حجم مواد خاکستری تغییر یافته و یکپارچگی مواد سفید در دانش آموزان کالج با وابستگی تلفن همراه (2016)

معرفی

همانطور که توسط eMarketer.com گزارش شده است ، تعداد مشترکین جهانی تلفن های هوشمند در 2,380 به 2017 میلیون خواهد رسید ، که 672.1 میلیون آن مشترکان چینی خواهند بود. تلفن های هوشمند دارای بسیاری از ویژگی های جذاب هستند که به شکوفایی استفاده شایع آن در زندگی مدرن ، به ویژه برای بزرگسالان جوان کمک می کند. این یک منبع غیرقابل توصیف برای تفریح ​​و آرامش ، ابزاری بسیار مؤثر برای برقراری و حفظ روابط بین فردی است و روشی مناسب برای جلوگیری از حالات ناخوشایند و خلق و خوی زمان است.چولیز، 2010).

به طور فزاینده ای ، دنیای خود را از طریق این ارگان پیچیده ، چند منظوره و جدید درک می کنند. با این حال ، بیشتر و بیشتر بزرگسالان جوان از تلفن های هوشمند به روش غیرقانونی استفاده می کنند. در سال های اخیر ، مشکلات فیزیولوژیکی ، اجتماعی ، رفتاری و حتی عاطفی با استفاده گسترده ، کنترل نشده و بیش از حد از دستگاه های همراه همراه بوده است و توجهات منفی احتمالی استفاده بیش از حد از تلفن همراه را جلب کرده است (رابرتز و همکاران، 2015).

استفاده بیش از حد از تلفن همراه ، به عنوان یک اختلال ، می تواند یک اعتیاد رفتاری تلقی شود (بیلیو ، 2012) چارچوب عمومی سنتی برای اعتیاد مبتنی بر یک الگوی پزشکی است که به وابستگی جسمی و روانی ناشی از مصرف موادی مانند دخانیات ، الکل یا سایر داروها اشاره دارد (مک میلان و همکاران ، 2001) با این حال ، محققان معتقدند که اعتیاد باید گسترش یابد تا الگوهای رفتاری آسیب شناختی که مشابه وابستگی به مواد هستند ، گسترش یابد و در مجموع به این موارد "اعتیادهای رفتاری" گفته شده است.لیمو ، 2002) بنابراین ، اعتیاد به رفتار به غیر از آگاهی از عواقب نامطلوب ، به رفتارهایی اشاره می کند که علاوه بر مصرف مواد روانگردان ، باعث ایجاد احساس پاداش در کوتاه مدت می شود و باعث ادامه رفتار مداوم می شود. این رفتارها شامل قمار پاتولوژیک ، انتخاب پوست ، کلپتومانیا ، خرید اجباری و رفتارهای اجباری جنسی است که نام آنها را چند (گرانت و همکاران، 2010) اعتیاد رفتاری در بسیاری از حوزه ها ، از جمله تاریخ طبیعی ، پدیدارشناسی ، مانند اعتیاد به مواد است.رابرتز و همکاران، 2015) تحمل (Leung ، 2008) ، مشارکت ژنتیکی با هم همپوشانی دارند (بیلیو ، 2012) ساز و کارهای عصبی (Billieux و همکاران، 2015a) ، همبودی ، پاسخ به درمان (Billieux و همکاران، 2015b) و ویژگی اصلی اصلی کنترل کاهش یافته (Walther et al.، 2012) با ظهور و استفاده روزافزون از فناوری هایی مانند تلویزیون ، بازی های رایانه ای و اینترنت ، زیر مجموعه جدیدی از اعتیاد به رفتاری که از نظر ماهیت غیر شیمیایی است ، اعتیاد فن آوری ، به عنوان استفاده بیش از حد مشکل ساز از فناوری شامل انسان توصیف می شود. تعامل دستگاه (گریفیث، 1996).

وابستگی به تلفن همراه (MPD) ، زیر مجموعه ای از اعتیاد به رفتاری یا فناوری ، بسیاری از ویژگی های مشترک را با سایر اختلالات اعتیاد به اشتراک می گذارد (Bianchi و فیلیپس ، 2005; بیلیو ، 2012) این خصوصیات مشترک با "معیارهای اعتیاد رفتاری براون" خلاصه می شود (براون، 1993) ، و عبارتند از: سلامتی شناختی ، تعارض با افراد یا فعالیتهای دیگر ، سرخوشی یا تسکین ، تحمل یا از دست دادن کنترل رفتار ، برداشتن ، عود و بازگشت مجدد (Martinotti و همکاران، 2011) به طور کلی ، MPD به عنوان استفاده بیش از حد و کنترل نشده از تلفن همراه به حدی تأثیر گرفته است که بر زندگی واقعی فرد تأثیر می گذارد. به عنوان مثال ، با یادآوری وابستگی و ترک ، فرد مبتلا به MPD ممکن است در غیاب گوشی خود احساس ناراحتی و تحریک کند ، از جمله احساس خلأ جسمی و روانی در میان سایر علائم کلاسیک ترک (Ling و Pedersen ، 2006).

