulsividad en los adolescentes con IGD.

Palabras clave: trastorno de los juegos en Internet, BART, corteza prefrontal lateral dorsal, RMN, toma de decisiones arriesgada

Introducción

El trastorno de los juegos de Internet se ha vuelto cada vez más frecuente en todo el mundo, especialmente en Asia (; ), y resulta en un impacto adverso en varios aspectos conductuales y psicosociales (). La investigación conductual sugirió que una capacidad de toma de decisiones de riesgo reducida es uno de los impedimentos conductuales más importantes en individuos con IGD (; ). Por ejemplo, los investigadores descubrieron que los individuos con IGD tomaron decisiones más desfavorables en la tarea Juego de dados en comparación con los HC y que tales impedimentos pueden ser en parte el resultado de la falta de utilización de la retroalimentación (; ). Además, los estudios revelaron que los sujetos con IGD muestran una disminución en la consideración de los resultados de la experiencia al tomar decisiones futuras (). La toma de decisiones arriesgada es una función cognitiva de alto nivel y es esencial para la supervivencia humana en un entorno incierto (). La aversión al riesgo es una parte esencial del proceso de toma de decisiones en una población normal (). Sin embargo, los individuos con IGD tienden a exhibir riesgos desfavorables en la toma de decisiones y encuentran más situaciones adversas (), lo que puede llevar a un efecto negativo en los individuos con IGD y en la sociedad. Por lo tanto, es importante investigar los mecanismos neuronales que subyacen a la toma de decisiones de riesgo alterado en individuos con IGD.

Los circuitos neuronales relacionados con la toma de decisiones de riesgo fueron ampliamente examinados en sujetos sanos, y se descubrió que una red subcortical cortical distribuida que consiste principalmente en regiones prefrontal, parietal, límbica y subcortical está involucrada en la toma de decisiones de riesgo (; ; ; ; ), y se encontró que los niveles de activación cerebral en estas regiones estaban asociados con el nivel de riesgo (; ; ; ; ). Sin embargo, pocos estudios de neuroimagen se centraron en el efecto de la IGD en los sustratos neurales para la toma de decisiones de riesgo. Un estudio fMRI por encontró que las personas con trastorno de adicción a Internet requerían más recursos cerebrales para completar la tarea de toma de decisiones e ignoraron los comentarios de los resultados anteriores, que es una característica esencial de la toma de decisiones de riesgo en los HC. Un estudio por reveló que los niveles de activación del giro frontal inferior izquierdo y el giro precentral izquierdo disminuyeron en los individuos con IGD al realizar una tarea de descuento de probabilidad, lo que sugiere una evaluación de riesgo deteriorada en los individuos con IGD. Aunque estos estudios sugirieron que la IGD se asocia con una actividad cerebral anormal durante los procesos de toma de decisiones de riesgo, la forma en que el nivel de riesgo modula la activación cerebral durante la toma de decisiones aún no se conoce bien en los individuos con IGD. Por lo que sabemos, ningún estudio se ha centrado hasta ahora en la covarianza entre la activación cerebral y los niveles de riesgo durante el proceso de toma de decisiones en individuos con IGD, lo que puede mejorar la comprensión actual de los mecanismos que subyacen en los déficits en la toma de decisiones en individuos con IGD.

En este estudio, se incluyeron adolescentes con 23 IGD y 24 HC, y se obtuvieron datos de fMRI mientras los participantes realizaron el BART () para evaluar cómo el nivel de riesgo modula la activación cerebral durante los procesos de toma de decisiones en adolescentes con IGD en comparación con los HC. El BART, en el que los participantes inflan el globo virtual que puede crecer o explotar, proporciona un modelo ecológicamente válido para evaluar la propensión y el comportamiento de riesgo humano y brinda a los participantes una opción para determinar el nivel de riesgo de cada globo; cuanto más grande se infla el globo, mayor es el riesgo que los participantes están tomando. A diferencia de otras tareas de riesgo, el riesgo en el BART se definió de manera más directa y ecológica como la probabilidad de explosión para cada globo; por lo tanto, el BART es adaptable en términos de evaluar la modulación del nivel de riesgo en la activación cerebral durante el proceso de toma de decisiones. El BART se ha utilizado con éxito en voluntarios sanos, y se demostró que varias regiones cerebrales están relacionadas con el riesgo, que incluyen DLPFC, corteza prefrontal ventromedial, ACC / corteza frontal medial, estriado e ínsula (; ; ; ). El BART también se ha utilizado en estudios de adicción, y la activación cerebral anormal se detectó en el DLPFC y en el cuerpo estriado de individuos adictos a la metanfetamina (), y en la corteza prefrontal y ACC de individuos dependientes del alcohol (; ). Como una especial adicción al comportamiento (; ), IGD también puede afectar la actividad en las regiones del cerebro relacionadas con el riesgo. Por lo tanto, en este estudio, utilizamos fMRI con BART para investigar si la modulación del nivel de riesgo en la activación cerebral durante el proceso de toma de decisiones se altera en los adolescentes con IGD en comparación con los HC. Este estudio contribuirá a la comprensión de los mecanismos neurológicos de la toma de riesgos y las conductas impulsivas en adolescentes con IGD.

