Korkeampi media-monitoimintatoiminto liittyy pienempään harmaa-aineen tiheyteen anteriorisessa Cingulate Cortexissa (2014)

Citation: Loh KK, Kanai R (2014) Korkeamman median monitehtävätoiminta liittyy pienempiin harmaan aineen tiheyteen edessä olevassa cingulate-aivokuoressa. PLOS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Abstrakti

Median moniajotai useiden mediamuotojen samanaikainen kulutus on yhä yleisempi nyky-yhteiskunnassa ja siihen on liitetty negatiivisia psykososiaalisia ja kognitiivisia vaikutuksia. Henkilöiden, jotka harjoittavat raskaampaa mediatyöskentelyä, havaitaan suorittavan huonommin kognitiivisia kontrollitöitä ja heillä on enemmän sosiaalisia ja emotionaalisia vaikeuksia. Median monitehtäviin liittyvät hermoprosessit ovat kuitenkin edelleen tutkimatta.

Tässä tutkimuksessa tutkittiin mediatyöntekijöiden ja aivojen rakenteen välisiä suhteita. Tutkimukset ovat osoittaneet, että aivojen rakenne voi muuttua pitkäaikaisessa altistumisessa uusille ympäristöille ja kokemuksille. Odotimme siten, että media-monitehtävissä olevat erilaiset sitoutumiset korreloivat aivojen rakenteen vaihtelun kanssa.

Tämä vahvistettiin Voxel-Based Morphometry (VBM) -analyyseillä: Yksilöillä, joilla oli korkeammat Media Multitasking Index (MMI) -pisteet, oli harvemman aineen tiheys alhaisemmassa cingulate-aivokuoressa (ACC). Fepävirallinen yhteys tämän ACC-alueen ja preuneuksen välillä oli negatiivisesti yhteydessä MMI: hen. Tuloksemme viittaavat mahdolliseen rakenteelliseen korrelaatioon havaitun heikentyneen kognitiivisen kontrollin suorituskyvyn ja sosiaalis-emotionaalisen sääntelyn suhteen raskaiden media-multitaskerien kohdalla. Vaikka tutkimuksen poikkileikkausluonne ei anna meille mahdollisuutta määritellä syy-yhteyden suuntaa, tuloksemme toivat esiin uusia assosiaatioita yksittäisten mediatoimintojen käyttäytymisen ja ACC: n rakenne-erojen välillä.

luvut

Citation: Loh KK, Kanai R (2014) Korkeamman median monitehtävätoiminta liittyy pienempiin harmaan aineen tiheyteen edessä olevassa cingulate-aivokuoressa. PLOS ONE 9 (9): e106698. doi: 10.1371 / journal.pone.0106698

Editor: Katsumi Watanabe, Tokion yliopisto, Japani

Otettu vastaan: Helmikuu 25, 2014; hyväksytty: Elokuu 8, 2014; Julkaistu: Syyskuu 24, 2014

Copyright: © 2014 Loh, Kanai. 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: Projektin rahoitus rahoitettiin Japanin tiede- ja teknologiajärjestön PRESTO-avustuksella. Rahoittajilla ei ollut roolia tutkimuksen suunnittelussa, tiedonkeruussa ja analysoinnissa, päätöksen julkaisemisessa tai käsikirjoituksen valmistelussa.

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

esittely

Median moniajo, tai useiden mediamuotojen samanaikainen kulutus, on yhä yleisempi nyky-yhteiskunnassa [1] ja siihen on liitetty heikentyneitä kognitiivisia ohjauskykyjä [2] samoin kuin negatiiviset psykososiaaliset vaikutukset, kuten masennus ja sosiaalinen ahdistus [3], negatiivinen sosiaalinen hyvinvointi [4]ja heikko akateeminen suorituskyky [5]. Median monitehtäviin liittyvistä hermoprosesseista ei kuitenkaan tässä vaiheessa tiedetä juurikaan. Tässä tutkimuksessa tutkittiin median monitehtävätoiminnan ja aivojen rakenteen vaihtelun välisiä suhteita. Tutkimukset ovat osoittaneet, että aivojen rakenne voi muuttua pitkäaikaisella altistumisella uusille ympäristöille [6] samoin kuin koulutus ja kokemus [7], [8]. Lisäksi harmaan ja valkoisen aineen alueellinen vaihtelu, arvioituna Voxel-pohjaisen morfometrian (VBM) avulla, ennustaa luotettavasti yksilölliset erot useissa kognitiivisissa toiminnoissa (katso [9] tarkistettavaksi). Edellä esitettyjen havaintojen perusteella hypoteesimme, että erilaiset sitoutumiset median monitehtäviin heijastaisivat myös eroja alueellisissa aivojen rakenteissa.

Nykyisessä tutkimuksessa Media-Multitasking Index (MMI, [2]) hyväksytään mediaominaisuuksien monitoimimääränä. MMI-pistemäärät on johdonmukaisesti liitetty yksilölliseen suorituskykyyn kognitiivisissa ohjaustehtävissä [2], [10],[11]. Sellaisenaan ne toimivat luotettavana käyttäytymiskorrelaationa aivojen rakenteen vaihtelun kanssa. Odotimme, että yksilön MMI-pistemäärä heijastaa aivojen rakenteellisia eroja, etenkin kognitiivisessa kontrollissa ja moniajoalueilla. Aikaisemmat tutkimukset ovat lähentyneet prefrontaalisten aivokuoren alueiden merkitystä kognitiivisessa kontrollissa [12], [13], [14], [15]. Perustuu [16], erilliset alueet osallistuvat monitehtävien dissosioituviin näkökohtiin: etu- ja takaosan sikulaatit osallistuvat jälkikäteen tapahtuvaan muistiin ja etupinta-alueet osallistuvat tulevaisuuden muistiin ja suunnitteluun. Sellaisena odotimme löytävän assosiaatioita mediatyöntekijöiden aktiivisuuden ja näiden alueiden rakenteellisen vaihtelun välillä. Median monitehtävätoiminta liittyy läheisesti persoonallisuuspiirteisiin (ts. Neurotiikka ja ekstraversio) [3]), jotka puolestaan ​​ennustavat aivojen rakenteellisia eroja [17]. Sellaisena mediaominaisuuksien ja aivojen rakenteen välinen assosiaatio saattavat sekoittaa nämä ominaisuuserot. Tämän mahdollisuuden tutkimiseksi tutkitaan myös MMI: n ja Big Five -persoonallisuusominaisuuksien välisiä suhteita.