برای بسیاری از افراد MPD ، تلفن همراه می تواند آنقدر جذاب باشد که بتواند بر زندگی و علایق آنها حاکم شود (Chóliz ، 2012) در حقیقت ، تحقیقات نشان داده است كه MPD مربوط به پریشانی روانشناختی ، بی ثباتی عاطفی ، مادی گرایی است (Beranuy و همکاران ، 2009) انگیزه تأیید (تاكائو و همكاران ، 2009) کسالت اوقات فراغت ، احساس جستجوLeung ، 2008) ، تکانشگری (Billieux و همکاران، 2007, 2008) و رفتارهای پرخطر مانند جنس محافظت نشده ، مصرف مواد مخدر غیرقانونی ، مصرف الکل ، تعلیق در مدرسه و فعالیتهای مجرمانه (یانگ و همکاران، 2010) علاوه بر این ، ارتباطات منفی بین MPD و درونگرایی سالم و وجدان پیدا شده است (رابرتز و همکاران، 2015)، حافظه کاری (Billieux و همکاران، 2008) عملکرد اجرایی (بیلیو ، 2012) ، خودکنترلی و نظارت بر خود (تاكائو و همكاران ، 2009) ، و حتی عزت نفس (یانگ و همکاران، 2010) MPD همچنین ممکن است باعث پایین آمدن کنترل شناختی ، افزایش رفتارهای به دنبال پاداش ، افزایش تحمل در معرض تلفن و اختلال در سلامت روانشناختی و همچنین منجر به کاهش عملکرد کار و حتی نارسایی تحصیلی شود (Billieux و همکاران، 2015a) ، مانند سایر اختلالات اعتیاد.

نکته مهم ، نشان داده شده است که تکانشگری صفت در بسیاری از انواع اختلالات وابستگی از جمله اعتیاد به مواد مخدر نقش اساسی دارد (مورنو-لوپز و همکاران ، 2012)، مشکلات قمار (Joutsa et al.، 2011; بیکل و همکاران، 2012) ، اعتیاد به بازی آنلاین (هان و همکاران ، 2012b) ، و حتی اعتیاد به اینترنت (کائو و همکاران، 2007; لین و همکاران، 2012) بنابراین ، در مطالعه حاضر ، اندازه گیری میزان تکانشگری اساسی در MPD را نیز در نظر گرفتیم.

اگرچه برخی از عوامل بالقوه مربوط به MPD در مطالعات قبلی مشخص شده است ، هنوز هیچ تحقیقاتی انجام نشده است که مکانیسم های عصبی اساسی یا تغییرات مورفولوژیکی مغز موجود در افراد MPD را مورد بررسی قرار دهد. وعده فوق العاده ای برای استفاده از تصویربرداری با تشدید مغناطیسی (MRI) برای روشن کردن مکانیسم های عصبی MPD وجود دارد (یوان و همکاران، 2011) و نتایج ممکن است به پیشرفت مداخلات رفتاری یا معالجه دارویی برای این و سایر انواع اعتیاد در آینده نزدیک کمک کند (Hanlon و Canterberry ، 2012) بنابراین ، در مطالعه حاضر ، ما با هدف بررسی اقدامات مورفولوژی مغزی با MRI در افراد مبتلا به MPD ، به ویژه در دانشجویان جوان بالغ به دلیل نقش فزاینده ای که تلفن های همراه در این جمعیت بازی می کنند.

الگوهای فرضی عصبی مشترک بین MPD و سایر اختلالات اعتیاد فرض بر این ایده است که با درک بهتر مکانیسم های MPD ، انواع دیگر اعتیاد نیز ممکن است روشن شود (Billieux و همکاران، 2015a) در مطالعه اعتیاد به اینترنت در بزرگسالان جوان ، ژو و همکاران (2011) دریافتند که در مقایسه با یک گروه کنترل سالم ، بزرگسالان معتاد به اینترنت چگالی ماده خاکستری کمتری در قشر سینگولات قدامی چپ ، قشر سینگولاتاس خلفی چپ ، انسولین سمت چپ و گوروس زبانی چپ داشتند. در یک مطالعه مشابه با نگاه به اعتیاد بازی های آنلاین در بزرگسالان جوان ، ونگ و همکاران (2013) آتروفی ماده خاکستری را در قشر orbitofrontal راست (OFC) ، انسولین دو طرفه ، و منطقه حرکتی تکمیلی راست ، و همچنین کاهش ناهمسانگردی کسری (FA) در جنس راست قشر کالوس ، ماده سفید لوب فرونتال دو طرفه (WM) ، و کپسول خارجی راست در بازی معتاد افراد آنلاین. در تحقیقات مربوط به قمار پاتولوژیک ، حجم ماده خاکستری بالاتر (GMV) در جسم مخطط شکمی و قشر جلوی جلوی راست وجود داشته است (کوهلر و همکاران ، 2013) ، FA پایین پایین ، و میانگین انتشار بالاتر (MD) در corpus callosum ، cingulum ، شاخه بلند طولی برتر ، شاخه تحتانی اکتسیپال تحتانی ، اندام قدامی کپسول داخلی ، اشعه تالامیک قدامی ، استخوان طولی تحتانی ، و مجسمه غیرقابل اعتماد / فرومایه فرونتال-انسداد در گروه بیماران قمار پاتولوژیک (Joutsa et al.، 2011) این مناطق گزارش شده مربوط به کنترل مهاری ، پردازش پاداش و تحریک پذیری است (رومرو و همکاران ، 2010; لی و همکاران، 2015) MPD در تئوری ممکن است به برخی از این مناطق نیز آسیب برساند (Hanlon و Canterberry ، 2012) ، و بررسی شباهت ها و اختلافات بین اعتیادهای مختلف می تواند درک ما از مکانیسم های عصبی رفتارهای MPD را عمیق تر کند و ممکن است به پیشرفت مداخلات خاص برای آن کمک کند.