Materiales y Métodos

Selección de participantes

Debido a que los estándares de diagnóstico para IGD son todavía ambiguos (; ), se seleccionaron criterios de inclusión relativamente estrictos en este estudio. En primer lugar, el YDQ para la adicción a internet () se utilizó para determinar la presencia de un trastorno de adicción a Internet. YDQ consistió en ocho preguntas "sí" o "no" relacionadas con el uso de Internet. A los participantes que informaron cinco o más respuestas de "sí" se les diagnosticó un trastorno de adicción a Internet (). Una puntuación de 50 o superior en IAT () se utilizó como segundo criterio de inclusión. Además, solo se reclutaron adolescentes IGD que informaron que pasaban un promedio de cuatro o más horas al día jugando juegos de Internet (> 80% del tiempo total en línea). De acuerdo con estos criterios de inclusión, en este estudio se reclutaron 26 adolescentes IGD varones diestros. Solo los sujetos masculinos fueron examinados debido al número relativamente pequeño de mujeres con experiencia en juegos de Internet. Se reclutaron veinticinco participantes masculinos como HC. Los HC se definieron como sujetos que no cumplían los criterios para un diagnóstico de YDQ, que pasaban menos de 2 h por día en Internet y cuya puntuación IAT era inferior a 50. Todos los participantes estaban libres de medicación y no informaron antecedentes de abuso de sustancias. o lesiones en la cabeza. La impulsividad se evaluó para todos los participantes con el BIS-11 (). El CI de todos los participantes se probó utilizando SPM. Los datos de tres de los adolescentes con 26 IGD y uno de los 25 HC se descartaron de este estudio debido al movimiento obvio de la cabeza durante el experimento con RMf (el desplazamiento máximo en cualquier dirección cardinal es mayor que 2 mm y / o el giro máximo es mayor que 2 °) . Los datos de los restantes 23 IGD adolescentes y 24 HC se utilizaron para un análisis adicional. La edad, la educación y el coeficiente intelectual se emparejaron bien entre los dos grupos, y las puntuaciones BIS y IAT fueron significativamente más altas en el grupo IGD que en los HC (Mesa Table11).

Tabla 1 

Características demográficas y clínicas de los sujetos (media ± desviación estándar).

Este estudio fue aprobado por el Comité de Ética del Hospital General de la Universidad de Medicina de Tianjin y se obtuvo un consentimiento informado por escrito de cada sujeto.

Tarea y Procedimiento

En el presente estudio, adaptamos la versión adaptada a fMRI del BART utilizado por . Brevemente, a los participantes se les presentó un globo virtual y se les pidió que presionaran uno de los dos botones para inflar (bombear) el globo o retirar el dinero. Los globos más grandes se asociaron con mayores recompensas y un mayor riesgo de explosión. Los participantes pueden dejar de inflar el globo en cualquier momento para ganar la apuesta o continuar inflando hasta que el globo explote, en cuyo caso pierden la apuesta. El número máximo de bombas que los participantes pudieron usar para cada globo fue 12. Se usó una señal de control (el color de un pequeño círculo cambiado de rojo a verde) para instruir a los participantes a comenzar la inflación. Luego de que los participantes presionaron exitosamente un botón y bombearon el globo, el círculo pequeño inmediatamente se volvió rojo en un intervalo aleatorio entre 1.5 y 2.5 s. La señal se volvió verde nuevamente para indicar el siguiente período de inflación. Después del final de cada prueba de globo, también hubo un intervalo variable entre 2 y 4 antes de la siguiente prueba de globo. La imagen de ganar o perder se presentó para 1.5 s. La imagen del globo explotado se presentó para 20 ms. El riesgo de explosión del globo (la probabilidad de explosión del globo) se definió como el "nivel de riesgo". La covarianza entre el nivel de riesgo y la activación de las regiones del cerebro se definió como la "modulación".

En nuestro estudio utilizamos dos modos de BART: opción activa y modos pasivos de no elección. En el modo de elección activa, los participantes podrían determinar el nivel de riesgo y decidieron inflar el globo o retirar el dinero. Sin embargo, en el modo pasivo de no elección, los participantes simplemente inflaron el globo continuamente mientras que la computadora determinó el punto final, así como la ganancia o pérdida de cada globo. La cantidad de globos que los participantes completaron durante el escaneo no estaba predeterminada, pero dependía de la velocidad de respuesta en modo activo o pasivo. La única diferencia entre los dos modos es la opción en el modo activo para interrumpir la inflación y ganar la apuesta. Los niveles de activación cerebral del modo de elección activa en comparación con el modo pasivo de no elección (activo-pasivo) reflejan la base neuronal del proceso de toma de decisiones. Después del experimento, los participantes recibieron la cantidad equivalente de dinero ganado durante el experimento en modo activo.

Adquisición de Datos

La resonancia magnética funcional se realizó en un escáner 3.0T de Siemens (Magnetom Verio, Siemens, Erlangen, Alemania) utilizando una secuencia de imágenes planas de eco con gradiente recordado con los siguientes parámetros: tiempo de repetición (TR) = 2000 ms, tiempo de eco (TE) = 30 ms, campo de visión = 220 mm × 220 mm, matriz = 64 × 64, grosor de corte = 4 mm y espacio de corte = 1 mm. Los estímulos de tarea se proyectaron en una pantalla de visualización frente al orificio del imán y los participantes vieron los estímulos a través de un espejo instalado en la bobina de la cabeza. Los participantes respondieron a la tarea presionando el botón en el cuadro de respuesta compatible con fMRI. El experimento formal se realizó después de que los participantes aprendieron y practicaron las tareas. Todos los participantes completaron dos ejecuciones funcionales mínimas de 10, una para cada modo de tarea. El orden de escaneo de las dos tareas se compensó entre los participantes dentro de cada grupo.

Análisis de comportamiento

En el experimento fMRI, las variables de comportamiento del BART incluyeron el número de prueba, el número total y medio de bombas, el número de victorias y pérdidas, el número ajustado de bombas (definido como el número promedio de bombas excluyendo los globos que explotaron), la recompensa tasa de recolección (el número de pruebas ganadoras dividido por la cantidad de pruebas totales) y el promedio de RT para todas las bombas. Solo se analizaron los datos de comportamiento durante el modo activo porque los participantes se vieron obligados a aceptar el resultado determinado por computadora para cada globo durante el modo pasivo. Una muestra de dos tSe usó la prueba para comparar la diferencia en los datos de comportamiento durante el modo activo entre los individuos con IGD y los HC. Los análisis estadísticos se realizaron con SPSS 21.0, y el nivel de significación se estableció en P <0.05.