Saimme MMI-pisteet, Big Five -persoonallisuusominaisuuksien mittaukset ja magneettikuvauksen (MRI) skannaukset terveillä 75-aikuisilla, jotka olivat suhteellisen hyvin perehtyneitä tietokoneisiin ja mediatekniikoihin. Median monitehtävätoiminnan ja aivojen rakenteen vaihtelevuuden välisen suhteen tutkimiseksi korreloimme ensin yksittäiset MMI-pisteet alueellisen harmaan aineen tiheydellä koko aivojen tasolla optimoidun VBM: n avulla. [18]. Tutkimme myös korrelaatioita Big Five -ominaisuuksien ja MMI-pisteiden välillä. Valottaaksemme saatujen rakenteellisten erojen funktionaalista merkitystä analysoimme aivojen lepotilaaktiivisuutta selvittääkseen MMI-pisteiden ja aivojen toiminnallisen yhteyden väliset assosiaatiot.

Menetelmät

osallistujat

Terveet 75-aikuiset (keski-ikä = 24.6, SD = 5.0, 38 miehet), jotka oli rekrytoitu University College London (UCL) -psykologian osallistujasta, osallistuivat tähän tutkimukseen saatuaan tietoisen kirjallisen suostumuksen. Paikallinen UCL: n etiikkakomitea hyväksyi tutkimuksen (eettisen sovelluksen koodi: 2213 / 002). Seulotimme osallistujat mukaan lukien yliopisto-opiskelijat ja henkilökunta, joka oli hyvin perehtynyt tietokoneisiin ja mediatekniikoihin. Heille palautettiin osallistumisesta käteisellä. VBM-tutkimukseen osallistuneiden 75-osallistujien joukosta fMRI-tiedot kerättiin 40-osallistujien osajoukosta. Sukupuoli, ikä, koulutustaso ja MMI-pisteet eivät eronneet merkittävästi kahden näytteen välillä (Taulukko 1).

thumbnail

Taulukko 1. VBM-analyyseihin ja toiminnallisiin yhteysanalyyseihin osallistuvien demografisten ominaisuuksien ja MMI-pisteytysten vertailu.

doi: 10.1371 / journal.pone.0106698.t001

Modified Media Multitasking Questionnaire

Media-monitehtäväkyselyn muokattu versio [2] annettiin kaikille osallistujille. MMI tarjosi vakaan mitan yksilön piirteestä median monitehtävätoiminnasta. Kysely koostui kahdesta pääosasta: Ensimmäisessä osassa lueteltiin 12-yleiset mediatyypit ja osallistujat ilmoittivat viikkotuntien kokonaismäärän viikossa, jonka he käyttivät kutakin tietovälinettä käyttämällä. Tässä tutkimuksessa käytetyssä muokatussa versiossa 10-mediatyypit säilytettiin [2]: Tulostusmateriaalit, televisio, tietokonepohjaiset videot, musiikki, äänipuhelut matkapuhelimella, pikaviestit, lyhytsanomapalvelu (SMS), sähköposti, web-selaus ja muut tietokonepohjaiset sovellukset. Kohta ”video- tai tietokonepelit” muutettiin sisällyttämään pelit matkapuhelimiin. Kohta ”ei-musiikkiäänet” korvattiin ”käyttämällä sosiaalisen verkostoitumisen sivustoja”. Muutokset tehtiin vastaamaan paremmin mediakulutuksen nykyisiä suuntauksia. Toinen osa koostui matriisista, johon osallistujat osoittivat, kuinka paljon he käyttivät samanaikaisesti kaikkia muita väliainetyyppejä kuin ensisijaista väliainetta. Samanaikaisen käytön määrä ilmoitettiin asteikolla 1 - 4 (1 = “Ei koskaan”, 2 = “vähän aikaa”, 3 = “osa ajasta” ja 4 = “suurimman osan ajasta”). Osallistujien vastaukset koodattiin ensin seuraavasti: “Ei koskaan” = 0, “Vähän aikaa” = 0.33, “Osa ajasta” = 0.67 ja “Suurin osa ajasta” = 1. Kummankin primaarisen väliaineen koodattujen vasteiden summaaminen antoi keskimääräisen väliaineiden lukumäärän, joita samanaikaisesti käytettiin primaarista väliainetta käytettäessä. MMI laskettiin seuraavan kaavan perusteella: Missä mi on väliaineiden keskimääräinen lukumäärä, joita samanaikaisesti käytetään primaarista väliainetta käytettäessä, i; hi on primääriväliaineella käytettyjen tuntimäärä viikossa, i; ja hkoko on viikkotuntien kokonaismäärä, joka on käytetty kaikilla mediamuodoilla.

Big Five Inventory

Viiden suuren inventaario (BFI; [19]) tarjosi lyhyen ja luotettavan 44-esinemitan viiden suurimman persoonallisuustekijän suhteen: ekstraversio (8-esineet), miellyttävyys (9-esineet), tunnollisuus (9-esineet), neuroottisuus (8-esineet) ja avoimuus kokemukselle (10-tuotteet). Hyväksyimme BFI: n tutkimaan MMI: n ja Big Five -persoonallisuusominaisuuksien välisiä yhteyksiä näytteessämme.

MRI-tietojen hankinta

1.5 T Siemens Avanto -skannerilla (Siemens Medical, Erlangen, Saksa) käytettiin korkearesoluutioisten T1-painotettujen rakennekuvien hankkimista jokaiselle osallistujalle (MPRAGE; 1 mm3 kuutiomodulit; 160 viipaleet; TR = 2730 ms; TE = 3.57 ms). Funktionaaliset MRI-tiedot hankittiin käyttämällä nousevia T2 * -painotettuja gradientin-kaiku-eho-tasomaisia ​​kuvantamissekvenssejä (EPI), jotka ovat herkkiä BOLD-kontrastille. Jokainen hankinta koostui 32-vinoista viipaleista, 3.0 × 3.0 mm -resoluutiosta, 2.0 mm paksuudesta, 1.0 mm viipalevälistä. EPI-viipaleet kulmattiin yksilöllisesti kullekin kohteelle alttiuden vähentämiseksi esineistä nenäontelosta ja maksimaalisen peittävyyden saavuttamiseksi orbitofrontaalialueille ja takaosan parietaalikuorelle, samalla kun peitto uhrattiin ajallisen navan yli. Sellaisena lopullinen orientaatio vaihteli välillä 8 ° - 16 °. Aikaväli saman viipaleen kahden peräkkäisen hankinnan välillä oli 2528 ms, läpikulma 90 astetta ja 44 ms, kaiun aika. Näkökenttä oli 192 × 192 mm. Digitaalinen tasotarkkuus oli 64 × 64 pikseliä, joiden pikselimitta oli 3.0 × 3.0 mm. Kaikki tiedot hankittiin 32-kanavaisella pääkelalla. Toiminnallisen MRI-tutkimuksen aikana osallistujia kehotettiin yksinkertaisesti pysymään paikallaan, pitämään silmät auki ja ajattelematta mitään. Yksi ajo koostui 180-tilavuushankinnoista ja alkuperäiset 6-määrät hylättiin analyysistä epävakaan magnetoinnin sekoittamisen välttämiseksi. Lepotilan fMRI-ajo kesti noin 7.5 minuuttia.