بسیاری از روش های MRI خودکار و هدف برای توصیف الگوهای ساختاری سالم مغز ، از جمله تصویربرداری ساختاری با وزن T1 و تصویربرداری تانسور انتشار (DTI) استفاده شده است. در گذشته ، GMV را می توان مورد بررسی قرار داد و بیشتر با تجزیه و تحلیل مورفومتری مبتنی بر وکسل (VBM) محاسبه کرد. براساس بررسی فوق ، ما فرضیه کاهش GMV در مناطق لوب فرونتال و تالاموس را در گروه MPD نسبت به گروه شاهد داشتیم. ما همچنین تصور می کردیم که گروه MPD با اختلال در الیاف WM مرتبط با پردازش عاطفی ، توجه اجرایی ، تصمیم گیری و کنترل شناختی همراه باشد. چهار نماینده یکپارچگی فیبر از جمله FA ، MD ، انتشار محوری (AD) و انتشار شعاعی (RD) ، محاسبه شده از طریق تجزیه و تحلیل آماری مکانی مبتنی بر دستگاه (TBSS) (Yeh و همکاران، 2009) ، به انتشار مولکول های آب در مغز حساس هستند (باسر و همکاران ، 1994) ، و نشانگرهای زیستی واجد شرایط برای ارزیابی اثربخشی WM (حسن و همکاران ، 2011).

در مطالعه حاضر ، هر دو GMV و WM از یکپارچگی WM با استفاده از این اقدامات به منظور آشکارسازی اختلافات احتمالی که ممکن است در بزرگسالان جوان با MPD وجود داشته باشد ، با پتانسیل درک بهتر مکانیسم های عصبی احتمالی آن مورد بررسی قرار گرفت.

مواد و روش ها

بیانیه اخلاقی

این تحقیق توسط کمیته اخلاق دانشگاه جنوب غربی تأیید شد و رضایت آگاهانه کتبی از هر شرکت کننده بدست آمد. همه شرکت کنندگان بالای سن 18 بودند و به آنها اطلاع داده شد که مشارکت آنها کاملاً داوطلبانه بوده و در هر زمان توانایی جدایی دارند.

شرکت کنندگان

سیصد دانشجوی دانشگاهی از طریق جزوه و تبلیغات اینترنتی از دانشگاه Southwest (SWU ، چونگ کینگ ، چین) استخدام شدند. آنها لازم بودند مقیاس اعتیاد به تلفن همراه (MPAI) را تکمیل کنند که در آن امتیاز بالاتر از 51 آنها را به عنوان وابسته به تلفن همراه (MPD) طبقه بندی می کرد. این طبقه بندی منجر به گروه MPD از افراد 34 (زن 21 ، دامنه: 18-27 ساله) شد. به منظور مطابقت با گروه MPD ، دانشجویان غیر MPD 34 (زن 21 ، دامنه: 18-27 سال) به طور تصادفی به عنوان گروه کنترل (CG) انتخاب شدند. در هزینه های ماهانه شخصی ، سن ، جنس و سالهای تحصیل بین گروه ها تفاوت معنی داری وجود ندارد (جدول را ببینید 1).

 

جدول 1. وضعیت اقتصادی ، جمعیت شناسی ، نمرات MPAI و BIS از شرکت کنندگان.

علاوه بر این ، همه شرکت کنندگان هیچ اختلال عصبی ، سابقه اختلالات روانپزشکی ، یا قطعات فلزی ، خال کوبی و سوراخ شدن سوراخ نشده بر روی بدن خود ندارند. همه آنها از نظر عادی یا تصحیح شده از دید عادی ، دست راست ، و زبان مادری چینی بودند.

ارزیابی پرسشنامه

مقیاس MPAI (Leung ، 2008) ، که شامل موارد 17 است ، برای تخمین میزان MPD استفاده شد. از مقیاس لیکرت پنج نقطه ای استفاده شد: 1 = "اصلاً" ، "2 =" بندرت ، "3 =" گهگاه ، "4 =" اغلب ، "5 =" همیشه ، "17 =" همیشه. " نمره کل از 85 تا 51 متغیر است که مطابق تقسیم متوسط ​​، XNUMX یا بیشتر نشان دهنده وابستگی تلفن است (Martinotti و همکاران، 2011) قابلیت اطمینان مقیاس همانطور که توسط آلفای کرونباخ نشان داده شده است در 0.90 بسیار قابل توجه است (Leung ، 2008).

مقیاس تحریک پذیری بارات (BIS-11) (پاتون و همکاران، 1995) برای اندازه گیری تکانشگری صفت به هر دو گروه اجرا شد. BIS از موارد 30 با استفاده از مقیاس لیکرت پنج امتیازی ساخته شده است ، در جایی که هرچه امتیاز بالاتر باشد ، تکانشگری قوی تر می شود. قابلیت اطمینان داخلی و قابلیت اطمینان مجدد به ترتیب 0.89 و 0.91 است (لی و همکاران، 2011).

خرید اسکن

تمام داده های تصویربرداری با استفاده از یک اسکنر 3T زیمنس (زیمنس پزشکی ، ارلانگن ، آلمان) در مرکز تحقیقات تصویربرداری مغز از دانشگاه جنوب غربی بدست آمد. تصاویر آناتومیکی با وضوح بالا T1 با یک آهنربایی آماده شده دنباله اکو سریع شیب (MPRAGE) تهیه شد [زمان تکرار (TR) = 1900 ms ، زمان اکو (TE) = 2.52 ms ، میدان دید (FOV) = 256 میلی متر ، زاویه تلنگر = 90 ° ، وضوح ماتریس درون هواپیما = 256 × 256 ، ضخامت برش = 1 میلی متر ، برش = 176 ، اندازه وکسل = 1 میلی متر × 1 mm × 1 میلی متر] تصاویر Tensor انتشار 12 جهت (DTI) با توالی اکو اگزوز چرخش دو بار refocused ، TR = 6000 ms ، TE = 89 ms ، FOV = 240 mm ، وضوح ماتریس = 128 128 ، ضخامت برش = 3 میلی متر ، برش = جمع آوری شد. 45 ، b-value = 1000s / mm².