Procesamiento de datos de MRI funcional

El preprocesamiento funcional de los datos de MRI se realizó utilizando SPM8 (http://www.fil.ion.ucl.ac.uk/spm/software/spm8). Para cada participante, las imágenes funcionales se corrigieron para el retraso de tiempo de adquisición entre los diferentes cortes y los desplazamientos geométricos corregidos de acuerdo con el movimiento de cabeza estimado. Las imágenes fueron realineadas con el primer volumen. Según las estimaciones de corrección de movimiento, los participantes que demostraron un desplazamiento máximo en cualquiera de las direcciones x, y o z mayores que 2-mm o más que 2 ° de rotación angular (x, y o z) se excluyeron de este estudio . Siguiendo este paso, todas las imágenes realineadas se normalizaron espacialmente a la plantilla MNI EPI, se volvieron a muestrear a 3 mm × 3 mm × 3 mm y, posteriormente, se suavizaron con un 6 mm FWHM.

Análisis estadístico

El GLM se utilizó para el análisis de datos individuales basado en voxel. Los datos de la serie temporal BOLD se modelaron utilizando un HRF estándar con un derivado del tiempo. Los parámetros de movimiento de la cabeza de cada sujeto se modelaron como covariables sin interés. Se usó un filtro de paso alto con un corte en 128 s para eliminar las fluctuaciones de baja frecuencia.

El GLM incluyó tres tipos de eventos resultantes de una pulsación de botón: una inflación del globo, un resultado de victoria o un resultado de pérdida. Por lo tanto, el GLM para la tarea activa o pasiva incluyó tres regresores que representan tres tipos de eventos, respectivamente. El nivel de riesgo asociado con cada inflación (es decir, la probabilidad de explosión, ortogonalizada por una corrección central media) también se ingresó en el modelo como una modulación paramétrica lineal del regresor de inflación del globo. Para cada sujeto, el contraste relacionado con el riesgo en las tareas activas y pasivas se definió para examinar las activaciones del cerebro que covarían con el nivel de riesgo.

Los análisis de efectos aleatorios de segundo nivel se realizaron utilizando un ANOVA 2 (grupo: IGD y HC) x 2 (modo de elección: activo y pasivo) sobre los contrastes relacionados con el riesgo con factorial completo en SPM8, y los contrastes relacionados con el riesgo en el Los modos activos y pasivos dentro del mismo participante se procesaron como medidas repetidas. En este estudio, el objetivo principal fue evaluar la diferencia intergrupal de la activación cerebral relacionada con el riesgo durante el proceso de toma de decisiones, que puede reflejarse en la activación observada en el modo activo en comparación con el modo pasivo (activo-pasivo). Por lo tanto, el efecto interactivo entre el modo de grupo y elección, HCs (activo-pasivo) - IGD (activo-pasivo), se analizó en este estudio. Se realizó una corrección para comparaciones múltiples utilizando la simulación de Monte Carlo, lo que resultó en un umbral corregido de P <0.05 (programa AlphaSim, parámetros que incluyen: vóxel único P = 0.005, simulaciones de 1000, ancho total a la mitad del máximo = 6 mm, radio de conexión del grupo r = 5 mm, y la máscara de la materia gris global). Las regiones del cerebro con efectos interactivos se establecieron como ROIs. Se extrajeron las estimaciones de β promedio dentro de las ROI y un post hoc t-se realizó la prueba

La correlación entre las estimaciones de β promedio dentro de los ROI, las puntuaciones BIS y las puntuaciones IAT se examinaron con un análisis de correlación de Pearson en el grupo IGD con SPSS 21.0. El nivel de significación se estableció en P <0.05.

Resultados

Resultados de comportamiento

Mesa Table22 Muestra los resultados de comportamiento durante el experimento fMRI. Las dos muestras t-la prueba reveló que el promedio de RT fue más corto en el grupo IGD que en los HC mientras que el modo activo tuvo lugar (P = 0.03), el número de bombas totales fue significativamente mayor en el grupo IGD (P <0.001). No hubo diferencias significativas en el número ajustado de bombas, el número de prueba, el número medio de bombas, el número de victorias y pérdidas y la tasa de recolección de recompensas.

Tabla 2 

Los resultados de comportamiento del BART durante el experimento activo de imágenes de resonancia magnética funcional (fMRI) (Media ± SD).

Resultados de imágenes

Un ANOVA de 2 (grupo: IGD y HC) × 2 (modo de elección: activo y pasivo) sobre los contrastes relacionados con el riesgo reveló un efecto interactivo significativo en la activación del DLPFC correcto (coordenada MNI: 24, 54, 12; voxels: 38; t = 3.78; P <0.05, corrección AlphaSim; Figura Figura1A1A). La post hoc t-la prueba reveló que la modulación del nivel de riesgo en la activación del DLPFC correcto fue mayor en el modo activo que en el modo pasivo en los HC, pero no mostró diferencias significativas entre los modos activo y pasivo en el grupo IGD. Durante el modo activo, la modulación del nivel de riesgo en la activación del DLPFC derecho disminuyó significativamente en el grupo IGD en comparación con los HC (Figura Figura1B1B). Además, también se encontró un efecto interactivo significativo para la activación del cerebelo izquierdo (coordenada MNI: -9, -78, -21; voxels: 72; t = 4.13; P <0.05, corrección AlphaSim; Figura Figura2A2A). La post hoc t-la prueba reveló que la diferencia en la modulación del nivel de riesgo en la activación del cerebelo izquierdo entre los modos y entre los grupos tenía características similares a las observadas en el DLPFC derecho (Figura Figura2B2B).

FIGURA 1 

La diferencia intergrupal en la modulación por el nivel de riesgo en la activación cerebral de la corteza prefrontal dorsolateral derecha (DLPFC). (UNA) La modulación por el nivel de riesgo en la activación cerebral del DLPFC correcto muestra la diferencia intergrupal. (B) ...
FIGURA 2 

La diferencia intergrupal en la modulación por el nivel de riesgo en la activación cerebral del cerebelo izquierdo. (UNA) La modulación por el nivel de riesgo en la activación cerebral del cerebelo izquierdo muestra una diferencia intergrupal. (B) El análisis del retorno de la inversión muestra que ...

