La actividad multitarea de medios superiores se asocia con una menor densidad de materia gris en la corteza cingulada anterior (2014)

Cita: Loh KK, Kanai R (2014) La actividad multitarea de medios más altos está asociada con una menor densidad de materia gris en la corteza cingulada anterior. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Resumen

Multitarea de medios, o el consumo simultáneo de múltiples formas de medios, es cada vez más frecuente en la sociedad actual y se ha asociado con impactos psicosociales y cognitivos negativos. Se encuentra que los individuos que participan en tareas multitarea de medios más pesados ​​tienen peor desempeño en las tareas de control cognitivo y exhiben más dificultades socioemocionales. Sin embargo, los procesos neuronales asociados con la multitarea de los medios permanecen sin explorar.

El presente estudio investigó las relaciones entre la actividad multitarea de los medios y la estructura del cerebro. La investigación ha demostrado que la estructura del cerebro se puede alterar después de una exposición prolongada a nuevos entornos y experiencias. Por lo tanto, esperábamos que los compromisos diferenciales en la multitarea de los medios se correlacionaran con la variabilidad de la estructura cerebral.

Esto se confirmó mediante análisis de Morfometría Basada en Voxel (VBM, por sus siglas en inglés): los individuos con puntuaciones más altas en el Índice de Multitarea de Medios (MMI) tuvieron una menor densidad de materia gris en la corteza cingulada anterior (ACC). FLa conectividad no funcional entre esta región ACC y el precuneus se asoció negativamente con MMI. Nuestros hallazgos sugieren un posible correlato estructural para la disminución observada en el rendimiento del control cognitivo y la regulación socioemocional en multitarea de medios pesados. Si bien la naturaleza transversal de nuestro estudio no nos permite especificar la dirección de la causalidad, nuestros resultados sacaron a la luz asociaciones novedosas entre los comportamientos de multitarea de los medios individuales y las diferencias de estructura de ACC.

Figuras

Cita: Loh KK, Kanai R (2014) La actividad multitarea de medios más altos está asociada con una menor densidad de materia gris en la corteza cingulada anterior. PLoS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Editor: Katsumi Watanabe, Universidad de Tokio, Japón

Recibido: Febrero 25, 2014; Aceptado: Agosto 8, 2014; Publicado: 24 de septiembre de 2014

Copyright: © 2014 Loh, Kanai. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia Creative Commons, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que el autor original y la fuente estén acreditados.

Fondos: El financiamiento para este proyecto provino de una subvención PRESTO de la Agencia de Ciencia y Tecnología de Japón. Los financiadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.

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

Introducción

Multitarea de medios, o el consumo concurrente de múltiples formas de medios, es cada vez más frecuente en la sociedad moderna [ 1 ] y se ha asociado con disminución de las habilidades de control cognitivo [ 2 ] así como impactos psicosociales negativos como depresión y ansiedad social. [ 3 ], bienestar social negativo [ 4 ], y pobre rendimiento académico [ 5 ]. Sin embargo, en este momento, poco se sabe acerca de los procesos neuronales asociados con la multitarea de los medios. El presente estudio investigó las relaciones entre la actividad multitarea de los medios y la variabilidad de la estructura cerebral. La investigación ha demostrado que la estructura del cerebro se puede alterar con la exposición prolongada a entornos nuevos [ 6 ] así como formación y experiencia. [ 7 ], [ 8 ]. Además, la variabilidad regional en materia gris y blanca, evaluada a través de la Morfometría Basada en Voxel (VBM) predice de manera confiable las diferencias individuales en un rango de funciones cognitivas (ver [ 9 ] para una revisión). Sobre la base de los hallazgos anteriores, planteamos la hipótesis de que los compromisos diferenciales en la multitarea de los medios también reflejarían las diferencias en las estructuras cerebrales regionales.

En la investigación actual, el Índice de multitarea de medios (MMI, [ 2 ]) se adopta como una medida del rasgo de multitarea. Las puntuaciones de MMI se han asociado sistemáticamente con el desempeño individual en tareas de control cognitivo [ 2 ], [ 10 ],[ 11 ]. Como tales, sirven como un correlato de comportamiento confiable con la variabilidad de la estructura cerebral. Esperábamos que la puntuación MMI de un individuo reflejara las diferencias en la estructura del cerebro, específicamente en las regiones de control cognitivo y multitarea. Investigaciones anteriores han convergido en el papel de las regiones corticales prefrontales en el control cognitivo [ 12 ], [ 13 ], [ 14 ], [ 15 ]. Basado en un estudio de lesión realizado por [ 16 ], distintas regiones participan en aspectos disociables de la multitarea: los cingulados anterior y posterior están implicados en la memoria retrospectiva, y las regiones prefrontales están implicadas en la memoria prospectiva y la planificación. Como tal, esperamos encontrar asociaciones entre la actividad multitarea de los medios y la variabilidad estructural en estas regiones. La actividad multitarea de los medios está estrechamente relacionada con los rasgos de personalidad (es decir, neuroticismo y extraversión) [ 3 ]), que a su vez, son predictivos de diferencias estructurales en el cerebro [ 17 ]. Como tal, la asociación entre la multitarea de los medios y la estructura del cerebro podría verse confundida por estas diferencias de rasgos. Para investigar esta posibilidad, también se examinan las relaciones entre los rasgos de personalidad de MMI y Big Five.

Obtuvimos puntuaciones de MMI, medidas de rasgo de personalidad de Big Five y imágenes de resonancia magnética (IRM) en adultos sanos de 75 que estaban relativamente bien familiarizados con las computadoras y las tecnologías de medios. Para examinar la relación entre la actividad multitarea de los medios y la variabilidad de la estructura cerebral, primero se correlacionaron las puntuaciones de MMI individuales con la densidad de materia gris regional a nivel del cerebro completo mediante VBM optimizado [ 18 ]. También examinamos las correlaciones entre los cinco grandes rasgos y las puntuaciones de MMI. Para arrojar luz sobre la importancia funcional de nuestras diferencias estructurales obtenidas, analizamos la actividad cerebral en estado de reposo para dilucidar las asociaciones entre las puntuaciones de MMI y la conectividad funcional dentro del cerebro.

