Häiritty aivotoimintaverkko Internet-riippuvuushäiriössä: lepo-valtion funktionaalinen magneettiresonanssikuvaus (2014)

Chong-Yaw Wee sama avustaja, Zhimin Zhao sama avustaja,  Pew-Thian Yap, Guorong Wu, Feng Shi, Todellinen hinta, Yasong Du, Jianrong Xu, Yan Zhou postitse, Dinggang Shen -posti

Julkaistu: syyskuu 16, 2014

DOI: 10.1371 / journal.pone.0107306

Abstrakti

Internet-riippuvuushäiriö (IAD) tunnustetaan yhä enemmän mielenterveyshäiriöksi, erityisesti nuorten keskuudessa. IAD: hen liittyvä patogeneesi on kuitenkin edelleen epäselvää. Tämän tutkimuksen tavoitteena on tutkia levossa olevien IAD-murrosikäisten enkefalisia funktionaalisia ominaisuuksia toiminnallisen magneettikuvauskuvan avulla. Hyväksyimme graafiteoreettisen lähestymistavan tutkia mahdollisia toiminnallisten yhteyksien häiriöitä verkon ominaisuuksien kannalta, mukaan lukien pieni maailmallisuus, tehokkuus ja solmukeskeisyys 17-murrosikäisillä IAD- ja 16-sosiodemografisesti vastaavilla terveillä kontrolleilla. Ryhmätason verkon topologisten erojen tilastollisen merkitsevyyden arvioimiseksi suoritettiin vääriä havaintonopeudella korjattuja parametrikokeita. Lisäksi suoritettiin korrelaatioanalyysi funktionaalisen yhteyden ja kliinisten mittausten välisten suhteiden arvioimiseksi IAD-ryhmässä. Tuloksemme osoittavat, että IAD-potilaiden toiminnallisessa yhteydessä on merkittäviä häiriöitä, etenkin etu-, takarainta- ja parietaalilohkojen alueiden välillä. Vaikuttavat yhteydet ovat pitkän kantaman ja pallonpuoliset liitokset. Vaikka alueellisissa solmumittareissa havaitaan merkittäviä muutoksia, IAD: n ja terveiden ryhmien välillä ei ole eroa globaalissa verkon topologiassa. Lisäksi korrelaatioanalyysi osoittaa, että havaitut alueelliset poikkeavuudet korreloivat IAD: n vakavuuden ja käyttäytymisen kliinisten arvioiden kanssa. Tuloksemme, jotka ovat suhteellisen yhdenmukaisia ​​anatomisesti ja toiminnallisesti määriteltyjen atlasien välillä, viittaavat siihen, että IAD aiheuttaa toimintahäiriöitä ja mikä tärkeintä, että tällaiset häiriöt saattavat liittyä käyttäytymishäiriöihin.

luvut

Citation: Wee CY, Zhao Z, Yap PT, WuG, Shi F, et ai. (2014) Häiriintynyt aivotoiminnallinen verkko Internet-riippuvuushäiriössä: Lepotilan toiminnallinen magneettinen resonanssikuvaustutkimus. PLOS ONE 9 (9): e107306. doi: 10.1371 / journal.pone.0107306

Editor: Satoru Hayasaka, Wake Forestin lääketieteellinen korkeakoulu, Yhdysvallat

Otettu vastaan: Tammikuu 20, 2014; hyväksytty: Elokuu 11, 2014; Julkaistu: Syyskuu 16, 2014

Copyright: © 2014 Wee et ai. Tämä on avoimen pääsyn artikkeli, jota jaellaan Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, levityksen ja kopioinnin missä tahansa välineessä edellyttäen, että alkuperäinen tekijä ja lähde on hyvitetty.

Rahoittajat: Tätä työtä tukivat osittain National Institutes of Health (NIH) -apurahat EB006733, EB008374, EB009634, AG041721 ja CA140413 sekä Kiinan kansallinen luonnontieteellinen säätiö (81171325) ja National Key Technology -tutkimus- ja kehitysohjelma 2007BAI17B03. Rahoittajilla ei ollut roolia tutkimuksen suunnittelussa, tiedonkeruussa ja analysoinnissa, julkaisupäätöksessä tai käsikirjoituksen valmistelussa.

Kilpailevat kiinnostuksen kohteet: Tekijät ovat ilmoittaneet, ettei kilpailevia etuja ole.

esittely

On ilmoitettu, että Internetin liiallinen käyttö voi johtaa muutettuihin sosiaalis-käyttäytymisominaisuuksiin, jotka ovat samankaltaisia ​​kuin päihteiden väärinkäytöksissä ja patologisissa peleissä [1], [2]. Internet-käyttäjien lukumäärän lisääntyessä viime vuosikymmeninä, tätä ongelmaa on pidetty yhä vakavimpana kansanterveysongelmana [3]. Internetiriippuvuudet ja yleensä tietokoneisiin liittyvät riippuvuudet näyttävät olevan laajalle levinnyt ilmiö, joka vaikuttaa miljooniin yksilöihin Yhdysvalloissa ja ulkomailla. Suurin esiintyvyysaste nuorten ja korkeakouluopiskelijoiden keskuudessa Aasian kehitysalueilla [3]-[7]. Internetin ylivalotuksen vaikutuksella nuorena aikuisina on erityinen kliininen ja yhteiskunnallinen merkitys, koska murrosikä on ajanjakso, jolloin päätöksentekoon liittyvät merkittävät muutokset neurobiologiassa tapahtuvat [8] ja siten osoittaa suurempaa alttiutta afektiivisiin häiriöihin ja riippuvuuteen [9]-[11]. Youngin aloittaman työn jälkeen [2], Internet-riippuvuus on herättänyt merkittävää huomiota sosiologien, psykologien, psykiatrien ja kouluttajien keskuudessa.

Internetin käyttöön liittyvien käyttäytymisongelmien kliiniset piirteet on kuvattu erilaisissa diagnostisissa kriteereissä, mukaan lukien Internet-riippuvuushäiriö (IAD). [12], patologinen internetin käyttö [13]ja ongelmallista Internetin käyttöä [14]. IAD on luokiteltu impulssinhallintahäiriöksi, koska siihen liittyy huonoin tavoin tapahtuvaa Internetin käyttöä ilman päihteitä, samanlainen kuin patologinen uhkapeli. IAD ilmentää muiden riippuvuuksien samanlaisia ​​piirteitä, mukaan lukien akateemisten, taloudellisten ja ammatillisten vaikeuksien kehittyminen riippuvuuskäyttäytymisen seurauksena ja henkilökohtaisten ja perhesuhteiden kehittämisessä ja ylläpitämisessä esiintyvien ongelmien vuoksi. IAD-potilaat viettävät enemmän aikaa yksinäisyydessä, mikä puolestaan ​​vaikuttaa heidän normaaliin sosiaaliseen toimintaansa. Pahimmissa tapauksissa potilailla voi olla fyysisiä epämukavuuksia tai lääketieteellisiä ongelmia, kuten karpaalitunnelin oireyhtymä, silmien kuivuminen, selkäkipu, vakavat päänsärky, syömisen epäsäännöllisyydet ja unihäiriöt. [15], [16]. Lisäksi potilaat ovat usein vastustuskykyisiä IAD-hoidolle ja niiden uusiutumisaste on korkea [17], ja monet heistä kärsivät myös muista riippuvuuksista, kuten huumeiden, alkoholin, uhkapelien tai sukupuolen riippuvuuksista [18].

Vaikka IAD: tä ei vielä pidetä riippuvuutena tai mielenterveyden häiriönä DSM-5: ssä [19], on olemassa runsaasti tutkimuksia, jotka perustuvat pääasiassa itseraportoituihin psykologisiin kyselyihin ja jotka osoittavat kielteisiä vaikutuksia jokapäiväisessä elämässä käyttäytymiskomponenttien, psykososiaalisten tekijöiden, oireiden hallinnan, psykiatrisen komorbiditeetin, kliinisen diagnoosin ja hoidon tulosten perusteella [6], [20]-[23]. Näiden käyttäytymiseen perustuvien analyysien lisäksi äskettäin on sovellettu neurokuvausmenetelmiä tutkimaan raskaan internetin liiallisen käytön vaikutusta ihmisen aivojen rakenteellisiin ja toiminnallisiin ominaisuuksiin [7], [24]-[29]. Lepotilan toiminnallinen magneettikuvaus (R-fMRI), tehokas in vivo työkalua aivojen hermostoaktiivisuuksien tutkimiseen, on aikaisemmin käytetty tunnistamaan IAD: n enkefaalisten funktionaalisten ominaisuuksien mahdolliset häiriöt [24], [26], [27], [30]. sisään [27], alueellisen homogeenisuuden (ReHo) analyysi, joka mittaa alueellisten matalataajuisten heilahtelujen (LFF) johdonmukaisuutta aivoverkoissa, paljasti tehostetun synkronoinnin aivoalueiden välillä, jotka liittyvät palkitsemisreitteihin IAD-potilailla. Samanlainen tutkimus verkkopelariippuvuudesta (OGA) kärsivistä henkilöistä ehdotti lisääntyneen amplitudin LFF: n käyttöä vasemmassa mediaalisessa orbitofrontaalisessa aivokuoressa, jolla on anatomiset yhteydet useisiin alueisiin, jotka liittyvät tavoitteellisiin päätöksentekoihin, taudin biomarkkerina [30]. hong et ai. käytti verkkopohjaista tilastoa (NBS) analysoimaan ryhmien eroja alueidenvälisissä toiminnallisissa yhteyksissä IAD: n ja kontrolliryhmien välillä, ja IAD-ryhmässä havaittiin toiminnallisten yhteyksien laajamittaista heikkenemistä etenkin ilman, että verkon yleinen topologia häiritsisi globaalisti. [26]. Toisessa toiminnallisessa yhteyteen perustuvassa tutkimuksessa tutkittiin oletusverkkoyhteyden muutoksia käyttämällä takaosan cingulate cortex (PCC) siemenalueena [24]. Tulokset osoittivat lisääntyneen funktionaalisen yhteyden kaksipuolisen pikkuaivojen takaosan ja keskimmäisen ajallisen gyuruksen välillä, samoin kuin vähentyneen yhteyden kahdenvälisen alemman parietaalisen lobulen ja oikean alemman ajallisen gyrusin välillä.

Käytämme nykyisessä tutkimuksessa graafiteoreettista lähestymistapaa IAD: n analysoimiseksi R-fMRI-tietojen perusteella. Arvioimme ensin toiminnallisen yhteyshäiriön merkitys käyttämällä parametriset testit useilla vertailukorjauksilla. Tämä antaa meille mahdollisuuden tutkia täysin täysi malli aivojen toiminnallisista yhteyksistä ja suurten verkkojen välisten yhteyksien mallit [31]. Toiseksi tutkimme IAD: hen liittyviä mahdollisia yhteyshäiriöitä globaalin verkon ominaisuudetmukaan lukien pienimaailmalliset ominaisuudet (ts. klusteroitumiskerroin ja ominainen polun pituus) ja verkon tehokkuus (ts. maailmanlaajuiset ja paikalliset hyötysuhteet) pienessä maailmassa. Kolmanneksi, samalla verkon harvennusalueella arvioimme verkon toiminnallisen merkityksen ottamalla huomioon alueen suhde koko toiminnalliseen liitäntään [32] jokaisen sijoitetun pääoman tuottoprosentin keskitetysuureiden perusteella. Olemme motivoituneita käyttämään verkon keskitetysti paremmin lokalisoitu häiriintyneet alueet paikallisemmalla tasolla. Lopuksi tutkimme verkostomittareiden sekä käyttäytymis- ja kliinisten pisteytysten väliset suhteet osallistujia. Verkkoominaisuuksien ja kliinisen tuloksen välisen yhteyden tutkiminen parantaa tietämystämme riippuvuuspatologiasta ja tarjoaa elintärkeää tietoa luotettavien IAD-diagnoositekniikoiden kehittämiselle.