La modulación del nivel de riesgo en la activación del DLPFC derecho durante el modo activo mostró una correlación significativamente negativa con las puntuaciones totales de BIS en el grupo IGD (Figura Figura33). No hubo una correlación significativa entre la activación de las puntuaciones de DLPFC y IAT correctas en el grupo IGD. Además, no se encontró una correlación significativa entre los resultados de la IRMf y los datos de comportamiento durante la toma de decisiones.

FIGURA 3 

Correlación entre las estimaciones β dentro del ROI del DLPFC derecho y las puntuaciones totales de la escala de impulsividad de Barratt (BIS) en el grupo con IGD.

Discusión

Por lo que sabemos, este es el primer estudio que evalúa la modulación del nivel de riesgo en la activación cerebral durante el proceso de toma de decisiones en adolescentes con IGD mediante el uso de un IRMF con BART. Se encontraron disminuciones de las activaciones relacionadas con el riesgo de la DLPFC correcta durante la toma de decisiones activa en el grupo IGD en comparación con los HC, lo que sugería que la activación de la DLPFC correcta era menos sensible al nivel de riesgo en el grupo IGD que en los HC. La modulación del riesgo en la activación del DLPFC correcto durante el proceso de toma de decisiones activa se correlacionó negativamente con la puntuación BIS en el grupo IGD. Estos hallazgos pueden contribuir a la comprensión de los mecanismos neurales de mayor impulsividad en adolescentes con IGD.

La toma de decisiones arriesgada probablemente se basa en varios procesos cerebrales que están involucrados en las estimaciones de valor y riesgo, control ejecutivo y procesamiento emocional (). El DLPFC es una región crítica del cerebro involucrada en el control ejecutivo (; ) que regula el comportamiento orientado a objetivos, flexible y eficaz y puede mediar la toma de decisiones con un riesgo explícito (; ). La estructura y función alterada de la DLPFC se ha demostrado en individuos con IGD (; ; ), que fueron consistentes con los hallazgos en estudios sobre adicción a sustancias (; ) y la adicción conductual (). Durante la toma de decisiones, la actividad DLPFC puede mediar en la integración de información sobre riesgo y valor (), representan las perspectivas, evalúan los resultados y calculan la utilidad posterior (). Los adolescentes con IGD generalmente presentan una capacidad de control ejecutivo deteriorada (; ); por lo tanto, es plausible postular que la disminución de la activación relacionada con el riesgo de la DLPFC correcta durante la toma de decisiones de riesgo en los adolescentes con IGD puede reflejar la función de control ejecutivo deteriorada que medió las elecciones adversas durante las situaciones de riesgo. En este estudio, el DLPFC derecho, pero no el izquierdo, mostró una disminución de la activación relacionada con el riesgo en adolescentes con IGD en comparación con los HC. Esta lateralidad de la derecha, en oposición a la actividad de la DLPFC izquierda que media en la toma de decisiones de riesgo, también se informó en otros estudios de BART fMRI (; ; ; ) y los estudios de estimulación de corriente continua transcraneal (). Además, esta lateralidad de disminución de la activación en el DLPFC derecho también se encontró en individuos adictos a las drogas cuando realizaron una serie de tareas de toma de decisiones de riesgo (; ; ). En conjunto, estos resultados implicaron que la DLPFC correcta era una región clave para la toma de decisiones de riesgo, y el posible mecanismo neural que subyace a la alteración de la activación de la DLPFC en adolescentes con IGD puede ser similar al de las personas con problemas de abuso de sustancias.

Recientemente, la IGD se ha conceptualizado como una adicción conductual o un trastorno de control de impulsos (; ), y puede estar asociado con un deterioro de la función de inhibición (; ), que es similar a la de la otra adicción conductual (), como el juego patológico (; ). Una revisión sugirió que la inhibición impulsiva es parte de la función de toma de decisiones (), y la investigación ha demostrado con éxito que el DLPFC tiene un papel importante en el proceso de inhibición impulsiva (; ; ,; ). En el estudio actual, las puntuaciones más altas de BIS-11 en individuos con IGD en comparación con los HC implicaron una mayor impulsividad en adolescentes con IGD, lo cual fue consistente con los hallazgos en otros estudios sobre control impulsivo en individuos con IGD (; ; ). Por lo tanto, la disminución de la modulación del nivel de riesgo en la activación de la DLPFC correcta en adolescentes con IGD en nuestro estudio puede estar asociada con deficiencias de inhibición impulsiva. Además, se encontró una correlación negativa significativa entre la modulación disminuida del nivel de riesgo en la activación del DLPFC derecho durante la elección activa y la puntuación BIS-11 en adolescentes con IGD, lo que significa que los adolescentes con mayor impulsividad con IGD mostraron una modulación más baja de El nivel de riesgo en la activación del DLPFC correcto durante el proceso de toma de decisiones. La correcta activación de DLPFC fue menos sensible al riesgo durante el proceso de toma de decisiones en adolescentes con IGD con mayor propensión impulsiva. La disminución de la modulación del nivel de riesgo en la activación del DLPFC correcto en adolescentes con IGD puede mediar su ignorancia del riesgo.

Nuestro estudio encontró que, además del DLPFC derecho, la modulación del nivel de riesgo en la activación del cerebelo izquierdo también disminuyó durante el proceso de toma de decisiones activa en el grupo de DIT. Aunque se han informado alteraciones en la activación del cerebelo en estudios previos de IRMF con BART (; ,; ) y otras tareas que involucraron los procesos de toma de decisiones (; ), el mecanismo neural no ha sido claramente determinado. Estudios anteriores han encontrado que el cerebelo es un componente crítico en los problemas de adicción (; ), y el volumen de materia gris del cerebelo, especialmente el cerebelo izquierdo, reducido en sujetos con trastorno de sustancia (). Por otra parte, la disminución del volumen de materia gris () y la mayor homogeneidad regional () en el cerebelo izquierdo también se ha informado en individuos con IGD. Por lo tanto, vale la pena realizar estudios adicionales relacionados con la asociación entre la actividad del cerebelo y la toma de decisiones de riesgo en individuos con IGD.