Métodos

Participantes

Los adultos sanos de 75 (edad media = hombres 24.6, SD = 5.0, 38) reclutados en el grupo de participantes de psicología del University College London (UCL) participaron en el estudio actual después de proporcionar un consentimiento informado por escrito. El estudio fue aprobado por el comité de ética local de UCL (código de solicitud de ética: 2213 / 002). Examinamos a los participantes para que incluyeran estudiantes universitarios y personal con conocimientos de computadoras y tecnologías de medios. Fueron reembolsados ​​en efectivo por su participación. Entre los participantes de 75 que participaron en el estudio VBM, los datos de fMRI se obtuvieron de un subconjunto de participantes de 40. Las puntuaciones de género, edad, nivel de educación y MMI no difirieron significativamente entre las dos muestras (Tabla 1).

uña del pulgar

Tabla 1. Las comparaciones entre las características demográficas y las puntuaciones MMI de los participantes involucrados en los análisis VBM y los análisis de conectividad funcional.

doi: 10.1371 / journal.pone.0106698.t001

Cuestionario de multitarea de medios modificados

Una versión modificada del cuestionario multitarea de medios [ 2 ] Fue administrado a todos los participantes. El MMI proporcionó una medida estable de la actividad multitarea de los rasgos de un individuo. El cuestionario constaba de dos secciones principales: la primera sección enumeraba los tipos de medios comunes de 12 y los participantes informaron el número total de horas por semana que pasaron usando cada medio. En la versión modificada utilizada en el presente estudio, los tipos de medios 10 se conservaron de [ 2 ]: Medios impresos, televisión, video por computadora, música, llamadas de voz desde un teléfono móvil, mensajería instantánea, mensajería de mensajes cortos (SMS), correo electrónico, navegación web y otras aplicaciones informáticas. El ítem “video o juegos de computadora” fue modificado para incluir juegos en teléfonos móviles. El elemento "audio no musical" se reemplazó por "usar sitios de redes sociales". Los cambios se hicieron para reflejar mejor las tendencias actuales en el consumo de medios. La segunda sección consistió en una matriz que involucraba a los participantes que indicaban cuánto usaban al mismo tiempo todos los otros tipos de medios mientras usaban un medio primario. La cantidad de uso concurrente se indicó en una escala de 1 a 4 (1 = "Nunca", 2 = "Un poco del tiempo", 3 = "Parte del tiempo" y 4 = "La mayor parte del tiempo"). Las respuestas de los participantes se recodificaron primero de la siguiente manera: "Nunca" = 0, "Un poco del tiempo" = 0.33, "Algunas veces" = 0.67 y "La mayoría del tiempo" = 1. La suma de las respuestas recodificadas para cada medio primario produjo el número medio de medios utilizados simultáneamente cuando se usa un medio primario. El MMI se calculó basándose en la siguiente fórmula: Donde mi es el número medio de medios utilizados simultáneamente mientras se usa el medio primario, i; hi es el número de horas por semana dedicadas al uso del medio primario, i; y htotal es el número total de horas por semana dedicadas al uso de todos los formularios de medios.

Inventario de los Cinco Grandes

El inventario de los cinco grandes (BFI; [ 19 ]) proporcionó una breve y confiable medida del elemento 44 para los cinco factores de personalidad: extraversión (elementos 8), amabilidad (elementos 9), conciencia (elementos 9), neuroticismo (elementos 8) y apertura a la experiencia (elementos 10). Adoptamos el BFI para examinar las asociaciones entre los rasgos de personalidad de MMI y Big Five en nuestra muestra.

Adquisición de datos de MRI

Se usó un escáner 1.5 T Siemens Avanto (Siemens Medical, Erlangen, Alemania) para adquirir imágenes estructurales de alta resolución ponderadas en T1 para cada participante (MPRAGE; 1 mm3 voxels cúbicos; Rebanadas 160; TR = 2730 ms; TE = 3.57 ms). Los datos de IRM funcionales se adquirieron utilizando secuencias ascendentes de imágenes planas (EPI) de eco de gradiente ponderadas por T2 * sensibles al contraste BOLD. Cada adquisición consistió en cortes oblicuos 32, resolución 3.0 × 3.0 mm, grosor de 2.0 mm con espacio de corte de 1.0 mm. Las rodajas de EPI se inclinaron individualmente para cada sujeto para reducir los artefactos de susceptibilidad de la cavidad nasal y para maximizar la cobertura de las regiones orbitofrontal y la corteza parietal posterior, mientras se sacrificaba la cobertura sobre el polo temporal. Como tal, la orientación final osciló entre 8 ° a 16 °. El intervalo de tiempo entre dos adquisiciones sucesivas de la misma porción fue 2528 ms con un ángulo de giro de 90 grados y un tiempo de eco 44 ms. El campo de visión fue 192 × 192 mm. La resolución digital en el plano fue de 64 × 64 píxeles con una dimensión de píxeles de 3.0 × 3.0 mm. Todos los datos fueron adquiridos con una bobina de cabeza de canal 32. Durante la exploración de resonancia magnética funcional, los participantes recibieron instrucciones de simplemente quedarse quietos, mantener los ojos abiertos y no pensar en nada en particular. Una ejecución consistió en adquisiciones de volúmenes de 180 y los volúmenes iniciales de 6 se descartaron del análisis para evitar la confusión de la magnetización inestable. El estado de reposo fMRI corrió tomó aproximadamente 7.5 minutos.