تجزیه و تحلیل داده های تصویربرداری ساختاری

داده های تصویربرداری ساختاری هر شخص با استفاده از نرم افزار آماری پارامتری نقشه برداری (SPM8) مورد تجزیه و تحلیل قرار گرفت¹) در MATLAB R2014a (MathWorks Inc. ، Natick، MA، USA) و برای اولین بار برای بررسی آثار باستانی و ناهنجاری های آناتومیکی ناچیز نمایش داده شد. اسکن ها به صورت دستی ثبت شده و به خط قدامی کمر کمر-خلفی تنظیم شدند ، سپس به ماده خاکستری (GM) ، WM و مایع مغزی نخاعی (CSF) تقسیم شدند.یین و همکاران، 2013) سرانجام ، نتایج با استفاده از ثبت نام آناتومیکی Diffeomorphic از طریق جعبه ابزار جبری Lie Exponentiated (DARTEL) ثبت و تنظیم و تعدیل شدند که از یک الگوریتم ثبت نام پیشرفته تر برای دستیابی دقیق تر به ثبت درون موضوعی استفاده می کند. عملکرد آن در الگوریتمهای ثبت نام غیرخطی بهتر از سایر جعبه های ابزار مشابه است.

پس از این مراحل پیش پردازش ، الگوی مغز خاص مطالعه از کلیه تصاویر موضوعی (یعنی میانگین تصویر) ایجاد شد و شدت تصویر هر وکسل توسط عوامل Jacobian تنظیم شد تا تسهیل در تعیین اختلافات منطقه ای در مقدار مطلق GM باشد. . تصاویر ثبت شده سپس به فضای انستیتوی عصبی مونترال (MNI) تبدیل شدند و سرانجام ، تصاویر عادی و مدوله شده با یک 10 میلی متر با عرض کامل در نیمه حداکثر (FWHM) هسته گاوسو صاف شدند تا نسبت سیگنال به نویز افزایش یابد.

تفاوت GMV بین MPD و CG با دو نمونه ارزیابی شد tآزمون با استفاده از SPM8 که در آن حجم کلی GM و همچنین نمرات BIS برای کواریانس اضافه شده است ، به دلیل عدم تحرک صفت ممکن است یک عامل مخدوش کننده باشد. ماسک آستانه شدت سیگنال وکسل مطلق به 0.2 تنظیم شده است تا اثرات مرز GM را به حداقل برساند (Duan و همکاران ، 2012) سطح اهمیت در تنظیم شد p 0.01/XNUMX <با اصلاح Alpha-Sim ، محاسبه شده با استفاده از نرم افزار DPABI² (Chao-Gan و Yu-Feng ، 2010) تصاویر حاصل با BrainNet Viewer تجسم می شوند (Xia و همکاران ، 2013).

به منظور تأیید اختلافات مرتبط با MPD نسبت به گروه شاهد ، خوشه های GMV به طور متفاوتی بین دو گروه به عنوان مناطق مورد علاقه (ROI) انتخاب شدند و مقادیر GMV این ROI ها در گروه MPD پس از آن توسط REST استخراج شد.³، و وارد یک تحلیل همبستگی پیرسون با نمرات MPAI با اهمیت تعیین شده در p <0.05 (آهنگ و غیره، 2011).

تجزیه و تحلیل داده های تصویربرداری از Tensor

داده های تصویربرداری با وزن وزنی به روش زیر با استفاده از ابزار خط لوله ، PANDA پردازش شدند⁴: تخمین ماسک مغز با استفاده از تصویر b0 بدون وزن انتشار ، برداشت فضای غیر مغزی در تصاویر خام در 0.25 [آستانه شدت کسری (0 → 1) ، که در آن مقادیر کوچکتر تخمین های مغز بزرگتر را می دهد] ، اصلاح اعوجاج ناشی از جریان گردابی و حرکت سر در حین اسکن با ثبت تصاویر دارای وزنی انتشار (DWI) به تصویر b0 با یک تحول عاطفه ، ثبت غیر خطی کلیه تصاویر FA در فضای بومی به الگوی FA در انستیتوی عصبی مونترال ( MNI) فضای استاندارد ، پیچ و تاب تحولات استفاده شده برای تغییر مجدد تصاویر اندازه گیری های انتشار با 1 mm × 1 mm × 1 mm وضوح مکانی ، اجرای روش TBSS که در آن اسکلت های افراد ایجاد شده است و میانگین متوسط ​​هر زیر منطقه ، MD ، ل₁ و λ₂₃ مقدار WM اسكلت دار افراد با توجه به اطلس WM استريوتاكسيك جانز هاپكينز محاسبه شد - كه شامل مناطق هسته 50 است (موری و همکاران ، 2008) - برای شمارش بیشتر مبتنی بر اطلس از طریق تجزیه و تحلیل چند عاملی واریانس بین دو گروه در حالی که از نمرات BIS استفاده می کند. سرانجام ، آنالیز همبستگی پیرسون در گروه MPD بین مقادیر مناطق مختلف و نمرات MPAI با اهمیت تعیین شده در p <0.05 (Cui و همکاران، 2013) قدرت آماری این روش با اطمینان مورد آزمایش قرار گرفت (اشیشی و همکاران ، 2009; Faria و همکاران ، 2010) نتیجه با استفاده از جعبه ابزار FSL (FSL 5.0.0) با FSLView ارائه شد⁵(،)اسمیت و همکاران، 2006).