Varias limitaciones deben ser consideradas en el presente estudio. Primero, el tamaño de la muestra era relativamente pequeño, lo que puede reducir la potencia y no detectar algunas activaciones cerebrales con un ligero significado. En segundo lugar, el número máximo de bombas de globo posibles en esta tarea BART modificada se redujo a 12, y la mayoría de los participantes completaron solo las pruebas de globos 30 durante el minimo de exploración BOLD de 10. Por lo tanto, las limitaciones inherentes a este diseño experimental pueden haber disminuido la sensibilidad de la detección de diferencias intergrupales en el desempeño del comportamiento (). Finalmente, la relación causal entre la activación cerebral alterada y la IGD no se puede determinar con este estudio transversal. Un estudio longitudinal puede ser útil para evaluar esta relación.

Conclusión

Se cree que este es el primer estudio que prueba la modulación del nivel de riesgo en la activación cerebral durante el proceso de toma de decisiones con el BART en adolescentes con IGD. Nuestro estudio demostró que la modulación del nivel de riesgo en la activación de la DLPFC correcta disminuyó en los adolescentes con IGD, y la disminución de la activación relacionada con el riesgo de la DLPFC correcta se correlacionó negativamente con las puntuaciones del BIS. Nuestros hallazgos sugieren que, como región crítica del cerebro relacionada con la toma de decisiones, la DLPFC correcta es menos sensible al nivel de riesgo en los adolescentes con IGD en comparación con los HC, lo que puede contribuir a la mayor impulsividad en los adolescentes con IGD.

Contribuciones de autor

XQ, YY, XL y QZ diseñaron la investigación; XQ, XD, PG, YZ, GD y QZ realizaron investigación; YY, PG participó en la evaluación clínica; Datos analizados de XQ, YZ, GD, WQ y QZ; XQ, YZ, XL, YY y QZ escribieron el documento.

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.

ABREVIATURAS

ACCcingulado anterior
BARTtarea de riesgo analógico de globo
BIS-11Escala de impulsividad barratt
DLPFCcorteza prefrontal dorsolateral
fMRIresonancia magnética funcional
FWHMancho completo a la mitad del máximo
GLMmodelo linear general
HCcontroles sanos
HRFfunción de respuesta hemodinámica
IATPrueba de adicción a internet en línea de Young
IGDtrastorno de juego en internet
IQCociente de inteligencia
MNIInstituto Neurológico de Montreal
ROIregion de interes
RTtiempo de respuesta
SPMPatrones progresivos de Raven estándar
SPM8Software de cartografía paramétrica estadística
YDQCuestionario de diagnostico joven
 