Materiaalit ja menetelmät

osallistujat

Tutkimukseen osallistui kolmekymmentäkolme oikeakätistä osallistujaa, jotka koostuivat 17-murrosikäisistä, joilla oli IAD (15 miehet ja 2 naiset) ja 16 sukupuolen, iän ja koulutuksen omaavan terveen valvonnan (HC) kohteet (14 miehet ja 2 naiset). . Potilaat rekrytoitiin lasten ja nuorten psykiatrian laitokselta, Shanghain mielenterveyskeskuksesta, Shanghai Jiao Tong University. Kontrollialueet rekrytoitiin paikallisesta yhteisöstä mainosten avulla. Tutkimus hyväksyttiin lääketieteellisen tutkimuksen etiikan komiteassa ja Shanghain mielenterveyskeskuksen instituutioiden tarkastuslautakunnassa Helsingin julistuksen mukaisesti, ja jokaisen osallistujan vanhemmilta / huoltajilta saatiin täydellinen kirjallinen tietoinen suostumus.

IAD: n kesto arvioitiin retrospektiivisen diagnoosin avulla. Kaikkia aiheita pyydettiin muistamaan elämäntapansa, kun he olivat alun perin riippuvaisia ​​Internetistä. Internet-riippuvuutensa vahvistamiseksi potilaat testattiin uudelleen Beardin ja Wolfin modifioidun Youngin diagnostiikkakyselylomakkeen (YDQ) mukaan Internet-riippuvuuskriteereille. [33], ja itse ilmoitetun IAD: n luotettavuus varmistettiin haastattelemalla heidän vanhempiaan. IAD-potilaat viettivät ainakin - tunteja päivässä Internetissä tai online - peleissä, ja - päivää viikossa. Vahvistimme nämä potilaan kämppäkavereilta ja luokkatovereilta saadut tiedot siitä, että he usein vaativat Internetissä olemista myöhään illalla häiritsemällä muiden elämää seurauksista huolimatta. Huomaa, että kaikki potilaat olivat riippuvaisia ​​Internetistä vähintään tai yli 2 vuotta. Yksityiskohdat modifioidusta Internet-riippuvuuskriteerien YDQ: sta ovat kohdassa Tiedosto S1.

Seuraavat aiemmat IAD-tutkimukset [34], vain ne HC: t, jotka viettivät vähemmän kuin 2 tuntia (vietetty tunti = ) päivässä Internetissä sisällytettiin tähän tutkimukseen. HC-ryhmä vietti päivää viikossa Internetissä. HC: t testattiin myös modifioiduilla YDQ-kriteereillä sen varmistamiseksi, etteivät he kärsineet IAD: sta. Kaikki rekrytoidut osallistujat olivat kiinankielisiä eivätkä ole koskaan käyttäneet laittomia aineita. Huomaa, että muokattu YDQ käännettiin kiinaksi osallistujien mukavuuden vuoksi. Diagnoositulosten perustelemiseksi toinen IAD-diagnostinen toimenpide, Youngin Internet Addiction Scale (YIAS) [35], suoritettiin jokaiselle osallistujalle. YIAS on 20-aiheinen kyselylomake, jonka on kehittänyt tohtori Kimberly Youngi arvioimaan Internet-riippuvuuden astetta. Se luokittelee Internetin käyttäjät kolmeen vakavuusasteeseen 100-pistepistemallijärjestelmän perusteella: lievä online-käyttäjä ( pistettä), kohtalainen online-käyttäjä ( pistettä) ja vakava online-käyttäjä ( kohdat).

IAD-diagnoosin lisäksi modifioidun YDQ: n ja YIAS: n avulla IAD-potilaiden käyttäytymisolosuhteita arvioitiin myös käyttämällä useita käyttäytymiseen liittyviä kyselylomakkeita: Barratt Impulsiveness Scale-11 (BIS-11) [36], Ajanhallinta-asteikko (TMDS) [37], Vahvuuksia ja vaikeuksia koskeva kysely (SDQ) [38]ja McMaster Family Assessment Device (FAD) [39]. Sekä lapsen että vanhemman SDQ-versioita käytettiin tutkimuksessa. Yksityiskohdat näistä kyselylomakkeista esitetään Tiedosto S1.

Ennen haastattelua potilaiden anamneesin vuoksi kaikille osallistujille tehtiin yksinkertainen fyysinen tutkimus (verenpaine- ja syketesti) liikkeen, ruuansulatuksen, hermoston, hengityksen, verenkiertoon, endokriinisiin, virtsa- ja lisääntymisjärjestelmiin liittyvien fyysisten häiriöiden poistamiseksi. Poissulkeviin kriteereihin sisältyivät: 1) aiemmat comorbid-psykiatriset ja muut kuin psykiatriset häiriöt, kuten ahdistuneisuushäiriö, masennus, pakkokeino, skitsofrenia, autismi tai bipolaarinen häiriö; 2) aiempi päihteiden väärinkäyttö tai riippuvuus; 3) fyysiset häiriöt, jotka liittyvät liikkeeseen, ruuansulatukseen, hermostoon, hengitykseen, verenkiertoon, endokriinisiin, virtsa- ja lisääntymisjärjestelmiin; ja 4) raskaus tai kuukautiset naisilla skannauspäivänä. Tämä poissulkeva toimenpide on tärkeä sen varmistamiseksi, että muut fyysiset, neurologiset tai neuropsykiatriset häiriöt eivät vaikuta tutkimuksen osallistujiin, ja siten vähentää saatujen havaintojen mahdollisia vääristymiä. Yksityiskohtaiset demografiset tiedot ja kliiniset pisteet annetaan Taulukko 1.

thumbnail

Taulukko 1. Tutkimukseen osallistuneiden väestötiedot.

doi: 10.1371 / journal.pone.0107306.t001

Tietojen hankinta ja esikäsittely

Tiedonkeruu suoritettiin käyttämällä 3.0 Tesla -skanneria (Philips Achieva). Kunkin osallistujan lepotilan toiminnalliset kuvat hankittiin kaikuajalla (TE) = 30 ms ja toistoajalla (TR) = 2000 ms. Hankintamatriisi oli 64 × 64 suorakulmaisella FOV: lla 230 × 230 mm2, ja vokselin resoluutio 3.59 × 3.59 × 4 mm3. Skannaus sisälsi jokaisen osallistujan 220-volyymit. Tiedonkeruun aikana osallistujia pyydettiin makaamaan hiljaa skannerissa silmät kiinni. Vaikka mitään ylimääräistä tekniikkaa tai laitetta ei käytetty mittaamaan, pitäisikö koehenkilöt todella silmät kiinni, kohteet ovat vahvistaneet tietävänsä ja pitäneet silmänsä kiinni skannauksen aikana.

Tietojen esikäsittely suoritettiin käyttämällä vakioputkistoa kahdessa R-fMRI-prosessointivälineessä, DPARSF [40] ja lepää [41]. Ennen mitä tahansa esikäsittelyä, kunkin henkilön ensimmäiset 10 R-fMRI-määrät heitettiin pois magnetointitasapainon saavuttamiseksi. R-fMRI-tilavuudet normalisoitiin MNI-avaruuteen resoluutiolla 3 × 3 × 3 mm3. Suoritettiin häiriösignaalien, mukaan lukien kammio, valkeaine ja globaalit signaalit, regressio. Kukaan osallistujista ei suljettu pois yli 3 mm siirtymäkriteerin tai yli 3 astetta suuremman kulmakääntymissuunnan perusteella mihinkään suuntaan. Pään liikkeen vaikutusten minimoimiseksi edelleen, käytimme Friston 24-parametrikorjausta samoin kuin vokselikohtaisia ​​keskimääräisiä kehyksen siirtymiä (FD). [42] FD-kynnyksellä 0.5. Ennen toiminnallisen yhteyden arviointia kunkin ROI: n keskimääräinen R-fMRI-aikasarja suodatettiin kaistanpäästösuodatuksella ( Hz).

Verkon rakentaminen ja yksittäisten yhteyksien analyysi

Graafinen teoreettinen analyysi hyväksyttiin tässä tutkimuksessa tutkimaan IAD: n aiheuttamien aivokonomeomien toiminnallisia muutoksia ryhmässä kiinalaisia ​​murrosikäisiä. Funktionaaliset aivoverkot rakennettiin makroskaalan tasolla, missä solmut edustavat ennalta määriteltyjä aivopiirroksia ja reunat edustavat alueiden välistä lepotilan toiminnallista yhteydenpitoa (RSFC). Verkkosolmujen määrittelemiseksi erotimme aivot kiinnostavat alueet (ROI) kiinnittämällä fMRI-kuvat automaattisen anatomisen merkinnän (AAL) atlastiin [43]. AAL - atlasiin perustuvat alueet on lueteltu taulukossa S1 vuonna 2006 Tiedosto S1. Kunkin ROI: n edustavat aikasarjat saatiin sitten keskiarvottamalla regressoidut aikasarjat kunkin yksittäisen ROI: n kaikkien vokselien välillä. Alueiden välisen RSFC: n mittaamiseksi lasimme Pearson-pareittain korrelaation kaikille mahdollisille (() = 4005) ROI-parit ja rakensivat symmetrisen yhteysmatriisin edustamaan näitä yhteyksiä. Analysoimme ryhmätasoiset erot jokaisen ROI-parin välillä yhteyden lujuuden suhteen. Kunkin toiminnallisen yhteyden merkittävät erot arvioitiin käyttämällä massan yksimuuttujaa (kaksisuuntaista) -testejä, joiden kynnysarvo on ja väärä löytöaste (FDR) korjaus.

Verkkotiedot ja ominaisuusanalyysi

Pearsonin korrelaatioon perustuva toiminnallinen yhteysmatriisi on tiheästi kytketty, ja siinä on monia vääriä, matalalujuisia elementtejä. Ihmisen aivoverkkojen mallintamiseksi paremmin, joilla on pienen maailman ominaisuuksia, jokaisen yksilön toiminnallinen yhteysmatriisi käsiteltiin edelleen niin, että sillä oli harvinaisuusalue, joka kuuluu pienen maailman järjestelmään () [44]-[48]. Tämä järjestelmä varmistaa suhteellisen yhdenmukaiset pienmaailman ominaisuudet 90-ROI: n aivoverkoille [44]. Tarkemmin sanottuna jokaisen kohteen Pearson-korrelaatiomatriisi muutettiin binaariseksi vierekkäisyysmatriisiksi, , ennalta määritellyn harvaisuuden mukaan, missä kaikki asetetaan aluksi yhdeksi, ja sitten alempia korrelaatioarvoja vastaavat elementit asetetaan toistuvasti nollaan, kunnes saavutetaan tietty harvemmuustaso. Näiden verkkojen perusteella käytimme sekä globaaleja että alueellisia verkostomittareita analysoimaan aivoverkkojen kokonaisarkkitehtuuria ja alueellista solmukeskeisyyttä ryhmätason vertailua varten. Käytettyihin globaaleihin mittareihin sisältyi pienen maailman parametrit, nimittäin klusterointikerroin () ja ominaista reitin pituutta () [49], [50], samoin kuin globaalin verkon tehokkuus () ja paikallisverkon tehokkuus (). Lisäksi lasimme näiden mittojen normalisoidut versiot satunnaisten verkkojen avulla (ja ) varmistaa rakennettujen aivoverkkojen pienimaailman omaisuus. Määrittelemme verkon pienimaailmaksi, jos se täyttää seuraavat kolme kriteeriä: , , ja pienen maailman suhde, . Kolme solmujen keskitetysti kuvaa - aste (), tehokkuus () ja välillä () - kustakin aivoalueesta laskettiin funktionaalisen verkon paikallisten ominaisuuksien tutkimiseksi [44], [46].