نتایج

عملکرد پرسشنامه

گروه MPD نمرات قابل توجهی بالاتر از MPAI از CG داشت. آنها همچنین زمان قابل توجهی بیشتر در تلفن همراه خود گذراندند (جدول را ببینید 1) همانطور که انتظار می رود ، نمرات BIS در گروه MPD نیز به طور قابل توجهی بالاتر بود ، نشان می دهد که افراد MPD از نظر کنترل نسبت به گروه شاهد دارای خاصیت تحریک پذیری بیشتری بودند.

اختلاف خاکستری تفاوت حجم بین گروه ها

در مقایسه با CG ، گروه MPD به طور چشمگیری GMV را در gyrus frontal فوقانی راست (sFG) ، gyrus frontal inferior راست (iFG) ، gyrus frontal medial دو طرفه (mFG) ، gyrus occipital میانی راست (mOG) ، قشر کینگگزول قدام چپ چپ کاهش یافته است. (ACC) ، و تالاموس دو طرفه (Thal) (نگاه کنید به جدول 2) علاوه بر این ، در گروه MPD ، GMV از sFG راست ، iFG راست و Thal با نمرات MPAI همبستگی منفی داشت (نگاه کنید به شکل 1).

 

جدول 2. تفاوت قابل توجه حجم ماده خاکستری (GMV) بین گروه وابسته به تلفن همراه (MPD) و گروه کنترل (MPD گروه <گروه کنترل).

شکل 1 تفاوت های قابل توجه GMV بین گروه MPD و گروه کنترل (CG> MPD) و همبستگی منفی بین نمرات GMV و MPAI در گروه MPD. در مقایسه با گروه کنترل ، گروه MPD به طور قابل توجهی GMV در sFG راست ، iFG راست ، mFG دو طرفه ، mG راست ، ACC چپ ، و دو طرفه Thal کاهش یافته است. علاوه بر این ، در گروه MPD ، GMV از sFG راست ، iFG راست و Thal با نمرات MPAI همبستگی منفی داشت. sFG ، گوروس برتر جلو. iFG ، gyrus frontal inferior؛ mFG ، گوروس فرونتال میانی. mOG ، gyrus occipital میانی. ACC ، قشر سینگولات قدامی. ثال ، تالاموس؛ MPD ، وابستگی به تلفن همراه؛ CG ، گروه کنترل؛ MPAI ، فهرست اعتیاد به تلفن همراه؛ GMV ، حجم ماده خاکستری. ل ، چپ؛ درست است

اختلاف DTI بین گروه ها

برای تجزیه و تحلیل TBSS اطلس ، مقادیر FA و AD برای الیاف بسته نرم افزاری cingulum هیپوکامپ (CgH) به طور قابل توجهی در افراد MPD ، نسبت به گروه شاهد کاهش یافته است (نگاه کنید به جدول 3) علاوه بر این ، در گروه MPD ، FA از CgH با نمرات MPAI همبستگی منفی داشت (شکل را ببینید) 2).

جدول 3. تفاوت شاخص قابل توجهی در تصویربرداری تنسور انتشار (DTI) بین گروه MPD و گروه کنترل (گروه MPD <گروه کنترل).

 

شکل 2 کاهش FA و AD در CgH دو طرفه (زیر مناطق تقسیم شده توسط اطلسهای استریوتاکسی جان هاپکینز) در گروه MPD در مقایسه با گروه کنترل (MPD <CG) و همبستگی منفی بین نمرات FA و MPAI در گروه MPD. ارزش FA و AD از CgH در افراد MPD به طور قابل توجهی کاهش یافته است ، نسبت به گروه کنترل. علاوه بر این ، در گروه MPD ، FA از CgH با نمرات MPAI همبستگی منفی داشت. CgH ، الیاف بسته نرم افزاری cingulum در هیپوکامپ. FA ، ناهمسانگردی کسری؛ میلادی ، انتشار محوری. MPD ، وابستگی به تلفن همراه؛ CG ، گروه کنترل؛ MPAI ، فهرست اعتیاد به تلفن همراه.

بحث

تا آنجا که می دانیم ، مطالعه حاضر اولین تلاش برای کشف مورفولوژی عصبی تغییر یافته در دانشجویان با MPD بود. ما GMV و چهار شاخص صداقت WM (FA ، MD ، AD و RD) را بین افراد MPD و افراد سالم مقایسه کردیم. نتایج نشان داد که افراد MPD نسبت به شاهد ، GMV را کاهش داده اند ، در sFG راست ، iFG راست ، mFG دو طرفه ، mG راست ، ACC چپ ، و تالاموس دو طرفه (Thal). تا آنجا که از WM یکپارچگی ، گروه MPD کاهش FA و AD از الیاف بسته نرم افزاری سینگولوم هیپوکامپ دو طرفه (CgH). علاوه بر این ، ارزش GMV از sFG راست ، iFG راست ، و تالاموس دو طرفه (Thal) با نمرات MPAI در گروه MPD همبستگی منفی داشتند ، همانطور که ارزش FA از CgH بود. علاوه بر این ، ما تأیید کردیم که گروه MPD از مقیاس تحریک پذیری بارات (BIS-11) اندازه گیری می شود.پاتون و همکاران، 1995).