Referencias

  • Asahi S., Okamoto Y., Okada G., Yamawaki S., Yokota N. (2004). Correlación negativa entre la actividad prefrontal derecha durante la inhibición de la respuesta y la impulsividad: un estudio fMRI. EUR. Arco. Clinica de Psiquiatria. Neurosci. 254 245–251. 10.1007/s00406-004-0488-z [PubMed] [Cross Ref.]
  • Bari A., Robbins TW (2013). Inhibición e impulsividad: bases conductuales y neurales del control de respuesta. Prog. Neurobiol. 108 44 – 79. 10.1016 / j.pneurobio.2013.06.005 [PubMed] [Cross Ref.]
  • Blaszczynski A. (2008). Comentario: una respuesta a "problemas con el concepto de videojuego" adicción ": algunos ejemplos de casos de estudio". En t. J. Adicto a la salud mental. 6 179–181. 10.1007/s11469-007-9132-2 [Cross Ref.]
  • Bogg T., Fukunaga R., Finn PR, Brown JW (2012). El control cognitivo vincula el consumo de alcohol, la desinhibición de rasgos y la capacidad cognitiva reducida: evidencia de la desregulación de la corteza prefrontal medial durante el comportamiento de búsqueda de recompensa. Dependen de drogas y alcohol. 122 112 – 118. 10.1016 / j.drugalcdep.2011.09.018 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Bolla KI, Eldreth DA, Matochik JA, Cadet JL (2005). Sustratos neuronales de toma de decisiones defectuosas en usuarios de marihuana abstinentes. Neuroimagen 26 480 – 492. 10.1016 / j.neuroimage.2005.02.012 [PubMed] [Cross Ref.]
  • Marca M., Labudda K., Markowitsch HJ (2006). Correlatos neuropsicológicos de la toma de decisiones en situaciones ambiguas y de riesgo. Redes neuronales. 19 1266 – 1276. 10.1016 / j.neunet.2006.03.001 [PubMed] [Cross Ref.]
  • Carli V., Durkee T., Wasserman D., Hadlaczky G., Despalins R., Kramarz E., y otros. (2013). La asociación entre el uso patológico de internet y la psicopatología comórbida: una revisión sistemática. Psychopathology 46 1 – 13. 10.1159 / 000337971 [PubMed] [Cross Ref.]
  • Claus ED, Hutchison KE (2012). Mecanismos neuronales de la toma de riesgos y relaciones con el consumo peligroso. Alcohol. Clinica Exp. Res. 36 932 – 940. 10.1111 / j.1530-0277.2011.01694.x [PubMed] [Cross Ref.]
  • Crockford DN, Goodyear B., Edwards J., Quickfall J., El-Guebaly N. (2005). Actividad cerebral inducida por señales en jugadores patológicos. Biol. Psiquiatría 58 787 – 795. 10.1016 / j.biopsych.2005.04.037 [PubMed] [Cross Ref.]
  • Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). La impulsividad del rasgo y la alteración de la función de inhibición del impulso prefrontal en adolescentes con adicción a los juegos de Internet revelada por un estudio IRM Go / No-Go. Behav. Función cerebral. 10:20 10.1186/1744-9081-10-20 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Dong G., Hu Y., Lin X., Lu Q. (2013). ¿Qué hace que los adictos a Internet continúen jugando en línea incluso cuando enfrentan graves consecuencias negativas? Posibles explicaciones de un estudio fMRI. Biol. Psychol. 94 282 – 289. 10.1016 / j.biopsycho.2013.07.009 [PubMed] [Cross Ref.]
  • Dong G., Huang J., Du X. (2012). Alteraciones en la homogeneidad regional de la actividad cerebral en estado de reposo en adictos a los juegos de Internet. Behav. Función cerebral. 8:41 10.1186/1744-9081-8-41 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Dong G., Lin X., Hu Y., Xie C., Du X. (2015). El vínculo funcional desequilibrado entre la red de control ejecutivo y la red de recompensas explica los comportamientos de búsqueda de juegos en línea en el trastorno de los juegos de Internet. Sci. Reps. 5: 9197 10.1038 / srep09197 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Dong G., Potenza MN (2014). Un modelo cognitivo-conductual del trastorno del juego en Internet: fundamentos teóricos e implicaciones clínicas. J. Psychiatr. Res. 58 7 – 11. 10.1016 / j.jpsychires.2014.07.005 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Ernst M., Paulus MP (2005). Neurobiología de la toma de decisiones: una revisión selectiva desde una perspectiva neurocognitiva y clínica. Biol. Psiquiatría 58 597 – 604. 10.1016 / j.biopsych.2005.06.004 [PubMed] [Cross Ref.]
  • Ersche KD, Fletcher PC, Lewis SJ, Clark L., Stocks-Gee G., London M., et al. (2005). Activaciones frontales anormales relacionadas con la toma de decisiones en individuos dependientes de opio y anfetaminas actuales y anteriores. Psicofarmacología (Berl.) 180 612–623. 10.1007/s00213-005-2205-7 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Gabay AS, Radua J., Kempton MJ, Mehta MA (2014). El juego del ultimátum y el cerebro: un metaanálisis de los estudios de neuroimagen. Neurosci. Biobehav. Rdo. 47 549 – 558. 10.1016 / j.neubiorev.2014.10.014 [PubMed] [Cross Ref.]
  • Galván A., Schonberg T., Mumford J., Kohno M., Poldrack RA, London ED (2013). Mayor sensibilidad al riesgo de la corteza prefrontal dorsolateral en fumadores jóvenes que en no fumadores. Psicofarmacología (Berl.) 229 345–355. 10.1007/s00213-013-3113-x [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Garavan H., Hester R., Murphy K., Fassbender C., Kelly C. (2006). Diferencias individuales en la neuroanatomía funcional del control inhibitorio. Brain Res. 1105 130 – 142. 10.1016 / j.brainres.2006.03.029 [PubMed] [Cross Ref.]
  • Gorini A., Lucchiari C., Russell-Edu W., Pravettoni G. (2014). Modulación de elecciones arriesgadas en usuarios de cocaína dependientes recientemente abstinentes: un estudio de estimulación de corriente continua transcraneal. Frente. Tararear. Neurosci. 8: 661 10.3389 / fnhum.2014.00661 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Gowin JL, Mackey S., Paulus MP (2013). Procesamiento relacionado con el riesgo alterado en usuarios de sustancias: desequilibrio de dolor y ganancia. Dependen de drogas y alcohol. 132 13 – 21. 10.1016 / j.drugalcdep.2013.03.019 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Grant JE, Potenza MN, Weinstein A., Gorelick DA (2010). Introducción a las adicciones conductuales. A.m. J. abuso de alcohol de drogas 36 233 – 241. 10.3109 / 00952990.2010.491884 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Griffiths MD (2008). Adicción al videojuego: más reflexiones y observaciones. En t. J. Adicto a la salud mental. 6 182–185. 10.1007/s11469-007-9128-y [Cross Ref.]