Ryhmien välisten erojen tilastolliseksi tutkimiseksi suoritimme kaksisuuntaisen, kahden näytteen -testejä, joiden kynnysarvo on (FDR-korjattu) jokaisella verkon metrillä (globaali ja alueellinen) jokaisen pienimaailman järjestelmästä rakennetun verkon metrin käyräpinta-alan (AUC) perusteella [48]. AUC tarjoaa yhteenvedon aivoverkkojen topologisista ominaisuuksista koko pienmaailman järjestelmän aikana sen sijaan, että otettaisiin huomioon vain topologia yhdellä harvakynnyksellä [44], [51]. Tarkemmin sanottuna jokaiselle verkon metriikalle laskettiin ensin kunkin yksittäisen kohteen AUC-arvo verkoissa, joilla oli eri harvasuustasot, ja suoritimme sitten kahden näytteen - testaa tilastollisesti kvantifioida kaikki ryhmätason erot IAD: n ja terveiden ryhmien välillä. On huomionarvoista, että ennen tilastollisia testejä sovelsimme useita lineaarisia regressioita iän, sukupuolen ja koulutuksen vaikutusten sekä niiden vuorovaikutusten poistamiseksi [31], [52]-[54].

Luotettavuus ja toistettavuus toiminnallisella atlasilla

Tässä tutkimuksessa rakennettiin toiminnalliset liitettävyysverkot alueellisella tasolla jakamalla koko aivot 90 ROI: iin AAL-atlasin perusteella. On kuitenkin myös ilmoitettu, että aivoverkoista, jotka on johdettu erilaisista lohkokaavioista tai käyttämällä erilaisia ​​alueellisia asteikkoja, voi olla selkeä topologinen arkkitehtuuri [55]-[57]. Tulosten luotettavuuden ja toistettavuuden arvioimiseksi toistimme kokeet Dosenbachin toiminnallisella atlasilla [58], joka jakaa ihmisen aivot 160-ROI-alueisiin, mukaan lukien pikkuaivo. Tässä atlasissa jokainen ROI määritetään valittua siemenpistettä ympäröivänä halkaisijaltaan 10 mm: n neliönä, ja kaikkien ROI-keskusten välinen etäisyys on vähintään 10 mm, ilman alueellista päällekkäisyyttä, mikä tarkoittaa, että jotkut aivoalueet eivät kuulu ROI-joukkoon.

Verkkotietojen ja käyttäytymispisteiden väliset suhteet

Niille alueille (jotka perustuvat AAL-atlasiin), joilla on merkittäviä ryhmätasoisia eroja alueellisten solmujen keskitetyydessä, käyimme Pearson-korrelaatiota (, FDR korjattu) analysoida kunkin alueen verkko-ominaisuuksien ja yksilön käyttäytymispisteiden välisiä suhteita. Erityisesti korrelaatioanalyysissä verkkomittareita käsiteltiin riippuvaisina muuttujina, kun taas käyttäytymispisteitä, eli BIS-11, TMDS, SDQ ja FAD, käsiteltiin riippumattomina muuttujina. Ymmärtääksemme paremmin aivojen alueiden ja taudin vakavuuden välistä suhdetta laskimme myös Pearsonin korrelaatiokertoimen verkko-ominaisuuksien ja YIAS-pisteiden välillä.

tulokset

Demografiset ja kliiniset ominaisuudet

Ikällä, sukupuolella ja koulutusvuosilla ei ole merkittävää eroa (kaikki, joilla on ) IAD- ja HC-ryhmien välillä. Internetin käytössä on kuitenkin huomattavia eroja viikossa päivinä () ja tunteja päivässä (). Vaikka BIS-11- ja TMDS-tuloksissa ei ole merkittävää eroa ryhmien välillä (kaikki kanssa ), SDQ-P (), SDQ-C () ja FAD () pisteet ovat merkittävästi korkeammat IAD-ryhmässä, kuten kohdassa Taulukko 1 ja Kuva 1. Erityisesti YIAS (), IAD: n luokittelussa käytetty kliininen mitta, osoittaa merkittävimmät ryhmätasoiset erot.

thumbnail

Kuva 1. Ryhmien väliset erot kliinisissä ja käyttäytymistoimissa.

(YIAS = Youngin Internet-riippuvuusasteikko, BIS-11 = Barrattin impulsiivisuusasteikko-11, TMDS = Ajanhallinnan sijoitusasteikko, SDQ-P = Vahvuudet ja vaikeudet Kyselylomakkeen vanhempi versio, SDQ-C = Vahvuudet ja vaikeudet Kyselylomakkeen lapsiversio, FAD = McMaster Family Assessment Device).

doi: 10.1371 / journal.pone.0107306.g001

Yksilöllinen toiminnallinen liitettävyys

HC-ryhmään verrattuna vain kolmella toiminnallisella yhteydellä tapahtui merkittäviä muutoksia FDR-korjauksen jälkeen. Kaksi pallonpuoliskojen välistä liitosta, toinen vasemman kulmaisen gyuruksen (parietaalinen rintakehä) ja oikean keskikiertoradan (aivorintake) välillä ja toinen vasemman fusiform gyrus'n (takaraivokalvon) ja oikean kulmaisen gyrus'en (parietaalinen lohi) välillä, osoittavat lisääntynyttä yhteyden lujuutta IAD-potilaat. Yksi puolipallon sisäinen yhteys oikean caudateen (subkortikaalinen aivokuori) ja oikean supramarginaalisen gyrus -osan (parietaalinen lohko) välillä osoittaa vähentyneen yhteyden sairausryhmässä. Nämä merkittävästi muutetut toiminnalliset yhteydet on esitetty Kuva 2. Punainen ja sininen väriyhteydet merkitsevät vastaavasti lisääntyneitä ja vähentyneitä funktionaalisia yhteyksiä IAD-ryhmässä. Huomaa, että suurin osa kärsivistä toiminnallisista yhteyksistä liittyy alueisiin, jotka sijaitsevat oikeassa pallonpuoliskossa ja parietaalikehossa.

thumbnail

Kuva 2. Merkittävästi muuttuneet toiminnalliset yhteydet IAD-potilailla (FDR korjattu).

Punainen: parantunut toiminnallinen yhteys, sininen: vähentynyt toiminnallinen yhteys. (FRO: Frontaali, INS: Insula, TEM: Temporal, PAR: Parietal, OCC: Occipital, LIM: Limbic, SBC: Subcortical). Tämä visualisointi on luotu käyttämällä BrainNet Viewer -pakettia (http://www.nitrc.org/projects/bnv) ja ympyrät (http://circos.ca/).

doi: 10.1371 / journal.pone.0107306.g002

Toiminnallisten verkkojen globaalit ominaisuudet

Tutkimme sisäisten funktionaalisten aivoverkkojen topologisia ominaisuuksia vertaamalla niiden pienmaailman käyttäytymistä vertailukelpoisiin satunnaisiin verkkoihin useilla verkon harvaustasoilla, . Erityisesti tutkimme pienen maailman parametreja (esim. Klusterointikerroin, ominaispolun pituus ja pienen maailman suhde, ) samoin kuin globaalit ja paikalliset tehokkuustekijät. Tutkimuksessa käytetyissä satunnaisissa verkoissa säilytettiin solmujen ja reunojen lukumäärä sekä huolissa olevien todellisten aivoverkkojen astejakauma uudelleenkytkentätekniikan avulla, joka on kuvattu [59]. Tilastolliset analyysit kahden näytteen avulla -testit (, FDR korjattu) AUC-arvoissa pienen maailman järjestelmässä ei osoittanut merkittävää eroa IAD- ja HC-ryhmien välillä globaalien verkkoominaisuuksien suhteen.

Toiminnallisten verkkojen alueelliset solmuominaisuudet

Huolimatta yhteisestä pienimaailman topologiasta, alueellisissa solmujen keskitetyissä suhteissa havaittiin merkittäviä ryhmätason eroja. Tässä tutkimuksessa katsomme, että aivoalue on muuttunut merkittävästi IAD-ryhmässä, jos vähintään yhdellä sen kolmesta alueellisesta solmumittarista on -arvo, joka on pienempi kuin 0.05 (korjattu FDR) sen AUC-arvojen perusteella. Taulukko 2 on yhteenveto alueista, jotka ovat merkittävästi muuttuneet IAD-potilailla. Verrattuna HC-ryhmään, IAD-potilailla havaittiin solmujen keskittymismuutoksia pääasiassa vasemmassa ala-alaparietaalisessa lobuleessa (IPL), vasemmassa talamuksessa (THA) ja muilla alueilla, kuten limbaalisessa järjestelmässä, erityisesti oikeassa etuosan cingulaarisessa gyrus (ACG) ja oikeassa keskimmäinen cingulate gyrus (MCG). Erityisesti IPL ja ACG ovat oletusmoodiverkon (DMN) komponentteja, jotka on aikaisemmin liitetty muuttuneeseen yhteyteen aineiden väärinkäytössä [60]-[62].

thumbnail

Taulukko 2. AAL-atlasten perusteella alueet, joilla esiintyy epätavallisia solmun keskittymiä IAD-potilailla verrattuna terveisiin kontrolleihin (HC).

doi: 10.1371 / journal.pone.0107306.t002

Luotettavuus ja toistettavuus toiminnallisella atlasilla

Kun Dosenbachin karttaa käytetään ROI: iden määrittelemiseen, havaitaan merkittäviä ryhmäeroja lähinnä etu- ja parietaalisissa yhteyksissä pikkuaivoon. Nämä havainnot on esitetty yhteenvedossa Taulukko 3. Vaikka nämä yhteydet eroavat AAL-atlasten perusteella tunnistetuista yhteyksistä, häiriintyneimmissä yhteyksissä on samat aivorungot, pikkuaivoalueita lukuun ottamatta. Globaalin verkon mittareiden suhteen emme löytäneet eroa IAD- ja HC-ryhmien välillä, samankaltaisia ​​kuin AAL-atlas. Paikallisverkon mittareita varten havaitsimme, että jotkut tunnistetuista alueista sijaitsevat alueellisesti lähellä AAL-atlasin perusteella tunnistettuja alueita, kuten ACG ja THA, kuten Taulukko 4.

thumbnail

Taulukko 3. Toiminnalliset yhteydet IAD-henkilöillä, jotka kokivat merkittäviä muutoksia Dosenbach-atlasin perusteella.

doi: 10.1371 / journal.pone.0107306.t003

thumbnail

Taulukko 4. Alueet, jotka osoittavat epänormaalia solmukohtien keskusta IAD-potilailla verrattuna terveisiin verrokkeihin (HC) Dosenbachin kartaston perusteella.

doi: 10.1371 / journal.pone.0107306.t004

Verkkotietojen ja käyttäytymistoimien väliset suhteet

Ei ole merkittävää (, FDR korjattu) korrelaatio globaalin verkon mittareiden välillä (, , ja ) sekä käyttäytymis- ja kliiniset pisteet. Useiden alueiden alueelliset solmutiedot ovat kuitenkin huomattavasti (, FDR korjattu) korreloinut käyttäytymis- ja kliinisten pisteiden kanssa. Oikea ACG korreloi positiivisesti YIAS-pistemäärän kanssa. Oikea MCG korreloi positiivisesti YIAS-pistemäärän kanssa. Vasemmanpuoleinen THA korreloi positiivisesti YIAS- ja SDQ-P-pisteiden kanssa. Vasemmanpuoleinen IPL ei kuitenkaan korreloi merkittävästi mihinkään käyttäytymis- tai kliiniseen pistemäärään. Aivoalueet, jotka korreloivat merkittävästi käyttäytymis- ja kliinisten pisteiden kanssa, esitetään Kuva 3.

thumbnail

Kuva 3. Aivoalueet, jotka korreloivat merkittävästi IAD-ryhmän käyttäytymis- ja kliinisiin tuloksiin (korjattu FDR).