این یافته ها نشان می دهد مکانیسم های عصبی ممکن است زمینه ای در پشت MPD ، و به طور همزمان در درک بهتر نقش اساسی تحرک در این نوع از اعتیاد رفتاری کمک می کند. نتایج همچنین بینشی در مورد شباهت ها و تفاوت های بین MPD و انواع دیگر اختلالات اعتیاد ارائه می دهد.

کاهش حجم خاکستری ماده در MPD

در مطالعه حاضر ، ما GMV را در گروه MPD کاهش یافته ایم ، یافته ای که براساس یافته های سایر مطالعات اعتیاد به مواد مخدر و رفتاری که در آن از انگیزش نیز فرضی شده است تا نقش تأثیرگذار داشته باشد ، با فرضیه ما سازگار است.

مطالعات عصبی عملکردی اعتیاد به مواد مخدر نشان می دهد که مواد مخدر سوء مصرف نه تنها بر ساختارهای قشر غنی از دوپامین تأثیر می گذارد مانند ناحیه تنش شکمی بطن (VTA) ، هسته اکومبنس (NAcc) ، هسته نوسانی ، پوتامن ، تالاموس و آمیگدال ، بلکه باعث اختلال در مناطق پیش بینی قشر مغز می شود. مانند قشر جلوی مغزی (PFC) ، OFC ، ACC و انسولین (Hanlon و Canterberry ، 2012) به طور مشابه به اعتیاد به مواد مخدر ، افراد با اعتیاد به رفتاری معمولاً به عنوان داشتن عملکرد غیرطبیعی در نواحی مغز که شامل قشر جلوی مغز ، ACC است مشخص می شوند (گرانت و همکاران، 2010) ، جسم مخطط شکمی (هان و همکاران، 2012a) و VTA ، NAcc (گرانت و همکاران، 2010) ، انسول (Kuss و Griffiths، 2012) و تالاموس (ون هولست و همکاران، 2010) علاوه بر عملکرد تغییر یافته در این مناطق ، شایان ذکر است که تغییر مورفولوژی مغز در این مناطق نیز در معتادان به اینترنت و همچنین معتادان به قمار گزارش شده است. به عنوان مثال ، مطالعات نشان داده است كه در این شرایط GMC كاهش یافته است.ژو و همکاران، 2011) ، OFC راست ، انسولهای دو طرفه و منطقه موتور تکمیلی مناسب (Weng و همکاران، 2013) این مناطق تا حد زیادی با مدارهای مربوط به کنترل مهاری همپوشانی دارند (Ersche et al.، 2011) ، پردازش پاداش ، تصمیم گیری و سایر کارکردهای شناختی (رومرو و همکاران ، 2010).

در مطالعه ما ، کاهش حجم در سه ROI در گروه MPD نسبت به گروه شاهد نیز با MPAI ارتباط داشت. یعنی sFG ، iFG راست و تالاموس. نشان داده شده است که sFG در بسیاری از کارکردهای شناختی پیشرفته مانند کنترل بازدارندگی ، تصمیم گیری آگاهانه ، استدلال ، حافظه کاری نقش دارد (چیس و همکاران، 2011) ، جنبه های کنترل توجه داوطلبانه از بالا به پایین (Hopfinger و همکاران ، 2000) و مدل سازی و پیش بینی رفتار دیگران (یعنی نظریه ذهن) (Cui و همکاران، 2012).

تصور می شود iFG مناسب به عنوان مرکز کنترل مدارهای گانگلیونی فرونتال بازال درگیر با توزیع توجه ، پردازش عاطفی ، کنترل مهاری و نظارت و تعدیل رفتار باشد (مورنو-لوپز و همکاران ، 2012) آسیب آن با مهار رفتاری همراه است و نشان داده شده است که نقش اساسی در حفظ و تشدید اعتیاد رفتاری دارد (گرانت و همکاران، 2010; Kuss و Griffiths، 2012).

تالاموس که به طور گسترده ساختارهای قشر مغز و زیر قشر را با یکدیگر پیوند می دهد ، می تواند به طور قطع یکی از مهمترین قطب های مغز باشد و نشان داده شده است که مربوط به انتظار پاداش ، توجه ، احساسات ، حافظه است (Minagar و همکاران ، 2013) و عملکرد اجرایی (Tuchscherer و همکاران ، 2010) علاوه بر این ، آتروفی تالامیک قبلاً مشخص شده است که با اختلال شناختی همراه است (Hanlon و Canterberry ، 2012).

بر خلاف نتایج ما ، یک مطالعه بیماران مبتلا به اعتیاد به بازی های آنلاین نشان داد که حجم تالامیک در واقع در گروه اعتیاد افزایش یافته است ، فرض بر این است که نتیجه در دسترس بودن بالاتر دوپامین از تحریک چشمگیر و شنوایی فوق العاده ای است که در بازی های آنلاین وجود دارد - تغییر تعادل مدارهای مزولیمبیک (هان و همکاران ، 2012b) این تناقض همچنین ممکن است تفاوت رفتارهای عادت شده به دست آمده بین کاربران تلفن وابسته و بازیکنان معتاد به رایانه را نشان دهد.

یکپارچگی غیر طبیعی ماده سفید در MPD

علاوه بر این کاهش GMV ، ما کاهش یافته است FA و AD الیاف بسته نرم افزاری سینگول هیپوکامپ (CgH) در گروه MPD.