Voxel-pohjainen morfometria (VBM) -analyysi

Voxel-pohjainen morfometria (VBM; [20]) on yleisesti käytetty neurokuvausanalyysitekniikka, joka mahdollistaa esiprosessoitujen MRI-kuvien vokselitekniset tilastolliset analyysit. Korkean resoluution T1-painotetut rakenneskannaukset analysoitiin VBM: llä tilastollisen parametrikartoituksen avulla (SPM8, Wellcome Department of Cognitive Neurology). Kuvat segmentoitiin ensin harmaan ja valkoisen suhteen. Sitten suoritettiin diffeomorfinen anatominen rekisteröinti eksponentisoidun Lie Algebran (DARTEL) kautta harmaasteen kuvien rekisteröimiseksi yhdessä. Varmistaaksesi, että alueellinen harmaan aineen määrä säilyy rekisteröinnin jälkeen, rekisteröidyt kuvat moduloitiin DARTELin laskeman virtauskenttien Jacobin determinantin avulla. Rekisteröidyt harmaat aineskuvat tasoitettiin Gaussin ytimellä (täysleveys puolella maksimiarvosta = 10 mm) ja muutettiin sitten ja normalisoitiin Montreal Neurological Institute (MNI) stereotaktiseen tilaan moninkertaisen regressioanalyysin suorittamiseksi edelleen.

Useita regressioanalyysejä tehtiin normalisoiduille harmaasävykuville MMI-pistemäärillä pääregressorina. Ikä, sukupuoli ja aivojen kokonaismäärä sisällytettiin muuttujiksi, jotka eivät kiinnostaneet kaikkia regressioita. Tunnistaaksemme sellaisia ​​vokseleja, joissa alueellinen harmaan aineen tiheys korreloi MMI-pistemäärien kanssa, otimme käyttöön tiukan kynnyksen p <05 Koko aivot korjattiin perheystävällisellä virheellä.

Toiminnallisten yhteyksien analyysi

Suorittaaksemme toiminnallisen yhteysanalyysin käytimme Conn-toiminnallisen yhteyden työkalupakin versiota 13 (http://www.nitrc.org/projects/conn; [21]) yhdistettynä SPM8: n esikäsittelymenetelmiin. Järjestyksessä luetellut esikäsittelyvaiheet sisälsivät viipaleen ajoituksen korjauksen, aikasarjadatan uudelleensuuntaamisen ensimmäiseen tilavuuteen (eli liikkeen korjaus), toiminnallisten MRI-aikasarjojen yhteisrekisteröinti vastaavaan rakenteelliseen MRI: hen, kuvien segmentointi erilliseen kudokseen tyypit, kuten harmaa aine, valkeaine ja aivo-selkäydinneste (CSF), ja normalisointi vakio-MNI-templaattiin ja alueellinen tasoitus Gaussin suodattimella (FWHM = 8 mm). Aikasarjatiedot suodatettiin sitten kaistanpäästöissä 0.01 Hz – 0.1 Hz.

Siemenpohjaisen funktionaalisen yhteyden analysoinnissa käytimme kiinnostavan siemenalueena (ROI) yhtä merkittävää klusteria, joka löytyi VBM-analyysistä. ROI: stä erotettuja keskimääräisiä aikasarjoja käytettiin regressorina moniregressiomallissa yksilöllisen tason analyysissä. Sekava tekijöiden vaikutusten minimoimiseksi sisällytettiin esikäsittelyn kuuden liikkeen korjausparametrin regressorit. Lisäksi keskimääräiset BOLD-signaalit harmaaksi, valkoiseksi ja CSF: ksi uutettiin segmentointiproseduurista luotuista maskeista, ja ne sisällytettiin myös regressoreiksi näiden globaalien signaalien varianssien minimoimiseksi. Ajalliset korrelaatiot ROI-signaalin ja muun aivojen välillä laskettiin ja korrelaatiot siemenen ROI: n kanssa muunnettiin Z-pisteiksi käyttämällä Fisher-muunnosta toisen tason merkitsevyysanalyyseihin.

Z-muunnetulla tilastollisella kuvalla määrittelimme ensin aivoalueet, jotka osoittavat toiminnallisen yhteyden siemenen ROI: hen, vokselitehoisella kynnysarvolla pFWE korjattu<0.05. Myöhemmin käytimme vähemmän tiukkaa kynnystä p<0.001 (korjaamaton) maskina ACC-liitettyjen alueiden kaappaamiseksi toisen tason analyysille, jossa pyrimme löytämään aivojen alueet, jotka korreloivat MMI-pisteiden kanssa. Otimme mukaan iän, sukupuolen ja kallonsisäiset kokonaismäärät kovariaateiksi ja otimme käyttöön kynnyksen p <0.05 perheperheisellä virheellä, joka on korjattu alkuperäisen maskin määrittelemällä tilavuudella. Alkuperäisen peittämisen perusteena oli varmistaa, että analyysimme rajoitettiin aivoalueisiin, joilla oli korreloitunut aktiivisuus siemenalueen kanssa. Vaikka löysimme korrelaation yksilöllisiin eroihin näiden alueiden ulkopuolella, sellaiset havainnot heijastavat todennäköisesti vääriä korrelaatioita. Hyväksyimme peittämisen lievemmän kynnyksen toisen tason analyysiemme tehostamiseksi.

Käsitellyt kuvatiedot ja tietoaineistot, jotka sisältävät sekä VBM: n että toiminnallisten yhteyksien regressioanalyysien muuttujat, ovat julkisesti saatavilla osoitteessa: http://dx.doi.org/10.6084/m9.figshare.10​30286.

tulokset

VBM-analyysi paljasti negatiivisen yhteyden MMI-pistemäärien ja harmaan aineen tiheyden välillä etinging-aivokuoressa (Kuva 1; ACC; t (70) = 5.16, pFWE korjattu <, 05, klusterin koko = 158 vokselia × 1.53 = 533 mm3; huipun MNI-koordinaatti: x = 12, y = 41, z = 3). Mikään muu aivoalue ei osoittanut merkittävää korrelaatiota MMI-pisteiden kanssa. Siten korkeampi media-monitehtävä yhdistettiin pienempiin harmaan aineen määriin ACC: ssä. MMI- ja BFI-pisteiden väliset korrelaatioanalyysit paljastivat kuitenkin erittäin merkittävän yhteyden ekstraversion ja MMI-pisteiden välillä (Taulukko 2; r = 0.347, p = 0.002). Sellaisena epäilimme, että havaittu MMI-ACC: n harmaaaine-assosiaatio voitaisiin rajoittaa yksilöllisillä eroilla ekstraversiopisteissä. Tämän vuoksi toistimme aikaisemman VBM-analyysin, joka kontrolloi edelleen BFI-pistemääriä ylimääräisinä muuttujina. Meillä suoritettiin moninkertainen regressio (harmaan aineen tiheydellä riippuvaisena muuttujana), mukaan lukien MMI ja kaikki Big Five -piirteiden pisteet ennustajina yhdessä demografisten muuttujien kanssa. Merkittävä negatiivinen suhde havaittiin MMI: n ja harmaan aineen määrän välillä identtisellä ACC-alueella (t (65) = 5.08, PFWE korjattu<, 05, klusterin koko = 74 vokselia × 1.53 = 250 mm3; huipun MNI-koordinaatti: x = 12, y = 40, z = 3). Tämä ehdotti, että MMI: n ja harmaan aineen tiheyden välillä on ACC: ssä ainutlaatuinen yhteys riippumatta variaatioista viiden suurimman persoonallisuusominaisuuksissa.