Tämä kuva on luotu käyttämällä BrainNet Viewer -pakettia (http://www.nitrc.org/projects/bnv). (YIAS = Youngin Internet-riippuvuuspisteet, BIS-11 = Barratt-impulsiivisuusasteikko-11, TMDS = Ajanhallinnan sijoitusasteikko, SDQ-P = Vahvuudet ja vaikeudet -kyselylomakkeen vanhempi versio, SDQ-C = Vahvuudet ja vaikeudet -kyselylomakkeen lapsiversio.).

doi: 10.1371 / journal.pone.0107306.g003

Keskustelu

Yksilöllisen toiminnallisen yhteyden muutokset

Ihmisen aivojen kehityksen mekanismin ymmärtäminen on tärkeää lapsille ja nuorille vaikuttavien häiriöiden patologisten taustojen ymmärtämiseksi paremmin, mikä johtaa mahdolliseen varhaiseen hoitoon. R-fMRI-tietojen graafisen teoreettisen analyysin perusteella on ehdotettu, että ihmisen aivojen funktionaalinen organisaatio kypsyy ja kehittyy lapsuudesta aikuisuuteen aikuisuuteen seuraamalla ainutlaatuista suuntausta - suurempi toiminnallinen erottelu lapsilla ja suurempi toiminnallinen integraatio aikuisilla koko aivojen tasolla [63]-[66]. Erityisesti toiminnallisten aivoverkkojen organisointi siirtyy paikallisista yhteyksistä hajautetumpaan arkkitehtuuriin kehityksen myötä [63], [66], jossa aikuisilla on yleensä heikompi lyhyen kantaman toiminnallinen yhteys ja vahvempi pitkän kantaman toiminnallinen yhteys kuin lapsilla [65].

Tuloksemme osoittavat, että IAD: ssä havaitut häiriintyneet yhteydet, vaikka vain kourallinen FDR-korjauksen jälkeen, ovat pitkän kantaman ja pallonpuolisten toiminnalliset yhteydet, jotka ovat tärkeitä etäviestinnässä ihmisen aivoissa. Pitkän kantaman ja pallonpuoliskojen välisten yhteyksien häiriöt ovat yleinen oire monissa käyttäytymishäiriöissä, mukaan lukien autismi [67]-[70], skitsofrenia [71], opioidiriippuvuus [72], [73]ja kokaiiniriippuvuus [74]. Pitkän kantaman yhteyksien heikkenemistä voidaan pitää integraatioprosessin epäonnistumisena ihmisen aivojen hajautetussa toiminnallisessa verkossa [63], [64], [75], poikkeama normaalista kehityskehityksestä. Siksi spekuloimme, että tässä tutkimuksessa havaitut IAD-murrosikäisten etäisyyden etäisyys pitkälle etäisyydelle ja pallonpuoliskojen välillä on yksi mahdollisista syistä heidän riippuvuuttaan aiheuttavaan käyttäytymiseen.

Globaalien verkkoominaisuuksien muutokset

Ihmisen aivoja pidetään monimutkaisena ja suurena kytkettynä dynaamisena järjestelmänä, jolla on useita tärkeitä topologisia ominaisuuksia, kuten pieni maailmallisuus, korkea hyötysuhde alhaisilla johdotuskustannuksilla ja hyvin kytketyt keskittimet [46], [76]-[79]. Pienmaailman verkossa solmut on paikallisesti klusteroitu modulaarisen tietojenkäsittelyn hyväksi ja ne on etäyhteydessä pienen määrän pitkän kantaman yhteyksien kautta tehokkaan yleisen reitityksen aikaansaamiseksi [50]. Sekä IAD- että HC-ryhmät osoittivat pienimaailman ominaisuuksia, ts. Korkeita klusterointikertoimia () ja vastaavat ominaispolun pituudet () verrattuna vertailukelpoisiin satunnaisiin verkkoihin. Havaitsimme kuitenkin johdonmukaisesti suurempia normalisoituneita klusterointikertoimia ja samanlaista normalisoitua ominaispolun pituutta IAD-ryhmässä verrattuna HC-ryhmään yhteystiheydellä, aiempien R-fMRI-tutkimusten mukaisesti [26]. Suurempi klusterointikerroin heijastaa häiriintynyttä hermosolujen integraatiota etäisten alueiden välillä, joilla on suhteellisen harvat pitkät etäisyydet ja suhteellisen tiheät lyhyen etäisyyden toiminnalliset yhteydet IAD- ja HC-ryhmissä. Kliinisten vaiheiden eteneminen lievästä vakavaan voi aiheuttaa kauempana olevien yhteyksien enemmän heikkenemistä tai katkeamista ja siten mahdollisesti kannustaa muodostamaan lyhyen etäisyyden yhteyksiä klusteriin vaihtoehtoisina reiteinä tiedonsiirron säilyttämiseksi kahden etäisen alueen välillä. Lyhyen etäisyyden yhteyksien muodostaminen voi kuitenkin johtaa epänormaaliin klustereihin, mikä lisää riskiä luoda hallitsematon tai satunnainen tiedonkulku koko verkon läpi. Toisaalta kaikki aivoverkot osoittivat samanlaista globaalien ja paikallisten tehokkuuksien samanaikaista tietojenkäsittelyä verrattuna vertailukelpoiseen satunnaisverkkoon [80]. Nämä havainnot tukevat käsitystä ihmisen aivojen pienmaailman mallista, joka tarjoaa tasapainoisen yhdistelmän paikallisesta erikoistumisesta ja globaalista integraatiosta [81]. Havaitsemme, että IAD: n ja HC-ryhmien välillä ei ole merkittävää eroa globaalien verkkoominaisuuksien suhteen, voi tarkoittaa, että IAD: n toiminnallisen verkkorakenteen muutokset ovat hienoisia. Tämän seurauksena aluekohtaisten IAD-biomarkkereiden jatkotutkimus voisi paljastaa merkittävää tietoa taudin patologiasta ja yleensä riippuvuudesta.

Toiminnallisten verkkojen alueelliset solmuominaisuudet

IAD: hen liittyvät solmukohtaisuuden muutokset löytyvät pääasiassa limbisten järjestelmien komponenteista, mukaan lukien ACG ja MCG, IPL ja THA. Näiden alueiden häiriöitä ja niihin liittyviä yhteysreittejä voidaan tulkita heijastavan vähentynyttä tietojenkäsittelytehokkuutta, mikä mahdollisesti heijastaa toiminnallisia häiriöitä IAD: ssä.

Cingulate gyrus (CG), olennainen osa limbaalista järjestelmää, osallistuu tunnejen muodostumiseen ja käsittelyyn, oppimiseen ja muistiin, toimeenpanotoimintoihin ja hengityksen hallintaan [82]. Se vastaanottaa tuloja THA: lta ja neokorteksista ja projisoi entorinaaliseen aivokuoreen cingulumin kautta. Tämä polku keskittyy emotionaalisesti merkittäviin tapahtumiin ja säätelee aggressiivista käyttäytymistä [29]. CG: hen liittyvien toimintojen häiriö voi heikentää yksilön kykyä seurata ja hallita käyttäytymistään, erityisesti tunteisiin liittyvää käyttäytymistä [83]. Useimmat aine- ja käyttäytymisriippuvuusanalyysit ovat osoittaneet merkittäviä muutoksia CG: n etu- ja takaosissa (ACG ja PCG), mukaan lukien alkoholiriippuvuus [84], patologinen uhkapeli [85]ja IAD [27], [29]. Kokaiinin väärinkäyttäjillä on ilmoitettu myös samanlaisia ​​lisämuutoksia MCG: ssä [86]. Aikaisemmissa fMRI-tutkimuksissa on myös osoitettu, että etu-, keski- ja takaosan CG vaikuttavat kaikki palkitsemis- ja rangaistusolosuhteisiin. [87]. Koska MCG: llä on rooli positiivisten ja negatiivisten tunteiden käsittelyssä, ei ole yllättävää, että alueella esiintyy merkittäviä yhteyshäiriöitä IAD-potilailla.

THA on aivotietojen kytkentätaulu ja osallistuu moniin aivojen toimintoihin, mukaan lukien palkkioiden käsittely [88], tavoitteellisiin käyttäytymisiin sekä kognitiivisiin ja motorisiin toimintoihin [89]. Se välittää aisti- ja moottorisignaalit subkortikaalisilta alueilta aivokuoreen [90]. THA: n kautta orbitofrontaalinen aivokuori vastaanottaa suorat ja epäsuorat projektiot muilta limbisiin aivoalueisiin, jotka liittyvät lääkkeen vahvistamiseen, kuten amygdala, CG ja hippokampus [91], palkkio- ja rangaistuskäyttäytymisen hallitsemiseksi ja korjaamiseksi [92]. Epätavallisia thalamo-cortical -piirejä löytyy online-pelien addiktioista [93] saattaa viitata THA: n toiminnan heikkenemiseen, mikä liittyy huonojen unen laadun kroonisiin malleihin [94] ja huomaavainen keskittyminen tietokoneeseen. Lisäksi THA on toiminnallisesti kytketty hippokampukseen [95] osana laajennettua hippokampusjärjestelmää, joka on ratkaisevan tärkeä kognitiivisille toiminnoille, kuten paikallinen navigointi ja tiedon yhdistäminen lyhytaikaisesta muistista pitkäaikaiseen muistiin [96], [97].

Havaitsimme merkittäviä solmukeskittymien muutoksia IPL: ssä, viimeisissä R-fMRI-pohjaisissa IAD-tutkimuksissa raportoitujen tulosten mukaisesti [24], [93]. Samoin kuin THA, IPL on kytketty massiivisesti kuulo-, visuaaliseen ja somatosensoriseen aivokuoreen ja pystyy käsittelemään erilaisia ​​ärsykkeitä samanaikaisesti. Koska IPL on yksi viimeisimmistä kehitystyön aikana kehittyneistä aivojen rakenteista, IPL voi olla alttiimpi kuulo- ja visuaalisten ärsykkeiden liialliselle altistumiselle, etenkin lapsuudessa. Internetin liiallisen käytön aiheuttama IPL-heikentyminen voi heikentää yksilön kykyä välittää asianmukaisesti vasteen estämistä impulssisäätelyssä [98], [99], vahingoittaen niiden kykyä vastustaa kiusten aiheuttamaa Internet-himoa, mikä voi edelleen heikentää IPL: ää. Tällaiset pyöreät mallit nähdään usein päihteiden ja käyttäytymisen väärinkäyttäjissä.

DMN-alueet ovat yleensä aktiivisemmat levossa kuin suorittaessaan tavoitteellisia tehtäviä [62]. Nämä alueet, joiden tiedetään osallistuvan emotionaaliseen mukauttamiseen ja itsereferenssitoimintaan, mukaan lukien sisäisten ja ulkoisten vihkojen näkyvyyden arviointi, menneisyyden muistaminen ja tulevaisuuden suunnittelu [60], [62], jotka ovat tärkeitä kriteereitä diagnoosin IAD: ssa. Aikaisemmin on ehdotettu, että muutetut yhteydet, joihin liittyy DMN-alueita, edistävät erilaisia ​​oireenmukaista käyttäytymistä sairauksissa [100], mukaan lukien päihteiden väärinkäytöt [101], [102] ja käyttäytymisriippuvuudet [24], [103]. Havainnot funktionaalisen yhteyden muuttumisesta, jotka koskevat useita DMN-alueita, ovat osittain yhdenmukaisia ​​aikaisempien havaintojen kanssa, jotka viittaavat siihen, että DMN: llä on potentiaalia toimia biomarkkerina IAD-potilaiden tunnistamisessa.