Análisis de morfometría basada en vóxeles (VBM)

Morfometría basada en voxel (VBM; [ 20 ]) es una técnica de análisis de neuroimagen utilizada comúnmente que permite realizar análisis estadísticos en voxel de imágenes de MRI preprocesadas. Los escaneos estructurales ponderados de T1 de alta resolución se analizaron con VBM a través del Mapa Estadístico Paramétrico (SPM8, Departamento de Neurología Cognitiva de Wellcome). Las imágenes fueron primero segmentadas para materia gris y blanca. Posteriormente, se realizó un registro anatómico difeomórfico a través del álgebra de mentira exponencial (DARTEL) para registrar conjuntamente las imágenes de materia gris. Para garantizar que el volumen de materia gris regional se mantuviera después del registro, las imágenes registradas fueron moduladas por el determinante jacobiano de los campos de flujo calculados por DARTEL. Las imágenes de materia gris registradas se suavizaron con un kernel gaussiano (ancho total a la mitad como máximo = 10 mm) y luego se transformaron y normalizaron en el espacio estereotáctico del Instituto de Neurología de Montreal (MNI) para un análisis de regresión múltiple adicional.

Se realizó un análisis de regresión múltiple en las imágenes de materia gris normalizadas con puntuaciones MMI como el regresor principal. La edad, el género y los volúmenes cerebrales totales se incluyeron como covariables sin interés para todas las regresiones. Para detectar voxels en los cuales la densidad de materia gris regional se correlacionó con las puntuaciones de MMI, adoptamos un umbral estricto de p <.05 con el error familiar de todo el cerebro corregido.

Análisis de conectividad funcional

Para realizar el análisis de conectividad funcional, utilizamos la caja de herramientas de conectividad funcional de Conn versión 13 (http://www.nitrc.org/projects/conn; [ 21 ]) combinado con los procedimientos de preprocesamiento de SPM8. Los pasos de preprocesamiento, listados en orden, incluyeron la corrección del tiempo de corte, la realineación de los datos de la serie temporal al primer volumen (es decir, la corrección del movimiento), el registro conjunto de las series temporales de MRI funcional a la MRI estructural correspondiente, la segmentación de las imágenes en un tejido separado tipos como la materia gris, la sustancia blanca y el líquido cefalorraquídeo (LCR), y la normalización de la plantilla estándar de MNI y el alisamiento espacial con un filtro gaussiano (FWHM = 8 mm). Los datos de la serie de tiempo se filtraron luego a 0.01 Hz – 0.1 Hz.

Para el análisis de conectividad funcional basado en semillas, utilizamos un solo grupo significativo encontrado en el análisis VBM como la región de interés (ROI) de la semilla. La serie de tiempo promedio extraída del ROI se usó como un regresor en un modelo de regresión múltiple en un análisis de nivel individual. Para minimizar las influencias de los factores de confusión, se incluyeron regresores para los seis parámetros de corrección de movimiento del preprocesamiento. Además, las señales BOLD medias para la materia gris, la materia blanca y el CSF se extrajeron de las máscaras creadas a partir del procedimiento de segmentación, y también se incluyeron como regresores para minimizar las variaciones asociadas con estas señales globales. Las correlaciones temporales entre la señal de ROI y el resto del cerebro se calcularon y las correlaciones con el ROI de la semilla se convirtieron en puntuaciones Z utilizando la transformación de Fisher para los análisis de significación de segundo nivel.

Con la imagen estadística transformada en Z, primero determinamos las regiones del cerebro que muestran conectividad funcional con el ROI de la semilla utilizando un umbral voxel de pFWE-corregido<0.05. Posteriormente, utilizamos un umbral menos estricto de p<0.001 (sin corregir) como una máscara para capturar las regiones conectadas al ACC para un análisis de segundo nivel en el que nos propusimos encontrar regiones del cerebro correlacionadas con las puntuaciones de MMI. Incluimos edad, sexo y volúmenes intracraneales totales como covariables y adoptamos un umbral de p <0.05 con error familiar corregido para el volumen definido por la máscara inicial. La razón para el enmascaramiento inicial fue asegurar que nuestro análisis se limitara a las regiones del cerebro que muestran una actividad correlacionada con la región semilla. Incluso si encontramos una correlación con las diferencias individuales fuera de estas regiones, estos hallazgos probablemente reflejen correlaciones espurias. Adoptamos un umbral menos estricto para el enmascaramiento con el fin de aumentar el poder de nuestros análisis de segundo nivel.

Los datos de imágenes procesadas, así como los conjuntos de datos que contienen las variables para VBM y los análisis de regresión de conectividad funcional, se ponen a disposición del público en: http://dx.doi.org/10.6084/m9.figshare.10​30286.

Resultados

El análisis VBM reveló una asociación negativa entre las puntuaciones de MMI y la densidad de materia gris en la corteza cingulada anterior (Figura 1 y XNUMX; ACC; t (70) = 5.16, PFWE-corregido <.05, tamaño del grupo = 158 vóxeles × 1.53 = 533 mm3; coordenada máxima de MNI: x = 12, y = 41, z = 3). Ninguna otra región cerebral mostró correlaciones significativas con las puntuaciones de MMI. Por lo tanto, una mayor multitarea de medios se asoció con volúmenes más pequeños de materia gris en el ACC. Sin embargo, los análisis correlacionales entre las puntuaciones de MMI y BFI revelaron una asociación altamente significativa entre las puntuaciones de extraversión y de MMI (Tabla 2; r = 0.347, p = 0.002). Como tal, sospechamos que la asociación observada de la materia gris MMI-ACC podría confundirse con las diferencias individuales en las puntuaciones de extraversión. En vista de esto, repetimos el análisis VBM anterior, controlando aún más las puntuaciones BFI como covariables adicionales. Corrimos una regresión múltiple (con densidad de materia gris como variable dependiente) que incluía MMI y todas las puntuaciones de los cinco grandes rasgos como predictores junto con las covariables demográficas. Se observó una relación negativa significativa entre MMI y el volumen de materia gris en la región ACC idéntica (t (65) = 5.08, PFWE-corregido<.05, tamaño del grupo = 74 vóxeles × 1.53 = 250 mm3; coordenada máxima de MNI: x = 12, y = 40, z = 3). Esto sugirió que existe una asociación única entre MMI y la densidad de la materia gris en el ACC, independientemente de las variaciones en los rasgos de personalidad de los Cinco Grandes.