thumbnail

Kuva 1. VBM-regressioanalyysit paljastivat, että MMI-pisteet liittyivät merkitsevästi harmaan aineen tiheyteen ACC: ssä (t (70) = 5.16, PFWE korjattu <0.05, klusterin koko = 158 vokselia x 1.53 = 533 mm3; huipun MNI-koordinaatti: x = 12, y = 41, z = 3).

Säädetty harmaan aineen tiheys huipputekselissä (Y-akseli) korreloi negatiivisesti (r = −0.54, p<0.001) MMI-pisteillä (X-akseli).

doi: 10.1371 / journal.pone.0106698.g001

thumbnail

Taulukko 2. Korrelaatiot Median monitehtävähakemistotulosten ja Big Five Inventory -pisteiden välillä.

doi: 10.1371 / journal.pone.0106698.t002

Valottaaksemme VBM-tulosten funktionaalista merkitystä pyrimme määrittämään funktionaalisten yhteysanalyysien avulla aivoalueet, joilla oli merkittäviä yhteyksiä saatuun ACC: n kiinnostavaan alueeseen (ROI). Tämä analyysi paljasti, että aktiivisuus saadussa ACC ROI: ssä korreloi useiden aivoalueiden kanssa, joille on tyypillistä tunnusomainen verkkoverkko, joka sisältää kahdenväliset temporo-parietaaliset liitokset (TPJ; oikea pallonpuolisko, x = 48, y = −64, z = 36, pFWE korjattu<0.05; vasen pallonpuolisko, x = −44, y = −70, z = 36) ja precuneus (x = 4, y = −68, z = 30, pFWE korjattu<0.05) muiden alueiden joukossa (Taulukko 3). Nämä tulokset viittasivat siihen, että VBM-analyysin avulla löydettymme ACC ROI todennäköisesti kuuluu DMN: ään. Seuraavaksi tutkimme edelleen, liittyivätkö MMI-pisteet ACC ROI- ja DMN-alueidemme väliseen yhteyteen. Regressioanalyysit suoritettiin z-muunnetulla korrelaatiolla ACC: n ja DMN-alueiden välillä MMI: n ollessa pääennustajana ja iän, sukupuolen ja aivojen kokonaistilavuuden kovariaatteina. Merkittäviä assosiaatioita ei syntynyt pFWE korjattu<0.05. Kuitenkin vähemmän tiukalla kynnysarvolla pkorjaamaton<0.001, korkeammat MMI-pisteet liitettiin heikompaan yhteyteen ACC ROI: n ja preuneuksen välillä (Kuva 2; precuneus; t (40) = 5.22, pkorjaamaton<0.001, klusterin koko = 159 mm3; MNI-huipun koordinaatti: x = 10, y = −50, z = 18). Korostamme, että liitettävyystuloksemme saatiin vähemmän tiukalla kynnysarvolla, ja tarjosi meille rajallista näyttöä johtopäätösten tekemiseksi MMI: stä ja toiminnallisista liitettävyysyhteyksistä. Sellaisenaan tämä havainnot palvelivat yksinomaan VBM-tulosten toiminnallista tulkintaa.

thumbnail

Kuva 2. Regressioanalyysit paljastivat, että ACC ROI: n ja Precuneuksen (sinisten viivojen leikkaus) välinen yhteys oli negatiivisesti yhteydessä MMI-pistemäärään (Precuneus; t (40) = 5.22, PFWE-korjaamatta<0.001, klusterin koko = 159 mm3; MNI-huipun koordinaatti: x = 10, y = −50, z = 18).

Oli negatiivinen suhde (r = −0.68, p<0.001) säädettyjen Z-muunnettujen ACC-Precuneus-korrelaatioiden (Y-akseli) ja MMI-pisteiden (X-akseli) välillä.

doi: 10.1371 / journal.pone.0106698.g002

thumbnail

Taulukko 3. Aivoalueet, joilla on toiminnallinen yhteys ACC ROI: n kanssa.

doi: 10.1371 / journal.pone.0106698.t003

Keskustelu

Kuten hypoteesina on esitetty, tämä tutkimus paljasti merkittävän yhteyden mediamediatyön ja aivojen rakennevaihtelujen välillä: Henkilöillä, jotka ilmoittivat suuremmat määrät mediatyöskentelystä, oli harveman aineen tiheys ACC: ssä pienempi. Tämä assosiaatio oli merkitsevä tiukalla kynnysarvolla (pFWE korjattu<0.05) ja oli riippumaton Big Five -ominaisuuden eroista. Keskustelemme rakenteellisten korrelaatioiden mahdollisista tulkinnoista ACC-toimintojen ja MMI-käyttäytymiskorrelaatioiden viimeaikaisen näytön valossa.

ACC toimii tärkeänä aivojen tietojenkäsittelyreittien yhteyshenkilönä, ja se on ollut osallisena sensorimotorisissa, notsiceptiivisissä, korkeammissa kognitiivisissa ja tunne- / motivaatioprosesseissa [22], [23]. Näistä me ajattelemme, että saatu ACC-alue liittyy todennäköisimmin kognitiivisiin prosesseihin, koska median monitehtävä on johdonmukaisesti liitetty kognitiiviseen valvontaan [2], [10], [11], [24]. Lisäksi ACC ROI osoitti merkittävää toiminnallista yhteyttä DMN-aivoalueisiin, jotka olivat myös tyypillisesti yhteydessä korkeampiin kognitiivisiin operaatioihin [25], [26].