Luotettavuus ja toistettavuus toiminnallisella atlasilla

Jotkut AAL-atlasten perusteella tunnistetuista epänormaaleista aivoalueista tunnistettiin myös toiminnallisen atlasin avulla tukemalla tulosten luotettavuutta ja toistettavuutta. Yksi mahdollinen syy hiukan erilaisiin tuloksiin on käytetty tässä tutkimuksessa. 90 ROI: n AAL-atlasten pohjalta rakennettujen liitäntäverkkojen pienen maailman ominaisuudet ovat kaikkein yhdenmukaisimmat tällä alueella [44]. Tämä harvaisuusalue ei kuitenkaan välttämättä ole optimaalinen atlasille, joiden ROI-määrät ovat erilaiset. Lisäksi Dosenbach-atlasista saadut ROI: t määritetään toiminnallisesti eivätkä kata koko aivoa [58]. Tässä atlasissa tunnistetaan ensin kaikkien 160-ROI: n keskukset ja jokaisesta keskuksesta kasvatetaan pallo, jonka säde on 5 mm, jolloin saadaan 10 mm: n pallomainen ROI. Kunkin ROI: n keskikohta on myös asetettu vähintään 10 mm: n etäisyydelle muiden ROI: n keskuksista, mikä johtaa alueellisesti ei-päällekkäiseen atlasiin. Toisaalta AAL-atlas kattaa koko aivon harmaan aineen kudoksen. Nämä erot ROI: n määritelmässä ja kokonaisalueella voivat osaltaan vaikuttaa tuloksiin. Tästä syystä lisätutkimuksia suuremman kohortin avulla on tarpeen sen määrittämiseksi, missä määrin aivojen parlointijärjestelmän valinta vaikuttaa verkon topologian karakterisointiin.

Verkon metrikoiden ja käyttäytymistoimien välinen korrelaatio

Tässä tutkimuksessa emme havainneet mitään korrelaatiota globaalin verkon mittareiden ja käyttäytymismittausten välillä, mikä tarkoittaa, että koko aivoverkon topologiassa ei ole muutoksia. Tämä havainto voi myös viitata siihen, että aivoverkon variaatiot ovat hienoisia johtuen ihmisen aivojen plastisuudesta (neuroplastisuus) [104], [105] palauttaessaan suurimman osan päivittäisistä toiminnoistaan ​​vaihtoehtoisilla reiteillä (hermopiirit). Aivojen plastilisuuteen liittyy hermosolujen tai hermosolujen välisten yhteyksien uudelleenjärjestely, ja siihen voi vaikuttaa lukemattomia tekijöitä [106]-[108]. Se tapahtuu ikään liittyvällä tavalla, yleisemmin lapsuudessa ja nuoruudessa kuin aikuisuudessa, mikä viittaa heikentyneiden hermosoluyhteyksien parempaan palautumiseen IAD-hoidon saaneilla murrosikäisillä. Lisäksi on osoitettu, että monenlaiset käyttäytymisolosuhteet, riippuvuudesta neurologisiin ja psykiatrisiin häiriöihin, korreloivat hermopiirien paikallisten muutosten kanssa [106]. Ei siis ole yllättävää, että karkean tason globaalien verkkojen mitat, kuten keskittymiskerroin, ominaispolun pituus ja verkon tehokkuudet, ovat vähemmän herkkiä havaitsemalla aivopiirin muutoksia IAD-ryhmässä.

Useiden aivoalueiden alueelliset solmumittaukset kuitenkin korreloivat joidenkin käyttäytymistoimien kanssa. Erityisesti SDQ: n emoversio (SDQ-P), joka mittaa sekä yksilön kykyä käsitellä asianmukaisesti impulsiivisuutta että tunne- ja prososiaalisen käyttäytymisen ongelmien vakavuutta tutkittujen murrosikäisten vanhempien toimittamien tietojen perusteella, on positiivinen. korreloituna IAD: ssä löydettyjen toiminnallisesti vaikuttavien aivoalueiden kanssa. Kyvyttömyys hallita impulsiivista käyttäytymistä ja tunteita on yksi tärkeimmistä käyttäytymisoireista. On yleistä, että potilaat eivät ole tietoisia tunteidensa ja käyttäytymisensä muutoksista, vaikka nämä muutokset ovat suhteellisen ilmeisiä heitä ympäröiville ihmisille. Tämä voi olla tärkein syy, miksi mikään verkon toimenpiteistä ei korreloi SDQ: n lasten version kanssa (SDQ-C) sen itsearviointiluonteen vuoksi. Toisaalta alueellisen verkon toimenpiteiden ja muiden käyttäytymistoimien, kuten BIS-11, FAD ja TMDS, välillä ei ole merkittävää korrelaatiota. Tätä havaintoa tukevat suuret - näiden toimenpiteiden arvot IAD: n ja terveiden ryhmien välillä (Taulukko 1). Nämä havainnot voivat viitata siihen, että jotkut näistä käyttäytymistoimenpiteistä ovat hyödyllisiä vaikutusalueiden määrittämisessä ja auttavat siten IAD-diagnoosia, vaikka näiden toimenpiteiden roolien ymmärtämiseksi paremmin näiden toimenpiteiden roolissa käyttäytymisriippuvuuksissa tai häiriöissä tarvitaan silti huomattavaa työtä.

Metodologiset kysymykset / rajoitukset

Tässä tutkimuksessa on korostettava useita rajoituksia. Ensinnäkin IAD-diagnoosi perustui pääasiassa itse ilmoitettujen kyselylomakkeiden tuloksiin, jotka saattavat vaikuttaa diagnoosien luotettavuuteen. Jatkossa on kehitettävä standardisoituja diagnostisia työkaluja IAD-tunnistukseen IAD-diagnoosien luotettavuuden ja pätevyyden parantamiseksi. Toiseksi tutkimuksemme rajoittaa pieni otoskoko ja osallistujien sukupuolen epätasapaino (31-urokset ja 4-naiset), mikä saattaa vähentää havaintojen tilastollista voimaa ja yleistävyyttä, vaikka näitä tekijöitä on hallittu analyysissä. Sukupuolen vaikutus IAD-esiintyvyyteen on edelleen keskusteltu aihe. Perustuu Youngin havaintoihin [35], suurella määrällä naisia ​​on Internet-riippuvuus. Sitä vastoin eräs äskettäinen tutkimus raportoi, että miehillä on suurempi riski IAD-käytöksestä [109]. On kuitenkin myös ilmoitettu, että sukupuolen ja IAD: n välillä ei ole yhteyttä [110], [111]. Tulevia kokeita, joissa käytetään suurempaa kohorttia tasapainoisemmalla sukupuolisuhteella, tarvitaan paremmin sukupuolen ja IAD-alttiuden välisen suhteen arvioimiseksi.

tuki informaatio

Tiedosto S1.

Lisämateriaalit.

doi: 10.1371 / journal.pone.0107306.s001

(PDF)

Kiitokset

Tätä työtä tukivat osittain National Institutes of Health (NIH) -apurahat EB006733, EB008374, EB009634, AG041721 ja CA140413 sekä Kiinan kansallinen luonnontieteellinen säätiö (81171325) ja National Key Technology -tutkimus- ja kehitysohjelma 2007BAI17B03.

Tekijänoikeudet

Suunniteltu ja suunniteltu kokeilut: CYW ZZ PTY GW FS TP YD JX YZ DS. Kokeet suoritettiin: CYW ZZ YD JX YZ DS. Analysoi tiedot: CYW PTY DS. Mukana toimitetut reagenssit / materiaalit / analyysityökalut: ZZ YD JX YZ. Kirjoitti paperin: CYW PTY TP DS.