uña del pulgar

Figura 1. Los análisis de regresión VBM revelaron que las puntuaciones MMI se asociaron significativamente con la densidad de la materia gris en el ACC (t (70) = 5.16, PFWE-corregido <0.05, tamaño del grupo = 158 vóxeles x 1.53 = 533 mm3; coordenada máxima de MNI: x = 12, y = 41, z = 3).

La densidad de materia gris ajustada en el vóxel pico (eje Y) se correlacionó negativamente (r = −0.54, p<0.001) con puntuaciones MMI (eje X).

doi: 10.1371 / journal.pone.0106698.g001

uña del pulgar

Tabla 2. Correlaciones entre los puntajes del índice de multitarea de los medios y los puntajes de Big Five Inventory.

doi: 10.1371 / journal.pone.0106698.t002

Para arrojar luz sobre la importancia funcional de nuestros resultados de VBM, tratamos de identificar, a través de análisis de conectividad funcional, las regiones del cerebro que mostraron una conectividad significativa con nuestra región de interés ACC (ROI) obtenida. Este análisis reveló que la actividad en el ROI de ACC obtenido se correlacionó con múltiples regiones del cerebro caracterizadas típicamente como la Red de Modo Predeterminado que incluye las uniones temporo-parietales bilaterales (TPJ; hemisferio derecho, x = 48, y = −64, z = 36, pFWE-corregido<0.05; hemisferio izquierdo, x = −44, y = −70, z = 36) y precuneus (x = 4, y = −68, z = 30, pFWE-corregido<0.05) entre otras regiones (Tabla 3). Estos resultados sugirieron que el ROI de ACC que encontramos con el análisis VBM probablemente caiga dentro del DMN. A continuación, investigamos más a fondo si las puntuaciones de MMI estaban asociadas con la conectividad entre nuestras regiones ROI de ACC y DMN. Los análisis de regresión se realizaron en correlaciones transformadas en z entre las regiones ACC y DMN con MMI como predictor principal y la edad, el sexo y el volumen cerebral total como covariables. No surgieron asociaciones significativas en pFWE-corregido<0.05. Sin embargo, en un umbral menos estricto de psin corregir<0.001, las puntuaciones MMI más altas se asociaron con una conectividad más débil entre el ROI de ACC y el precuneus (Figura 2 y XNUMX; precuneus t (40) = 5.22, psin corregir<0.001, tamaño del grupo = 159 mm3; Coordenada MNI pico: x = 10, y = −50, z = 18). Enfatizamos que nuestros resultados de conectividad se obtuvieron en un umbral menos estricto y nos proporcionaron pruebas limitadas para que podamos sacar conclusiones sobre MMI y las asociaciones de conectividad funcional. Como tal, este conjunto de hallazgos sirvió únicamente en la interpretación funcional de nuestros resultados de VBM.

uña del pulgar

Figura 2. Los análisis de regresión revelaron que la conectividad entre el ROI de ACC y el Precuneus (intersección de líneas azules) se asoció negativamente con las puntuaciones de MMI (Precuneus; t (40) = 5.22, PFWE-no corregido<0.001, tamaño del grupo = 159 mm3; Coordenada MNI pico: x = 10, y = −50, z = 18).

Hubo una relación negativa (r = −0.68, p<0.001) entre correlaciones ajustadas ACC-Precuneus transformadas en Z (eje Y) y puntuaciones de MMI (eje X).

doi: 10.1371 / journal.pone.0106698.g002

uña del pulgar

Tabla 3. Regiones del cerebro que exhiben conectividad funcional con ACC ROI.

doi: 10.1371 / journal.pone.0106698.t003

Discusión

Según la hipótesis, el presente estudio reveló una relación significativa entre la multitarea de los medios y las variaciones de la estructura del cerebro: los individuos que informaron mayores cantidades de multitarea de los medios tenían una menor densidad de materia gris en el ACC. Esta asociación fue significativa en un umbral estricto (pFWE-corregido<0.05) y fue independiente de las diferencias de rasgo de personalidad de los Cinco Grandes. Discutimos las posibles interpretaciones de nuestros correlatos estructurales a la luz de la evidencia reciente sobre las funciones de ACC y los correlatos de comportamiento de MMI.

El ACC sirve como un nexo crucial de las vías de procesamiento de información en el cerebro y se ha implicado en procesos sensoriomotores, nociceptivos, cognitivos superiores y emocionales / motivacionales. [ 22 ], [ 23 ]. De estos, afirmamos que nuestra región ACC obtenida está más probablemente vinculada con procesos cognitivos superiores, ya que la multitarea en los medios se ha asociado de manera consistente con el rendimiento del control cognitivo [ 2 ], [ 10 ], [ 11 ], [ 24 ]. Además, el ROI de ACC exhibió una conectividad funcional significativa con las regiones del cerebro DMN que también se vincularon normalmente con operaciones cognitivas superiores [ 25 ], [ 26 ].