Kognitiivisen prosessoinnin kannalta ACC: n uskotaan yleensä olevan osallisena virheiden tai konfliktien havaitsemisessa [27], [28]. ACC-aktivointeja havaitaan tyypillisesti tehtävissä, jotka aktivoivat samanaikaisesti yhteensopimattomia vastauksia, ts. Stroop-tehtävä [29], [30], valikoiva huomio [31] ja liitännäistehtävä [32], [33]. Erityisesti ACC on osallistunut kahden tehtävän paradigmoihin [34], [35] jossa yksilö kohtaa kilpailevat ärsykkeet ja vastaukset, jotka liittyvät kahteen tai useampaan tehtävään. Vastaavasti tämän kanssa median monitehtävissä yksilöt kohtaavat erilliset tehtävävaatimukset, jotka liittyvät useisiin mediatyyppeihin, joita he käyttävät samanaikaisesti. Sinänsä saatumme sijoitetun pääoman tuottoprosentti voidaan sisällyttää kaksitehtäviin liittyviin kognitiivisiin ohjaustoimintoihin. Yksi kriittinen huomautus on, että edellä mainitut toiminnot osoitetaan normaalisti selän ACC: lle, toisin kuin rostraalialueelle, jolla sijoitetun pääoman tuottoprosentti sijaitsee [23], [32], [35], [36]. Tutkijat ovat kuitenkin todenneet, että tämä rajaus ei ole ehdoton [23], [34], [37]. Erityisesti nykyisen tulkintomme tueksi Dreher ja hänen kollegansa [34] kertoi, että rostral ACC on ainutlaatuisesti mukana konfliktien havainnoinnissa kahden tehtävän yhteydessä.

Tärkein havaintomme osoitti, että raskaammilla mediamonisteilla oli pienempi ACC-volyymi. Jotta voitaisiin selvittää vähentyneiden ACC-määrien mahdollisia käyttäytymisvaikutuksia raskaissa monitoimilaitteissa, tutkimme käyttäytymistutkimuksia, joissa yhdistetään MMI ja kognitiivinen hallinta. Maamerkkitutkimus, jonka ovat esittäneet Ophir et ai. [2] ensin paljasti median lisääntyneen multitasking-aktiivisuuden ja huonomman kognitiivisen ohjauksen välisen suhteen. He osallistuivat osallistujiin useisiin kognitiivisiin ohjaustehtäviin, kuten Stroop-tehtävään, tehtävien vaihtamiseen, häiriöiden suodattamiseen ja n-takaisin tehtäviin. Häiriöiden kohdalla raskaat monitoimilaitteet (suhteessa kevyempiin monitoimilaitteisiin) havaitsivat hitaammin visuaalisten kuvioiden muutokset, olivat alttiimpia häiriötekijöiden väärille muistoille muistiongelman aikana ja olivat hitaampia tehtävien vaihdossa. Kirjoittajat ehdottivat, että raskaat monitoimiyritykset eivät kyenneet rajoittamaan vapaaehtoisesti huomioitaan vain tehtävän kannalta merkitykselliseen tietoon. Lui ja Wong [24] toimitti lisätodisteita siitä, että raskaammat multitaskerit estävät huonommin tehtävän kannalta merkityksettömiä ärsykkeitä ja näin ollen pystyivät suoriutumaan paremmin monisensoreisissa integraatiotehtävissä. Seuraava tutkimus [11] osoitti, että raskaat multitaskerit toimivat huonommin Operation Span Task (OSPAN) -operaatiossa, joka oli hyvin samanlainen kuin kahden tehtävän paradigma, koska osallistujia vaadittiin ratkaisemaan matemaattiset ongelmat samanaikaisesti ja muistamaan esitetyt kirjeet. Raskaat monitoimiyritykset ilmoittivat myös lisää huomiota herättävistä arkeista [38]. Yksi Alzahabin ja Beckerin äskettäinen tutkimus [10] ilmoittivat päinvastaiset havainnot: raskaammat multitaskerit eivät olleet huonompia kahden tehtävän suorituksessa ja olivat parempia tehtävien vaihdossa. He eivät myöskään pystyneet toistamaan Ophirin ym. Havaintoja, vaikka he käyttivät samanlaisia ​​tehtäviä. Kirjoittajat huomauttivat, että heidän otoksensa oli pääosin naispuolista ja tämä saattoi johtaa heidän virheellisiin havaintoihin. He korostivat pitkittäistutkimusten merkitystä MMI: n ja kognitiivisen ohjauksen vahvojen suhteiden paljastamiseksi.

Yhteenvetona voidaan todeta, että nykyinen MMI-kirjallisuus viittaa yleensä siihen, että raskaampaan mediatyöskentelyyn osallistuvilla henkilöillä on huonommat kognitiiviset hallintakyvyt. Nykyiset havainnot laajentavat tätä kirjallisuutta yhdistämällä raskaamman media-monitehtävätoiminnan pienempiin määriin ACC: ssä: aivoalueella, joka liittyy kognitiiviseen hallintaan lähentyvien neurokuvien perusteella. Korostamme kuitenkin, että ACC-rakenteen ja kognitiivisten ohjauskykyjen välisen suhteen luomiseksi tarvitaan lisää työtä. ACC-leesiota sairastavilla potilailla tehdyt tutkimukset ovat tuottaneet hyvin sekoitettuja näkökulmia ACC: n välttämättömyydestä ko. [39], [40], [41].

On myös mahdollista, että saatu ACC-alue on mukana tunne- / motivaatioprosesseissa, koska se sijaitsee rostraalisessa ACC: ssä, joka tyypillisesti liittyy motivaatioon ja tunteiden käsittelyyn [23]. Pienentyneisiin ACC-määriin on usein liittynyt häiriöitä, joihin liittyy epänormaatiota tunne-motivaatiokäsittelyä, kuten pakko-oireinen häiriö [42], posttraumaattinen stressihäiriö [43], masennus [44] sekä huumeisiin ja muihin kuin huumeisiin liittyvät riippuvuudet [45], [46]. Tämän näkökulman perusteella on uskottavaa, että raskaammat media-multitaskerit, joilla on pienentyneet ACC-volyymit, saattavat olla vähemmän taipuvaisia ​​emotionaaliseen ja motivoivaan säätelyyn. Itse asiassa korkeampien MMI-pisteiden havaitaan korreloivan lisääntyneen neuroottisuuden, tunnehakujen ja impulsiivisuuden kanssa [3], [11] ja negatiiviset sosiaalis-emotionaaliset tulokset [4]. Mielenkiintoista on, että tässä tutkimuksessa saatu aivojen rakenteellisten erojen malli oli samanlainen kuin Internet-riippuvuuden (IA) hermokorrelaatit. IA-potilailla, jotka määritellään pelkästään Internetin tai tietokoneiden patologiseksi ylikuormitukseksi, havaittiin vähentyneen harmaan ja valkoisen aineen tiheyksiä ACC: ssä. [46], [47], [48]. Voi olla mahdollista, että kaksi rakennetta, mediatyönäkymä ja IA, ovat päällekkäisiä: MMI antoi mittarin, kuinka paljon ihmiset käyttivät useita laitteita kerralla, ja tämä voi liittyä IA: han, mikä merkitsee tietokoneiden ja Internetin liiallista käyttöä.