Viitteet

  1. 1. Ng BD, Wiemer-Hastings P (2005) Internet- ja online-peliriippuvuus. Cyberpsychol Behav 8: 110 – 113. doi: 10.1089 / cpb.2005.8.110
  2. 2. Nuori KS (1998) Internet-riippuvuus: Uuden kliinisen häiriön esiintyminen. Cyberpsychol Behav 1: 237 – 244. doi: 10.1089 / cpb.1998.1.237
  3. Näytä artikkeli
  4. PubMed / NCBI
  5. Google Scholar
  6. Näytä artikkeli
  7. PubMed / NCBI
  8. Google Scholar
  9. Näytä artikkeli
  10. PubMed / NCBI
  11. Google Scholar
  12. Näytä artikkeli
  13. PubMed / NCBI
  14. Google Scholar
  15. Näytä artikkeli
  16. PubMed / NCBI
  17. Google Scholar
  18. Näytä artikkeli
  19. PubMed / NCBI
  20. Google Scholar
  21. Näytä artikkeli
  22. PubMed / NCBI
  23. Google Scholar
  24. Näytä artikkeli
  25. PubMed / NCBI
  26. Google Scholar
  27. Näytä artikkeli
  28. PubMed / NCBI
  29. Google Scholar
  30. Näytä artikkeli
  31. PubMed / NCBI
  32. Google Scholar
  33. Näytä artikkeli
  34. PubMed / NCBI
  35. Google Scholar
  36. Näytä artikkeli
  37. PubMed / NCBI
  38. Google Scholar
  39. Näytä artikkeli
  40. PubMed / NCBI
  41. Google Scholar
  42. Näytä artikkeli
  43. PubMed / NCBI
  44. Google Scholar
  45. 3. Ko CH, Jeni JY, Jeni CF, Chen CS, Chen CC (2012) Internet-riippuvuuden ja psykiatristen häiriöiden välinen yhteys: katsaus kirjallisuuteen. Eur Psykiatria 27: 1 – 8. doi: 10.1016 / j.eurpsy.2010.04.011
  46. Näytä artikkeli
  47. PubMed / NCBI
  48. Google Scholar
  49. Näytä artikkeli
  50. PubMed / NCBI
  51. Google Scholar
  52. Näytä artikkeli
  53. PubMed / NCBI
  54. Google Scholar
  55. Näytä artikkeli
  56. PubMed / NCBI
  57. Google Scholar
  58. Näytä artikkeli
  59. PubMed / NCBI
  60. Google Scholar
  61. Näytä artikkeli
  62. PubMed / NCBI
  63. Google Scholar
  64. Näytä artikkeli
  65. PubMed / NCBI
  66. Google Scholar
  67. Näytä artikkeli
  68. PubMed / NCBI
  69. Google Scholar
  70. Näytä artikkeli
  71. PubMed / NCBI
  72. Google Scholar
  73. Näytä artikkeli
  74. PubMed / NCBI
  75. Google Scholar
  76. 4. Lohko J (2006) Levinneisyys aliarvioitu ongelmallisessa Internetin käytön tutkimuksessa. CNS-spektri 12: 14 – 15.
  77. Näytä artikkeli
  78. PubMed / NCBI
  79. Google Scholar
  80. Näytä artikkeli
  81. PubMed / NCBI
  82. Google Scholar
  83. Näytä artikkeli
  84. PubMed / NCBI
  85. Google Scholar
  86. Näytä artikkeli
  87. PubMed / NCBI
  88. Google Scholar
  89. 5. Fitzpatrick JJ (2008) Internet-riippuvuus: tunnistaminen ja interventiot. Arch Neurol 22: 59 – 60. doi: 10.1016 / j.apnu.2007.12.001
  90. Näytä artikkeli
  91. PubMed / NCBI
  92. Google Scholar
  93. Näytä artikkeli
  94. PubMed / NCBI
  95. Google Scholar
  96. 6. Cao F, Su L, Liu T, Gao X (2007) Impulsiivisuuden ja Internet-riippuvuuden välinen suhde näytteessä kiinalaisia ​​murrosikäisiä. Eur Psykiatria 22: 466 – 471. doi: 10.1016 / j.eurpsy.2007.05.004
  97. Näytä artikkeli
  98. PubMed / NCBI
  99. Google Scholar
  100. Näytä artikkeli
  101. PubMed / NCBI
  102. Google Scholar
  103. Näytä artikkeli
  104. PubMed / NCBI
  105. Google Scholar
  106. Näytä artikkeli
  107. PubMed / NCBI
  108. Google Scholar
  109. Näytä artikkeli
  110. PubMed / NCBI
  111. Google Scholar
  112. Näytä artikkeli
  113. PubMed / NCBI
  114. Google Scholar
  115. Näytä artikkeli
  116. PubMed / NCBI
  117. Google Scholar
  118. Näytä artikkeli
  119. PubMed / NCBI
  120. Google Scholar
  121. Näytä artikkeli
  122. PubMed / NCBI
  123. Google Scholar
  124. Näytä artikkeli
  125. PubMed / NCBI
  126. Google Scholar
  127. Näytä artikkeli
  128. PubMed / NCBI
  129. Google Scholar
  130. Näytä artikkeli
  131. PubMed / NCBI
  132. Google Scholar
  133. Näytä artikkeli
  134. PubMed / NCBI
  135. Google Scholar
  136. Näytä artikkeli
  137. PubMed / NCBI
  138. Google Scholar
  139. Näytä artikkeli
  140. PubMed / NCBI
  141. Google Scholar
  142. Näytä artikkeli
  143. PubMed / NCBI
  144. Google Scholar
  145. Näytä artikkeli
  146. PubMed / NCBI
  147. Google Scholar
  148. Näytä artikkeli
  149. PubMed / NCBI
  150. Google Scholar
  151. Näytä artikkeli
  152. PubMed / NCBI
  153. Google Scholar
  154. Näytä artikkeli
  155. PubMed / NCBI
  156. Google Scholar
  157. Näytä artikkeli
  158. PubMed / NCBI
  159. Google Scholar
  160. Näytä artikkeli
  161. PubMed / NCBI
  162. Google Scholar
  163. Näytä artikkeli
  164. PubMed / NCBI
  165. Google Scholar
  166. Näytä artikkeli
  167. PubMed / NCBI
  168. Google Scholar
  169. Näytä artikkeli
  170. PubMed / NCBI
  171. Google Scholar
  172. Näytä artikkeli
  173. PubMed / NCBI
  174. Google Scholar
  175. Näytä artikkeli
  176. PubMed / NCBI
  177. Google Scholar
  178. Näytä artikkeli
  179. PubMed / NCBI
  180. Google Scholar
  181. Näytä artikkeli
  182. PubMed / NCBI
  183. Google Scholar
  184. Näytä artikkeli
  185. PubMed / NCBI
  186. Google Scholar
  187. Näytä artikkeli
  188. PubMed / NCBI
  189. Google Scholar
  190. Näytä artikkeli
  191. PubMed / NCBI
  192. Google Scholar
  193. Näytä artikkeli
  194. PubMed / NCBI
  195. Google Scholar
  196. Näytä artikkeli
  197. PubMed / NCBI
  198. Google Scholar
  199. Näytä artikkeli
  200. PubMed / NCBI
  201. Google Scholar
  202. Näytä artikkeli
  203. PubMed / NCBI
  204. Google Scholar
  205. Näytä artikkeli
  206. PubMed / NCBI
  207. Google Scholar
  208. Näytä artikkeli
  209. PubMed / NCBI
  210. Google Scholar
  211. Näytä artikkeli
  212. PubMed / NCBI
  213. Google Scholar
  214. Näytä artikkeli
  215. PubMed / NCBI
  216. Google Scholar
  217. Näytä artikkeli
  218. PubMed / NCBI
  219. Google Scholar
  220. Näytä artikkeli
  221. PubMed / NCBI
  222. Google Scholar
  223. Näytä artikkeli
  224. PubMed / NCBI
  225. Google Scholar
  226. Näytä artikkeli
  227. PubMed / NCBI
  228. Google Scholar
  229. Näytä artikkeli
  230. PubMed / NCBI
  231. Google Scholar
  232. Näytä artikkeli
  233. PubMed / NCBI
  234. Google Scholar
  235. Näytä artikkeli
  236. PubMed / NCBI
  237. Google Scholar
  238. Näytä artikkeli
  239. PubMed / NCBI
  240. Google Scholar
  241. Näytä artikkeli
  242. PubMed / NCBI
  243. Google Scholar
  244. Näytä artikkeli
  245. PubMed / NCBI
  246. Google Scholar
  247. Näytä artikkeli
  248. PubMed / NCBI
  249. Google Scholar
  250. Näytä artikkeli
  251. PubMed / NCBI
  252. Google Scholar
  253. Näytä artikkeli
  254. PubMed / NCBI
  255. Google Scholar
  256. Näytä artikkeli
  257. PubMed / NCBI
  258. Google Scholar
  259. Näytä artikkeli
  260. PubMed / NCBI
  261. Google Scholar
  262. Näytä artikkeli
  263. PubMed / NCBI
  264. Google Scholar
  265. Näytä artikkeli
  266. PubMed / NCBI
  267. Google Scholar
  268. Näytä artikkeli
  269. PubMed / NCBI
  270. Google Scholar
  271. Näytä artikkeli
  272. PubMed / NCBI
  273. Google Scholar
  274. Näytä artikkeli
  275. PubMed / NCBI
  276. Google Scholar
  277. Näytä artikkeli
  278. PubMed / NCBI
  279. Google Scholar
  280. Näytä artikkeli
  281. PubMed / NCBI
  282. Google Scholar
  283. Näytä artikkeli
  284. PubMed / NCBI
  285. Google Scholar
  286. Näytä artikkeli
  287. PubMed / NCBI
  288. Google Scholar
  289. Näytä artikkeli
  290. PubMed / NCBI
  291. Google Scholar
  292. Näytä artikkeli
  293. PubMed / NCBI
  294. Google Scholar
  295. Näytä artikkeli
  296. PubMed / NCBI
  297. Google Scholar
  298. Näytä artikkeli
  299. PubMed / NCBI
  300. Google Scholar
  301. Näytä artikkeli
  302. PubMed / NCBI
  303. Google Scholar
  304. 7. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et ai. (2011) Mikrostruktuurin poikkeavuudet nuorilla, joilla on Internet-riippuvuushäiriö. PLOS ONE 6: e20708. doi: 10.1371 / journal.pone.0020708
  305. Näytä artikkeli
  306. PubMed / NCBI
  307. Google Scholar
  308. Näytä artikkeli
  309. PubMed / NCBI
  310. Google Scholar
  311. Näytä artikkeli
  312. PubMed / NCBI
  313. Google Scholar
  314. Näytä artikkeli
  315. PubMed / NCBI
  316. Google Scholar
  317. 8. Ernst M, Pine DS, Hardin M (2006) Triadinen malli motivoituneen käyttäytymisen neurobiologiasta murrosikäisenä. Psychol Med 36: 299 – 312. doi: 10.1017 / s0033291705005891
  318. 9. Pine DS, Cohen P, Brook JS (2001) Emotionaalinen reaktiivisuus ja psykopatologian riski murrosikäisillä. CNS-spektri 6: 27 – 35.
  319. 10. Silveri MM, Tzilos GK, Pimentel PJ, Yurgelun-Todd DA (2004) Teini-ikäisten emotionaalisen ja kognitiivisen kehityksen radat: sukupuolen vaikutukset ja huumeiden käytön riski. Ann NY Acad Sci 1021: 363 – 370. doi: 10.1196 / annals.1308.046
  320. 11. Steinberg L (2005) Kognitiivinen ja afektiivinen kehitys murrosiässä. Trendit Cogn Sci 9: 69 – 74. doi: 10.1016 / j.tics.2004.12.005
  321. 12. Ko CH, Yen JY, Chen CC, Chen SH, Yen CF (2005) Ehdotetut diagnoosikriteerit nuorten Internet-riippuvuudesta. J Nerv Ment Dis 193: 728 – 733. doi: 10.1097 / 01.nmd.0000185891.13719.54
  322. 13. Yoo HJ, Cho SC, Ha J, Yune SK, Kim SJ, et ai. (2004) Huomiovajeen hyperaktiivisuuden oireet ja Internet-riippuvuus. Psykiatrian klinikka Neurosci 58: 487 – 494. doi: 10.1111 / j.1440-1819.2004.01290.x
  323. 14. Shapira NA, Lessig MC, Goldsmith TD, Szabo ST, Lazoritz M, et ai. (2003) Ongelmainen Internet-käyttö: Ehdotetut luokitus- ja diagnoosikriteerit. Masennus ahdistus 17: 207 – 216. doi: 10.1002 / da.10094
  324. 15. Beard KW (2005) nternet-riippuvuus: katsaus nykyisiin arviointitekniikoihin ja mahdollisiin arviointikysymyksiin. Cyberpsychol Behav 8: 7 – 14. doi: 10.1089 / cpb.2005.8.7
  325. 16. Young K (1999) -innovaatiot kliinisessä käytännössä: Lähdekirja, Professional Resource Press, osa 17, luku Internet-riippuvuus: oireet, arviointi ja hoito. s. 19 – 31.
  326. 17. Estä JJ (2008) -ongelmat DSM-V: lle: Internet-riippuvuus. Am J Psykiatria 165: 306 – 307. doi: 10.1176 / appi.ajp.2007.07101556