En términos de procesamiento cognitivo, generalmente se piensa que el ACC está involucrado en la detección de errores o conflictos [ 27 ], [ 28 ]. Las activaciones de ACC se suelen observar en tareas que activan simultáneamente respuestas incompatibles, es decir, la tarea de Stroop [ 29 ], [ 30 ], atención selectiva [ 31 ] y tarea de flanqueo [ 32 ], [ 33 ]. Cabe destacar que el ACC ha sido implicado en paradigmas de doble tarea. [ 34 ], [ 35 ] donde un individuo se enfrenta a estímulos y respuestas competitivas asociadas con dos o más tareas. De manera análoga a esto, en la multitarea de medios, los individuos se enfrentan a distintas demandas de tareas asociadas con los múltiples tipos de medios que utilizan simultáneamente. Como tal, nuestro ROI obtenido podría estar implicado en funciones de control cognitivo relacionadas con tareas duales. Una advertencia importante es que las funciones mencionadas anteriormente se atribuyen normalmente al ACC dorsal en lugar de a la región rostral donde se encuentra nuestro retorno de la inversión. [ 23 ], [ 32 ], [ 35 ], [ 36 ]. Sin embargo, los investigadores han observado que esta delineación no es absoluta [ 23 ], [ 34 ], [ 37 ]. En particular, en apoyo de nuestra interpretación actual, Dreher y sus colegas [ 34 ] informó que el ACC rostral está involucrado de manera única en la detección de conflictos en el contexto de la doble tarea.

Nuestro hallazgo principal indicó que las multitareas de medios más pesadas tenían volúmenes de ACC más pequeños. Para dilucidar las posibles implicaciones conductuales de la reducción de los volúmenes de ACC en multitareas pesadas, examinamos los estudios conductuales que relacionan el MMI y el control cognitivo. Un estudio de referencia por Ophir et al. [ 2 ] Primero reveló la relación entre el aumento de la actividad multitarea en los medios y un control cognitivo más deficiente. Involucraron a los participantes en una variedad de tareas de control cognitivo, como la tarea Stroop, el cambio de tareas, el filtro distractor y las tareas de n-back. Frente a los distractores, las multitareas pesadas (en relación con las multitareas más ligeras) fueron más lentas en la detección de cambios en los patrones visuales, más susceptibles a los falsos recuerdos de los distractores durante una tarea de memoria, y fueron más lentas en la conmutación de tareas. Los autores sugirieron que las multitareas pesadas eran menos capaces de restringir voluntariamente su atención solo a la información relevante de la tarea. Lui y Wong [ 24 ] proporcionó evidencia adicional de que las multitareas más pesadas eran peores para inhibir los estímulos irrelevantes para la tarea y, en consecuencia, podían desempeñarse mejor en las tareas de integración multisensorial. Un estudio posterior [ 11 ] mostró que las multitareas pesadas se desempeñaban peor en la Operación Span Span Task (OSPAN), que era muy similar a un paradigma de doble tarea, ya que los participantes debían resolver problemas de matemáticas y memorizar las cartas presentadas. Las multitarea pesadas también reportaron más fallas de atención en la vida cotidiana [ 38 ]. Sin embargo, un estudio reciente de Alzahabi y Becker [ 10 ] descubrió resultados contrarios: los multitarea más pesados ​​no eran peores en el desempeño de doble tarea y eran mejores en el cambio de tareas. Tampoco pudieron replicar los hallazgos de Ophir et al. A pesar de usar tareas idénticas. Los autores notaron que su muestra era principalmente femenina y esto podría haber resultado en sus hallazgos discrepantes. Destacaron la importancia de los estudios longitudinales para revelar relaciones sólidas entre MMI y el control cognitivo.

En resumen, la literatura de MMI existente generalmente sugiere que las personas que participan en tareas multitarea de medios más pesadas muestran capacidades de control cognitivo más deficientes. Nuestros hallazgos actuales extienden esta literatura al vincular una mayor actividad de multitarea de medios con volúmenes más pequeños en el ACC: una región del cerebro que está implicada en el control cognitivo basado en la evidencia de neuroimagen convergente. Sin embargo, enfatizamos que se requiere más trabajo para establecer la relación entre la estructura del ACC y las capacidades de control cognitivo. Los estudios de pacientes con lesiones de ACC han arrojado perspectivas muy variadas sobre la necesidad de ACC en sus funciones cognitivas implicadas [ 39 ], [ 40 ], [ 41 ].

También existe la posibilidad de que nuestra región ACC obtenida esté involucrada en procesos emocionales / motivacionales, ya que está situada en el ACC rostral que normalmente está vinculado con la motivación y el procesamiento de emociones. [ 23 ]. Los volúmenes reducidos de ACC se han implicado a menudo en trastornos que implican un procesamiento emocional y motivacional aberrante, como el trastorno obsesivo-compulsivo [ 42 ], Trastorno de estrés postraumático [ 43 ]depresión [ 44 ] y adicciones relacionadas con drogas y no drogas. [ 45 ], [ 46 ]. Sobre la base de esta perspectiva, es plausible que las multitareas de medios más pesadas, con volúmenes de ACC reducidos, estén menos dispuestos en la regulación emocional y motivacional. De hecho, se encuentra que las puntuaciones MMI más altas se correlacionan con un aumento del neuroticismo, búsqueda de sensaciones e impulsividad [ 3 ], [ 11 ] y resultados socioemocionales negativos [ 4 ]. Curiosamente, el patrón de diferencias estructurales cerebrales obtenido en el presente estudio fue similar a los correlatos neurales de la adicción a Internet (IA). Se encontró que los individuos con IA, definidos simplemente como el uso excesivo patológico de Internet o las computadoras, tenían una disminución de las densidades de materia gris y blanca en el ACC [ 46 ], [ 47 ], [ 48 ]. Podría existir la posibilidad de que las dos construcciones, multitarea de medios e IA, se superpusieran: el MMI proporcionó una medida de la cantidad de personas que utilizaban múltiples dispositivos a la vez y esto podría estar relacionado con IA, lo que implica un uso excesivo de computadoras e Internet.