دستگاه cingulum WM دارای اطلاعاتی از gingus cingulate تا هیپوکامپ می باشد و در سطح محوری اسپلنیوم از corpus callosum می تواند به دو زیرشاخه تقسیم شود: cingulum در gyrus cingulate بالای splenium و cingulum در مناطق هیپوکامپ (CgH) زیر اسپلنیوم (موری و همکاران ، 2008) عملکرد CgH شامل دریافت ترکیبات مختلفی از اطلاعات مربوط به تنظیم حسی ، شناختی و تنظیم احساسات است. این ورودی بزرگ حساسیت به هیپوکامپ (زو و همکاران، 2011) ، و به مسیرهای پاداش ، و شکل گیری ، نگهداری و بازیابی حافظه کاری کمک می کند (یوان و همکاران، 2011) - اطلاعاتی که برای کنترل شناختی بسیار مهم است (لاک و همکاران ، 2010; بندیکت و همکاران ، 2013) علاوه بر این ، FA غیر طبیعی در گروه MPD با یافته های مربوط به اعتیاد به الکل سازگار است (Yeh و همکاران، 2009) به طور کلی ، کاهش انتقال اطلاعات بین گوروس سینگول و هیپوکامپ ، همانطور که با کاهش مقدار FA در گروه MPD پیشنهاد می شود ، ممکن است یک مبنای ساختاری اساسی برای نقص های عملکردی باشد که منجر به تحکیم خاطرات مرتبط با اعتیاد می شود.

با این حال ، تا آنجا که ما می دانیم ، کاهش FA در CgH هنوز در هیچ مطالعه اعتیاد رفتاری گزارش نشده است. داده های ما نشان می دهد که کاهش FA در CgH مناسب از گروه MPD عمدتا با کاهش در ارزش AD ، بدون واگرایی مشاهده شده در شاخص RD هدایت می شود. AD بزرگی از انتشار در امتداد جهت اصلی انتشار ، که ممکن است سازمان ساختار فیبر و یکپارچگی آکسون را نشان دهد اندازه گیری می کند (Qiu et al.، 2008) بنابراین ، اصلی ترین مکانیسم اصلی آسیب WM در این ناحیه که در MPD وجود دارد ، ممکن است به دلیل آسیب زدایی آکسون ظریف باشد نه دمیلینه شدن (رومرو و همکاران ، 2010).

تحریک پذیری و وابستگی به تلفن همراه

تحریک پذیری را می توان به عنوان اقداماتی که به صورت زودرس بیان می شود ، تعریف کرد که غیرقابل ریسک هستند ، تصور ضعیفی دارند و این می تواند منجر به عواقب ناخواسته شود (بیکل و همکاران، 2012) این ارتباط نزدیکی با اکثر اختلالات اعتیاد دارد (رومرو و همکاران ، 2010) ، مانند اعتیاد به مواد مخدر (مورنو-لوپز و همکاران ، 2012) قمار پاتولوژیک (Joutsa et al.، 2011) ، اعتیاد به بازی آنلاین (هان و همکاران ، 2012b)، اعتیاد به اینترنت (لین و همکاران، 2012) و MPD (بیلیو ، 2012) جالب توجه است والتر و همکاران. (2012) به بررسی رابطه بین ویژگیهای شخصیتی 12 مختلف و پنج رفتار اعتیاد آور از جمله الکل ، دخانیات و مصرف مواد حشیش ، قمار مشکل ساز و بازی رایانه ای پرداخت و متوجه شد که تکانشگری بالا تنها ویژگی شخصیتی است که با تمام رفتارهای اعتیاد آور همراه است. مورد بررسی قرار گرفت

همانطور که انتظار می رفت ، تحریک پذیری بالاتری در افراد MPD مطابق با تحقیقات قبلی پیدا کردیم. تکانشگری در حقیقت می تواند قویترین پیش بینی کننده MPD باشد (Billieux و همکاران، 2008) این می تواند به شخص پیش بینی کند که مدت زمان طولانی را بر روی تلفن خود بگذراند و درنهایت منجر به MPD شود و به نوبه خود ، می تواند تواناییهای خود سازگاری و کنترل خود را نیز بدتر کند (Billieux و همکاران، 2007) علاوه بر این ، سطح بالای تحریک صفت با اتصال به گیرنده خودکار دوپامین میانی مغز پایین همراه است (Buckholtz و همکاران، 2010) در مورد افراد معتاد به مواد ، به عنوان مثال استفاده مداوم از محرک ها ، باعث تشدید بیشتر صفات تکانشی می شود (مورنو-لوپز و همکاران ، 2012) بنابراین ، به دلیل ارتباط نزدیک بین تکانشگری و اختلالات اعتیاد ، به منظور بهبود مداخلات درمانی که به ارتقاء فرایندهای تصمیم گیری با وجدان بیشتر و کمتر اجباری کمک می کند و باعث بهبود توانایی های خودکنترلی می شود ، درمانگران ممکن است بر کاهش صفات مرتبط با تکانشگری کمک کنند (Leung ، 2008).

با این وجود ، به دلیل رابطه نزدیک بین تکانشگری و MPD ، اختلاف در نمرات BIS بین MPD و CG ممکن است یک متغیر مخدوش کننده بالقوه در تجزیه و تحلیل مقایسه ای استفاده از تلفن همراه باشد. بنابراین ، در مطالعه ما ، نمره BIS به عنوان یک رگرسور مزاحم در تضادهای گروه GMV و FA از بین رفت ، و مقادیر مربوط به مناطق حاصل از آن پس از آن وارد تجزیه و تحلیل همبستگی با نمرات MPAI در گروه MPD شد.