  327. 18. Doidge N (2007) Aivot, jotka muuttuvat itselleen: Tarinoita henkilökohtaisesta voitosta aivotieteen rajoilta. Penguin Books, 1st painos doi: 10.1080 / 10398560902721606
  328. 19. American Psychiatric Association (2013) Psyykkisten häiriöiden diagnostiikka- ja tilastollinen käsikirja (DSM-5). American Psychiatric Publishing (APPI) .. doi: 10.1007 / springerreference_179660
  329. 20. Bernardi S (2009) SPallanti (2009) Internet-riippuvuus: Kuvaileva kliininen tutkimus, joka keskittyy haittavaikutuksiin ja dissosiatiivisiin oireisiin. Yhdistä psykiatria 50: 510 – 516. doi: 10.1016 / j.comppsych.2008.11.011
  330. 21. Caplan SE (2002) Internetin ongelmakäyttö ja psykososiaalinen hyvinvointi: Teoriapohjaisen kognitiivisen käyttäytymisen mittauslaitteen kehittäminen. Comput Human Behav 18: 553 – 575. doi: 10.1016 / s0747-5632 (02) 00004-3
  331. 22. Shaw M, Black DW (2008) Internet-riippuvuus: määritelmä, arviointi, epidemiologia ja kliininen hallinta. CNS-lääkkeet 22: 353 – 365. doi: 10.2165 / 00023210-200822050-00001
  332. 23. Tao R, Huang X, Wang J, Zhang H, Zhang Y, et ai. (2010) Ehdotetut diagnoosikriteerit Internet-riippuvuuteen. Riippuvuus 105: 556 – 564. doi: 10.1111 / j.1360-0443.2009.02828.x
  333. 24. Ding W, Sun J, Sun Y, Zhou Y, Li L, et ai. (2013) Muuttunut oletusverkon lepotilan toiminnallinen liitettävyys murrosikäisillä, joilla on Internet-peliriippuvuus. PLOS ONE 8: e59902. doi: 10.1371 / journal.pone.0059902
  334. 25. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et ai. (2012) Valkoisen aineen epänormaali eheys murrosikäisillä, joilla on Internet-riippuvuus: Kukkapohjainen tilatilastotutkimus. PLOS ONE 7: e30253. doi: 10.1371 / journal.pone.0030253
  335. 26. Hong SB, Zalesky A, Cocchi L, Fornito A, Choi EJ, et ai. (2013) Aivojen toiminnallisen yhteyden heikentyminen murrosikäisillä, joilla on Internet-riippuvuus. PLOS ONE 8: e57831. doi: 10.1371 / journal.pone.0057831
  336. 27. Liu J, Yuan L, Ye J (2010) Tehokas algoritmi sulatettujen laso-ongelmien luokalle. Julkaisussa: KDD. s. 323 – 332.
  337. 28. Yuan K, Cheng P, Dong T, Bi Y, Xing L, et ai. (2013) Aivokuoren paksuuden poikkeavuudet myöhässä murrosikässä online-peliriippuvuuden kanssa. PLOS ONE 8: e53055. doi: 10.1371 / journal.pone.0053055
  338. 29. Zhou Y, Lin F, Du Y, Qin L, Zhao Z, et ai. (2011) Harmaan aineen poikkeavuudet Internet-riippuvuudessa: Vokselipohjainen morfometriatutkimus. Eur J Radiol 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
  339. 30. Yuan K, Jin C, Cheng P, Yang X, Dong T, et ai. (2013) Matalataajuisten vaihteluvälien amplitudi nuorisoikäisillä, joilla on online-peliriippuvuus. PLOS ONE 8: e78708. doi: 10.1371 / journal.pone.0078708
  340. 31. Zuo XN, Ehmke R, Mennes M, Imperati D, Castellanos FX, et ai. (2012) Verkkokeskeisyys ihmisen toiminnallisessa yhteydessä. Cereb Cortex 22: 1862 – 1875. doi: 10.1093 / cercor / bhr269
  341. 32. Koschützki D, Lehmann KA, Peeters L, Richter S, Tenfelde-Podehl D, et ai. (2005) Keskusindeksit. Julkaisussa: Brandes U, Erlebach T, toimittajat, verkkoanalyysi: metodologiset perusteet. New York: Springer-Verlag, volyymi 3418, sivut 16 – 61.
  342. 33. Beard KW, Wolf EM (2001) Internet-riippuvuuden ehdotettujen diagnostisten kriteerien muutos. Cyberpsychol Behav 4: 377 – 383. doi: 10.1089 / 109493101300210286
  343. 34. Ko CH, Liu GC, Hsiao S, Yen JY, Yang MJ, et ai. (2009) Aivoaktiviteetit, jotka liittyvät online-peliriippuvuuden peliin. J Psychiatr Res 43: 739 – 747. doi: 10.1016 / j.jpsychires.2008.09.012
  344. 35. Netissä kiinni oleva nuori KS (1998): Internet-riippuvuuden oireiden tunnistaminen ja toipumisen voittamisstrategia. John Wiley ja pojat.
  345. 36. Patton JH, Stanford MS, Barratt ES (1995) Barratt-impulsiivisuusasteikon tekijärakenne. J Clin Psychol 51: 768–774. doi: 10.1002 / 1097-4679 (199511) 51: 6 <768 :: aid-jclp2270510607> 3.0.co; 2-1
  346. 37. Huang X, Zhang Z (2001) Teini-ikäisten ajanhallintajärjestelyjen inventaario. Acta Psychol Sin 33: 338 – 343.
  347. 38. Goodman R (1997) Vahvuuksien ja vaikeuksien kyselylomake: Tutkimuksen huomautus. J Lasten psykologinen psykiatria 38: 581 – 586. doi: 10.1111 / j.1469-7610.1997.tb01545.x
  348. 39. Epstein NB, Baldwin LM, Bishop DS (1983) McMaster-perheen arviointilaite. J Marital Fam Ther 9: 171 – 180. doi: 10.1111 / j.1752-0606.1983.tb01497.x
  349. 40. Yan CG, Zang YF (2010) DPARSF: MATLAB-työkalupakki lepotila-fMRI: n ”putkilinja” -analyysiin. Front Syst Neurosci 4: 13. doi: 10.3389 / fnsys.2010.00013
  350. 41. Song XW, Dong ZY, Long XY, Li SF, Zuo XN, et ai. (2011) REST: Työkalupakki lepotilan toiminnallisen magneettikuvauskuvan tietojenkäsittelyyn. PLOS ONE 6: e25031. doi: 10.1371 / journal.pone.0025031
  351. 42. Power JD, Barnes KA, Snyder AZ, Schlaggar BL, Petersen SE (2012) Häiriöt mutta systemaattiset korrelaatiot funktionaalisten yhteyksien MRI-verkoissa johtuvat kohteen liikkeestä. Neurokuva 59: 2142 – 2154. doi: 10.1016 / j.neuroimage.2011.10.018
  352. 43. Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O, et ai. (2002) SPM: n aktivointien automatisoitu anatominen merkitseminen käyttämällä MNI MRI: n yksittäisen potilaan aivojen makroskooppista anatomista lohkoa. Neurokuva 15: 273 – 289. doi: 10.1006 / nimg.2001.0978
  353. 44. Achard S, Bullmore E (2007) Aivojen taloudellisten verkkojen tehokkuus ja kustannukset. PLoS Comput Biol 3: e17. doi: 10.1371 / journal.pcbi.0030017
  354. 45. Bassett DS, Meyer-Lindenberg A, Achard S, Duke T, Bullmore E (2006) Fraktaalien pienimaailman ihmisen aivojen funktionaalisten verkkojen mukautuva uudelleenkonfigurointi. Proc Natl Acad Sci USA 103: 19518 – 19523. doi: 10.1073 / pnas.0606005103
  355. 46. Rubinov M, Sporns O (2010) Aivoyhteyden monimutkaiset verkot: Käyttötiedot ja tulkinnat. Neurokuva 52: 1059 – 1069. doi: 10.1016 / j.neuroimage.2009.10.003
  356. 47. Smit DJA, Stam CJ, Posthuma D, Boomsma DI, De Geus EJC (2008) Aivojen "pienmaailman" verkkojen periytyvyys: Graafinen teoreettinen analyysi lepotilan EEG-toiminnallisesta yhteydestä. Hum Brain Mapp 29: 1368 – 1378. doi: 10.1002 / hbm.20468
  357. 48. Zhang J, Wang J, Wu Q, Kuang W, Huang X, et ai. (2011) Häiriintyneet aivojen yhteysverkot lääkkeiden tyyppisessä ensimmäisen jakson vakavassa masennushäiriössä. Biol-psykiatria 70: 334 – 342. doi: 10.1016 / j.biopsych.2011.05.018
  358. 49. Latora V, Marchiori M (2001) Pienmaailman verkkojen tehokas käyttäytyminen. Phys Rev Lett 87: 198701. doi: 10.1103 / physrevlett.87.198701
  359. 50. Watts DJ, Strogatz SH (1998) ”Pienen maailman” verkkojen kollektiivinen dynamiikka. Luonto 393: 440 – 442. doi: 10.1038 / 30918
  360. 51. Hän Y, Wang J, Wang L, Chen ZJ, Yan C, et ai. (2009) Löytää ihmisen spontaanin aivoaktiivisuuden ohjeellista modulaarista organisointia. PLOS ONE 4: 1 – 17. doi: 10.1371 / journal.pone.0005226
  361. 52. Gong G, Rosa-Neto P, Carbonell F, Chen ZJ, He Y, et ai. (2009) Iän ja sukupuolen väliset erot aivokuoren anatomisessa verkossa. J Neurosci 29: 15684 – 15693. doi: 10.1523 / jneurosci.2308-09.2009
  362. 53. Tian L, Wang J, Yan C, He Y (2011) pallonpuolisko- ja sukupuoleen liittyvät erot pienmaailman aivoverkoissa: Lepo-tilan toiminnallinen MRI-tutkimus. Neurokuva 54: 191 – 202. doi: 10.1016 / j.neuroimage.2010.07.066
  363. 54. Zhu W, Wen W, He Y, Xia A, Anstey KJ, et ai. (2012) Topologisten kuvioiden muuttaminen normaalissa ikääntymisessä suurten rakenneverkkojen avulla Neurobiolin ikääntyminen 33: 899 – 913. doi: 10.1016 / j.neurobioging.2010.06.022
  364. 55. Hayasaka S, Laurienti PJ (2010) Alue- ja vokselipohjaisten verkkoanalyysien ominaisuuksien vertailu lepotilafmri-tiedossa. Neurokuva 50: 499 – 508. doi: 10.1016 / j.neuroimage.2009.12.051
  365. 56. Fornito A, Zalesky A, Bullmore ET (2010) -verkon skaalausvaikutukset ihmisen lepotila-fMRI-tietojen graafisissa analyyttisissä tutkimuksissa. Front Syst Neurosci 4: 22. doi: 10.3389 / fnsys.2010.00022
  366. 57. Zalesky A, Fornito A, Harding IH, Cocchi L, Yücel M, et ai. (2010) Koko aivojen anatomiset verkot: Onko solmujen valinnalla merkitystä? Neurokuva 50: 970 – 983. doi: 10.1016 / j.neuroimage.2009.12.027
  367. 58. Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD, et ai. (2010) Aivojen yksilöllisen kypsyyden ennustaminen fmri-menetelmällä. Tiede 329: 1358 – 1361. doi: 10.1126 / tiede.1194144
  368. 59. Maslov S, Sneppen K (2002) spesifisyys ja stabiilisuus proteiiniverkkojen topologiassa. Tiede 296: 910 – 913. doi: 10.1126 / tiede.1065103
  369. 60. Buckner RL, Andrew-Hanna JR, Schacter DL (2008) Aivojen oletusmoodiverkosto: anatomia, toiminta ja merkitys taudille. Ann NY Acad Sci 1124: 1–38. doi: 10.1196 / annals.1440.011
  370. 61. Greicius MD, Krasnow B, Reiss AL, Menon V (2003) Toiminnalliset yhteydet lepäävissä aivoissa: oletustilan hypoteesin verkkoanalyysi. Proc Natl Acad Sci USA 100: 253 – 258. doi: 10.1073 / pnas.0135058100
  371. 62. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et ai. (2001) Aivotoimintojen oletustila. Proc Natl Acad Sci USA 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
  372. 63. Fair DA, Dosenbach NUF, Church JA, Cohen AL, Brahmbhatt S, et ai. (2007) Erillisten ohjausverkkojen kehittäminen segregaation ja integraation avulla. Proc Natl Acad Sci USA 104: 13507 – 13512. doi: 10.1073 / pnas.0705843104
  373. 64. Fair DA, Cohen AL, Power JD, Dosenbach NUF, Church JA, et ai. (2009) Toiminnalliset aivoverkot kehittyvät ”paikallisesta jaettuun” organisaatioon. PLoS Comput Biol 5: e1000381. doi: 10.1371 / journal.pcbi.1000381