Una limitación importante del presente trabajo es que nuestros resultados se obtienen de un estudio transversal sobre la relación entre el comportamiento multitarea de los medios y la estructura cerebral. Como tal, la dirección de la causalidad entre ellos no puede ser determinada. Si bien es posible que los individuos con ACC más pequeños sean más susceptibles a la multitarea debido a una capacidad más débil en el control cognitivo o la regulación socioemocional, es igualmente plausible que niveles más altos de exposición a situaciones de multitarea conduzcan a cambios estructurales en la ACC. Se requiere un estudio longitudinal para determinar inequívocamente la dirección de la causalidad. Nuestros hallazgos actuales abren un camino para dicha investigación al proporcionar un vínculo empírico entre la actividad multitarea de los medios y las diferencias estructurales en el ACC. Otra advertencia es que los hallazgos actuales podrían no extenderse más allá de nuestra población estudiada que tiene una educación relativamente alta y está bien expuesta a la tecnología. De hecho, los patrones de consumo de los medios podrían estar muy influenciados por factores demográficos [ 1 ]. Como tal, los estudios futuros deberían examinar el papel de los factores demográficos, como la educación y el estado socioeconómico, en la moderación de la relación entre la multitarea de los medios, el rendimiento cognitivo y las estructuras cerebrales.

En conclusión, las personas que participaron en más actividades multitarea de medios tenían volúmenes más pequeños de materia gris en el ACC. Esto también podría explicar el desempeño deficiente del control cognitivo y los resultados socioemocionales negativos asociados con el aumento de la multitarea en los medios. Si bien la naturaleza transversal de nuestro estudio no nos permite especificar la dirección de la causalidad, nuestros resultados sacaron a la luz asociaciones novedosas entre los comportamientos de multitarea de los medios individuales y las diferencias de estructura de ACC.

Contribuciones de autor

Concebido y diseñado los experimentos: KL RK. Realizó los experimentos: KL RK. Analizó los datos: KL RK. Reactivos aportados / materiales / herramientas de análisis: KL RK. Escribió el papel: KL RK.