  • Hastie R. (2001). Problemas de juicio y toma de decisiones. Annu. Rev. Psychol. 52 653 – 683. 10.1146 / annurev.psych.52.1.653 [PubMed] [Cross Ref.]
  • Helfinstein SM, Schonberg T., Congdon E., Karlsgodt KH, Mumford JA, Sabb FW, et al. (2014). Predecir elecciones arriesgadas a partir de patrones de actividad cerebral. Proc. Natl. Acad. Ciencia. EE.UU. 111 2470 – 2475. 10.1073 / pnas.1321728111 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Karim R., Chaudhri P. (2012). Adicciones de comportamiento: una visión general. J. Drogas psicoactivas 44 5 – 17. 10.1080 / 02791072.2012.662859 [PubMed] [Cross Ref.]
  • Ko CH, Hsiao S., Liu GC, Yen JY, Yang MJ, Yen CF (2010). Las características de la toma de decisiones, el potencial de asumir riesgos y la personalidad de los estudiantes universitarios con adicción a Internet. Res. Psiquiatría. 175 121 – 125. 10.1016 / j.psychres.2008.10.004 [PubMed] [Cross Ref.]
  • Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Activación cerebral alterada durante la inhibición de la respuesta y el procesamiento de errores en sujetos con trastorno de los juegos de Internet: un estudio funcional de imágenes magnéticas. EUR. Arco. Clinica de Psiquiatria. Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Cross Ref.]
  • Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). El cerebro se correlaciona con el deseo de jugar en línea bajo la exposición de referencia en sujetos con adicción a los juegos de Internet y en sujetos remitidos. Adicto. Biol. 18 559 – 569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Cross Ref.]
  • Kohno M., Ghahremani DG, Morales AM, Robertson CL, Ishibashi K., Morgan AT, y otros. (2015). Comportamiento de riesgo: dopamina d2 / d3 receptores, retroalimentación y actividad frontolímbica. Cereb. Corteza 25 236 – 245. 10.1093 / cercor / bht218 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Kohno M., Morales AM, Ghahremani DG, Hellemann G., London ED (2014). Toma de decisiones arriesgada, corteza prefrontal y conectividad funcional mesocorticolímbica en la dependencia a la metanfetamina. Archives of General Psychiatry 71 812 – 820. 10.1001 / jamapsychiatry.2014.399 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Krain AL, Wilson AM, Arbuckle R., Castellanos FX, Milham MP (2006). Distintos mecanismos neuronales de riesgo y ambigüedad: un metaanálisis de la toma de decisiones. Neuroimagen 32 477 – 484. 10.1016 / j.neuroimage.2006.02.047 [PubMed] [Cross Ref.]
  • Kräplin A., Dshemuchadse M., Behrendt S., Scherbaum S., Goschke T., Bühringer G. (2014). Toma de decisiones disfuncional en el juego patológico: especificidad de patrón y el papel de la impulsividad. Res. Psiquiatría. 215 675 – 682. 10.1016 / j.psychres.2013.12.041 [PubMed] [Cross Ref.]
  • Kühn S., Romanowski A., Schilling C., Mobascher A., ​​Warbrick T., Winterer G., y otros. (2012). Las deficiencias de la materia gris del cerebro en los fumadores: se centran en el cerebelo. Struct cerebro Funct. 217 517–522. 10.1007/s00429-011-0346-5 [PubMed] [Cross Ref.]
  • Kuss DJ (2013). Adicción al juego en internet: perspectivas actuales. Psychol. Res. Behav. Manag. 6 125 – 137. 10.2147 / PRBM.S39476 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, et al. (2002). Evaluación de una medida de comportamiento de la toma de riesgos: la tarea de riesgo de análogo de globo (BART). J. Exp. Psychol. Apl. 8 75–84. 10.1037//1076-898X.8.2.75 [PubMed] [Cross Ref.]
  • Lin X., Zhou H., Dong G., Du X. (2015). Evaluación del riesgo deficiente en personas con trastornos de los juegos de Internet: evidencia de fMRI de una tarea de descuento de probabilidad. Prog. Neuro-Psychopharmacol. Biol. Psiquiatría 56 142 – 148. 10.1016 / j.pnpbp.2014.08.016 [PubMed] [Cross Ref.]
  • Liu GC, Yen JY, Chen CY, Yen CF, Chen CS, Lin WC, et al. (2014). Activación cerebral para la inhibición de la respuesta bajo la distracción del juego en el trastorno de los juegos de Internet. Kaohsiung J. Med. Sci. 30 43 – 51. 10.1016 / j.kjms.2013.08.005 [PubMed] [Cross Ref.]
  • Macoveanu J., Rowe JB, Hornboll B., Elliott R., Paulson OB, Knudsen GM, et al. (2013). Jugar de forma segura pero perder de todos modos: señalización serotoninérgica de resultados negativos en la corteza prefrontal dorsomedial en el contexto de la aversión al riesgo. EUR. Neuropsychopharmacol. 23 919 – 930. 10.1016 / j.euroneuro.2012.09.006 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Metcalf O., Pammer K. (2014). Impulsividad y características neuropsicológicas relacionadas en juegos de disparos en primera persona regulares y adictivos. Cyberpsychol. Behav. Soc. Netw. 17 147 – 152. 10.1089 / cyber.2013.0024 [PubMed] [Cross Ref.]
  • Miedl SF, Peters J., Büchel C. (2012). Representaciones de recompensas neuronales alteradas en jugadores patológicos reveladas por demoras y descuentos de probabilidad. Arco. Gen. Psiquiatría 69 177 – 186. 10.1001 / archgenpsychiatry.2011.1552 [PubMed] [Cross Ref.]
  • Moeller SJ, Froböse MI, Konova AB, Misyrlis M., Parvaz MA, Goldstein RZ, y col. (2014). Correlatos neurales comunes y distintos de la desregulación inhibitoria: estudio de la RMF con stroop de la adicción a la cocaína y el trastorno explosivo intermitente. J. Psychiatr. Res. 58 55 – 62. 10.1016 / j.jpsychires.2014.07.016 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Moreno-López L., Perales JC, Van Son D., Albein-Urios N., Soriano-Mas C., Martínez-González JM, et al. (2015). La severidad del uso de la cocaína y la materia gris del cerebelo se asocian con déficits de aprendizaje inverso en individuos dependientes de la cocaína. Adicto. Biol. 20 546 – 556. 10.1111 / adb.12143 [PubMed] [Cross Ref.]
  • Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). El cerebelo y la adicción: conocimientos obtenidos de la investigación de neuroimagen. Adicto. Biol. 19 317 – 331. 10.1111 / adb.12101 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., y otros. (2008a). Procesamiento inhibitorio somato-motor en humanos: un estudio funcional de resonancia magnética relacionado con eventos. Neuroimagen 39 1858 – 1866. 10.1016 / j.neuroimage.2007.10.041 [PubMed] [Cross Ref.]
  • Nakata H., Sakamoto K., Ferretti A., Gianni Perrucci M., Del Gratta C., Kakigi R., y otros. (2008b). Funciones ejecutivas con diferentes salidas motoras en tareas somatosensoriales de Go / Nogo: un estudio funcional de IRM relacionado con eventos. Brain Res. Toro. 77 197 – 205. 10.1016 / j.brainresbull.2008.07.008 [PubMed] [Cross Ref.]