  374. 65. Kelly AC, Di Martino A, Uddin LQ, Zarrar Shehzad1 DGG, Reiss PT, et ai. (2009) Eturauhastoiminnallisen yhteyden kehittäminen myöhäisestä lapsuudesta varhaiseen aikuisuuteen. Cereb Cortex 19: 640 – 657. doi: 10.1093 / cercor / bhn117
  375. 66. Supekar K, Musen M, Menon V (2009) Laajojen funktionaalisten aivoverkkojen kehittäminen lapsilla. PLoS Biol 7: e1000157. doi: 10.1371 / journal.pbio.1000157
  376. 67. Anderson JS, Druzgal TJ, Froehlich A, DuBray MB, Lange N, et ai. (2011) Vähentynyt pallon välisen funktionaalinen yhteys autismissa. Cereb Cortex 21: 1134 – 1146. doi: 10.1093 / cercor / bhq190
  377. 68. Wilson TW, Rojas DC, Reite ML, Teale PD, Rogers SJ (2007) Autismin saaneilla lapsilla ja nuorilla MEG: n vakaan tilan gammavasteet ovat vähentyneet. Biol-psykiatria 62: 192 – 197. doi: 10.1016 / j.biopsych.2006.07.002
  378. 69. Uddin LQ, Supekar K, Menon V (2010) Toiminnallisten ihmisen aivoverkkojen tyypillinen ja epätyypillinen kehitys: näkemyksiä lepotilan fMRI: stä. Front Syst Neurosci 4: 21. doi: 10.3389 / fnsys.2010.00021
  379. 70. Uddin LQ, Supekar KS, Ryali S, Menon V (2011) Rakenteellisten ja toiminnallisten yhteyksien dynaaminen uudelleenkonfigurointi ydinneurokognitiivisten aivoverkkojen kanssa kehityksen kanssa. J Neurosci 31: 18578 – 18589. doi: 10.1523 / jneurosci.4465-11.2011
  380. 71. Liang M, Zhou Y, Jiang T, Liu Z, Tian L, et ai. (2006) Laaja levinnyt toiminnallinen katkaisu skitsofreniassa lepotilan toiminnallisella magneettikuvauskuvauksella. Neuroreport 17: 209 – 213. doi: 10.1097 / 01.wnr.0000198434.06518.b8
  381. 72. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et ai. (2006) Lisääntynyt paikallinen ja vähentynyt toiminnallinen etäyhteys EEG-alfa- ja beeta-taajuuskaistoilla opioidiriippuvaisilla potilailla. Psykofarmakologia 188: 42 – 52. doi: 10.1007 / s00213-006-0474-4
  382. 73. Fingelkurts AA, Fingelkurts AA, Kivisaari R, Autti T, Borisov S, et ai. (2007) Opioidien vetäytyminen johtaa parantuneeseen paikalliseen ja etätoimintayhteyteen EEG-alfa- ja beeta-taajuuskaistoilla. Neurosci Res 58: 40 – 49. doi: 10.1016 / j.neures.2007.01.011
  383. 74. Kelly C, Zuo XN, Gotimer K, Cox CL, Lynch L, et ai. (2011) Vähentynyt pallojen välinen lepotilan toiminnallinen yhteys kokaiiniriippuvuuteen. Biol-psykiatria 69: 684 – 692. doi: 10.1016 / j.biopsych.2010.11.022
  384. 75. Fair DA, Cohen AL, Church NUDJA, Miezin FM, Barch DM et ai. (2008) Aivojen oletusverkon kypsyvä arkkitehtuuri. Proc Natl Acad Sci USA, 105: 4028–4032. doi: 10.1073 / pnas.0800376105
  385. 76. Bullmore E, Sporns O (2009) Kompleksiset aivoverkot: Rakenne- ja funktionaalisten järjestelmien graafinen teoreettinen analyysi. Nat Rev Neurosci 10: 186 – 198. doi: 10.1038 / nrn2575
  386. 77. He Y, Evans A (2010) Aivojen yhteyksien graafinen teoreettinen mallintaminen. Curr Opin Neurol 23: 341 – 350.
  387. 78. Stam CJ (2010) Aivojen anatomisten ja toiminnallisten yhteyksien karakterisointi: monimutkaisten verkkojen näkökulma. Int. J Psykofysioli 77: 186 – 194. doi: 10.1016 / j.ijpsycho.2010.06.024
  388. 79. Wang J, Zuo X, He Y (2010) Graafipohjainen verkkoanalyysi lepotilan toiminnallisesta MRI: stä. Front Syst Neurosci 4: 16. doi: 10.3389 / fnsys.2010.00016
  389. 80. Latora V, Marchiori M (2003) Pienmaailman taloudellinen käyttäytyminen painotetuissa verkoissa. Eur Fyysinen lehti B 32: 249 – 263. doi: 10.1140 / epjb / e2003-00095-5
  390. 81. Tononi G, Edelman GM, Sporns O (1998) Monimutkaisuus ja johdonmukaisuus: Tietojen integrointi aivoihin. Kognitiivisten tieteiden suuntaukset 2: 474 – 484. doi: 10.1016 / s1364-6613 (98) 01259-5
  391. 82. Mayberg HS (1997) Limbi-aivokuoren säätely: ehdotettu masennuksen malli. J Neuropsychiatry Clin Neurosci 9: 471 – 481.
  392. 83. Goldstein RZ, Tomasi D, Rajaram S, Cottone LA, Zhang L, et ai. (2007) Kidulaatin etuosan ja meditaalisen orbitofrontaalisen aivokuoren rooli huumausaineiden käsittelyssä kokaiiniriippuvuudessa. Neurotiede 144: 1153 – 1159. doi: 10.1016 / j.neuroscience.2006.11.024
  393. 84. Grüsser SM, Wrase J, Klein S, Hermann D, Smolka MN, et ai. (2004) Kiinnostava striatumin ja mediaalisen etupään aivokuoren aktivointi liittyy myöhempään uusiutumiseen abstinenteissa alkoholisteissa. Psykofarmakologia (Berl) 175: 296 – 302. doi: 10.1007 / s00213-004-1828-4
  394. 85. Miedl SF, Fehr T, Meyer G, Herrmann M (2010) fMRI: n paljastama ongelmapelaamisen neurobiologinen korrelaatio lähes realistisessa blackjack-skenaariossa. Psykiatria Res 181: 165 – 173. doi: 10.1016 / j.pscychresns.2009.11.008
  395. 86. Matochik JA, Lontoon ED, Eldreth DA, kadetti JL, Boll KI (2003) Eturauhasen aivokuoren kudoskoostumus raskaammissa kokaiinin väärinkäyttäjissä: Magneettiresonanssitutkimus. Neurokuva 19. doi: 10.1016 / s1053-8119 (03) 00244-1
  396. 87. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) Palkinnon ja rangaistuksen erotettu ja integroitu koodaus cingulate-aivokuoressa. J Neurofysioli 101: 3284 – 3293. doi: 10.1152 / jn.90909.2008
  397. 88. Yu C, Gupta J, Yin HH (2010) Mediodorsaalisen talamuksen rooli palkkio-ohjattujen toimien ajallisessa erottelussa. Etuosa Integr Neurosci 4: 14. doi: 10.3389 / fnint.2010.00014
  398. 89. Corbit LH, Muir JL, Balleine BW (2003) Keskidorsaalisen talamuksen ja etuosan talamuksen ytimien vauriot aiheuttavat dissosioituvia vaikutuksia instrumenttiseen ilmastointiin rotilla. Eur J Neurosci 18: 1286 – 1294. doi: 10.1046 / j.1460-9568.2003.02833.x
  399. 90. Saper CB (2002) Keski autonominen hermosto: tietoinen viskeraalinen havainto ja autonomisen kuvion luominen. Annu Rev Neurosci 25: 433 – 469. doi: 10.1146 / annurev.neuro.25.032502.111311
  400. 91. Ray JP, Prince JL (1993) Projektioiden organisointi thalamuksen keskidorsaalisesta ytimestä makak-apinoilla kiertoradalla ja mediaaliseen prefrontaaliseen aivokuoreen. J Comp Neurol 337: 1 – 31. doi: 10.1002 / cne.903370102
  401. 92. Rolls ET (2004) Orbitofrontaalisen aivokuoren toiminnot. Brain Cogn 55: 11 – 29. doi: 10.1016 / s0278-2626 (03) 00277-x
  402. 93. Dong G, Huang J, Du X (2012) Lepo-aivojen toiminnan alueellisen homogeenisuuden muutokset Internet-peliriippuvaisissa. Behav Brain Funct 18: 8 – 41. doi: 10.1186 / 1744-9081-8-41
  403. 94. Steriade M, Llinás RR (1998) Talamuksen toimintatilat ja siihen liittyvä hermosolujen vuorovaikutus. Physiol Rev 68: 649 – 742.
  404. 95. Stein T, Moritz C, Quigley M, Cordes D, Haughton V, et ai. (2000) Tamalamuksen ja hippokampuksen toiminnallisia yhteyksiä tutkittiin funktionaalisella mr-kuvauksella. AJNR Am J Neuroradioli 21: 1397 – 1401.
  405. 96. Burgess N, Maguire EA, O'Keefe J (2002) Ihmisen hippokampus sekä spatiaalinen ja episodinen muisti. Neuron 35: 625–641. doi: 10.1016 / s0896-6273 (02) 00830-9
  406. 97. Warburton EC, Baird A, Morgan A, Muir JL, Aggleton JP (2001) Hippocumpan ja etuosan talamuksen ytimien yhteinen merkitys kaikissa allokeskeisissä spatiaalisissa oppimisissa: Todisteet katkaisututkimuksesta rotalla. J Neurosci 21: 7323 – 7330.
  407. 98. Garavan H, Hester R, Murphy K, Fassbender C, Kelly C (2006) Yksilölliset erot estävän kontrollin toiminnallisessa neuroanatomiassa. Brain Res 1105: 130 – 142. doi: 10.1016 / j.brainres.2006.03.029
  408. 99. Menon V, Adleman NE, White CD, Glover GH, Reiss AL (2001) Virheisiin liittyvä aivojen aktivointi Go / NoGo -vasteen estämisen tehtävän aikana. Hum Brain Mapp 12: 131–143. doi: 10.1002 / 1097-0193 (200103) 12: 3 <131 :: aid-hbm1010> 3.0.co; 2-c
  409. 100. Whitfield-Gabrieli S, Ford JM (2012) Verkkotoimintojen oletusmuoto ja yhteys psykopatologiassa. Annu Rev Clin Psychol 8: 49 – 76. doi: 10.1146 / annurev-klinpsia-032511-143049
  410. 101. Ding X, Lee SW (2013) Kokaiiniriippuvuuteen liittyvät toistettavat aivoalueet, joissa on epänormaalia oletusmoodin verkon toiminnallista yhteyttä: Ryhmä ica-tutkimus eri mallijärjestyksillä. Neurosci Lett 548: 110 – 114. doi: 10.1016 / j.neulet.2013.05.029
  411. 102. Ma N, Liu Y, Fu XM, Li N, Wang CX, et ai. (2011) Epänormaalit aivojen oletusmoodin verkon toiminnalliset yhteydet huumeiden väärinkäyttäjillä. PLOS ONE 6: e16560. doi: 10.1371 / journal.pone.0016560
  412. 103. Tschernegg M, Crone JS, Eigenberger T, Schwartenbeck P, Fauth-Bühler M, et ai. (2013) Funktionaalisten aivoverkkojen poikkeavuudet patologisessa pelaamisessa: graafiteoreettinen lähestymistapa. Edessä Hum Neurosci 7: 625. doi: 10.3389 / fnhum.2013.00625
  413. 104. Kolb B, Whishaw IQ (1998) Aivojen plastilisuus ja käyttäytyminen. Annu Rev Psychol 49: 43 – 64. doi: 10.1146 / annurev.psych.49.1.43
  414. 105. Shaw CA, McEachern J, toimittajat (2001) Kohti teorian neuroplastisuutta. Psychology Press.
  415. 106. Kolb B, Gibb R (2003) Aivojen plastisuus ja käyttäytyminen. Curr Dir Psychol Sci 12: 1 – 5. doi: 10.1111 / 1467-8721.01210
  416. 107. Kolb B, Gibb R (2011) Aivojen plastilisuus ja käyttäytyminen kehittyvissä aivoissa. J Voi johtaa lasten murrosikäisten psykiatriaan 20: 265 – 276.
  417. 108. Robinson TE, Berridge KC (1993) Huumeiden himo hermosto: riippuvuuden kannustinherkistämisteoria. Brain Res Rev 18: 247 – 291. doi: 10.1016 / 0165-0173 (93) 90013-p
  418. 109. Alavi SS, Maracy MR (2011) Psykiatristen oireiden vaikutus Internet-riippuvuushäiriöön Isfahanin yliopiston opiskelijoilla. J Res Med Sci 16: 793–800.
  419. 110. Egger O, Rauterberg M (1996) Internet-käyttäytyminen ja riippuvuus. Tekninen raportti, Työ- ja organisaatiopsykologian yksikkö (IFAP), Sveitsin liittovaltion teknillinen instituutti (ETH), Zürich.
  420. 111. Petrie H, Gunn D (1998) Internet-riippuvuus: sukupuolen, iän, masennuksen ja introversion vaikutukset. Julkaisussa: British Psychological Society London Conference. Lontoo, Britannia: British Psychological Society. Kirja esiteltiin British Psychological Society Lontoon konferenssissa.