Referencias

  1. 1. Rideout VJ, Foehr UG, Roberts DF (2010) Generación M2: Medios en la vida de 8 a 18 años. Menlo Park, CA.
  2. 2. Ophir E, Nass C, Wagner AD (2009) Control cognitivo en multitarea de medios. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 106: 15583 – 15587. doi: 10.1073 / pnas.0903620106
  3. 3. Becker MW, Alzahabi R, Hopwood CJ (2013) La multitarea de medios está asociada con síntomas de depresión y ansiedad social. Ciberpsicología, comportamiento y redes sociales 16: 132 – 135. doi: 10.1089 / cyber.2012.0291
  4. Ver artículo
  5. PubMed / NCBI
  6. Google Scholar
  7. Ver artículo
  8. PubMed / NCBI
  9. Google Scholar
  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. 4. Pea R, Nass C, Meheula L, Rance M, Kumar A, et al. (2012) Uso de los medios, comunicación cara a cara, multitarea de medios y bienestar social entre las niñas de 8 a las de 12. Psicología del desarrollo 48: 327 – 336. doi: 10.1037 / a0027030
  53. Ver artículo
  54. PubMed / NCBI
  55. Google Scholar
  56. Ver artículo
  57. PubMed / NCBI
  58. Google Scholar
  59. Ver artículo
  60. PubMed / NCBI
  61. Google Scholar
  62. Ver artículo
  63. PubMed / NCBI
  64. Google Scholar
  65. Ver artículo
  66. PubMed / NCBI
  67. Google Scholar
  68. Ver artículo
  69. PubMed / NCBI
  70. Google Scholar
  71. Ver artículo
  72. PubMed / NCBI
  73. Google Scholar
  74. Ver artículo
  75. PubMed / NCBI
  76. Google Scholar
  77. Ver artículo
  78. PubMed / NCBI
  79. Google Scholar
  80. Ver artículo
  81. PubMed / NCBI
  82. Google Scholar
  83. Ver artículo
  84. PubMed / NCBI
  85. Google Scholar
  86. Ver artículo
  87. PubMed / NCBI
  88. Google Scholar
  89. Ver artículo
  90. PubMed / NCBI
  91. Google Scholar
  92. Ver artículo
  93. PubMed / NCBI
  94. Google Scholar
  95. Ver artículo
  96. PubMed / NCBI
  97. Google Scholar
  98. Ver artículo
  99. PubMed / NCBI
  100. Google Scholar
  101. Ver artículo
  102. PubMed / NCBI
  103. Google Scholar
  104. Ver artículo
  105. PubMed / NCBI
  106. Google Scholar
  107. Ver artículo
  108. PubMed / NCBI
  109. Google Scholar
  110. Ver artículo
  111. PubMed / NCBI
  112. Google Scholar
  113. Ver artículo
  114. PubMed / NCBI
  115. Google Scholar
  116. Ver artículo
  117. PubMed / NCBI
  118. Google Scholar
  119. Ver artículo
  120. PubMed / NCBI
  121. Google Scholar
  122. Ver artículo
  123. PubMed / NCBI
  124. Google Scholar
  125. Ver artículo
  126. PubMed / NCBI
  127. Google Scholar
  128. Ver artículo
  129. PubMed / NCBI
  130. Google Scholar
  131. Ver artículo
  132. PubMed / NCBI
  133. Google Scholar
  134. Ver artículo
  135. PubMed / NCBI
  136. Google Scholar
  137. 5. Junco R, Cotton SR (2010) Efectos académicos percibidos del uso de la mensajería instantánea. Informática y Educación 56: 370 – 378. doi: 10.1016 / j.compedu.2010.08.020
  138. 6. Blakemore C, Van Sluyters RC (1975) Factores innatos y ambientales en el desarrollo de la corteza visual del gatito. The Journal of Physiology 248: 663–716.
  139. 7. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et al. (2004) Neuroplasticidad: cambios en la materia gris inducidos por el entrenamiento. Naturaleza 427: 311 – 312. doi: 10.1038 / 427311a
  140. 8. Boyke J, Driemeyer J, Gaser C, Buchel C, May A (2008) Cambios en la estructura del cerebro inducidos por el entrenamiento en los ancianos. The Journal of neuroscience: el diario oficial de la Society for Neuroscience 28: 7031 – 7035. doi: 10.1523 / jneurosci.0742-08.2008
  141. 9. Kanai R, Rees G (2011) La base estructural de las diferencias interindividuales en el comportamiento humano y la cognición. La naturaleza revisa la neurociencia 12: 231 – 242. doi: 10.1038 / nrn3000
  142. 10. Alzahabi R, Becker MW (2013) La asociación entre multitarea de medios, cambio de tareas y rendimiento de doble tarea. Revista de psicología experimental. Percepción humana y rendimiento. 39: 1485 – 1495. doi: 10.1037 / a0031208
  143. 11. Sanbonmatsu DM, Strayer DL, Medeiros-Ward N, Watson JM (2013) ¿Quién realiza múltiples tareas y por qué? Capacidad multitarea, capacidad percibida multitarea, impulsividad y búsqueda de sensaciones. PloS one 8: e54402. doi: 10.1371 / journal.pone.0054402
  144. 12. Koechlin E, Ody C, Kouneiher F (2003) La arquitectura del control cognitivo en la corteza prefrontal humana. Ciencia 302: 1181 – 1185. doi: 10.1126 / science.1088545
  145. 13. Marois R, Ivanoff J (2005) Límites de capacidad del procesamiento de la información en el cerebro. Tendencias en las ciencias cognitivas 9: 296 – 305. doi: 10.1016 / j.tics.2005.04.010
  146. 14. Dux PE, Ivanoff J, Asplund CL, Marois R (2006) Aislamiento de un cuello de botella central del procesamiento de la información con FMRI resuelto en el tiempo. Neuron 52: 1109 – 1120. doi: 10.1016 / j.neuron.2006.11.009
  147. 15. Miller EK, Cohen JD (2001) Una teoría integradora de la función de la corteza prefrontal. Revisión anual de la neurociencia 24: 167 – 202.
  148. 16. Burgess PW, Veitch E, de Lacy Costello A, Shallice T (2000) Los correlatos cognitivos y neuroanatómicos de la multitarea. Neuropsychologia 38: 848 – 863. doi: 10.1016 / s0028-3932 (99) 00134-7
  149. 17. DeYoung CG, Hirsh JB, Shane MS, Papademetris X, Rajeevan N, et al. (2010) Pruebas de predicciones desde la neurociencia de la personalidad. La estructura del cerebro y los cinco grandes. Ciencia psicológica 21: 820 – 828. doi: 10.1177 / 0956797610370159
  150. 18. Ashburner J (2007) Un algoritmo rápido de registro de imágenes difeomórficas. NeuroImage 38: 95 – 113. doi: 10.1016 / j.neuroimage.2007.07.007
  151. 19. John OP, Srivastava S (1999) La taxonomía de los cinco grandes rasgos: historia, medición y perspectivas teóricas. En: Pervin LA, John OP, editores. Manual de personalidad: Teoría e investigación. Nueva York: Guilford Press. 102 – 138.
  152. 20. Ashburner J, Friston KJ (2000) Morfometría basada en vóxels: los métodos. NeuroImage 11: 805 – 821. doi: 10.1006 / nimg.2000.0582
  153. 21. Whitfield-Gabrieli S, Moran JM, Nieto-Castanon A, Triantafyllou C, Saxe R, et al. (2011) Asociaciones y disociaciones entre redes predeterminadas y de auto-referencia en el cerebro humano. NeuroImage 55: 225 – 232. doi: 10.1016 / j.neuroimage.2010.11.048
  154. 22. Devinsky O, Morrell MJ, Vogt BA (1995) Contribuciones del córtex cingulado anterior al comportamiento. Cerebro: una revista de neurología 118 (Pt 1): 279 – 306. doi: 10.1093 / cerebro / 118.1.279