محدودیت ها و دستورالعمل های آینده

علیرغم نتایج جدید این مطالعه ، محدودیت های بسیاری وجود دارد که باید تصدیق شود. در مرحله اول ، با توجه به طراحی مقطعی مطالعه و مکانیسمهای بالقوه روانشناختی ، چند برابر نیست ، ما نمی توانیم علیت یا جهت اثر را بین استفاده بیش از حد از تلفن همراه و تغییرات ساختاری ناسازگار که در گروه MPD یافت می شود استنباط کنیم. بنابراین ، مطالعات طولی در تأیید مکانیسمهای روانی و فیزیولوژیکی احتمالی MPD ، و همچنین امکان اندازه گیری طول و پیشرفت MPD در شرکت کنندگان بسیار مفید خواهد بود. ثانیا ، اگرچه ما تفاوتهای ساختاری مغز بین MPD و CG را پیدا کردیم ، اما نمی توانیم بطور یقین بدانیم که چه نوع خاصی از نقص عملکرد شناختی با این تفاوتها ارتباط دارد. مطالعات آینده باید سعی کند تفاوت های GMV (یا یکپارچگی WM) در MPD را به برخی عملکردهای روانشناختی (به عنوان مثال ، عملکرد اجرایی شناختی) متصل کند تا بتواند از اقدامات و اقدامات پیشگیرانه احتمالی برای استفاده بیش از حد از تلفن همراه و وابستگی استفاده کند. آخر ، با این وجود ، علی رغم اینکه در نمرات BIS هنگام انجام تست های اختلاف اختلاف گروهی از GMV و FA ، مقاومت چشمگیر دارد ، ضربان صفت اساسی موجود در نمونه به ناچار یک متغیر غیرقابل توصیف است که نمی تواند در مطالعه حاضر کاملاً جدا شود. مطالعات آینده که شاید شامل مقایسه بین افراد MPD با تکانشگری بالا در مقابل افراد غیر MPD با تحریک بالا باشد ، ممکن است در جدا سازی MPD از تکانشگری صفت مفید باشد.

مقالات نویسنده

YW مسئول طراحی آزمایشی اصلی ، روش کار ، تجزیه و تحلیل داده ها و نوشتن مقاله است. ZZ مسئول فرآیند تجربی ، جمع آوری داده ها و نوشتن مقاله است. HS مسئول اجرای آزمایش و تجزیه و تحلیل داده ها است. XX مسئولیت داده های پرسشنامه رفتاری و برنامه روش آزمایشی است. HW مسئولیت نمودار و نمودار را شامل می شود ، از جمله شکل ها 1 و 2، ترتیب داده ها ، و تصحیح نسخه خطی. FdU مسئولیت نوشتن نسخه خطی ، شرح عملکرد مناطق مغز ، ویرایش کپی و ویرایش محتوا و همچنین تأیید نسخه نهایی منتشر شده است. XH مسئول طراحی و راهنمایی آزمایشی در سراسر کشور است.

تعارض منافع

نویسندگان اعلام می کنند که تحقیق در صورت عدم روابط تجاری یا مالی صورت می گیرد که می تواند به عنوان یک درگیری بالقوه مورد توجه قرار گیرد.

تشکر و قدردانی

این کار توسط کمکهای مالی سازمان بنیاد تحقیقات بنیادی دانشگاههای مرکزی چین (SWU1509134) و صندوقهای آموزشی چونگ کینگ (2015-JC-005) پشتیبانی شد.

پانویسها و منابع

1. ^ http://www.fil.ion.ucl.ac.uk/spm
2. ^ http://www.rfmri.org/dpabi
3. ^ http://www.restfmri.net
4. ^ http://www.nitrc.org/projects/panda/
5. ^ http://www.fmrib.ox.ac.uk/fsl/tbss

منابع

واژه‌های کلیدی: وابستگی تلفن همراه ، مقیاس اعتیاد به تلفن همراه ، fMRI ، حجم ماده خاکستری ، ناهمسانگردی کسری ، انتشار محوری ، تکانشگری

استناد: وانگ Y ، Zou Z ، Song H ، Xu X ، Wang H ، d'Oleire Uquillas F و Huang X (2016) تغییر یافته حجم خاکستری و یکپارچگی ماده سفید در دانشجویان کالج با وابستگی به تلفن همراه. جبهه روانشناسی 7: 597. doi: 10.3389 / fpsyg.2016.00597

دریافت: 10 ژانویه 2016؛ پذیرفته شده: 11 آوریل 2016؛
انتشار: 04 مه 2016.

کپی رایت © 2016 وانگ ، زو ، آهنگ ، زو ، وانگ ، d'Oleire Uquillas و هوانگ. این یک مقاله با دسترسی آزاد است که تحت شرایطی توزیع شده است مجوز صدور مجوز عوام خلاقیت (CC BY). استفاده، توزیع یا بازتولید در انجمن های دیگر مجاز است، در صورتی که نویسنده (ها) اصلی یا مجوز اصلی اعتبار داده شود و انتشار اصلی در این نشریه مطابق با عمل آکادمیک پذیرفته شده است. استفاده، توزیع یا بازتولید مجاز نیست که با این شرایط مطابقت داشته باشد.

* مکاتبات: زیلینگ زو ، [ایمیل محافظت شده]

^†این نویسندگان به طور مساوی در این کار مشارکت کرده و نویسندگی اول را به اشتراک می گذارند.