Tärkeä rajoitus nykyiseen työhön on se, että tuloksemme on saatu poikkileikkauksellisesta tutkimuksesta mediatyöntekijöiden ja aivojen rakenteen välisestä suhteesta. Sellaisena niiden välistä syy-yhteyttä ei voida määrittää. Vaikka on ajateltavissa, että pienemmällä ACC: llä olevat ihmiset ovat alttiimpia multitaskingille heikomman kognitiivisen hallinnan tai sosiaalis-emotionaalisen sääntelykyvyn takia, on yhtä uskottavaa, että korkeampi altistuminen multitasking-tilanteille johtaa rakenteellisiin muutoksiin ACC: ssä. Pitkittäisselvitys vaaditaan syy-suunnan yksiselitteiseksi määrittämiseksi. Nykyiset löytömme avaavat tietä tällaiselle tutkimukselle tarjoamalla empiirisen linkin mediatyöntekijöiden toiminnan ja ACC: n rakenteellisten erojen välillä. Yksi huomautus on, että nykyiset havainnot eivät välttämättä ulotu tutkitun populaation ulkopuolelle, joka on suhteellisen korkeasti koulutettu ja hyvin alttiina tekniikalle. Demografiset tekijät voivat todellakin vaikuttaa suuresti median kulutustapoihin [1]. Sellaisina tulevissa tutkimuksissa tulisi tutkia demografisten tekijöiden, kuten koulutuksen ja sosioekonomisen aseman, merkitystä median monitehtävien, kognitiivisen suorituskyvyn ja aivorakenteiden välisen suhteen moderoinnissa.

Yhteenvetona voidaan todeta, että yksilöillä, jotka harjoittivat enemmän median monitehtäviä, oli harvemman aineen määrä ACC: ssä pienempi. Tämä voisi myös selittää huonomman kognitiivisen ohjauksen suorituskyvyn ja negatiiviset sosiaalis-emotionaaliset tulokset, jotka liittyvät lisääntyneeseen mediatyöskentelyyn. Vaikka tutkimuksen poikkileikkausluonne ei anna meille mahdollisuutta määritellä syy-yhteyden suuntaa, tuloksemme toivat esiin uusia assosiaatioita yksittäisten mediatoimintojen käyttäytymisen ja ACC: n rakenne-erojen välillä.

Tekijänoikeudet

Suunnitellut ja suunnitelleet kokeilut: KL RK. Kokeet suoritettiin: KL RK. Analysoi tiedot: KL RK. Mukana toimitetut reagenssit / materiaalit / analyysityökalut: KL RK. Kirjoitti paperin: KL RK.