  155. 23. Bush G, Luu P, Posner MI (2000) Influencias cognitivas y emocionales en la corteza cingulada anterior. Tendencias en las ciencias cognitivas 4: 215 – 222. doi: 10.1016 / s1364-6613 (00) 01483-2
  156. 24. Lui KF, Wong AC (2012) ¿La multitarea de medios siempre duele? Una correlación positiva entre la integración multitarea y multisensorial. Boletín y revisión psiconómicos 19: 647–653. doi: 10.3758 / s13423-012-0245-7
  157. 25. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, y otros. (2001) Un modo por defecto de la función cerebral. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
  158. 26. Buckner RL, Andrews-Hanna JR, Schacter DL (2008) La red predeterminada del cerebro: anatomía, función y relevancia para la enfermedad. Anales de la Academia de Ciencias de Nueva York 1124: 1–38. doi: 10.1196 / annals.1440.011
  159. 27. Carter CS, Macdonald AM, Botvinick M, Ross LL, Stenger VA, y otros. (2000) Procesos ejecutivos de análisis: funciones estratégicas frente a funciones evaluativas de la corteza cingulada anterior. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 97: 1944 – 1948. doi: 10.1073 / pnas.97.4.1944
  160. 28. Botvinick MM, Braver TS, Barch DM, Carter CS, Cohen JD (2001) Monitoreo de conflictos y control cognitivo. Revisión psicológica 108: 624 – 652. doi: 10.1037 // 0033-295x.108.3.624
  161. 29. Bush G, Whalen PJ, Rosen BR, Jenike MA, McInerney SC, et al. (1998) El recuento Stroop: una tarea de interferencia especializada para el estudio de validación de neuroimagen funcional con resonancia magnética funcional. Mapeo del cerebro humano 6: 270-282. doi: 10.1002 / (sici) 1097-0193 (1998) 6: 4 <270 :: aid-hbm6> 3.3.co; 2-h
  162. 30. Leung HC, Skudlarski P, Gatenby JC, Peterson BS, Gore JC (2000) Un estudio de resonancia magnética funcional relacionado con eventos de la tarea de interferencia de la palabra de color stroop. Corteza cerebral 10: 552 – 560. doi: 10.1093 / cercor / 10.6.552
  163. 31. Corbetta M, Miezin FM, Dobmeyer S, Shulman GL, Petersen SE (1991) Atención selectiva y dividida durante las discriminaciones visuales de forma, color y velocidad: anatomía funcional mediante tomografía por emisión de positrones. The Journal of neuroscience: el diario oficial de la Society for Neuroscience 11: 2383 – 2402.
  164. 32. Botvinick M, Nystrom LE, Fissell K, Carter CS, Cohen JD (1999) Monitoreo de conflictos versus selección para la acción en la corteza cingulada anterior. Naturaleza 402: 179 – 181. doi: 10.1038 / 46035
  165. 33. Casey BJ, Thomas KM, Welsh TF, Badgaiyan RD, Eccard CH, et al. (2000) Disociación del conflicto de respuesta, selección de atención y expectativa con imágenes de resonancia magnética funcional. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 97: 8728 – 8733. doi: 10.1073 / pnas.97.15.8728
  166. 34. Dreher JC, Grafman J (2003) Disociar las funciones del cingulado anterior rostral y las cortezas prefrontales laterales al realizar dos tareas de forma simultánea o sucesiva. Corteza cerebral 13: 329 – 339. doi: 10.1093 / cercor / 13.4.329
  167. 35. Erickson KI, Colcombe SJ, Wadhwa R, Bherer L, Peterson MS, y otros. (2005) Correlaciones neuronales del rendimiento de doble tarea después de minimizar la preparación de tareas. NeuroImage 28: 967 – 979. doi: 10.1016 / j.neuroimage.2005.06.047
  168. 36. Milham MP, Banich MT, Webb A, Barad V, Cohen NJ, et al. (2001) La participación relativa del cingulado anterior y la corteza prefrontal en el control atencional depende de la naturaleza del conflicto. Investigación del cerebro Investigación del cerebro cognitivo 12: 467 – 473. doi: 10.1016 / s0926-6410 (01) 00076-3
  169. 37. Kiehl KA, Liddle PF, Hopfinger JB (2000) Procesamiento de errores y el cingulado anterior rostral: un estudio de RMF relacionado con eventos. Psicofisiología 37: 216 – 223. doi: 10.1111 / 1469-8986.3720216
  170. 38. Ralph BC, Thomson DR, Cheyne JA, Smilek D (2013) Multitarea de medios y fallas de atención en la vida cotidiana. La investigación psicológica. doi: 10.1007 / s00426-013-0523-7
  171. 39. Fellows LK, Farah MJ (2005) ¿Es la corteza cingulada anterior necesaria para el control cognitivo? Cerebro: una revista de neurología 128: 788 – 796. doi: 10.1093 / cerebro / awh405
  172. 40. Swick D, Turken AU (2002) Disociación entre la detección de conflictos y el control de errores en la corteza cingulada anterior humana. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 99: 16354 – 16359. doi: 10.1073 / pnas.252521499
  173. 41. Swick D, Jovanovic J (2002) Córtex cingulado anterior y la tarea Stroop: evidencia neuropsicológica de especificidad topográfica. Neuropsychologia 40: 1240 – 1253. doi: 10.1016 / s0028-3932 (01) 00226-3
  174. 42. Rotge JY, Guehl D, Dilharreguy B, Tignol J, Bioulac B, et al. (2009) Meta-análisis de los cambios en el volumen cerebral en el trastorno obsesivo-compulsivo. Psiquiatría biológica 65: 75 – 83. doi: 10.1016 / j.biopsych.2008.06.019
  175. 43. Yamasue H, Kasai K, Iwanami A, Ohtani T, Yamada H, et al. (2003) El análisis basado en vóxels de la RM revela una reducción del volumen de la materia gris cingulada anterior en el trastorno de estrés postraumático debido al terrorismo. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América 100: 9039 – 9043. doi: 10.1073 / pnas.1530467100
  176. 44. Caetano SC, Kaur S, Brambilla P, Nicoletti M, Hatch JP, et al. (2006) Volúmenes cingulados más pequeños en pacientes con depresión unipolar. Psiquiatría biológica 59: 702 – 706. doi: 10.1016 / j.biopsych.2005.10.011
  177. 45. Franklin TR, Acton PD, Maldjian JA, Gray JD, Croft JR, et al. (2002) Disminución de la concentración de la materia gris en las cortezas insular, orbitofrontal, cingulada y temporal de pacientes de cocaína. Psiquiatría biológica 51: 134 – 142. doi: 10.1016 / s0006-3223 (01) 01269-0
  178. 46. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, y otros. (2011) Anormalidades de la materia gris en la adicción a Internet: un estudio de morfometría basado en voxel. Revista europea de radiología 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
  179. 47. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et al. (2011) Anomalías en la microestructura en adolescentes con trastorno de adicción a Internet. PloS one 6: e20708. doi: 10.1371 / journal.pone.0020708
  180. 48. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et al. (2012) Integridad anormal de la materia blanca en adolescentes con trastorno de adicción a Internet: un estudio de estadísticas espaciales basado en las vías. PloS one 7: e30253. doi: 10.1371 / journal.pone.0030253