Connectivité topologique altérée de la dépendance à Internet dans l'EEG à l'état de repos par l'analyse de réseau (2019)

Addict Behav. 2019 février 26; 95: 49-57. doi: 10.1016 / j.addbeh.2019.02.015.

Sun Y1, Wang H2, Bo S2.

Abstract

Les résultats de certaines études de neuroimagerie ont révélé que les personnes ayant une dépendance à Internet (IA) présentent des changements structurels et fonctionnels dans des zones et des connexions cérébrales spécifiques. Cependant, la compréhension de l'organisation topologique globale de l'IA peut également nécessiter une vision plus intégrative et holistique de la fonction cérébrale. Dans la présente étude, nous avons utilisé la probabilité de synchronisation combinée à l'analyse de la théorie des graphes pour étudier la connectivité fonctionnelle (FC) et les différences topologiques entre 25 participants atteints d'IA et 27 témoins sains (HC) en fonction de leurs activités EEG spontanées à l'état de repos fermé les yeux. . Il n'y avait pas de différences significatives de FC (réseau total ou sous-réseaux) entre les groupes (p> 05 pour tous). L'analyse des graphiques a montré une longueur de chemin caractéristique et un coefficient de clustering significativement plus faibles dans le groupe IA que dans le groupe HC dans les bandes bêta et gamma, respectivement. Centralités nodales modifiées du frontal (FP1, FPz) et pariétal (CP1, CP5, PO3, PO7, P5, P6, TP8) des lobes dans le groupe IA ont également été observés. L'analyse de corrélation a démontré que les altérations régionales observées étaient significativement corrélées à la gravité de l'AI. Ensemble, nos résultats ont montré que le groupe IA présentait une organisation topologique modifiée, évoluant vers un état plus aléatoire. De plus, cette étude a révélé le rôle important des zones cérébrales altérées dans le mécanisme neuropathologique de l'AI et a fourni des preuves supplémentaires pour le diagnostic de l'AI.

MOTS-CLÉS: Connectivité fonctionnelle; La théorie des graphes; Addiction à Internet; État de repos EEG; Probabilité de synchronisation

PMID: 30844604

DOI: 10.1016 / j.addbeh.2019.02.015