Viitteet

  1. 1. Rideout VJ, Foehr UG, Roberts DF (2010) Generation M2: Media 8 - 18-vuotiaiden elämässä. Menlo Park, Kalifornia
  2. 2. Ophir E, Nass C, Wagner AD (2009) Kognitiivinen hallinta median monitoimilaitteissa. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 106: 15583 – 15587. doi: 10.1073 / pnas.0903620106
  3. 3. Becker MW, Alzahabi R, Hopwood CJ (2013) Median monitehtävä liittyy masennuksen ja sosiaalisen ahdistuksen oireisiin. Kyberpsykologia, käyttäytyminen ja sosiaalinen verkostoituminen 16: 132 – 135. doi: 10.1089 / cyber.2012.0291
  4. Näytä artikkeli
  5. PubMed / NCBI
  6. Google Scholar
  7. Näytä artikkeli
  8. PubMed / NCBI
  9. Google Scholar
  10. Näytä artikkeli
  11. PubMed / NCBI
  12. Google Scholar
  13. Näytä artikkeli
  14. PubMed / NCBI
  15. Google Scholar
  16. Näytä artikkeli
  17. PubMed / NCBI
  18. Google Scholar
  19. Näytä artikkeli
  20. PubMed / NCBI
  21. Google Scholar
  22. Näytä artikkeli
  23. PubMed / NCBI
  24. Google Scholar
  25. Näytä artikkeli
  26. PubMed / NCBI
  27. Google Scholar
  28. Näytä artikkeli
  29. PubMed / NCBI
  30. Google Scholar
  31. Näytä artikkeli
  32. PubMed / NCBI
  33. Google Scholar
  34. Näytä artikkeli
  35. PubMed / NCBI
  36. Google Scholar
  37. Näytä artikkeli
  38. PubMed / NCBI
  39. Google Scholar
  40. Näytä artikkeli
  41. PubMed / NCBI
  42. Google Scholar
  43. Näytä artikkeli
  44. PubMed / NCBI
  45. Google Scholar
  46. Näytä artikkeli
  47. PubMed / NCBI
  48. Google Scholar
  49. Näytä artikkeli
  50. PubMed / NCBI
  51. Google Scholar
  52. 4. Pea R, Nass C, Meheula L, Rance M, Kumar A, et ai. (2012) Median käyttö, kasvokkainen viestintä, median monitehtävät ja sosiaalinen hyvinvointi 8 - 12-vuotiaiden tyttöjen keskuudessa. Kehityspsykologia 48: 327 – 336. doi: 10.1037 / a0027030
  53. Näytä artikkeli
  54. PubMed / NCBI
  55. Google Scholar
  56. Näytä artikkeli
  57. PubMed / NCBI
  58. Google Scholar
  59. Näytä artikkeli
  60. PubMed / NCBI
  61. Google Scholar
  62. Näytä artikkeli
  63. PubMed / NCBI
  64. Google Scholar
  65. Näytä artikkeli
  66. PubMed / NCBI
  67. Google Scholar
  68. Näytä artikkeli
  69. PubMed / NCBI
  70. Google Scholar
  71. Näytä artikkeli
  72. PubMed / NCBI
  73. Google Scholar
  74. Näytä artikkeli
  75. PubMed / NCBI
  76. Google Scholar
  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. Näytä artikkeli
  90. PubMed / NCBI
  91. Google Scholar
  92. Näytä artikkeli
  93. PubMed / NCBI
  94. Google Scholar
  95. Näytä artikkeli
  96. PubMed / NCBI
  97. Google Scholar
  98. Näytä artikkeli
  99. PubMed / NCBI
  100. Google Scholar
  101. Näytä artikkeli
  102. PubMed / NCBI
  103. Google Scholar
  104. Näytä artikkeli
  105. PubMed / NCBI
  106. Google Scholar
  107. Näytä artikkeli
  108. PubMed / NCBI
  109. Google Scholar
  110. Näytä artikkeli
  111. PubMed / NCBI
  112. Google Scholar
  113. Näytä artikkeli
  114. PubMed / NCBI
  115. Google Scholar
  116. Näytä artikkeli
  117. PubMed / NCBI
  118. Google Scholar
  119. Näytä artikkeli
  120. PubMed / NCBI
  121. Google Scholar
  122. Näytä artikkeli
  123. PubMed / NCBI
  124. Google Scholar
  125. Näytä artikkeli
  126. PubMed / NCBI
  127. Google Scholar
  128. Näytä artikkeli
  129. PubMed / NCBI
  130. Google Scholar
  131. Näytä artikkeli
  132. PubMed / NCBI
  133. Google Scholar
  134. Näytä artikkeli
  135. PubMed / NCBI
  136. Google Scholar
  137. 5. Junco R, Cotton SR (2010) Pikaviestinnän käytön havaitsemat akateemiset vaikutukset. Tietokoneet ja koulutus 56: 370 – 378. doi: 10.1016 / j.compedu.2010.08.020
  138. 6. Blakemore C, Van Sluyters RC (1975) Luontaiset ja ympäristötekijät kissanpennun visuaalisen aivokuoren kehityksessä. Journal ofysihology 248: 663–716.
  139. 7. Draganski B, Gaser C, Busch V, Schuierer G, Bogdahn U, et ai. (2004) Neuroplastisuus: harjoittelun aiheuttamat muutokset harmaassa aineessa. Luonto 427: 311 – 312. doi: 10.1038 / 427311a
  140. 8. Boyke J, Driemeyer J, Gaser C, Buchel C, toukokuu A (2008) Harjoituksen aiheuttamat aivorakenteen muutokset vanhuksilla. Lehti neurotiedestä: Neurotieteen seuran virallinen lehti 28: 7031 – 7035. doi: 10.1523 / jneurosci.0742-08.2008
  141. 9. Kanai R, Rees G (2011) Yksilöiden välisten erojen rakenteellinen perusta ihmisen käyttäytymisessä ja kognitiossa. Luontoarvostelut Neuroscience 12: 231 – 242. doi: 10.1038 / nrn3000
  142. 10. Alzahabi R, Becker MW (2013) Yhdistys median monitehtävien, tehtävien vaihtamisen ja kahden tehtävän suorituksen välillä. Kokeellisen psykologian päiväkirja Ihmisen havainto ja suorituskyky 39: 1485 – 1495. doi: 10.1037 / a0031208
  143. 11. Sanbonmatsu DM, Strayer DL, Medeiros-Ward N, Watson JM (2013) Kuka monitehtäviä ja miksi? Monitehtäväkyky, havaittu monitehtäväkyky, impulsiivisuus ja tunnehaku. PloS yksi 8: e54402. doi: 10.1371 / journal.pone.0054402
  144. 12. Koechlin E, Ody C, Kouneiher F (2003) Kognitiivisen ohjauksen arkkitehtuuri ihmisen eturauhasen kuoressa. Tiede 302: 1181 – 1185. doi: 10.1126 / tiede.1088545
  145. 13. Marois R, Ivanoff J (2005) Aivojen tietojenkäsittelyn kapasiteettirajat. Kognitiivisten tieteiden suuntaukset 9: 296 – 305. doi: 10.1016 / j.tics.2005.04.010
  146. 14. Dux PE, Ivanoff J, Asplund CL, Marois R (2006) Tietojenkäsittelyn keskeisen pullonkaulan eristäminen aikaresoluutioisella FMRI: llä. Neuron 52: 1109 – 1120. doi: 10.1016 / j.neuron.2006.11.009
  147. 15. Miller EK, Cohen JD (2001) Prefrontaalisen aivokuoren toiminnan integroiva teoria. Neurotieteen vuosikatsaus 24: 167 – 202.
  148. 16. Burgess PW, Veitch E, de Lacy Costello A, Shallice T (2000) Monitehtävien kognitiiviset ja neuroanatomiset korrelaatit. Neuropsykologia 38: 848 – 863. doi: 10.1016 / s0028-3932 (99) 00134-7
  149. 17. DeYoung CG, Hirsh JB, Shane MS, Papademetris X, Rajeevan N, et ai. (2010) Ennusteiden testaaminen persoonallisuuden neurotieteen perusteella. Aivojen rakenne ja iso viisi. Psykologinen tiede 21: 820 – 828. doi: 10.1177 / 0956797610370159
  150. 18. Ashburner J (2007) Nopea diffeomorfinen kuvan rekisteröintialgoritmi. NeuroImage 38: 95 – 113. doi: 10.1016 / j.neuroimage.2007.07.007
  151. 19. John OP, Srivastava S (1999) Viiden suuren piirteen taksonomia: historia, mittaus ja teoreettiset näkökulmat. Julkaisussa: Pervin LA, John OP, toimittajat. Persoonallisuuden käsikirja: Teoria ja tutkimus. New York: Guilford Press. 102-138.
  152. 20. Ashburner J, Friston KJ (2000) Voxel-pohjainen morfometria - menetelmät. NeuroImage 11: 805 – 821. doi: 10.1006 / nimg.2000.0582