  • Patton JH, Stanford MS, Barratt ES (1995). Estructura factorial de la escala de impulsividad barrat. J. Clin. Psychol. 51 768 – 774. ElPubMed]
  • Pawlikowski M., Marca M. (2011). Juego excesivo en Internet y toma de decisiones: ¿los jugadores excesivos de World of Warcraft tienen problemas para tomar decisiones en condiciones de riesgo? Res. Psiquiatría. 188 428 – 433. 10.1016 / j.psychres.2011.05.017 [PubMed] [Cross Ref.]
  • Probst CC, van Eimeren T. (2013). La anatomía funcional de los trastornos de control de impulsos. Curr. Neurol. Neurosci. Reps. 13:386 10.1007/s11910-013-0386-8 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Rao H., Korczykowski M., Pluta J., Hoang A., Detre JA (2008). Correlaciones neuronales de la toma voluntaria e involuntaria de riesgos en el cerebro humano: un estudio de RMf de la tarea de riesgo analógico con balón (BART). NeuroImage 42 902 – 910. 10.1016 / j.neuroimage.2008.05.046 [PubMed] [Cross Ref.]
  • Rao H., Mamikonyan E., Detre JA, Siderowf AD, Stern MB, Potenza MN, et al. (2010). Disminución de la actividad ventral del estriado con trastornos del control de impulsos en la enfermedad de Parkinson. Mov. Disord. 25 1660 – 1669. 10.1002 / mds.23147 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Rao LL, Zhou Y., Liang ZY, Rao H., Zheng R., Sun Y. y otros. (2014). Disminución de la desactivación del córtex prefrontal ventromedial en la toma de decisiones de riesgo después de la microgravedad simulada: efectos de -6 grados de reposo en cama con inclinación hacia abajo. Frente. Behav. Neurosci. 8: 187 10.3389 / fnbeh.2014.00187 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Rosenbloom MH, Schmahmann JD, Precio BH (2012). La neuroanatomía funcional de la toma de decisiones. J. Neuropsychiatry Clin. Neurosci. 24 266 – 277. 10.1176 / appi.neuropsych.11060139 [PubMed] [Cross Ref.]
  • Sakagami M., Pan X., Uttl B. ​​(2006). Inhibición del comportamiento y corteza prefrontal en la toma de decisiones. Redes neuronales. 19 1255 – 1265. 10.1016 / j.neunet.2006.05.040 [PubMed] [Cross Ref.]
  • Schiebener J., Wegmann E., Pawlikowski M., Brand M. (2012). Los efectos de anclaje en la toma de decisiones se pueden reducir mediante la interacción entre el monitoreo de objetivos y el nivel de las funciones ejecutivas del tomador de decisiones. Cogn. Proceso. 13 321–332. 10.1007/s10339-012-0522-4 [PubMed] [Cross Ref.]
  • Schonberg T., Fox CR, Mumford JA, Congdon E., Trepel C., Poldrack RA (2012). Disminución de la actividad de la corteza prefrontal ventromedial durante la toma de riesgos secuencial: una investigación por RMN de la tarea de riesgo del análogo de globo. Frente. Neurosci. 6: 80 10.3389 / fnins.2012.00080 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Tang J., Yu Y., Du Y., Ma Y., Zhang D., Wang J. (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. Adicto. Behav. 39 744 – 747. 10.1016 / j.addbeh.2013.12.010 [PubMed] [Cross Ref.]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013a). Los efectos del sueño de mala calidad en la función cerebral y la toma de riesgos en la adolescencia. Neuroimagen 71 275 – 283. 10.1016 / j.neuroimage.2013.01.025 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Telzer EH, Fuligni AJ, Lieberman MD, Galván A. (2013b). Relaciones familiares significativas: amortiguadores neurocognitivos de la toma de riesgos en adolescentes. J. Cogn. Neurosci. 25 374 – 387. 10.1162 / jocn_a_00331 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Trepel C., Fox CR, Poldrack RA (2005). ¿Teoría prospectiva sobre el cerebro? Hacia una neurociencia cognitiva de la decisión bajo riesgo. Brain Res. Cogn. Brain Res. 23 34 – 50. 10.1016 / j.cogbrainres.2005.01.016 [PubMed] [Cross Ref.]
  • Wang H., Jin C., Yuan K., Shakir TM, Mao C., Niu X. y otros. (2015). La alteración del volumen de la materia gris y el control cognitivo en adolescentes con trastorno de los juegos de Internet. Frente. Behav. Neurosci. 9: 64 10.3389 / fnbeh.2015.00064 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Wu X., Chen X., Han J., Meng H., Luo J., Nydegger L., y otros. (2013). Prevalencia y factores del uso adictivo de Internet entre adolescentes en Wuhan, China: interacciones de la relación de los padres con la edad y la hiperactividad-impulsividad. PLoS ONE 8: e61782 10.1371 / journal.pone.0061782 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Yao YW, Chen PR, Chen C., Wang LJ, Zhang JT, Xue G., y otros. (2014). Si no se utiliza la retroalimentación, se producen déficits en la toma de decisiones entre los usuarios de Internet en exceso. Res. Psiquiatría. 219 583 – 588. 10.1016 / j.psychres.2014.06.033 [PubMed] [Cross Ref.]
  • Yao YW, Chen PR, Li S., Wang LJ, Zhang JT, Yip SW, y otros. (2015). Toma de decisiones para pérdidas y ganancias riesgosas entre estudiantes universitarios con trastornos de los juegos de Internet. PLoS ONE 10: e0116471 10.1371 / journal.pone.0116471 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Joven K. (1998). La adicción a internet: la aparición de un nuevo trastorno clínico. CyberPsychol. Behav. 1 237 – 244. 10.1089 / cpb.1998.1.237 [Cross Ref.]
  • Young, KS, prueba de adicción a Internet [IAT] (2009). Disponible en: http://netaddiction.com/index.php?option5combfquiz&view5onepage&catid546&Itemid5106
  • Yuan K., Qin W., Wang G., Zeng F., Zhao L., Yang X. y otros. (2011). Anomalías de la microestructura en adolescentes con trastorno de adicción a internet. PLoS ONE 6: e20708 10.1371 / journal.pone.0020708 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Yuan P., Raz N. (2014). La corteza prefrontal y las funciones ejecutivas en adultos sanos: un metaanálisis de estudios de neuroimagen estructural. Neurosci. Biobehav. Rdo. 42 180 – 192. 10.1016 / j.neubiorev.2014.02.005 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]
  • Zhou Z., Yuan G., Yao J. (2012). Sesgos cognitivos hacia las imágenes relacionadas con juegos de Internet y déficits ejecutivos en individuos con una adicción a juegos de Internet. PLoS ONE 7: e48961 10.1371 / journal.pone.0048961 [Artículo gratuito de PMC] [PubMed] [Cross Ref.]