  153. 21. Whitfield-Gabrieli S, Moran JM, Nieto-Castanon A, Triantafyllou C, Saxe R, et ai. (2011) Ihmisen aivojen oletus- ja itsevertailuverkkojen väliset assosiaatiot ja dissosiaatiot. NeuroImage 55: 225 – 232. doi: 10.1016 / j.neuroimage.2010.11.048
  154. 22. Devinsky O, Morrell MJ, Vogt BA (1995) Etuosan sikulaarikuoren vaikutukset käyttäytymiseen. Aivot: neurologian päiväkirja 118 (Pt 1): 279 – 306. doi: 10.1093 / aivot / 118.1.279
  155. 23. Bush G, Luu P, Posner MI (2000) Kognitiiviset ja emotionaaliset vaikutukset cingulate-aivokuoren etuosassa. Kognitiivisten tieteiden suuntaukset 4: 215 – 222. doi: 10.1016 / s1364-6613 (00) 01483-2
  156. 24. Lui KF, Wong AC (2012) Sattuuko median moniajo aina? Positiivinen korrelaatio monitoimisen ja moniaistisen integraation välillä. Psykonominen tiedote ja katsaus 19: 647–653. doi: 10.3758 / s13423-012-0245-7
  157. 25. Raichle ME, MacLeod AM, Snyder AZ, Powers WJ, Gusnard DA, et ai. (2001) Aivotoimintojen oletustila. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 98: 676 – 682. doi: 10.1073 / pnas.98.2.676
  158. 26. Buckner RL, Andrews-Hanna JR, Schacter DL (2008) Aivojen oletusverkko: anatomia, toiminta ja merkitys taudille. Annals of New York Academy of Sciences 1124: 1–38. doi: 10.1196 / annals.1440.011
  159. 27. Carter CS, Macdonald AM, Botvinick M, Ross LL, Stenger VA, et ai. (2000) Executive-prosessien jäsentäminen: eturauhasen aivokuoren strategiset ja arvioivat toiminnot. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 97: 1944 – 1948. doi: 10.1073 / pnas.97.4.1944
  160. 28. Botvinick MM, Braver TS, Barch DM, Carter CS, Cohen JD (2001) Konfliktien seuranta ja kognitiivinen hallinta. Psykologinen katsaus 108: 624 – 652. doi: 10.1037 // 0033-295x.108.3.624
  161. 29. Bush G, Whalen PJ, Rosen BR, Jenike MA, McInerney SC, et ai. (1998) Counting Stroop: häiriötehtävä, joka on erikoistunut toiminnalliseen neurokuvantamiseen - validointitutkimukseen toiminnallisella MRI: llä. Ihmisen aivokartoitus 6: 270–282. doi: 10.1002 / (sici) 1097-0193 (1998) 6: 4 <270 :: apu-hbm6> 3.3.co; 2-h
  162. 30. Leung HC, Skudlarski P, Gatenby JC, Peterson BS, Gore JC (2000) Tapahtumaan liittyvä toiminnallinen MRI-tutkimus stroop-värin sanan interferenssitehtävästä. Aivokuori 10: 552 – 560. doi: 10.1093 / cercor / 10.6.552
  163. 31. Corbetta M, Miezin FM, Dobmeyer S, Shulman GL, Petersen SE (1991) Valikoiva ja jaettu huomio muodon, värin ja nopeuden visuaalisen erottelun aikana: toiminnallinen anatomia positroniemissiotomografialla. Lehti neurotiedestä: Neurotieteen seuran virallinen lehti 11: 2383 – 2402.
  164. 32. Botvinick M, Nystrom LE, Fissell K, Carter CS, Cohen JD (1999) Konfliktien tarkkailu verrattuna toiminnan valintaan etusinkingulaattikuoressa. Luonto 402: 179 – 181. doi: 10.1038 / 46035
  165. 33. Casey BJ, Thomas KM, Welsh TF, Badgaiyan RD, Eccard CH, et ai. (2000) Vastekonfliktin, huomion valinnan ja odotuksen dissosiaatio toiminnallisella magneettikuvauskuvauksella. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 97: 8728 – 8733. doi: 10.1073 / pnas.97.15.8728
  166. 34. Dreher JC, Grafman J (2003) Rostraalisen etupään sinkulaatin ja sivuttaissuuntaisen etupään kortortien roolien erottaminen kahden tehtävän suorittamisessa samanaikaisesti tai peräkkäin. Aivokuori 13: 329 – 339. doi: 10.1093 / cercor / 13.4.329
  167. 35. Erickson KI, Colcombe SJ, Wadhwa R, Bherer L, Peterson MS, et ai. (2005) Neuraalikorrelaatit kahden tehtävän suorituksessa tehtävän valmistelun minimoinnin jälkeen. NeuroImage 28: 967 – 979. doi: 10.1016 / j.neuroimage.2005.06.047
  168. 36. Milham, MP, Banich MT, Webb A, Barad V, Cohen NJ, et ai. (2001) Eturauhasen ja prefrontaalisen aivokuoren suhteellinen osallistuminen huomion hallintaan riippuu konfliktin luonteesta. Aivotutkimus Kognitiivinen aivotutkimus 12: 467 – 473. doi: 10.1016 / s0926-6410 (01) 00076-3
  169. 37. Kiehl KA, Liddle PF, Hopfinger JB (2000) Virheprosessointi ja rostral anterior cingulate: tapahtumiin liittyvä fMRI-tutkimus. Psykofysiologia 37: 216 – 223. doi: 10.1111 / 1469-8986.3720216
  170. 38. Ralph BC, Thomson DR, Cheyne JA, Smilek D (2013) Median monitehtävät ja huomion epäonnistumiset arjessa. Psykologinen tutkimus. doi: 10.1007 / s00426-013-0523-7
  171. 39. Fellows LK, Farah MJ (2005) Onko kognitiiviseen hallintaan välttämätöntä etinginging cortex? Aivot: neurologian päiväkirja 128: 788 – 796. doi: 10.1093 / aivot / awh405
  172. 40. Swick D, Turken AU (2002) Konfliktien havaitsemisen ja virheenseurannan välinen dissosiaatio ihmisen edessä olevassa cingulate-aivokuoressa. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 99: 16354 – 16359. doi: 10.1073 / pnas.252521499
  173. 41. Swick D, Jovanovic J (2002) Cingulaattorikuoren etuosa ja Stroop-tehtävä: neuropsykologinen näyttö topografisesta spesifisyydestä. Neuropsykologia 40: 1240 – 1253. doi: 10.1016 / s0028-3932 (01) 00226-3
  174. 42. Rotge JY, Guehl D, Dilharreguy B, Tignol J, Bioulac B, et ai. (2009) Pakko-oireisen häiriön aivomäärän muutosten metaanalyysi. Biologinen psykiatria 65: 75 – 83. doi: 10.1016 / j.biopsych.2008.06.019
  175. 43. Yamasue H, Kasai K, Iwanami A, Ohtani T, Yamada H, et ai. (2003) Voxel-pohjainen MRI-analyysi paljastaa etuosan singulaattorin harmaan aineen määrän vähentymisen posttraumaattisissa stressihäiriöissä terrorismin vuoksi. Amerikan yhdysvaltojen kansallisen tiedeakatemian julkaisut 100: 9039 – 9043. doi: 10.1073 / pnas.1530467100
  176. 44. Caetano SC, Kaur S, Brambilla P, Nicoletti M, Hatch JP, et ai. (2006) Pienemmät kingsulaatiomäärät yksinapaisissa masennuksessa olevilla potilailla. Biologinen psykiatria 59: 702 – 706. doi: 10.1016 / j.biopsych.2005.10.011
  177. 45. Franklin TR, Acton PD, Maldjian JA, Grey JD, Croft JR, et ai. (2002) Harmaan aineen pitoisuuden väheneminen kokaiinipotilaiden saaristossa, orbitofrontaalisesti, kingulaatissa ja ajallisessa kortortissa. Biologinen psykiatria 51: 134 – 142. doi: 10.1016 / s0006-3223 (01) 01269-0
  178. 46. Zhou Y, Lin FC, Du YS, Qin LD, Zhao ZM, et ai. (2011) Harmaan aineen poikkeavuudet Internet-riippuvuudessa: vokselipohjainen morfometriatutkimus. Eurooppalainen radiologian päiväkirja 79: 92 – 95. doi: 10.1016 / j.ejrad.2009.10.025
  179. 47. Yuan K, Qin W, Wang G, Zeng F, Zhao L, et ai. (2011) Mikrostruktuurin poikkeavuudet nuorilla, joilla on Internet-riippuvuushäiriö. PloS yksi 6: e20708. doi: 10.1371 / journal.pone.0020708
  180. 48. Lin F, Zhou Y, Du Y, Qin L, Zhao Z, et ai. (2012) Valkoisen aineen epänormaali eheys murrosikäisillä, joilla on Internet-riippuvuus: traktaattiset tilatilastotutkimukset. PloS yksi 7: e30253. doi: 10.1371 / journal.pone.0030253